Background
先看具体工作发生了什么变化
我更关心的不是“AI 会不会取代设计师”，而是它已经改变了哪些日常工作：资料整理更快、方案更容易形成可讨论版本、原型离真实交互更近，同时也带来了错误放大、来源不清和判断外包的问题。
下面按五个阶段整理我目前的使用方式。它们不是固定流程，也不代表每个项目都需要同样的工具。
The 5 Phases
五个常见的使用阶段
Phase 1 — 用户研究
Dovetail AI
Maze AI
UserTesting AI
Insight7
转录、摘要和初步聚类可以减少整理时间，但研究问题、样本质量和情境判断不能外包。输入数据有偏差时，自动摘要只会把偏差整理得更像结论，因此仍要回看原始材料。
Phase 2 — 概念发散与线框
Figma AI
Galileo AI
Uizard
Relume
Figma AI、Relume 等工具适合快速形成网站结构和线框初稿。它们的价值是让想法更早进入讨论，页面层级、业务顺序和关键取舍仍需要根据需求调整。
Phase 3 — 视觉设计与原型
Framer AI
Magician (Figma)
Adobe Firefly
Midjourney
视觉生成适合做情绪板、素材草案和方向比较，也能帮助原型更快接近可演示状态。最终仍要统一品牌、内容层级、可读性和组件规则。
Phase 4 — 用户测试与迭代
Maze AI
Hotjar AI
FullStory AI
Attention Insight
热力图分析、会话回放摘要、自动识别用户卡点——这些过去需要设计师逐帧分析的工作，现在 AI 能在报告里直接告诉你"用户在第 3 步的按钮上平均停留 8 秒，这通常意味着 CTA 文字不够清晰"。Attention Insight 甚至可以在设计稿阶段就预测用户的视觉注意力分布，让问题在上线前就被发现。
Phase 5 — 设计交付与开发协作
Cursor
v0 by Vercel
Figma Dev Mode AI
Anima
Cursor、v0 和 Dev Mode 能把设计更快转成可运行组件，但生成代码仍需要检查语义、响应式、状态覆盖、性能和可维护性。原型可以帮助对齐，不等于可以直接进入生产。
Skill Shift
工作重心如何变化
部分整理和执行工作所需时间正在减少，设计师需要把更多精力放在问题定义、方案取舍、结果审查和团队沟通上。
| 工作内容 | AI 之前 | AI 之后 |
|---|---|---|
| 用户访谈整理 | 3-5 天手动编码 | 2 小时 AI 辅助 + 人工校验 |
| 线框图产出 | 2-3 天手绘 + Figma | 30 分钟 AI 生成 + 人工调整 |
| 视觉变体探索 | 1 天设计 3-5 个方向 | 1 小时生成 20+ 变体，筛选 3 个 |
| 可用性测试分析 | 看回放视频，手动归类 | AI 自动聚类，人工判断权重 |
| 开发交付标注 | 逐个组件写交互说明 | Dev Mode 自动提取，设计师审核 |
| 用户同理心建立 | 必须 | 更加核心，不可替代 |
| 产品策略判断 | 重要但常被忽视 | 成为 UX 核心竞争力 |
My Take
我的判断：UX 设计师的机会在哪里
AI 让"执行层"的工作越来越快、越来越便宜——这个趋势不可逆。但它同时也在制造新的稀缺：能够定义正确问题、解读 AI 输出的真实含义、在复杂利益相关者之间建立共识的人。
工具用得越多，我越清楚哪些工作需要人的判断、经验和责任。用户访谈里的停顿、犹豫和上下文往往比自动摘要更重要，也需要设计师回到原始材料中理解。
AI 会做到的：让平庸的 UX 工作变快、让好的 UX 工作变得更可见。它无法做到的：让没有用户同理心的设计变得有温度。这是 UX 设计师在 AI 时代最核心的护城河。
Action Items
现在就可以开始做的三件事
01
从一个 AI 研究工具开始
选择一个访谈整理工具处理同一份材料，再把输出与原始记录对照，看看它遗漏了哪些语境和细节。
02
建立你的 AI 工具栈
不要什么都试，先在自己最熟悉的工作环节找到一个 AI 工具深度使用。研究环节用 Dovetail，视觉环节用 Midjourney，交付环节用 v0——专注比广泛更重要。
03
强化你的"AI 无法替代"项
刻意练习用户访谈技巧、产品策略思维、跨团队沟通能力。这些不是软技能，是 AI 时代 UX 设计师的硬核竞争力——而且越来越值钱。
04
在作品集中展示 AI 协作能力
在 case study 中明确说明哪些环节使用了哪些 AI 工具、你如何判断 AI 输出的质量、你的人工判断加在哪里。这比"我会 Figma"更能体现 2025 年的设计师竞争力。