要是说哪个公司最关注 AI 时代的产品和体验设计的话，非 Figma 莫属了，毕竟是现在体验设计领域独一份的生产力工具，一手将体验设计代入了新的时代。
他们最近搞了一个期刊叫 Prompt 专门探讨 AI 对体验和产品设计的影响以及如何将两者更好的跟 AI 融合。
第一篇内容就是邀请他们自己的产品设计师探讨一下这个问题：
随着人工智能技术的发展，设计将成为产品开发中的关键差异化因素，而优秀的设计在 AI 时代意味着什么，以及如何引导团队在技术快速变化的背景下实现这一点。
从建立算法基础到构想全新的协作创作模式,深入探讨如何打造 AI 驱动的产品——这些产品不仅能自动化设计流程,更能提升设计质量。
同时,也阐述了为什么他们认为设计师的角色——无论如何演变——都将比以往任何时候更加重要。
如果你是想要投身 AI 领域的产品经理、设计师或者独立开发者都推荐看一下。
Oscar D 分享了一下他们在制作 Figma 的 AI 设计生成过程中的思考，他认为想要让 AI 帮助生成设计稿，需要教会模型一些非常详细且精炼的设计指南，AI 设计工具的首要目标是先掌握一些基础的设计原理和原则，建立一个稳固的设计基础。
当我们开始开发利用设计系统生成 UI 初稿的 AI 功能时,我们意识到需要教会 AI 优秀设计的基本原则。其中一个关键步骤是明确定义我们心目中的"优秀"。
与许多其他 AI 产品类似,Make Designs 通过创新性地利用大语言模型 (LLMs) 来完成任务。LLMs 本质上是基于文本的,在写作或编码等文本导向的任务中表现出色,但要让它们生成高质量的视觉作品 (如 UI 设计) 则需要更多的技术突破。
我们很快意识到,仅仅给 AI 一套全面的设计规则是不够的。不仅因为无法将"优秀"的每一个细节都定义为有限的指南,而且即使我们能做到,由于 AI 模型处理输入的限制 (即 token 限制),向 AI 输入一个庞大的规则集在技术上也是不可行的。
相反,我们必须将优秀设计的原则浓缩为一套精炼而强大的指南,这些指南能够普遍适用于任何 UI 设计。
这让我想起了我教授设计的经历。当你需要教学时,你不得不将自己的直觉理解分解成几个清晰的原则,使他人能够理解和应用。真正的挑战在于找到既清晰、具体、富有指导性,又能在任何情况下都保持正确的规则。这两个标准常常相互矛盾,这就是为什么这个分解过程如此困难。例如,"始终将主要操作按钮放在屏幕底部"或"总是以 8 像素为单位进行测量"这样的指令恰好达到了这种平衡——它们足够具体,可以实际应用,同时又足够通用,几乎可以用于任何人想要创建的 UI。
通过专注于向 AI 传达这些最具影响力的设计原则,我们能够在短短几周内显著提高 Figma AI 的输出质量。
尽管网站和应用程序看似千变万化,但我们发现我们使用的几乎所有软件都可以归结为几种核心布局。虽然这在设计行业中引发了一些关于设计趋同的讨论,但我们也应该记住,这些熟悉的模式有助于用户更舒适、更容易地使用各种技术产品。
通过让我们的 Make Designs 功能首先掌握这些基础构图,而不是无尽地探索各种可能的组合,我们能够建立一个稳固的设计基础。这个由算法生成的基础设计成为了新的创意起点。
由于 AI 总是会产生标准的、最传统的方案,设计师的角色将更多地转向提出创新思路。毕竟,仅仅基于过去数据训练的 AI 无法真正创造出前所未有的设计——这正是人类设计师的价值所在。
Jordan S 则从设计和开发的职能分工切入，不同职能间的分工会更加模糊，设计会需要掌握和承担更多开发职能，开发也将不止关注代码的实现。
随着 AI 工具逐渐支持设计师和工程师的工作流程,他们的核心技能也将随之演变,以适应这种新的工作模式。
设计师可能会增加技术知识储备,以更好地理解 AI 工具的潜力和局限性,而工程师则可能会加深对设计原则的理解,从而创造出更加以用户为中心的解决方案。虽然最终的产品可能看起来相似,但实现的过程将变得更加高效和协作。
这种趋势与今天的"设计工程师"角色有些相似。通常情况下,"设计工程师"要么是希望亲自实现自己想法的设计师,要么是想要改善 UI 外观的工程师。他们花时间培养新技能,逐步掌握另一个领域的专业知识。
在未来,我预见更多的人会发展成为多才多艺的"全能产品开发者"——这些富有创造力的个体能够熟练运用 AI 工具,轻松自如地将自己的构想变为现实。
尽管不同学科之间的界限可能会变得模糊,但我相信专业角色和技能仍然有其存在的价值。设计师将继续专注于打造卓越的用户体验,而工程师则会将精力集中在构建稳健和可扩展的系统上。
AI 可能会通过生成布局建议或代码片段来提供辅助,但最终的创意方向和技术实现仍将依赖于人类的专业知识和判断。
随着 AI 深度融入这个过程,我们可以期待设计和开发之间的转化会变得更加流畅和高效。这种优化不仅能提高工作效率,还能让设计师和工程师更好地协作,共同创造出更优秀的产品。
在这个 AI 辅助的新时代,跨领域的理解和合作将变得比以往任何时候都更加重要。
Marco C 更关注已经可以落地并且效果很好的 AI 落地场景，这些场景可能没有那么高大上，看起来也不是很起眼，但是他们是真的可以帮助用户切实提高效率的。应该尽量减少炒作全能 AI 助手这类东西。
在我看来,AI 时代的优秀设计在于以务实且高效的方式利用当前的技术。现在 AI 已经能够可靠地完成许多基础但重要的任务,这些"唾手可得"的应用正是我们应该关注的重点。
搜索功能就是一个典型的例子。以往,设计师们需要花费大量时间来寻找所需的资料——翻阅文件,向同事询问链接,寻找特定的组件或素材。而借助 AI 辅助搜索,你只需用自然语言描述需求,就能立即找到所需的内容。视觉搜索更是将这一功能推向了新的高度,允许用户通过上传截图来定位组织内的特定设计。
AI 辅助搜索还有潜力为大量未被充分利用的设计探索注入新的活力。很多有价值的工作往往被束之高阁,长期被遗忘在"创意资料库"中。但借助 AI 的力量,所有这些工作都可以被轻松检索,成为灵感的源泉或帮助设计师突破创意瓶颈。通过简化访问和学习过去作品的流程,设计师可以将更多时间投入到我们工作的核心——深入优化设计细节,创造更加智能、流畅的用户体验。
关键在于以深思熟虑、循序渐进的方式将 AI 融入我们现有的工作流程。
我们应该专注于 AI 当前可以可靠提供的、切实可行的价值,而不是在技术还不成熟的情况下追逐被过度炒作的"全能 AI 助手"愿景。像 AI 辅助搜索和自动重命名设计元素这样的功能看似小巧,却能为我们的日常工作带来实实在在的效益。
通过从可靠有效的功能入手,并通过不断迭代和快速学习,我们可以让 AI 的角色随着时间推移稳步扩展,与其不断进化的能力保持同步。这种渐进式的方法为未来更高级的 AI 应用铺平了道路,确保我们在短期内不会因期望过高而感到失望。
Natasha T 的内容是这篇文章最有价值的部分，他提出了“协同创作”的理念，一个可以智能预测用户需求并且灵活适应的 AI 系统，这就要求 AI 必须足够了解用户日常工作中的背景信息。
我的团队一直在探讨"协同创作"这个概念。我们需要的不是单独运作、产出脱离实际的工具,而是能够智能预测我们需求并灵活适应的 AI 系统。关键在于,AI 只有充分了解我们的日常工作才能真正发挥作用。
目前,我们通过要求用户提供更多背景信息来弥补 AI 的局限性,但我们的目标是开发能主动理解我们具体目标、既有设计系统、过往作品和项目背景的 AI。
这种设计理念不仅仅是提供服务,更是一种协作。它提供了一个协同创作的模型,工具不是简单地自动化流程,而是增强你的创意过程。
举例来说,AI 应该像 GitHub 的 Copilot 辅助开发人员那样,在你工作时不断改进和优化,而不是从零开始生成所有内容。
它不应该替你完成工作,而应该成为你的创意伙伴,帮助你将想法转化为现实。这种方法使我们能够超越单纯的用户角色,成为真正的创造者,与深度理解并支持我们工作流程的 AI 并肩工作。
想象一下这样的场景:你刚刚在 FigJam (一个协作工具) 中结束了一次规划会议,AI 能够立即理解会议记录、各项优先事务和分布在不同面板上的任务清单。基于这些信息,它可以智能地建议"创建一个可视化第三季度计划的路线图"或"起草一个总结关键要点的演示文稿"。更重要的是,通过分析你之前的工作,AI 能够将这些输出融入你团队特有的设计风格、工作方法和视觉语言中。它不是简单地套用通用模板,而是延续和发展你团队独特的工作方式。
小结
- 系统化设计的关键是需要教会模型一些非常详细且精炼的设计指南，AI 设计工具的首要目标是先掌握一些基础的设计原理和原则，建立一个稳固的设计基础。
- 随着 AI 能力的发展，优化设计到代码的转化过程不断被优化，设计和开发的职能边界会不断模糊，而且一定会出现多才多艺的"全能产品开发者"，比如胃之书的赵纯想。
- 暂时放弃关注和创造“全能 AI 助手”这样的想法，更多的关注现在可以落地并且真实帮助用户的场景上。
- AI 工具最终要朝着“协同创作”这个方向设计，用户很少需要从头直接生成所有内容需求，AI 工具需要获取用户需求的工多背景信息，创造一个协同创作的模型，是一个增强用户创意的过程。
好了内容到这里就结束了，如果觉得有用的话恳请点个赞、在看或者分享你的朋友们，拜谢🙏
原文：https://www.figma.com/blog/what-is-good-design-in-the-age-of-ai/
