Design Leadership · SOFTSWISS

Building a Scalable Design Team

How I grew a distributed design team, established design operations, and introduced AI-assisted workflows for white-label casino products.

SOFTSWISS — Lead Product Designer. Built and led a multidisciplinary design team responsible for scalable casino setup delivery, white-label experiences and AI-assisted production workflows.
Evidence note: team size, timelines and impact figures below are described directionally — nothing here is presented as a specific measured statistic unless stated explicitly.
Fragmented execution Unified team Scalable processes Design system AI-enabled delivery
01

Overview

SOFTSWISS provides a platform for multiple casino brands and operators. The Setup design team adapts and launches client products on top of that shared foundation — its own discipline, distinct from the platform's core product design (see the companion case, Master Layout).

Role
Design Team Lead
Team & timeframe
Distributed Setup design team · multi-phase transformation
Goal
Make delivery scalable across white-label products
Constraints
Legacy process, multiple brands, uneven ownership, live delivery

SOFTSWISS предоставляет платформу для нескольких казино-брендов и операторов. Setup-команда дизайнеров адаптирует и запускает клиентские продукты поверх этой общей основы — отдельная дисциплина, отличная от продуктового дизайна самой платформы (см. смежный кейс Master Layout).

Роль
Design Team Lead
Команда и период
Распределённая Setup-команда · многоэтапная трансформация
Цель
Масштабировать delivery для white-label продуктов
Ограничения
Legacy-процесс, несколько брендов, неравномерный ownership, live delivery
02

Starting Point

  • processes were fragmented — each designer approached setup work their own way;
  • no unified standards for quality, review or handoff;
  • responsibility was unevenly distributed across the team;
  • output quality depended heavily on which specific designer ran a project;
  • scaling to more clients and more designers was getting harder, not easier;
  • a large share of the work was manual and repetitive;
  • the connection between design decisions and front-end implementation was looser than it should have been.
  • процессы были разрозненными — каждый дизайнер подходил к setup-работе по-своему;
  • не было единых стандартов качества, review или handoff;
  • ответственность была распределена неравномерно;
  • качество результата сильно зависело от того, какой конкретно дизайнер вёл проект;
  • масштабирование на больше клиентов и дизайнеров становилось сложнее, а не проще;
  • значительная часть работы была ручной и повторяющейся;
  • связь между дизайн-решениями и реализацией во frontend была слабее, чем нужно.
03

Leadership Challenge

As a lead, the problem wasn't any single project — it was building the conditions for the team to reliably deliver good work at a growing scale:

  • build and grow the team itself;
  • raise and stabilize the quality of setup projects;
  • speed up delivery without sacrificing consistency;
  • establish shared processes the whole team could rely on;
  • introduce a design system that could scale across brands;
  • strengthen collaboration with Product and Front-end;
  • bring AI tools into the workflow without letting quality slip.

Как для лида, проблема была не в конкретном проекте — а в том, чтобы создать условия, при которых команда могла бы надёжно поставлять хорошую работу при растущем масштабе:

  • собрать и развить саму команду;
  • поднять и стабилизировать качество setup-проектов;
  • ускорить delivery, не жертвуя согласованностью;
  • выстроить общие процессы, на которые могла бы опираться вся команда;
  • внедрить дизайн-систему, масштабируемую на разные бренды;
  • укрепить взаимодействие с Product и Frontend;
  • внедрить AI-инструменты, не потеряв в качестве.
04

Building the Team

Growing a design function is people work first, process work second. This meant taking part in hiring, shaping how the team was structured, and building an environment where designers could develop past their starting level:

  • participated in hiring as the team grew;
  • defined role structure and ownership — who owns what, and why;
  • built a structured onboarding path for new designers, independent of informal mentorship;
  • supported the growth of middle and senior designers specifically, not just the team as a whole;
  • ran regular 1:1s, PDPs and check-ins — feedback as a habit, not an event;
  • worked deliberately on a trusting, creative environment where designers could raise problems early.

Рост дизайн-функции — это в первую очередь работа с людьми, и только потом — с процессом. Это означало участие в найме, формирование структуры команды и создание среды, в которой дизайнеры могли расти выше стартового уровня:

  • участвовал в найме по мере роста команды;
  • определял структуру ролей и ответственность — кто за что отвечает и почему;
  • выстроил структурированный onboarding для новых дизайнеров, не зависящий от неформального наставничества;
  • отдельно поддерживал рост middle- и senior-дизайнеров, а не только команды в целом;
  • проводил регулярные 1:1, PDP и check-in'ы — фидбек как привычка, а не разовое событие;
  • сознательно работал над доверительной творческой средой, где проблемы можно поднимать рано.
05

Establishing Design Operations

The processes below turned "how a good designer already does this" into something the whole team could rely on, not just tribal knowledge:

  • Design review at a consistent point in every project, not improvised per designer;
  • a defined setup workflow from brief to release;
  • a consistent front-end handoff process instead of an ad-hoc one each time;
  • clearer task distribution across the team;
  • living documentation and templates, kept current rather than written once and abandoned;
  • regular meetings and retrospectives that fed lessons back into the process itself;
  • lightweight risk and dependency management for anything non-standard.

Процессы ниже превратили «то, как это уже делает хороший дизайнер» в то, на что могла опереться вся команда, а не только неформальное знание:

  • Design review в одной и той же точке каждого проекта, а не по желанию каждого дизайнера;
  • определённый setup workflow от брифа до релиза;
  • последовательный frontend handoff вместо разового процесса каждый раз;
  • более ясное распределение задач по команде;
  • живая документация и шаблоны, которые поддерживались в актуальном состоянии, а не писались один раз и забывались;
  • регулярные встречи и ретроспективы, возвращавшие уроки обратно в процесс;
  • лёгкое управление рисками и зависимостями для всего нестандартного.
06

Scalable Design System

The Setup team's delivery work depended directly on the platform's design system — the shared components, tokens and customization levels developed as part of Master Layout (the companion case) needed to hold up under everyday setup production, not just in principle:

  • a white-label architecture supporting many brands from one system;
  • components built to be configured, not forked;
  • design tokens and variables as the shared contract between Figma and production;
  • layered customization — quick, low-risk changes versus deeper, expert-level control;
  • reusable patterns instead of one-off screens per client;
  • a traceable link between a Figma component and what actually ships;
  • support for multiple brands and markets from the same underlying system.

Delivery-работа Setup-команды напрямую зависела от дизайн-системы платформы — общие компоненты, токены и уровни кастомизации, разработанные в рамках Master Layout (смежный кейс), должны были выдерживать повседневное setup-производство, а не только работать в теории:

  • white-label архитектура, поддерживающая много брендов на одной системе;
  • компоненты, созданные для конфигурации, а не форка;
  • дизайн-токены и переменные как общий контракт между Figma и продакшном;
  • слоистая кастомизация — быстрые, малорискованные изменения против более глубокого, экспертного контроля;
  • переиспользуемые паттерны вместо разовых экранов под каждого клиента;
  • прослеживаемая связь между компонентом в Figma и тем, что реально в продакшне;
  • поддержка нескольких брендов и рынков на одной и той же системе.
07

AI-Assisted Workflows

AI was introduced as a change to the production process, not as a list of tools bolted onto the old one:

Manual production
Assisted generation
Structured validation
Reusable workflow
  • Claude, Cursor, Figma MCP — for prototyping and connecting structured requirements to working front-end;
  • ChatGPT / Codex — explored for scripting and repetitive production tasks;
  • AI image generation — trialled for casino promotional graphics;
  • landing-page automation — reducing manual rebuild work across brands;
  • design-system automation — auditing tokens and components for drift and duplication;
  • structured research and internal workshops to evaluate tools against real setup tasks, not just novelty.
Framed honestly: this is an experimental, strategic initiative with defined validation criteria for wider team adoption — not a proven, already-shipped productivity result. No fabricated percentage (like "70% faster") appears anywhere in this case.

AI внедрялся как изменение процесса производства, а не как список инструментов, добавленных поверх старого:

Ручное производство
Assisted-генерация
Структурированная валидация
Переиспользуемый workflow
  • Claude, Cursor, Figma MCP — прототипирование и связь структурированных требований с рабочим frontend;
  • ChatGPT / Codex — исследовались для скриптинга и повторяющихся задач;
  • AI-генерация изображений — тестировалась для промо-графики казино;
  • автоматизация лендингов — снижение ручной пересборки между брендами;
  • автоматизация дизайн-системы — аудит токенов и компонентов на расхождения и дублирование;
  • структурированные исследования и внутренние воркшопы для оценки инструментов на реальных задачах, а не ради новизны.
Честная формулировка: это экспериментальная, стратегическая инициатива с определёнными критериями валидации для более широкого внедрения — а не уже доказанный, поставленный результат по продуктивности. Никакой выдуманной цифры (вроде «на 70% быстрее») в этом кейсе нет.
08

Selected Initiatives

Standardizing the Setup Delivery Pipeline
Initiative
Setup work had no shared, named process — quality and speed depended on the individual designer.
My role
Defined the pipeline stages, readiness criteria and ownership map; ran the rollout across the team.
Team contribution
Designers piloted the pipeline on live client projects and fed real friction points back into it.
Process
Brief → Design prep → Workshop → Review → Handoff → Implementation review → Release → Retrospective.
Result
A repeatable path from brief to release, not dependent on which designer was assigned. (See the companion case, Scaling Setup Design, for the full breakdown.)
Introducing AI-Assisted Prototyping
Initiative
Structured briefs sat idle while designers manually built first-pass prototypes from scratch.
My role
Selected and trialled Claude Code + Figma MCP for this specific step; defined what "good enough to validate" looked like.
Team contribution
Designers tested the workflow on real briefs and reported where it helped versus where manual work was still faster.
Process
Structured requirement → generated first-pass prototype → designer review and refinement.
Result
An early, evidence-based read on where AI genuinely shortens the path from brief to reviewable prototype — treated as a validated direction, not a finished win.
Стандартизация setup delivery-пайплайна
Инициатива
У setup-работы не было общего, именованного процесса — качество и скорость зависели от конкретного дизайнера.
Моя роль
Определил этапы пайплайна, критерии готовности и карту ответственности; провёл внедрение в команде.
Вклад команды
Дизайнеры пилотировали пайплайн на реальных клиентских проектах и возвращали в него реальные точки трения.
Процесс
Brief → Подготовка → Workshop → Review → Handoff → Implementation review → Релиз → Ретроспектива.
Результат
Повторяемый путь от брифа до релиза, не зависящий от того, какой дизайнер назначен. (Полный разбор — в смежном кейсе Scaling Setup Design.)
Внедрение AI-assisted прототипирования
Инициатива
Структурированные брифы простаивали, пока дизайнеры вручную собирали первые прототипы с нуля.
Моя роль
Выбрал и протестировал Claude Code + Figma MCP для этого конкретного шага; определил критерий «достаточно хорошо для валидации».
Вклад команды
Дизайнеры тестировали workflow на реальных брифах и сообщали, где это помогало, а где ручная работа всё ещё была быстрее.
Процесс
Структурированное требование → сгенерированный первый прототип → review и доработка дизайнером.
Результат
Раннее, основанное на данных понимание того, где AI реально сокращает путь от брифа до прототипа, готового к review — воспринимается как подтверждённое направление, а не готовая победа.
09

Impact

Team Impact

  • a grown, more self-sufficient design team;
  • clearer development paths for middle and senior designers;
  • explicit ownership instead of ambiguous responsibility;
  • better day-to-day collaboration across the team.

Process Impact

  • more predictable delivery timelines;
  • fewer repeated mistakes carried between projects;
  • a smoother, more consistent front-end handoff;
  • a shared quality bar applied the same way each time.

Product Impact

  • a more unified visual language across client brands;
  • a design system that actually scales in daily setup use;
  • more consistent output across markets and brands;
  • a shorter path from design decision to shipped screen.

Strategic Impact

  • a stronger, more credible design function inside the company;
  • AI-assisted workflows introduced deliberately, not reactively;
  • a foundation the team can keep building on as it grows further;
  • less dependence on manual, one-off production work.
What isn't claimed: no invented percentage for time saved, team velocity, or AI productivity gain. Where a real number is confirmed and cleared for sharing, it belongs here — until then, this section states direction, not statistics.

Влияние на команду

  • выросшая, более самостоятельная дизайн-команда;
  • более ясные пути развития для middle- и senior-дизайнеров;
  • явная ответственность вместо размытой;
  • более гладкое повседневное взаимодействие в команде.

Влияние на процесс

  • более предсказуемые сроки поставки;
  • меньше повторяющихся ошибок между проектами;
  • более гладкий, последовательный frontend handoff;
  • общая планка качества, применяемая одинаково каждый раз.

Влияние на продукт

  • более единый визуальный язык между клиентскими брендами;
  • дизайн-система, реально масштабирующаяся в повседневном setup;
  • более стабильный результат по рынкам и брендам;
  • более короткий путь от дизайн-решения до продакшн-экрана.

Стратегическое влияние

  • более сильная, авторитетная дизайн-функция внутри компании;
  • AI-assisted workflows внедрены сознательно, а не реактивно;
  • основа, на которой команда может продолжать расти дальше;
  • меньше зависимости от ручного, разового производства.
Что не заявляется: никакого выдуманного процента экономии времени, скорости команды или прироста продуктивности от AI. Когда реальное число будет подтверждено и разрешено к публикации — оно появится здесь; до этого раздел описывает направление, а не статистику.
10

Reflection

What worked best was treating the team and the process as the actual design problem — not a side effect of shipping screens. Standardizing the pipeline was more valuable than any single template inside it.

What needed rethinking: some early process rules were tighter than the team actually needed, and had to be loosened once real projects tested them. AI adoption also moved faster in some areas than the evidence justified, which is part of why this case deliberately separates "explored" from "proven."

What I'd take into the next design-leadership role: standardize the process, not the judgment behind it — and treat every new process as a hypothesis to test against real projects, not a policy to enforce from day one.

Лучше всего сработало отношение к команде и процессу как к настоящей дизайн-задаче — а не побочному эффекту выпуска экранов. Стандартизация пайплайна оказалась ценнее любого отдельного шаблона внутри него.

Что потребовало пересмотра: некоторые ранние правила процесса оказались жёстче, чем реально нужно команде, и их пришлось смягчить, когда их проверили реальные проекты. Внедрение AI в некоторых местах тоже опережало доказательства — отчасти поэтому в этом кейсе сознательно разделены «протестировано» и «доказано».

Что я возьму в следующую лидерскую роль: стандартизировать процесс, а не суждение за ним — и относиться к каждому новому процессу как к гипотезе, которую нужно проверить на реальных проектах, а не как к политике, вводимой с первого дня.