Sprounix ལས་ཀའི་AIལས་དོན་འཐུས་མི། by Xiaoshi Dai, Di Xia and Feifan Gao

Sprounix ལས་ཀའི་AIལས་དོན་འཐུས་མི། by Xiaoshi Dai, Di Xia and Feifan Gao is a highly esteemed winner of the very prestigious 2026 A' Design Award ལྕགས་ཀྱི་བྱ་དགའ in ཨང་རྩིས་ཐོན་རྫས་བཟོ་བཀོད Competition Category.

ལྕགསཨང་རྩིས་ཐོན་རྫས· 2026

Sprounix ལས་ཀའི་AIལས་དོན་འཐུས་མི།

by Xiaoshi Dai, Di Xia and Feifan Gao

Client: Sprounix

A' Design Award ལྕགས་ཀྱི་བྱ་དགའ Winner in ཨང་རྩིས་ཐོན་རྫས Category

5,263
Verified Award Winner
Verify Award Status for #183302

Visit Site View at A' Design Award Press Release Award Badge

Colors

The Design

About Sprounix ལས་ཀའི་AIལས་དོན་འཐུས་མི།

Sprounix ནི་ཁ་བརྡའི་བེད་སྤྱོད་ཉམས་མྱོང་(UX)བརྒྱུད་ནས་ལས་ཀ་འཚོལ་སྙེག་གི་ཤ་ཁྲག་ཁྱབ་པའི་གོ་རིམ་ལམ་འགྲོ་གཙང་མ་ཡོང་བར་བཟོ་བཀོད་བྱས་པའི་AIཁ་ལོ་སྒྱུར་བའི་མཐུད་ངོས་ཤིག་ཡིན། སྙན་ཞུ་འབུལ་སྐབས་ཀྱི་ཐང་ཆད་ཀྱི་དཀའ་ངལ་སེལ་ཆེད་དུ། བཟོ་བཀོད་འདིས་འགུལ་མེད་ཀྱི་རེའུ་མིག་ཚབ་ཏུ་རང་བཞིན་གྱི་གྲོས་མོལ་བརྒྱུད་ནས་འཇམ་པོའི་ལས་རྩལ་འཛིན་པའི་སྣ་མང་ཁ་བརྡའི་མཐུད་ངོས་ཤིག་བཀོད་ཡོད། བེད་སྤྱོད་ངོས་འདིར་དུས་ཐོག་གི་འདྲི་རྩད་སྦྱོང་བརྡར་དང་སང་གསལ་གྱི་ལས་འགན་རྗེས་འདེད་སྤྲོད་མཁན་གྱི་འཁྱིལ་འགྲོ་བའི་མཉམ་སྐྱོར་ཁ་ལོ་སྒྱུར་བའི་ཚོགས་གཞི་(Co-pilot dashboard)ཞིག་ཡོད། འཐུས་མི་ནས་འཐུས་མི་བར་གྱི་གཞི་གྲངས་བརྒྱུད་ལམ་(Agent to Agent protocols)གཅིག་སྒྲིལ་བྱས་ཏེ། མ་ལག་འདིས་རྒྱབ་ལོགས་ཀྱི་གྲོས་མོལ་རང་འགུལ་ཡོང་བར་བཟོས་ནས། བེད་སྤྱོད་པ་ཚོས་ལམ་ལུགས་སྟབས་བདེ་དང་ཁྲོ་ཆད་མེད་པའི་འབྲེལ་འདྲིས་འཕྲུལ་ཆས་བརྒྱུད་ནས་ཟློས་ཚད་མཐོ་བའི་སྙན་ཞུ་མང་པོ་དོ་དམ་བྱེད་ཐུབ།

The Recognition

About the A' Design Award ལྕགས་ཀྱི་བྱ་དགའ

Sprounix ལས་ཀའི་AIལས་དོན་འཐུས་མི། ནི་ A' Design Award ལྕགས་ཀྱི་བྱ་དགའི་ཐོབ་པ་པོ་ཡིན། དེ་ནི་ལེགས་པར་བཀོད་པའི་ལས་ཁུངས་ནས་རེ་བ་བྱེད་པའི་ཆེད་ལས་དང་ལས་རྩལ་གྱི་དགོས་མཁོ་སྒྲུབ་པའི་ཌི་ཟའི་ན་ལེགས་པ་རྣམས་ལ་སྤྲོད་པའི་ངོས་འཛིན་གཟེངས་ཆེ་བ་ཞིག་ཡིན། ལྕགས་ཀྱི་བྱ་དགའ་ཐོབ་མཁན་ཚོས་བཟོ་བྱེད་ཀྱི་ཤེས་ཡོན་ཆེན་པོ། ཁྱད་ཆོས་མཐོ་བ། ཁྱད་པར་ཤེས་རྟོགས་དང་གསར་གཏོད་ནུས་པ་སྟོན། Sprounix ལས་ཀའི་AIལས་དོན་འཐུས་མི། ནི་རིན་ཐང་ཆེན་པོ་ཅན། བསྟོད་པ་ཐོབ་པ་དང་བརྩེ་བའི་ལག་ལེན་ཅན་དང་གསར་གཏོད་ཅན་གྱི་གསར་སྐྲུན་ཡིན་པར་རེ། A' Design Award ལྕགས་ཀྱི་བྱ་དགའ་ཐོབ་པའི་ཌི་ཟའི་ན་འདིས་ལས་རིགས་ཀྱི་ལག་ལེན་བཟང་ཤོས་ཟླ་སྒྲིལ་ཞིང་ཤེས་ཡོན་དང་སྐྱེས་ཁྱད་དང་འབྲེལ་བའི་ལག་རྩལ་གྱི་ཁྱད་ཆོས་འོས་ལྡན་ཡོད། Sprounix ལས་ཀའི་AIལས་དོན་འཐུས་མི། ནི་ཁྱད་ཆོས་ཆུང་ཆུང་ལ་ཡིད་ཁུར་བས་བཀུར་སྟི་ཐོབ་ཅིང་འཛམ་གླིང་ལེགས་པར་བྱེད་པ་ལ་རོགས་པའི་འཚོ་བའི་ཚད་ལེགས་པར་བྱེད་པ་འབུལ་བའི་ཆེད་དུ་བཀོད།

Behind the Design

Press Kit

Credits, team members and technical details provided by the designer.

Unique Properties: Sprounix is a chat-centric AI Career Agent that transforms job seeking into a multimodal interactive journey. Beyond static resumes, it uses text and video dialogue to uncover soft skills and aspirations. A key innovation is the Agent2Agent A2A technology, enabling the user’s agent to communicate directly with recruiter systems for hyper-efficient matching. It also provides automated applications and real-time interview coaching, acting as a proactive career advocate.
Dimensions & Packaging: Sprounix is a cloud-based, responsive web platform compatible with all modern browsers. It supports multi-modal inputs including WebRTC video, voice-to-text, and PDF parsing. The matching engine achieves over 85% accuracy by moving beyond keywords to multi-dimensional intent recognition. The system adheres to WCAG 2.1 accessibility and enterprise-grade security standards, ensuring full GDPR compliance for encrypted candidate data protection.
Tags: AI Career Agent, Agent2Agent, Conversational UI, UX Design, Future of Work, Automated Recruitment, NLP, Multi-modal Interaction
Production Technology: Built on a robust AI infrastructure using Large Language Models (LLM) for natural language understanding and multi-modal analysis. The core innovation is the Agent2Agent (A2A) communication protocol that streamlines data exchange between independent AI entities. The system features a responsive React-based front-end for seamless cross-platform use, integrated with real-time video processing and scalable microservices to handle high-frequency job matching and data sync.
Design Challenge: The primary challenge was designing a seamless UX for the complex Agent2Agent backend. We had to ensure users felt in control while their AI agent performed proactive tasks like autonomous applications. We solved this by creating a highly intuitive, chat-first interface that provides transparent "Co-pilot" updates. Integrating multi-modal inputs (text and video) while maintaining a consistent, supportive AI persona across all platforms was a significant technical and design obstacle we overcame.
Research: Our research explored the Job Search Anxiety among early career talents and the inefficiencies of keyword-based recruitment. We used a mixed-methods approach, including more than fifty user interviews and data analysis of traditional ATS systems. The results showed that users provide forty percent more detailed skill data via natural dialogue than static forms. This led to the development of our Chat-centric discovery interface and the Agent2Agent matching protocol, which proved to reduce initial screening time by seventy percent in pilot tests.
Inspiration: The inspiration came from the challenging labor market faced by Gen Z. Traditional job hunting is often repetitive and discouraging. We wanted to create a "Co-pilot" that doesn't just list jobs but actively advocates for the user. By combining AI-driven matching with a friendly, gamified experience, we aimed to lower the anxiety of career-starting and make professional growth feel like a guided, empowered journey.
Project Duration: The project conceptualization started in January 2025 in the United States. Following intensive research and UX prototyping of the conversational engine, the beta version of the platform was developed and finalized in late 2025.
Operation Flow: The experience centers on a conversational interface where users engage with the AI via text or video. This chat-first approach replaces traditional forms, building a deep professional profile. Once the agent understands the candidate's goals, it leverages A2A protocols to negotiate with recruiter agents and automate applications. The co-pilot remains active throughout, providing instant feedback and resume tailoring via a fluid UI.
Team Members: Xiaoshi Dai
Feifan Gao
Di Xia
Image Credits: Image & video design: Xiaoshi Dai, Di Xia, Feifan Gao