想法簡述
人工智能正在加速設計工作流程，并重塑我們構建數字產品的方式，但我們真的明智地運用了它嗎？在這篇實用且以經驗為導向的文章中，一位經驗豐富的設計師剖析了人工智能在研究、原型設計和測試過程中真正提升價值的地方，以及它目前仍未達到的水平。從實用技巧到真實案例，本文探討了如何在不犧牲用戶洞察力、設計技巧或戰略思維的情況下有效地與人工智能協作。如果您正在探索人工智能驅動的全新設計格局，那么這正是您所需要的視角。
如今，設計師們總是對人工智能加速工作流程贊不絕口。這并非沒有道理——如今的企業比以往任何時候都更需要快速的草稿、快速的測試和快速的發布，以保持用戶的參與度。
然而，許多設計師仍然未能抓住關鍵點，在產品中運用AI技術時未能充分發揮其專業知識。結果如何？許多被大肆宣傳的AI產品制造的只是噪音而非價值，導致用戶體驗淺薄。
從事設計行業十年，我學會了對創新持保留態度，并將它們從曇花一現的潮流轉化為切實可行的方法。正因如此，我想分享人工智能如何真正改變設計師的日常工作，如何改變界面，以及設計流程中哪些部分永遠不會改變。
在本文中，我將分享示例、實用建議以及我的經驗見解，幫助您了解人工智能的適用范圍以及人類技能仍然是關鍵的地方。
如果您想清楚、誠實地了解人工智能對設計和商業的真正影響，請繼續閱讀。
為了更好地理解人工智能如何在每個階段增強設計，首先概述一下在人工智能成為流程的一部分之前設計工作的傳統展開方式。
總體而言，產品設計師通常采用兩種主要工作方式：
這兩種方法都面臨著同樣的挑戰：企業不斷縮減預算，加快進度。這迫使許多團隊不得不做出取舍。設計師往往精力分散，最終忽略了更深入的探索工作。可用性測試充其量也只是在發布前進行——倉促且不足。
然后出現了人工智能。
根據我的經驗，AI 可以在產品迭代周期的三個關鍵階段為設計師提供支持：
讓我們仔細看看它們。
現在很多工具都提供人工智能生成的儀表板、反饋和用戶行為摘要。它們非常方便，尤其是在你追蹤趨勢的時候。然而，它們并不總是準確的。
它能凸顯可見的內容，但并不總是重要的內容。有時，真正推動結果的洞見被埋藏得更深，除非你主動尋找，否則很難發現它們，原因如下：
提示：將 AI 摘要作為起點。如果某些內容引起了您的注意，請深入挖掘。返回原始數據，驗證洞察，并確認它是基于實際用戶行為，還是僅僅停留在紙面上。
研究是產品設計中最耗時（且常常被低估）的部分之一。它常常會耗費你幾個小時。因此，AI 可以幫助你：
但是，不要指望它能完成所有工作：）人工智能更像是團隊中的一名額外研究員，需要得到指導、明確的方向和仔細檢查。
提示：嘗試成為更專業的T型專家，并學習如何編寫一些腳本和提示。了解AI的思維方式將有助于你更好地引導它，并加快你的工作流程。
例如，您無需要求分析團隊重建儀表板，只需下載包含評論的頁面（例如 HTML 格式）。然后讓 AI 對其進行解析，將其轉換為表格，并按情緒或關鍵詞排序。您無需等待幾分鐘即可發現規律，從而節省團隊成員的時間。
在這個階段，你可以加快初稿的創作速度。從落地頁到屏幕流程，設計師在每一步都需要生成大量的素材，說實話，并非每個人都能跟上。例如，在我們的面試中，600名候選人中只有三分之一了解這個階段的基本流程。
這就是為什么，借助一些人工智能的指導，你可以維持生存并：
提示：如果您想讓起草協作更加高效，請為其提供 10 多個能夠體現您品牌風格的參考視覺效果。請注意，AI 的性能取決于您提供的數據。它沒有直觀的視角。
以Figma 的 AI 發布為例。它可以在幾秒鐘內創建 UI 界面，這對于快速繪制草圖非常有用。但幾周后，他們就禁用了這項功能。由于 Figma 的人工智能助手只在少數幾家公司的設計系統上接受過培訓，所以很多界面最終看起來非常相似。
下一個實用技巧：盡量清晰詳細地描述你的視覺效果。理想情況下，首先寫一個清晰的提示，描述風格和插圖細節，并附上一些參考圖片。然后，讓AI生成JSON格式來解釋提示的細節——這樣，你就能知道它對你的理解程度。
如果結果不太理想，請調整輸出或進行調整。例如，如果您想要一條類似骨頭的細線，AI 可能會忽略這種細微之處，因此需要進行一些手動微調。一旦接近您的預期，您就可以使用優化后的 JSON 作為進一步迭代的參考。
在人工智能測試之前，設計師必須不斷要求開發人員創建一些東西并發布它，然后等待反饋才能正確啟動它。
然而，如今，有了正確的流程和包含代碼就緒組件的優秀設計系統，設計師自己構建用戶流程的前端并不難。只需了解其在實踐中的運作方式即可。有時，甚至不需要開發人員添加邏輯——只需一個感覺接近真實的工作原型即可。
您可以使用可點擊的流程在 Figma 中進行測試，或者更進一步，分享一個基于瀏覽器的實時版本，用戶可以通過該版本實際輸入數據。它更加真實、更具洞察力，用戶使用起來也更舒適。
提示：使用 AI 工具可以加快您的工作流程并減少對其他團隊的依賴。從簡單入手：無需等待分析師構建單獨的儀表板——您可以自行生成代碼并發出 API 請求。如果您需要更新 UI 元素，請直接在 Cursor 中執行，然后將其交給開發人員審核。在很多情況下，這樣做會顯著加快速度。
人工智能不會取代工藝或設計與開發之間的協作。但它可以消除摩擦。在這個商業目標瞬息萬變的世界里，節省下來的時間可以讓你擁有更多空間進行實驗，打造更優質的產品。
AI 無法（也不應該）替你做出產品決策。然而，它可以通過更清晰地呈現流程，幫助你更快、更自信地做出決策。
例如，在 TitanApps，我們總是會分析用戶反饋來決定是否添加新功能。然而，用戶并不總是會要求產品中出現“下一個重大改進”。因此，他們的大多數評論都反映的是現有功能。幸運的是，作為 Attlassian 社區的一員，我們可以訪問論壇，在那里大家分享痛點、推薦工具并尋求幫助。
在人工智能出現之前，我們手動爬取論壇，嘗試不同的關鍵詞組合，追蹤同義詞，審閱長帖，并收集模式。有時，僅僅為了支持或反對某個產品方向，就需要整整一周的時間。
現在只需要幾個小時。以下是整個流程：
當然，在兩次分析過程中，我們都驗證了所使用的信息和來源。
在這兩個直播活動進行的同時，我們花時間梳理了我們最初的想法在哪些方面沒有引起人們的興趣。在此過程中，我們的團隊發現了一些更有價值的東西：圍繞一個相關主題的需求正在增長，而這個主題是競爭對手尚未妥善解決的。
因此，我們不需要花整整一周的時間在論壇和主題之間來回切換，而是在一天之內就獲得了完整的方向快照。
隨著人工智能越來越多地融入產品，改變的不僅僅是設計師的日常工作流程，界面本身也在不斷發展。為了理解人工智能的影響，我們將其分為兩類：
在這兩種情況下，最終的界面不再是最重要的結果。更重要的是設計師能否放眼全局，理解用戶的旅程。以下是這種轉變的重要性：
一開始，您可以讓用戶完全自由地輸入任何內容并獲得回復。但為了打造更智能、更流暢的體驗，并更有效地訓練模型，您需要識別其中的模式。有些人可能會尋找沖刺總結，而另一些人則可能尋找待辦事項概覽，甚至是拉取請求分析。
然后，下一個問題出現了：用戶提取信息后會如何處理：在會議中使用、導出等。這會影響您在何處以及如何展示 AI 助手、您提供什么樣的提示或模板，以及您可以自動化多少流程而無需用戶手動詢問。
提示：訓練你的鳥瞰視角。盡管許多人都能察覺到設計優先級的這種轉變，但根據我的經驗，候選人往往會急于將問題視覺化。他們專注于單個屏幕，卻沒有分析整個用戶交互和旅程。
如果人工智能在幕后默默運行，這種視角就變得更加重要。作為一名設計師，你需要：
以 Copilot 這樣的開發者工具為例。早期的一個主要抱怨是，它無法適應每個人的風格。它會生成通用或難懂的代碼，與具體情況不符。它非但沒有提供幫助，反而擾亂了開發流程。
或者看看像 Cursor 這樣的工具。它在 Twitter 上流行起來，人們開始用它來做一些小項目。然而，很多人甚至不知道如何讓它正常工作。所以，并非所有 AI 工具都適合所有人，也并非所有時機都是引入它的合適時機。
為了更好地設計這種人工智能，你需要知道：
提示：請記住，人工智能是一種工具，而不是靈丹妙藥。這些后臺助手即使不可見，仍然具有某種界面。設計師現在也必須學會為此進行設計。
盡管人工智能推動設計師去適應——像開發人員一樣思考，平衡業務目標，并保持以用戶為中心和獨特的方法——但有些原則仍然沒有改變，比如雅各布定律。
用戶會熟悉各種模式，他們不想重新學習已經奏效的方法。正因如此，不要無緣無故地重復造輪子至關重要。如果有既定的最佳實踐，那就去實踐。人工智能不會替你做決定——你的職責是了解哪些方法已經得到驗證，何時值得創新，以及何時堅持用戶已知的方法更為明智。
所以，沒錯，如今成為一名設計師比以往任何時候都更加復雜。但如果我們提升視野，保持T型思維，并抵制過度復雜化的沖動，我們就能利用這些工具——包括人工智能——來做得更好，而不僅僅是更快。
最終，我們的目標是設計出有意義的東西。