Как GenAI помогает дизайнерам: собственный плагин в Figma

Классический дизайн-процесс — одна из самых дорогих и трудоемких частей бизнеса. Даже при выстроенных процессах создание элементов визуальной коммуникации — сложная творческая задача.

Чтобы упростить процесс и дать дизайнерам больше пространства для экспериментов, ML-команда решила создать GenAI-сервис прямо внутри Figma. Он стал дополнительным инструментом дизайнеров: не заменяет творческую работу, а выводит ее на новый уровень, ускоряет рутинные этапы и помогает быстрее находить креативные решения.

Команда видела потенциал в генеративных нейросетях, но столкнулась с тремя барьерами:

• Невозможность повторить уникальный стиль. Ни одна из существующих на рынке моделей не могла стабильно воспроизводить фирменный стиль Alfa Only. Готовые решения не проходили внутренний контроль качества.

• Слабая композиция. Генеративные модели плохо умеют работать со сложными, многокомпонентными сценами. Попытки создать готовую иллюстрацию «в один клик» приводили к появлению артефактов и композиционным ошибкам.

• Неудобный рабочий процесс. Необходимость переключаться между Figma, где ведется вся работа, и сторонними сервисами замедляла процесс и мешала сконцентрироваться.

Внутренняя ML-команда Альфа-Банка решила создать собственный плагин, поскольку на рынке не было готовых аналогов, способных решить эту задачу.

Выбор и обучение модели

За основу взяли модель Flux. С помощью технологии LoRA модель обучили на реальных изображениях, которые создали дизайнеры Alfa Only.

Плагин для Figma и ComfyUI

Инструмент реализовали в виде плагина для Figma. В качестве бэкенда для генерации был выбран ComfyUI. Этот выбор был обусловлен его гибкостью: и дизайнеры, и разработчики могут нам собирать инструменты генерации.

Этап 1: Прототип и его ограничения (V1)

Первая версия плагина была создана как быстрый прототип для проверки гипотезы. Дизайнер писал промпт, заранее создавал в Figma специальный фрейм, и плагин генерировал четыре изображения параллельно. Процесс генерации транслировался в реальном времени с помощью технологии WebSocket. Однако подход с генерацией цельных сцен оказался тупиковым.

Этап 2: Продуктовый подход и новая философия (V2)

Команда поняла, что контроль над композицией необходимо оставить дизайнеру. Это привело к созданию второй версии плагина и новому пайплайну:

Новый плагин отличался не только функционально, но и визуально: он стал более компактным и удобным.

Этап 3: Внедрение и обучение дизайнеров

Когда продукт был готов, оказалось, что внедрить его в процессы не так просто. Дизайнеры в Альфа-Банке — талантливые эксперты с очень высокой планкой качества: изображения должны быть безупречны. Поэтому часть задачи ML-команды заключалась не только в создании нового инструмента, но и в том, чтобы довести его до уровня, соответствующего этим стандартам, и выработать подходы, позволяющие стабильно получать безупречный результат.

Чтобы внедрение нового инструмента было комфортным, запустили программу адаптации. Она включала регулярные интенсивы (раз в 1–2 недели); доски в Figma, на которых ML-команда решала реальные задачи дизайнеров с помощью GenAI-инструмента; а также обмен сценариями генераций.

Раньше на создание нового изображения уходили часы: от поиска идей до финальной отрисовки. Теперь процесс занимает 15 минут — в 2–4 раза быстрее, чем раньше.

Модели по тому же принципу уже обучены для большинства других направлений банка. В планах — дальнейшее масштабирование и активное исследование генерации видео. Опыт Альфа-Банка показывает: правильно интегрированный AI становится не заменой, а эффективным ассистентом для креативных специалистов.

Следующий шаг — сделать AI слоем «по умолчанию» для внутренних сервисов и типовых процессов по всему банку: переводим пилоты в продукты, выравниваем качество данных и метрик, создаём безопасные «песочницы» и поддерживаем команды через наставничество.