两种错误的极端

我观察到身边的设计师正在陷入两种截然相反的误区。第一种是过度依赖 AI:用 Galileo AI 生成线框,用 ChatGPT 写 UX 报告,用 Midjourney 出视觉稿,然后把这些 AI 输出物直接交付给客户或团队,自己并没有真正判断它们是否符合用户需求和产品目标。

第二种是抵触 AI:认为使用 AI 工具就是"投机取巧",坚持用传统方式做所有事,结果在产出速度上被同行大幅甩开,却自我安慰说"我的东西更有深度"。

真正的专业姿态在这两者之间,需要一套清晰的判断框架:哪些工作该交给 AI,哪些工作必须由人来做

"Using AI to generate outputs without applying professional judgment is like using a calculator without understanding math. You can get answers, but you can't know if they're right."

— Erika Hall, Just Enough Research

三个判断问题

在把任何 UX 工作交给 AI 之前,我会问自己这三个问题:

问题 1:这个任务需要人类的情境判断吗?
(比如:理解用户说话背后的未说出口的需求)
是 →
这部分必须由你来做。AI 可以辅助整理,但核心判断权必须在你手里。
否 →
继续问第 2 个问题。
问题 2:如果 AI 犯错,我能发现并纠正吗?
是 →
可以让 AI 做初稿,你来审核和修改。这是最高效的协作模式。
否 →
这说明你在这个领域的判断力还不足以驾驭 AI——先学习再使用,否则风险很高。
问题 3:这个输出物会直接影响真实用户的体验或决策吗?
是 →
必须有人工深度审核。高影响力的设计决策不能只靠 AI 判断。
否 →
可以放心使用 AI,把省出来的时间投入到更有价值的工作上。

AI 能做什么,真正不能做什么

✓ AI 能做得很好
大量文本数据的快速聚类和摘要(访谈转录、用户反馈)
基于已有设计系统生成视觉变体
初版文案、微文案、错误提示信息的起草
从描述生成线框草图(用于启动讨论,非最终方案)
热力图和点击数据的自动分析
设计稿到代码的基础转换
竞品界面的批量截图和信息整理
✗ AI 无法真正替代你
理解用户访谈中的沉默、停顿、情绪——这些才是真实需求的信号
在模糊的产品目标和有限资源之间做出设计权衡判断
跨职能团队的沟通和共识建立(工程/产品/业务的语言翻译)
识别 AI 生成内容中的偏见、盲点和文化语境错误
对新兴用户群体的同理心(AI 只知道历史数据)
产品设计的伦理判断(什么应该设计,什么不应该)
创造性地提出"还没有人想过的解法"

我的 AI 工具栈(按 UX 阶段)

🔍 用户研究阶段
访谈录音转录Otter.ai
亲和图自动聚类Dovetail
竞品分析整理ChatGPT / Claude
合成用户测试Maze AI
💡 概念设计阶段
网站架构生成Relume
线框快速起草Uizard / Figma AI
用户旅程梳理Miro AI
创意头脑风暴Claude / Gemini
🎨 视觉设计阶段
插画 / 图标生成Midjourney / DALL·E
设计变体探索Galileo AI
色彩方案生成Khroma / Coolors AI
视觉注意力预测Attention Insight
🚀 交付协作阶段
设计稿转 Reactv0 / Anima
CSS 代码提取Figma Dev Mode
UI 文案优化Copy.ai
无障碍检查axe / WAVE AI

关于"AI 洗稿"的诚实反思

我必须说一个不那么舒服的真相:在 AI 工具普及之后,设计行业出现了一种新的"投机"现象——用 AI 快速生成大量看起来不错的设计物料,然后将其当作自己的独立创作进行展示。

这种行为短期内可能骗过审查不严的客户,但从长期来看是有害的:它让设计师失去了真正磨练判断力的机会,也在行业层面拉低了专业设计服务的感知价值。

更重要的是:一个真正优秀的设计师,在使用 AI 工具时应该是加法,而不是替代。AI 帮你做得更快,但那个"更快"的背后,你的专业判断、用户洞察、设计策略必须依然存在——而且应该得到更充分的展开,因为 AI 帮你省下了大量机械执行的时间。

最值钱的能力:能清楚地解释"为什么 AI 的这个方案不适合这个用户群体"——这需要你同时精通 AI 工具的能力边界和用户研究的专业深度,这才是 2025 年真正难以被复制的竞争力。

← AI 重塑 UX 全链路 2025 · senya 设计思考 设计系统进化论 →