Thiết kế dashboard trong thời AI: từ tin nhắn của PM đến quyết định của designer
Gần đây mình nhận một yêu cầu làm dashboard từ PM, chỉ gồm vài tin nhắn và một ảnh tham chiếu. Làm xong, mình thấy phần tốn thời gian nhất không phải là vẽ giao diện. Đó là quyết định nên giữ gì, bỏ gì và trình bày dữ liệu ra sao. Bài này kể lại cuộc trao đổi đó, kèm vài số liệu khảo sát để đặt nó vào bối cảnh AI đang đổi cách designer làm việc.
Giao diện ra nhanh hơn, quyết định thì không
Figma và NewtonX khảo sát 906 digital designers. Kết quả: 89% nói họ làm việc nhanh hơn, 80% nói họ cộng tác tốt hơn và 91% cho rằng các công cụ AI mới cải thiện thiết kế của họ [1]. Đây là số liệu tự báo cáo, không phải phép đo độc lập về chất lượng đầu ra.
Mình đọc nó theo hướng này: tốc độ tạo ra phương án đã tăng rõ. Nhưng một dashboard đẹp không tự động giúp người dùng đọc số nhanh hơn hay quyết định đúng hơn. Báo cáo AI 2026 của Figma cũng ghi 90% người tham gia cho rằng vai trò của thiết kế ít nhất vẫn quan trọng như trước thời AI, và gần sáu trên mười người cho rằng nó còn quan trọng hơn [2]. Đó là góc nhìn của nhóm được khảo sát, không nên xem là kết luận cho cả ngành.
Phương án ra càng nhanh thì việc chọn phương án càng quan trọng.
Case study: từ vài tin nhắn của PM đến một dashboard
Brief đến từ PM qua chat. Đầu tiên là danh sách loại khách hàng (individual, legal_entity, individual_with_business_activity), chín tên sản phẩm, rồi bảng cho biết sản phẩm nào thuộc loại khách hàng nào. Tên sản phẩm và số liệu trong bài đã được thay bằng dữ liệu giả.
Mình đọc phần này như một quy tắc nghiệp vụ hơn là một danh sách. Có sản phẩm chỉ dành cho một loại khách hàng, có sản phẩm dùng được cho cả ba. Điều đó quyết định bảng cuối cùng sẽ có những ô nào hợp lệ.
Một ảnh tham chiếu và một câu hỏi ngắn
Vài giờ sau, PM gửi một dashboard tham chiếu kèm câu: “xem cái nào xài đc anh em”. Không có mô tả chức năng. Chỉ có bức tranh tổng thể gồm xu hướng mở tài khoản theo ngày, tỷ trọng theo loại khách hàng, xếp hạng theo sản phẩm, ma trận sản phẩm và loại khách hàng, cùng danh sách tài khoản mở gần đây.
Câu hỏi thật sự ở đây là mỗi module trả lời câu hỏi nào của người xem. Biểu đồ cột cho thấy biến động theo thời gian. Biểu đồ tròn và thanh xếp hạng cho thấy tỷ trọng. Bảng cho thấy con số chính xác. Trước khi chọn, mình tự hỏi: người dùng cần biết hôm nay có bao nhiêu tài khoản mới, hay cần đối chiếu từng sản phẩm với từng loại khách hàng?
Khi PM gợi ý thêm một module
Sau đó PM nhắn thêm: “thêm 1 module xem cái này cũng hay”, kèm bảng đối chiếu sản phẩm với loại khách hàng và bảng tài khoản mở gần đây.
Bảng này đọc nhanh nhờ màu: ô càng đậm thì số càng lớn. Mình để ý hai chi tiết. Một, ô gạch chéo trong bản tham chiếu đánh dấu tổ hợp không hợp lệ, khớp với nhóm sản phẩm PM gửi lúc đầu. Hai, vì dữ liệu tài khoản có tên khách hàng, bản tham chiếu đã che bớt ký tự và chỉ người có quyền mới xem đầy đủ.
Giao diện cuối
Bản cuối mình làm thành một modal mở từ dashboard tổng quan, với tiêu đề “Accounts opened by product and client type”. Lý do là tách phần tra cứu chi tiết khỏi màn hình tổng quan mà vẫn giữ được bối cảnh phía sau.
Vài quyết định mình giữ:
- Giữ cấu trúc hàng và cột để so sánh chính xác từng sản phẩm với từng loại khách hàng.
- Tô màu theo cường độ nhưng vẫn hiện số, để màu chỉ là kênh hỗ trợ chứ không phải cách duy nhất để đọc dữ liệu.
- Đặt hàng và cột tổng ngay trong bảng, người xem không phải tự cộng.
- Ô không hợp lệ ghi dấu gạch ngang thay vì số 0, vì “không có” và “không thể có” là hai chuyện khác nhau.
Modal cũng có đánh đổi. Nhiều dòng thì phải cuộn bên trong modal, và mình vẫn phải kiểm tra độ tương phản của thang màu để số trên ô đậm lẫn ô nhạt đều đọc rõ.
AI đứng ở đâu trong quy trình
Mình hình dung quy trình gồm bốn bước: PM brief, khám phá phương án, design judgment, giao diện cuối. AI có thể giúp ở bước khám phá bằng cách tạo nhiều hướng nhanh hơn. Nhưng mỗi hướng đều phải qua vài câu hỏi: có nhất quán với design system không, có làm người dùng quá tải không, có đúng nghiệp vụ không, có dễ mở rộng không.
Amershi và cộng sự tại Microsoft Research (2019) đề xuất 18 nguyên tắc cho tương tác giữa người và AI [3]. Công trình này nói về cách thiết kế hệ thống có AI, không đo năng suất khi dùng AI để thiết kế giao diện, nên mình chỉ mượn tinh thần của nó: người dùng cần hiểu giới hạn của hệ thống và có cách sửa kết quả.
Kỹ năng đáng đầu tư
Với sản phẩm nhiều dữ liệu, mình thấy bốn kỹ năng đáng đầu tư nhất:
- Information architecture: phân nhóm và ưu tiên thông tin, nhất là khi dashboard dày dữ liệu.
- Design judgment: đánh giá phương án theo mục tiêu sử dụng và ràng buộc, không chỉ theo thẩm mỹ.
- Design system: bảo đảm phương án mới khớp với component và quy ước tương tác đang có.
- Data visualization: biết khi nào dùng bảng, biểu đồ hay heatmap, và giới hạn của việc mã hóa bằng màu.
Báo cáo AI của Figma còn ghi tỷ lệ designer tham gia phát triển sản phẩm tăng từ 21% lên 41% [2]. Ranh giới giữa các vai trò đang dịch chuyển, nhưng không có nghĩa designer nào cũng phải trở thành developer.
Kết
AI rút ngắn quãng đường từ ý tưởng đến prototype. Nhưng chọn gì, bỏ gì và vì sao vẫn là việc của designer.
Nếu bạn đang làm dashboard hay sản phẩm nhiều dữ liệu và muốn trao đổi, cứ nhắn mình qua mục liên hệ nhe!
