从宏观视角，聊聊AIGC对设计行业的影响与启发

自 2022 年下半年开始，席卷而来的 AIGC 对设计工作者带来不小的冲击，设计本是一个“GC”生产内容的岗位，AI 生产内容有什么不同？

如何理解一波浪潮的发生逻辑及影响，如何用好 AI 工具帮助我们生产内容，是群核设计团队的新课题。目前有了一定的成果和观点，今天跟大家一起分享与交流。

本文将从宏观角度来聊聊这一轮 AI 对设计行业到底有什么影响，对我们有什么启发？

更多AIGC 的应用：

一、了解今年狂飙的 AI

现如今 AI 火热体现在 3 个方面：

1. 生成式 AI 到了技术发展从开始走向期望的膨胀期，现象级产品已经出现；
2. 在产业结构中，AI 智能应用近乎爆发的状态；
3. 生成式 AI 的可控性突破也是爆火的重要原因之一。

1. 技术发展趋势的预测

（Gartner 每年都会盘点新技术处在哪个阶段，分起步、期望膨胀、破灭、发展几个阶段，以此帮助判断科技产业未来走势）

去年 9 月份，「Gartner」就预测生成式 AI 已经进入期望膨胀高位，到 2023 年 8 月「Gartner」刚发布人工智能技术成熟度曲线，生成式 AI 从技术萌芽期到技术膨胀期的顶峰，跟过去一段时间 AI 在学术、产业、资本领域的爆火完全呼应。

另一方面，Gartner 预计 AIGC 未来 5 年会是预期破灭的时段，这是任何一项新技术成熟发展的必经之路，也可以理解是 AI 技术融入现实的开始。

2. 从产业的结构看，这一轮爆发的机会在智能应用

硬件、云平台（模型层）、智能应用、应用分发构成了 AI 整个产业链条，站在产业格局的角度看，算力很重要、硬件却并非关键。

这轮变革最大的机会在应用层面，所以大量涌现出智能应用，比如 ChatGPT、Midjourney；以及各行各业基于大模型对 AI 能力接入，提升自己产品力或服务能力。

3. 生成式 AI 在可控性层面的突破

生成式 AI 并不是刚出现，这一轮爆火，除了训练参数的质变，还有一个原因是是“可控度”，即在多个应用领域局部、初步思维上可控，AI 可以从随机到可控的生成，才有了更多可用的场景，也是这一轮技术变革关键原因。

从 GPT-3.5 到 GPT-4，生成式 AI 的逻辑推理能力显著提高。拥有强大的分析能力（如从文章中提取数据，总结趋势），控制能力（如将人类语言转化成复杂系统控制指令）和初步的逻辑推理能力（如解答简单的数学、逻辑题）。可生成的文本内容也扩展到数据、表格、代码、指令序列、工作流或工具链等结构化文本。这直接引发一大批以 Copilot 为特征的新工具爆发。

内容创建工具是生成式 AI 落地最直接也最快捷的场景。随着生成式 AI 可控性的提升，内容创建任务会从文本、图片创建，过渡到视频、3D、动画等，让设计从业者有了更多“创作团队”。

市场的期望膨胀、面向用户的智能应用爆发、内容生成可控性的提升，在产业变革的漩涡中，以内容生产谋生的设计师，我们需要了解 AIGC 到底对设计行业产生了什么影响，到底替代到什么程度了，设计师该如何应对？下面重点聊下这几个话题。

二、AI 对设计行业产生什么影响

影响体现在 3 个方面：

1. 设计门槛降低了，中低端设计需求将会变少；
2. 设计岗位有了更多的“武器”来提效或提升质量；
3. 新的交互形态对传统的图形界面工作者有一定的冲击。

1. 设计门槛降低，设计工具平民化

设计越来越平民化，对设计要求不高的个人、团队、组织将可以靠自己“完成设计”，拿到产物，某种程度上讲，这部分中低端设计需求工作被变少了。

2. “全面”替代设计岗还是增强设计岗？

自人工智能出现以来，替代的声音一直是热度话题，技术的变革都有两面性，对于 AIGC 发展，到底是替代还是增强设计？

替代和增强是两个不同概念， 以汽车市场为例：电车与油车市场是替代关系，但自动驾驶则是增强的作用，油车、电车都可以拥有自动驾驶，都可以起到增强的作用，之所以目前电车自动驾驶做的比较好是因为作为新的物种巅峰传统市场需要多方位的优势。

结论 1：职业的替代还有一些距离

有个有趣的现象，不管是什么岗位，外界对 AI 的应用程度，总比行业从业者要“乐观”很多，比如 UI、前端岗位，感觉已经不太需要他们参与了。

实际在真实的商业生产环节中，职业完全替代还不够明显，但岗位工作的渗透是在进行的，以 UI 和创意来举例：比如设计师可以通过 Stable Diffusion、Midjourney 来生成配图、图标、以及方案的初步原型，然后再进行精细化设计。

结论 2:岗位增强可部分实现

下图是设计团队的典型场景，我们用 AI 结合各设计环节进行试验，初步得出一些典型场景中的应用及可应用的程度，后续我们将以案例形式分享主要环节的应用成果，暂不赘述。

对内容生产的设计师来说，AIGC 产品可以作为一种创作工具来丰富设计手段，加速设计 OR 提升设计质量，以 Midjourney 生成素材为例：

相比 C4D 做一个素材，可以大大提升出图效率，这种与 AI 协作的形态，市面上也是最多的，本质是增强设计师产出的效率。

3. 新的交互形态对“传统用户界面”从业者的冲击

界面交互的需求繁荣得益于图形交互的兴起和市场的发展，从 CLI（命令行）→GUI（图形交互）→LUI（自然语言交互），对设计服务的要求自然不同：

CLI 时代，不需要画图的交互，特定人群用特定命令与电脑进行交互；

GUI 时代，图形的准确性、吸引力能直接影响业务效果（流量、转化、收入等），尤其是消费类产品；

LUI 时代，对图形需求变少，可能又会遇到新的交互形态与需求，如多模态交互、用户情绪设计与引导等等。

现在生成式 AI 产品，文生文、文生图，多见的交互形态就是一个输入框、一个语音输入按钮，即一个入口可完成“几乎所有的任务”。

原本完成这些任务需要 UI、前端大量的页面、弹窗等交互流转，现在直接绕过了这些复杂的界面环节，如果语音能直接作为直接输入的方式，连“输入框”都不需要了，用户自然对话就可以完成任务，对“界面交互”从业者来说总需求量就变少了。

可能有人会问：各公司都在开发和迭代 AI 工具，市场需求不是增多了吗？

这里以 SaaS 公司为例：

短期内，各个软件开发公司都是以 SaaS 上生长 AI 功能为主，本质还是加功能的逻辑，AI 只是一个没有颠覆和替代原产品形态的附加功能，或者是 Copilot。

长期看，除了 SaaS+AI，AI 改变行业的可能性，大概率未来大量在 AI 上生长 SaaS，那将更大程度上冲击着从业者的原有工作范式，图形界面工作者可能会需要转型为 AI 交互、AI 多模态交互定义者（可能），总体需求可能变少。

更有甚者认为，某些 SaaS 业务在人工智能时代“Software as a Service”中的“Software”不一定存在，Service 的提供形态将会多样化或“弱界面化”，这样对应原工作形态的从业者，将会带来不小的冲击。

三、现在的 AI，擅长哪些地方

真正在实践使用 AI 工具的过程中可以发现，目前的 AI 强大但不完美，准确的说现在的 AI 产品在很多场景都会出问题或者说“不如人”，但我们需要用它“超出人”擅长领域，也需要知道和规避它的短板。

设计师主要打交道的信息载体为图形和文本，下面主要对图形类、文本类做分析和应用探索。

1. 图形设计：创意插画、图片类

越具象越复杂，效果越好：

图形生成类的 AI 目前有明星产品 Midjourney、Stable diffusion、Dall E 等，基于大模型通过文生图、图生图的方式，得到结果。

在生成的图片时，越具象 AI 表现越好，因为具象可以通过很多关键特征去描述它，越抽象越难描述。

不考虑思考过程时间消耗，将人工手绘和 AI 绘制对比，AI 可能无法稳定的绘制靠左的相机图形，但可以很快、较稳定的绘制右边的相机，而人去绘制右边相机可能需要至少一天时间，还不一定有 AI 效果好。

所以现在市面上用 AI 做设计都是比较复杂的图形，比如人物角色、动物、3D 物件等。

引申话题：从降低设计门槛，替代部分设计工作来讲，前些年模板式设计也很火，从出图的角度考虑，生成式 AI 与模板式设计，哪个好，选哪个？

如果不画图就快速的产出，模板式设计与生成式 AI 出图是摆在面前的两种选择，模板式设计不算 AI，可以当做“智能产出”，到底哪个好，核心差异在哪？

仅讨论目前的产品，模板式设计是非专业设计师的生产工具，生成式 AI 工具是专业设计师的“外挂”武器。

模板式设计虽然在类型上、自由度上容易局限，但上手难度低，可以直接拿到产物全部，不需要再次的图片拼接与再处理，对于非专业人士还是非常友好的，因此模板式设计在 AI 冲击下，仍有市场。

对于专业类设计师，尤其是对产出要求比较高的场景，模板式设计可用之处较少，反而生成式设计能帮助设计师在灵感和方案可能性的探索上提供内容，如 Stable diffusion、Midjourney。

2. 文本类

文本类生成式 AI 比较成熟的，如 ChatGPT、讯飞星火，以及各大语言模型衍生出一系列文本对话式的 AI 产品、插件。

以 ChatGPT 为例，擅长对客观、强规律性的内容回答，并具备举一反三的能力，如推理类、总结类、常识类、翻译类等问题。

结合设计场景，利用大语言模型分析、推理、总结能力，可以辅助设计完成内容总结、报告内容提炼、知识解读、内容续写、创意发散与脑暴等场景。

除此之外，市面上不少基于大语言模型，结合原本的产品能力，让产品更智能的智能应用：

1. 如视频解析文本+大语言模型，典型产品有飞书妙记、通义听悟，可以进一步提炼视频中的内容，在会议记录提取、可用性测试问题还原提取上非常实用；
2. 如 PDF 解析能力+大语言模型，可以让 PDF 具备可检索、可提炼的，对于设计师来讲可以利用此能力来分析行业报告、日常的设计调研工作更轻松，典型产品：ChatPDF；
3. 如思维导图、文本撰写产品+大语言模型，可以帮助设计在梳理思维导图时辅助脑暴创意、制定有条理的内容，典型产品：Boardmix、Notion AI 等。

3. 界面设计

界面设计中的 AI 主要有几种：

1. 界面生成；
2. AI Copilot；
3. 局部 AI 小功能，如填充文本、图片，生成设计系统等。

这里主要聊下界面生成，因为后两者在场景痛点或创新颠覆性上相对弱一点。

市面上有 UIzard、Galileo、即时设计、Figma 等界面设计工具增加了 AI 生成界面能力。目前看到的案例能尝试生成一些高度通用的页面，如 Onboarding page 和 Delivery app。

不考虑“只是体验下这个功能而已的情况”，目前界面类的产品难以融入到设计流程里，主要原因是生成结果不稳定。

生成的飞机稿对于设计来说增益还不显著，真正扎根业务的界面设计师缺的也不是飞机稿、过程稿。市面上界面设计已经足够的类型化和模式化，我们日常可以从大量的案例库做设计抉择。

对于业务非常垂直，目前界面生成的 AI 也缺乏领域知识，不过相信只是时间问题，将来规则的成熟也将更大概率的来补充、或替代部分界面设计的工作。

因为界面设计在各行业、各企业中始终在朝着规则化、结构化、系统化的方向发展，未来将企业各自定义的设计系统喂给 AI，基于偏好的生成结果，已经有团队在研究和试验了，如果可以成熟推向市面，对于界面设计来说还是非常值得期待的。

4. 市面上设计厂商如何与 AI 产生关系

其实目前设计团队或设计行业与 AI 的关系，可以归纳为 3 种形态：

1. 用已有 ai，辅助设计
2. 研发 ai，赋能业务
3. 设计型 SaaS，做 ai 功能赋能行

这里不涉及设计作为 UI、UX 接相关 AI 业务需求的场景，目前主要的关系是用 AI 工具辅助设计，设计驱动研发 AI 赋能业务在部分大厂有，非常稀缺，设计 SaaS 赋能行业总体来讲玩家数量有限，这里不再赘述。

小结

AI 热潮已经来临，尤其是在智能应用层面爆发式增长，对于内容生产的设计师，虽离替代还有距离，但 AIGC 提升商业性内容生产的效率和质量，已经在发生，且在将来一定会更深度的改变商业内容生产的发展。

目前的 AI 产品在创意设计、文本类场景可以找到比较成熟的落地可行性，设计能有效的结合到内容生产过程中去。

1. 具象表达的图形，可通过生成较好完成产出；
2. 艺术性强、复用性比较弱的场景、素材；
3. 文本型的 AI 可以帮助设计师在总结、查询、梳理等场景；
4. 界面类生成 AI 工具，能为初次设计提供一些方案可能性，目前生成效果、可控性远达不到“可用”状态，未来可期。

三、趋势已来，设计师该如何看待和应对？

从今年三四月份开始，全行业 AI 替代的声音让设计师的焦虑也前所未有，AI 时代我们需要怎么看、怎么入局？作为设计师，我觉得可以从设计服务、历史发展的角度来理解和顺应这一轮技术的变革，更清晰的了解发展趋势、危与机。

1. 从设计服务的角度，看这一轮技术变革

远观历史，科技与社会进步，持续带来的新机会：

从历史角度来看，设计是服务于科技和社会进步的，每一次技术的发展社会的变革，势必带来设计形态的改变，从两次工业革命到信息化、智能化时代，每个周期内都会衍生出新的危和机。

AI 时代，生成内容让创意有了更多可能性，在设计领域将可能在 21 世纪造就下一个“包豪斯”。包豪斯让工业现代化的技术与艺术融合，创造了把艺术和商业相结合的新模式，如今 AI 作为新技术为创业产业带来的创意生产力也将是前所未有的。

近观信息网络的发展，设计师一直在面对新命题

从信息交互的发展看，设计作为一种岗位，服务于商业在科技发展的不同时期，以平面设计为例，对设计师有着不同的要求：

在印刷时代对手头版式功夫有较高的要求；

在图形交互软件时代，对图形的抽象与软件基础表达有新的技能诉求；在上世纪 90 年代，在硅谷如果有人熟练 Photoshop，都可以直接创业或成为非常稀缺的人才。

在互联网兴起，门户、信息爆炸时代，对信息的传播、呈现有新的要求，在技法的表现格外注重。

在移动、产业互联网，对设计对用户、端、商业、技术理解又有新的要求；

在人工智能时代，部分重复性、初级的设计需求将被替代，设计师乃至互联网职场人的能力维度将随之会有所改变，善用 AI 的综合能力素养变为刚需，在能力维度上接近于“雪花型”。

因此，设计师别慌，从设计变革和信息技术的发展来看，设计一直在面临变化，只有顺应变化给我们新的要求，我们才能转危为机。

2. 如何应对

不是所有设计师所在公司都会有 AI 相关研发，对于设计岗位来讲，利用 AI 去生产内容成本极低的一件事，所以小编认为做好两点：一是用好工具；二是转变思维，重新布局个人能力

用好它，就现在

如前文 Gartner 预测，AI 目前已经进入预期的顶峰，在接下来一段时间可能会趋于冷静，但不是停滞，是更深度与现实结合的窗口期，不会同当年的“元宇宙”那样，都在喊没人行动的局面，因此我们需要：用好它，就现在！

不是说人人都成为 Prompt 设计师 or 工程师，其实也不能这么叫，未来 AI 产品趋于稳定成熟的情况下，它是一项基础技能，如同设计师掌握 PS 使用技能一样，没人会叫自己是 PS 设计师，PS 工程师。

本质上 AI 产品只是一个拿到结果的工具，关键不在于 Prompt（虽然目前非常重要），而在于工具使用前的想象力和洞察力，以及之后对结果的判断、审美和应用落地能力。

目前群核设计团队在创意表达场景上试点应用，梳理教程总结方法，找到契合的业务需求或设计过程，让 AI 局部参与，并梳理几个关键产品使用方法，后续还会在更多的场景中应用与探索。

布局个人能力，让 AI 成为个人能力的超级后备军。

利用专业审美和技能，开发风格模型、大模型是设计应该关注的，就如同组件一样，一套组件可用于多个场景。大模型亦是如此，做出属于自己团队适合的风格，训练出足够优秀的大模型来复用至以后的场景。

虽然目前的 AI 能力不完美，技术调优、应用场景还有很多提升空间，但对于设计师积极拥抱它是必然趋势。

利用 AI 的长处，丰富自己的能力，披上外挂让自己内容产出质量、效率加倍。

以上是本文的所有内容，针对 AIGC 对设计行业影响及启发，从宏观视角进行阐述，AI 时代设计师将面对危机共存的情况，如何看清事物发展的方向与规律，顺应趋势，趁早入局，成为时代需要的人，从而成为趋势与变革的受益者。

后续我们将会分享更多设计应用案例：AI 在如何融入到设计场景中，敬请期待～

欢迎关注作者微信公众号：「群核科技用户体验设计」