CxHub客户体验社区-用户研究、体验爱好者学习交流社区，专注客户体验(CX)研究。
社交媒体
周末愉快！
昨天周四晚上，我很荣幸参加了布鲁克林产品设计协会和普拉特学院主办的活动并做了分享。
这是我第一次参观普拉特学院的曼哈顿校区，能和大家见面真是特别好。
Brian Hui 拍摄的照片
分享的主题是 AI 对产品设计的影响。
今天，我带大家看看其中讲到的部分内容。
新的工作流程应运而生
“想法秒变应用。” Lovable 的这句宣传语多吸引人！
这股“AI 应用构建工具”的风潮，从今年年初开始突然就火了起来。
过去要花四周左右的事情，现在可能只需两周——而很快，说不定两天就能搞定。
虽然“想法秒变应用”的愿景目前还没宣传的那么美好，但我已经开始看到新的工作流程正在形成，如下图所示：
就拿第一个工作流程来说吧。
比如我一直想多喝点水，就冒出一个有趣的小点子：记录并可视化饮水情况。
于是我在 Claude 里写了个提示词：
请创建一个交互式网页应用，帮助用户追踪每日饮水量并可视化饮水进度。
该应用应：- 使用 HTML、CSS 和 JavaScript 构建- 包含输入饮水量的表单、随目标达成而填充的可视化追踪器以及每日统计数据- 拥有简洁直观的界面和响应式设计
视觉设计方面：- 采用贴合水/补水主题的清爽蓝白配色方案- 保持无障碍标准，确保清晰对比度和可读字体- 为用户的交互操作提供适当反馈（添加水量时的动画，达成目标时的庆祝效果）
然后原型就生成了。
整个过程只花了大约五分钟，这在短短几年前简直无法想象。
至于第二个工作流程，我今年早些时候在另一期简报里写过相关过程。
两个月前，一位优秀的设计师 Pietro 在 X 上发了这条帖子。
这条帖子反响热烈，为此他还专门发了个演示视频来解释原因。
他提到设计师在 Figma 里做设计，和开发者实现这些设计之间，存在巨大鸿沟。确实如此，我也深有同感。
Figma 本质上是个矢量设计工具，与实际的前端开发仍然是脱节的。
虽然 Figma 一直在进步，比如推出开发者模式（Dev Mode）和整合 AI 功能，但这些更新只是浅尝辄止。
那么，AI 时代的设计工具会是什么样子？
我画了下面这张示意图：如何更好地将设计、代码和 AI 融合在一起？
一些新工具，比如 Subframe，已经在探索这个方向了。例如，它使用预先构建的 UI 组件库，这些组件由生产就绪代码支持（而非无法使用的代码）。
它同时还整合了 AI 功能来生成设计方案。之后，你可以混合搭配不同方案中的元素，并将它们融入最终设计。
角色界限日益模糊
在设计领域，“全能设计师”（unicorn）指的是那些懂编程的设计师。
AI 工具的进步正助力催生更多这样的全能设计师，如下图所示：
诚然，每个岗位都有其专业深度，但 AI 正在让它们之间的界限日益模糊。
像 Lovable、Bolt、V0 和 Replit 这类工具，让技术背景有限的人也能搭建功能原型甚至开发实际应用。
像 ChatPRD 这类工具，让人能轻松编写高质量的产品文档。
像 Galileo 这类工具，则能帮助人们生成高保真的设计稿。
大约十年前，那时 ChatGPT 还没诞生，亚马逊就开发了一款 AI 招聘工具来甄别顶尖候选人。
它会给求职者打分，范围从一星到五星。
然而，科学家们发现，这款工具偏爱男性申请者，这源于其训练数据本身的偏见。
这让我思考：
我们如何确保 AI 的建议或洞察是可靠的？
我们如何确保训练数据是无偏见的？
正因如此，当我使用 AI 来收集洞察时，我不会盲目跟从。
我会进行必要的审慎核查，经常反复确认信息来源是否可靠。
另一个例子是像 Synthetic Users 这样的工具。有些人对此感到兴奋，但我一直持保留态度。
它们声称能用 AI 模拟的用户来进行用户研究。
但用户研究不用真实用户，这真的合理吗？
我职业生涯很幸运，能与一些优秀的用户研究员紧密合作。从他们身上我了解到，偏见很容易在研究中悄然渗入。
提问的方式、问卷选项的顺序、招募用户的流程、用户测试的方法——所有这些细节都可能引入认知偏差，导致结论失真。
即使是访谈真实用户，这种情况也会发生，更不用说从 AI 模拟用户那里提取洞察了。
在我看来，带有偏见的用户洞察，有时比完全没有洞察更危险。
几周前 ChatGPT 生成的那些吉卜力风格 AI 图像，再次将知识产权问题推上风口浪尖。
这又让我想起 Figma。去年夏天，当人们为“Make Design”这个新 AI 功能兴奋时，X 上的这篇帖子导致 Figma 下架了该功能，修正问题后，才以“First Draft”的名字重新推出。
不过，这确实可能成为一个强大的功能。如果 Figma 在今年的 Config 大会上宣布新升级，比如更好的效果以及与更多设计系统的集成，我觉得许多类似的 AI 设计工具可能会被淘汰。
我很早之前在一篇通讯里就谈过这个。这是个广泛的话题，特别是因为 AI 产品和功能带来了我们前所未见的设计模式和界面。
例如：
通过点赞/点踩给 AI 模型提供反馈
提供提示词模板帮助用户写出更好的提示词
在工具运行时逐步展示思考过程
根据用户过往行为提供个性化用户界面
使用类似 “AI 会犯错” 的警示语
同样地，新的设计原则也应运而生，例如：
确保 AI 能生成稳定且高质量的输出，并在不确定时说“我不知道”。
确保 AI 能为用户的生活带来真正的价值和切实的提升。
在需要时帮助用户理解系统的工作原理，以便他们做出更好的决策。
原文标题：AI’s Impact on Product Design
原文链接：https://medium.com/design-bootcamp/ais-impact-on-product-design-42e36c60c1c6
作者：Xinran Ma
译者：李泽慧
审核：李泽慧
编辑：魏文强
文章字数：2736
预计文章阅读时长：7分钟
该译文并非完整原文，内容已做部分调整。如在阅读过程中发现错误与遗漏之处，欢迎不吝指出。如需转载，请注明来自 TCC翻译情报局。（文章已向作者获取授权）
