پرش به محتوای اصلی
پرش به محتوای مقاله

فیگما با ادغام کد و موشن در بوم طراحی، مالکیت مدل‌های بنیادی را رها کرد

·۳ تیر ۱۴۰۵۷ دقیقه مطالعه۲ بازدید
فیگما در Config 2026 بر قضاوت انسانی شرط‌بندی می‌کند، در حالی که هوش مصنوعی بوم آن متعلق به دیگری است.
فیگما در Config 2026 بر قضاوت انسانی شرط‌بندی می‌کند، در حالی که هوش مصنوعی بوم آن متعلق به دیگری است.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

چرخش استراتژیک از «تولید خروجی با AI» به «تولید ابزار با AI»؛ جایی که هوش مصنوعی به‌جای تحویل یک اثر نهایی، ماده خامی (مانند شیدرها یا کدهای لایه‌ای) می‌سازد که طراح همچنان کنترل کامل ویرایشی روی آن دارد.

طراحان رابط کاربری اکنون در دنیایی زندگی می‌کنند که یک عامل هوشمند می‌تواند در چند دقیقه یک صفحه کامل و قابل کلیک بسازد؛ اتفاقی که می‌تواند پرونده‌های سنتی طراحی را برای همیشه ببندد. در ۲۴ ژوئن ۲۰۲۶، فیگما (Figma) در کنفرانس سالانه Config در سان‌فرانسیسکو با تبدیل بوم طراحی به یک فضای چندبعدی برای کد، موشن و عمق، به این تهدید پاسخ داد.

به نقل از داده‌های رسمی شرکت، ۹۵ درصد از شرکت‌های لیست Fortune 500 محصولات خود را با این پلتفرم می‌سازند. با این حال، فیگما با یک تناقض روبروست: تولید رابط کاربری، متن و کد با هوش مصنوعی زاینده (Generative AI) — که شبیه دستیاری است که هر چه بخواهید را در لحظه می‌کشد — ارزان شده است، اما توجه انسان، یعنی همان منبعی که این خروجی‌ها برای تصاحب آن رقابت می‌کنند، افزایش نیافته است.

این تغییر در حالی رخ می‌دهد که ابزارهای «کدنویسی بر اساس حس» (Vibe Coding) مانند Claude Design شرکت آنتروپیک (Anthropic)، اساس کسب‌وکار فیگما را به چالش کشیدند. برخی سازمان‌ها پیش از این مسیر را آغاز کرده‌اند و جایگزینی موکاپ‌های فیگما با پروتوتایپ‌های مستقیم کلود در شرکت جین استریت نمونه‌ای از این تغییر پارادایم در محیط‌های عملیاتی است. سال‌ها پیش، یک محصول دیجیتال با یک فایل طراحی ایستا شروع می‌شد؛ اما حالا مرز بین یک پرامپت و یک رابط کاربری آماده برای تولید در حال محو شدن است. این تنش با این واقعیت تشدید می‌شود که فیگما به همان مدل‌هایی متکی است که توسط رقبایش توسعه یافته‌اند. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، وابستگی به زیرساخت‌های خارجی همواره ریسک‌های حاکمیتی به همراه دارد. به همین دلیل، فیگما استدلال می‌کند که طراحان باید فراتر از آنچه مدل‌های آموزش‌دیده با «میانگین محتوای اینترنت» تولید می‌کنند، عمل کنند.

ادغام کد و بوم طراحی

فیگما را فراتر از نمونه‌سازی ساده برده تا منطق‌های سطح تولید را به محیط طراحی بیاورد. این مسیر از سال گذشته با معرفی Figma Make آغاز شد، زمانی که شرکت برای نخستین بار کد را وارد بوم طراحی کرد.

اکنون Figma Make کدهای واقعی تیم تولید را وارد بوم می‌کند. این ویژگی که در حال حاضر در نسخه بتا منتشر شده، تغییرات را از طریق شاخه‌ها (Branches)، کامیت‌ها و درخواست‌های ادغام (Pull Requests) مدیریت می‌کند تا توسعه‌دهندگان بتوانند بدون نیاز به استفاده از ترمینال کار کنند.

فیگما در Config ۲۰۲۶ بر قضاوت انسانی شرط می‌بندد، اما هوش مصنوعی بومش متعلق به دیگری است.

لایه‌های جدید کد (Code Layers) اجازه می‌دهند طراحی و کد در یک فضای واحد و در کنار هم قرار بگیرند. این امر یک چرخه سیال ایجاد می‌کند که در آن کاربران می‌توانند:

  • کد را مستقیماً از یک لایه طراحی تولید کنند.
  • از یک عامل (Agent) بخواهند کد مذکور را تغییر دهد.
  • یک مخزن کامل کد (Repository) را مستقیماً از GitHub وارد کنند.
  • لایه‌های طراحی قابل ویرایش را از داخل یک لایه کد بیرون بکشند تا آن‌ها را به‌صورت بصری تغییر دهند.
  • لایه‌های تغییریافته را فوراً و به‌صورت لحظه‌ای به کد تبدیل کنند.

طبق اعلام فیگما، این سرعت تکرار با نحوه کار فعلی طراحان با لایه‌های تغییرپذیری (Variation Layers) مطابقت دارد. لایه‌های کد در واقع با کامپوننت‌ها مانند فایل‌های قابل ویرایش مستقیماً روی بوم برخورد می‌کنند.

موشن، عمق و جلوه‌های بصری

انیمیشن‌ها و انتقال‌ها دیگر نیازی به ابزارهای تحویل (Hand-off) خارجی ندارند. فیگما موشن و خطوط زمانی (Timelines) را مستقیماً در سیستم طراحی ادغام کرده است. این کار به تیم‌ها اجازه می‌دهد انیمیشن‌ها را روی یک خط زمانی مشترک هماهنگ کرده و حتی برای آن‌ها کامنت بگذارند.

این عناصر موشن را می‌توان به‌صورت collaborative ویرایش کرد، توسط یک عامل تولید نمود و از طریق Dev Mode و پروتکل زمینهٔ مدل (MCP) تا مرحله تولید نهایی ارسال کرد.

فیگما همچنین یک لایه عمق برای تبدیلات سه‌بعدی معرفی کرده است. تا پیش از این، عمق فضایی در رابط‌های کاربری عمدتاً با استفاده از سایه‌های لایه‌بندی شده شبیه‌سازی (Fake) می‌شد؛ اما اکنون طراحان می‌توانند پرسپکتیو را مستقیماً روی بوم شکل دهند تا عمق فضایی واقعی ایجاد کنند.

هوش مصنوعی به‌عنوان ماده خام، نه نتیجه

برای مدیریت پیچیدگی‌های بصری، فیگما قابلیتی برای شیدرها (Shaders) بر پایه WebGPU معرفی کرد. این کار جلوه‌های پیشرفته‌ای را ممکن می‌کند که پیش‌تر نیاز به دانش عمیق برنامه‌نویسی گرافیکی داشت، مواردی مانند:

  • نقطه‌گذاری (Dithering) و پیکسل‌بندی.
  • انواع مختلف تاری (Blur).
  • سطوحی که شبیه کروم صیقلی یا شیشه مات به نظر می‌رسند.

کاربران به‌جای نوشتن کد، اثر مورد نظر را توصیف می‌کنند و یک عامل آن را به همراه کنترل‌های قابل تنظیم تولید می‌کند. این بخشی از یک فلسفه گسترده‌تر است: هوش مصنوعی نباید صرفاً نتیجه‌ای نهایی تحویل دهد که یا پذیرفته شود یا دوباره درخواست (Re-prompt) شود؛ بلکه باید ابزاری فراهم کند که کاربر بتواند آن را مدام اصلاح کند. این رویکرد شامل «Shader Fills» است که پرکننده‌های رویه‌ای مانند الگوهای ذره‌ای یا نیم‌سایه (Halftone) را مستقیماً به بوم می‌آورد.

فیگما در Config 2026 بر قضاوت انسانی شرط‌بندی می‌کند، در حالی که هوش مصنوعی بومش متعلق به دیگری است.

فیگما همچنین سیستم گردش‌کار ویو (Weave) را که سال گذشته خریداری کرد، ادغام کرده است. فیگما از Weave به‌عنوان یک «ماده AI» یاد می‌کند. این ابزار به تیم‌ها اجازه می‌دهد چندین منبع تصویر و مدل‌های مختلف را برای یک مسیر طراحی منسجم برای پروژه‌های خاص، مانند یک کمپین بازاریابی، ترکیب کنند.

از این هفته، بیش از ۲۰ ابزار Weave روی بوم در دسترس است. انتظار می‌رود ادغام کامل تا اواخر سال جاری رخ دهد تا تیم‌های برند و محصول یک فضای کاری مشترک داشته باشند. برای مثال، پلاگین Texturize در Weave می‌تواند بافت‌های ماده را بر اساس توصیفات کاربر روی متن‌ها اعمال کند.

مقیاس‌بندی همکاری و مهارت‌های سفارشی

فیگما اذعان دارد که اگرچه هوش مصنوعی کار تک‌نفره را آسان می‌کند، اما همکاری تیمی را دشوارتر می‌کند، زیرا تیم‌ها در بررسی‌ها غرق شده و پیشرفت‌های مشترک را گم می‌کنند. راه حل این است که خودِ پرامپت‌ها به‌عنوان دارایی‌های قابل اشتراک در نظر گرفته شوند.

هر تعامل با یک عامل، یک گردش‌کار و یک تکنیک پرامپت‌نویسی تولید می‌کند. کاربران اکنون می‌توانند در کارهای انجام شده توسط عوامل هم‌تیمی‌هایشان جست‌وجو کنند و از آن پرامپت‌ها به‌عنوان نقطه شروع استفاده کنند.

  • مهارت‌های عامل: کاربران می‌توانند دستورات سفارشی (مانند /contrast-improvements) تعریف کرده و آن‌ها را در سطح تیم به اشتراک بگذارند. این مهارت‌ها برای خودکارسازی کارهایی مثل بررسی انطباق طراحی با قوانین رگولاتوری استفاده می‌شوند.
  • پلاگین‌های مولد: طراحان می‌توانند ابزارهای بازاستفاده‌پذیر خود را از طریق پرامپت بسازند، بدون اینکه به محیط توسعه نیاز داشته باشند. فیگما به طراح یک شرکت فین‌تک اشاره کرد که ابزاری برای تولید منظم نمودارهای خاص ساخته است و شرکت چندین ماه از آن در داخل سازمان استفاده کرده است.
  • آگاهی از زمینه: عوامل دیگر ایزوله نیستند؛ آن‌ها می‌توانند زمینه اضافی را از طریق پیوست‌های فایل، جست‌وجوهای وب و اتصال‌های شخص ثالث (Third-party connectors) دریافت کنند.

اقتصاد هوش مصنوعی اجاره‌ای

این استراتژی هزینه مالی‌قابل‌توجهی دارد. چون فیگما از مدل‌های اجاره‌ای OpenAI، آنتروپیک و گوگل استفاده می‌کند، هزینه‌های استنتاج (Inference) — یعنی همان لحظه تولید جواب توسط مدل — مستقیماً بر حاشیه سود اثر می‌گذارد. در نتیجه، حاشیه سود ناخالص در طول سال ۲۰۲۵ از حدود ۹۲٪ به ۸۶٪ کاهش یافت.

این وابستگی را به یک بحران حاکمیتی تبدیل کرد. سرمایه‌گذار فعال Findell Capital پس از عرضه Claude Design، خواستار بررسی روابط هیئت مدیره فیگما با آنتروپیک شد. در همین حال، مایک کریگر، مدیر محصول آنتروپیک، تنها چند روز پیش از انتشار Claude Design از هیئت مدیره فیگما کناره‌گیری کرد.

دیلان فیلد (CEO) و لوردانا کریسان (Chief Design Officer) که در سال ۲۰۲۵ از متا به فیگما پیوست، در یک جلسه خبری به این موضوع پرداختند. وقتی از فیلد پرسیده شد که آیا فیگما مدل‌های بنیادی خود را آموزش می‌دهد، او پاسخ مبهمی داد. او اشاره کرد که شرکت مدل‌های کوچکی را برای بهبود کارایی آموزش داده است، اما تأکید کرد که فیگما به‌گونه‌ای طراحی شده تا از تمام نوآوری‌های بازار بهره‌مند شود، نه اینکه به یک تامین‌کننده زنجیر شود. در همین راستا، رقابت برای توسعه مدل‌های بنیادی پیچیده شدت یافته است، چنان‌که سرمایه‌گذاری گسترده شرکت‌هایی مثل انویدیا و آمازون در استارت‌آپ Odyssey برای شبیه‌سازی فیزیک نشان می‌دهد که غول‌های فناوری به دنبال مالکیت زیرساخت‌های مدل‌سازی هستند.

برای مقابله با فشار روی حاشیه سود، فیگما روی کارایی شرط‌بندی کرده است. استفاده از CodeConnect برای اتصال سیستم‌های طراحی به کدهای متناظر، مقدار بازتولید توسط هوش مصنوعی را کاهش داده و هزینه استنتاج را در موارد اندازه‌گیری شده حدود ۳۰٪ کم کرده است. فیلد از اقتصاد «هایپ هوش مصنوعی» انتقاد کرد و اشاره کرد که در مقایسه با زمان نیروی انسانی، هزینه توکن برخی طراحی‌های تولید شده با AI «گاه کاملاً غیرمنطقی است».

شرط‌بندی روی قضاوت انسانی

فیلد و کریسان استدلال می‌کنند که در حالی که ماشین‌ها خلق کردن را ارزان می‌کنند، قضاوت باید انسانی باقی بماند. کریسان هوش مصنوعی را ابزاری و ماده‌ای می‌داند، اما نه تنها راه برای زنده کردن یک ایده.

فیلد اشاره کرد که مدل‌های پیشرو در حل مسائل سطح بالای ریاضی یا کدنویسی موفق‌اند، اما هنوز با مسائل ساده‌ای مثل تراز کردن المان‌ها (div centered) مشکل دارند و درک درستی از زیبایی‌شناسی، تجربه کاربری (UX) یا قضاوت‌های ساده ندارند. او هشدار داد که پذیرش سریع هوش مصنوعی می‌تواند به یک رابطه «تقریباً چاپلوسانه» منجر شود که در آن طراحان تحسین‌های AI را می‌پذیرند، به یک ایده واحد می‌چسبند و بی‌صدا از جست‌وجوهای خلاقانه گسترده‌تر دست می‌کشند.

سهام فیگما بازتاب‌دهنده این نوسانات است. شرکت در تابستان ۲۰۲۵ عمومی شد و سهام آن در اولین روز معاملاتی به زیر ۱۴۳ دلار رسید. با این حال، پیرامون عرضه Claude Design در آوریل ۲۰۲۶، قیمت سهام سقوط کرد. پایین‌ترین قیمت ۵۲ هفتگی اکنون ۱۶.۶۰ دلار است — یعنی حدود ۸۸٪ کمتر از سقف تاریخی. قیمت فعلی حدود ۱۹ دلار است.

با این حال، محصول در حال رشد است. درآمد اخیراً ۴۶٪ افزایش یافت و در سال مالی ۲۰۲۵، فیگما از مرز یک میلیارد دلار عبور کرد. اما موتور این رشد، حاشیه سود را می‌بلعد و توسط شرکت‌هایی تامین می‌شود که برای همان بازار می‌جنگند.

فیگما اساساً شرط بسته است که نقش طراح انسانی از «خالق» به «کیوریتور و داور» تغییر کند. آن‌ها امیدوارند با تبدیل بوم به محیطی که همه چیز را انجام می‌دهد، اطمینان حاصل کنند که حتی اگر کاربر از طریق پرامپت بسازد، این کار را درون اکوسیستم فیگما انجام دهد، نه در یک اپلیکیشن هوش مصنوعی مستقل رقیب.

شما باید نظاره‌گر باشید که آیا سایر ابزارهای متمرکز بر طراحی نیز از این رویکرد «مدل پرداخت نشده» (Unbundled model) پیروی می‌کنند یا اینکه فشار روی حاشیه سود در نهایت فیگما را مجبور به توسعه یک مدل بنیادی اختصاصی می‌کند.

گام بعدی شما

  • اگر طراح هستید، قابلیت‌های جدید Code Layers را برای کاهش فاصله با تیم توسعه تست کنید.
  • بررسی کنید که چگونه تعریف «مهارت‌های عامل» (Agent Skills) می‌تواند استانداردهای نظارتی پروژه شما را خودکار کند.
  • تحلیل کنید که آیا وابستگی شما به یک ابزار طراحی، در برابر ظهور ابزارهای Vibe Coding ایمن است یا خیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این رویکرد نشان می‌دهد که حتی غول‌های نرم‌افزاری پذیرفته‌اند هزینه آموزش مدل‌های بنیادی در مقیاس جهانی برای همه به‌صرفه نیست. اعتبار فیگما اکنون نه در توان پردازشی، بلکه در تجربه کاربر (UX) و مدیریت گردش‌کار تیمی است که نمی‌توان آن را به‌سادگی با یک پرامپت جایگزین کرد.

تأثیر برای ایران

به‌دلیل وابستگی شدید فیگما به مدل‌های OpenAI و گوگل، دسترسی به قابلیت‌های جدید AI در این پلتفرم برای کاربران ایرانی همچنان نیازمند ابزارهای تغییر IP و حساب‌های غیرایرانی است.

·نگاه ما
تحریریه دات‌هوش

فیگما با پذیرش نقش «لایه واسط» به‌جای «مالک مدل»، ریسک تبدیل شدن به یک پوسته ساده برای LLMها را پذیرفته تا در عوض، سرعت ادغام با هر نوآوری جدید را به حداکثر برساند. این استراتژی در واقع تبدیل کردن «بوم طراحی» به یک سیستم‌عامل برای ابزارهای طراحی است؛ جایی که مدل‌ها می‌آیند و می‌روند، اما داده‌ها و گردش‌کار در فیگما می‌مانند. در واقع فیگما می‌خواهد «قضاوت انسانی» را به آخرین قلعه‌ی دفاعی خود تبدیل کند تا از جایگزینی کامل توسط AI بجنبد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.