自2022年下半年開始，席卷而來的AIGC對設計工作者帶來不小的沖擊，設計本是一個“GC”生產內容的崗位，AI生產內容有什么不同？

 

 

如何理解一波浪潮的發生邏輯及影響，如何用好AI工具幫助我們生產內容，是群核設計團隊的新課題。目前有了一定的成果和觀點，今天跟大家一起分享與交流。

本文將從宏觀角度來聊聊這一輪AI對設計行業到底有什么影響，對我們有什么啟發？

 

 

 

了解今年狂飆的AI

現如今AI火熱體現在3個方面：

• 生成式AI到了技術發展從開始走向期望的膨脹期，現象級產品已經出現；
• 在產業結構中，AI智能應用近乎爆發的狀態；
• 生成式AI的可控性突破也是爆火的重要原因之一。

 

1、技術發展趨勢的預測

（Gartner每年都會盤點新技術處在哪個階段，分起步、期望膨脹、破滅、發展幾個階段，以此幫助判斷科技產業未來走勢）

 

去年9月份，「Gartner」就預測生成式AI已經進入期望膨脹高位，到2023年8月「Gartner」剛發布人工智能技術成熟度曲線，生成式AI從技術萌芽期到技術膨脹期的頂峰，跟過去一段時間AI在學術、產業、資本領域的爆火完全呼應。

 

 

 

另一方面，Gartner預計AIGC未來5年會是預期破滅的時段，這是任何一項新技術成熟發展的必經之路，也可以理解是AI技術融入現實的開始。

2、 從產業的結構看，這一輪爆發的機會在智能應用

硬件、云平臺（模型層）、智能應用、應用分發構成了AI整個產業鏈條，站在產業格局的角度看，算力很重要、硬件卻并非關鍵。
這輪變革最大的機會在應用層面，所以大量涌現出智能應用，比如ChatGPT、Midjourney；以及各行各業基于大模型對AI能力接入，提升自己產品力或服務能力。

 

 

 

 

3、生成式AI在可控性層面的突破

生成式AI并不是剛出現，這一輪爆火，除了訓練參數的質變，還有一個原因是是“可控度”，即在多個應用領域局部、初步思維上可控，AI可以從隨機到可控的生成，才有了更多可用的場景，也是這一輪技術變革關鍵原因。

 

 

 

從GPT-3.5到GPT-4，生成式AI的邏輯推理能力顯著提高。擁有強大的分析能力（如從文章中提取數據，總結趨勢），控制能力（如將人類語言轉化成復雜系統控制指令）和初步的邏輯推理能力（如解答簡單的數學、邏輯題）?？缮傻奈谋緝热菀矓U展到數據、表格、代碼、指令序列、工作流或工具鏈等結構化文本。這直接引發一大批以Copilot為特征的新工具爆發。

內容創建工具是生成式AI落地最直接也最快捷的場景。隨著生成式AI可控性的提升，內容創建任務會從文本、圖片創建，過渡到視頻、3D、動畫等，讓設計從業者有了更多“創作團隊”。

市場的期望膨脹、面向用戶的智能應用爆發、內容生成可控性的提升，在產業變革的漩渦中，以內容生產謀生的設計師，我們需要了解AIGC到底對設計行業產生了什么影響，到底替代到什么程度了，設計師該如何應對？下面重點聊下這幾個話題。

 

AI對設計行業產生什么影響

影響體現在3個方面：

• 設計門檻降低了，中低端設計需求將會變少；
• 設計崗位有了更多的“武器”來提效或提升質量；
• 新的交互形態對傳統的圖形界面工作者有一定的沖擊。

 

1、設計門檻降低，設計工具平民化

設計越來越平民化，對設計要求不高的個人、團隊、組織將可以靠自己“完成設計”，拿到產物，某種程度上講，這部分中低端設計需求工作被變少了。

 

 

 

2、“全面”替代設計崗還是增強設計崗？

自人工智能出現以來，替代的聲音一直是熱度話題，技術的變革都有兩面性，對于AIGC發展，到底是替代還是增強設計？

 

替代和增強是兩個不同概念， 以汽車市場為例：電車與油車市場是替代關系，但自動駕駛則是增強的作用，油車、電車都可以擁有自動駕駛，都可以起到增強的作用，之所以目前電車自動駕駛做的比較好是因為作為新的物種巔峰傳統市場需要多方位的優勢。

 

結論1:職業的替代還有一些距離

 

 

 

 

有個有趣的現象，不管是什么崗位，外界對AI的應用程度，總比行業從業者要“樂觀”很多，比如UI、前端崗位，感覺已經不太需要他們參與了。

 

 

 

實際在真實的商業生產環節中，職業完全替代還不夠明顯，但崗位工作的滲透是在進行的，以UI和創意來舉例：比如設計師可以通過Stable Diffusion、Midjourney來生成配圖、圖標、以及方案的初步原型，然后再進行精細化設計。

結論2:崗位增強可部分實現

 

 

 

 

 

下圖是設計團隊的典型場景，我們用AI結合各設計環節進行試驗，初步得出一些典型場景中的應用及可應用的程度，后續我們將以案例形式分享主要環節的應用成果，暫不贅述。

 

 

 

對內容生產的設計師來說，AIGC產品可以作為一種創作工具來豐富設計手段，加速設計 OR 提升設計質量，以Midjourney生成素材為例：

 

 

 

 

相比C4D做一個素材，可以大大提升出圖效率，這種與AI協作的形態，市面上也是最多的，本質是增強設計師產出的效率。

 

3、新的交互形態對“傳統用戶界面”從業者的沖擊

界面交互的需求繁榮得益于圖形交互的興起和市場的發展，從CLI（命令行）→GUI（圖形交互）→LUI（自然語言交互），對設計服務的要求自然不同：

 

 

 

 

CLI時代，不需要畫圖的交互，特定人群用特定命令與電腦進行交互；

GUI時代，圖形的準確性、吸引力能直接影響業務效果（流量、轉化、收入等），尤其是消費類產品；

LUI時代，對圖形需求變少，可能又會遇到新的交互形態與需求，如多模態交互、用戶情緒設計與引導等等。

現在生成式AI產品，文生文、文生圖，多見的交互形態就是一個輸入框、一個語音輸入按鈕，即一個入口可完成“幾乎所有的任務”。

 

 

 

原本完成這些任務需要UI、前端大量的頁面、彈窗等交互流轉，現在直接繞過了這些復雜的界面環節，如果語音能直接作為直接輸入的方式，連“輸入框”都不需要了，用戶自然對話就可以完成任務，對“界面交互”從業者來說總需求量就變少了。

可能有人會問：各公司都在開發和迭代AI工具，市場需求不是增多了嗎？

 

 

 

這里以SaaS公司為例：

短期內，各個軟件開發公司都是以SaaS上生長AI功能為主，本質還是加功能的邏輯，AI只是一個沒有顛覆和替代原產品形態的附加功能，或者是Copilot。

長期看，除了SaaS+AI，AI改變行業的可能性，大概率未來大量在AI上生長SaaS，那將更大程度上沖擊著從業者的原有工作范式，圖形界面工作者可能會需要轉型為AI交互、AI多模態交互定義者（可能），總體需求可能變少。

 

 

 

 

更有甚者認為，某些SaaS業務在人工智能時代“Software as a Service”中的“Software”不一定存在，Service的提供形態將會多樣化或“弱界面化”，這樣對應原工作形態的從業者，將會帶來不小的沖擊。

現在的AI，擅長哪些地方

真正在實踐使用AI工具的過程中可以發現，目前的AI強大但不完美，準確的說現在的AI產品在很多場景都會出問題或者說“不如人”，但我們需要用它“超出人”擅長領域，也需要知道和規避它的短板。

設計師主要打交道的信息載體為圖形和文本，下面主要對圖形類、文本類做分析和應用探索。

 

1、圖形設計：創意插畫、圖片類

越具象越復雜，效果越好：

圖形生成類的AI目前有明星產品Midjourney、Stable diffusion、Dall E等，基于大模型通過文生圖、圖生圖的方式，得到結果。

在生成的圖片時，越具象AI表現越好，因為具象可以通過很多關鍵特征去描述它，越抽象越難描述。

 

 

 

 

不考慮思考過程時間消耗，將人工手繪和AI繪制對比，AI可能無法穩定的繪制靠左的相機圖形，但可以很快、較穩定的繪制右邊的相機，而人去繪制右邊相機可能需要至少一天時間，還不一定有AI效果好。

所以現在市面上用AI做設計都是比較復雜的圖形，比如人物角色、動物、3D物件等。


引申話題：從降低設計門檻，替代部分設計工作來講，前些年模板式設計也很火，從出圖的角度考慮，生成式AI與模板式設計，哪個好，選哪個？

如果不畫圖就快速的產出，模板式設計與生成式AI出圖是擺在面前的兩種選擇，模板式設計不算AI，可以當做“智能產出”，到底哪個好，核心差異在哪？

 

 

 

 

僅討論目前的產品，模板式設計是非專業設計師的生產工具，生成式AI工具是專業設計師的“外掛”武器。

模板式設計雖然在類型上、自由度上容易局限，但上手難度低，可以直接拿到產物全部，不需要再次的圖片拼接與再處理，對于非專業人士還是非常友好的，因此模板式設計在AI沖擊下，仍有市場。

 

 

 

 

對于專業類設計師，尤其是對產出要求比較高的場景，模板式設計可用之處較少，反而生成式設計能幫助設計師在靈感和方案可能性的探索上提供內容，如Stable diffusion、Midjourney。

 

 

2、文本類

文本類生成式AI比較成熟的，如ChatGPT、訊飛星火，以及各大語言模型衍生出一系列文本對話式的AI產品、插件。

以ChatGPT為例，擅長對客觀、強規律性的內容回答，并具備舉一反三的能力，如推理類、總結類、常識類、翻譯類等問題。

 

 

 

 

結合設計場景，利用大語言模型分析、推理、總結能力，可以輔助設計完成內容總結、報告內容提煉、知識解讀、內容續寫、創意發散與腦暴等場景。

除此之外，市面上不少基于大語言模型，結合原本的產品能力，讓產品更智能的智能應用：

• 如視頻解析文本+大語言模型，典型產品有飛書妙記、通義聽悟，可以進一步提煉視頻中的內容，在會議記錄提取、可用性測試問題還原提取上非常實用；
• 如PDF解析能力+大語言模型，可以讓PDF具備可檢索、可提煉的，對于設計師來講可以利用此能力來分析行業報告、日常的設計調研工作更輕松，典型產品：ChatPDF；
• 如思維導圖、文本撰寫產品+大語言模型，可以幫助設計在梳理思維導圖時輔助腦暴創意、制定有條理的內容，典型產品：Boardmix、Notion AI等。

3、界面設計

界面設計中的AI主要有幾種：

• 界面生成；
• AI Copilot；
• 局部AI小功能，如填充文本、圖片，生成設計系統等。

 

這里主要聊下界面生成，因為后兩者在場景痛點或創新顛覆性上相對弱一點。

市面上有UIzard、Galileo、即時設計、Figma等界面設計工具增加了AI生成界面能力。目前看到的案例能嘗試生成一些高度通用的頁面，如Onboarding page和Delivery app。

 

 

 

 

不考慮“只是體驗下這個功能而已的情況”，目前界面類的產品難以融入到設計流程里，主要原因是生成結果不穩定。
生成的飛機稿對于設計來說增益還不顯著，真正扎根業務的界面設計師缺的也不是飛機稿、過程稿。市面上界面設計已經足夠的類型化和模式化，我們日常可以從大量的案例庫做設計抉擇。

 

 

 

 

對于業務非常垂直，目前界面生成的AI也缺乏領域知識，不過相信只是時間問題，將來規則的成熟也將更大概率的來補充、或替代部分界面設計的工作。

 

 

 

 

因為界面設計在各行業、各企業中始終在朝著規則化、結構化、系統化的方向發展，未來將企業各自定義的設計系統喂給AI，基于偏好的生成結果，已經有團隊在研究和試驗了，如果可以成熟推向市面，對于界面設計來說還是非常值得期待的。

4、市面上設計廠商如何與AI產生關系

其實目前設計團隊或設計行業與AI的關系，可以歸納為3種形態：

• 用已有ai，輔助設計
• 研發ai，賦能業務
• 設計型SaaS，做ai功能賦能行

 

 

 

 

 

這里不涉及設計作為UI、UX接相關AI業務需求的場景，目前主要的關系是用AI工具輔助設計，設計驅動研發AI賦能業務在部分大廠有，非常稀缺，設計SaaS賦能行業總體來講玩家數量有限，這里不再贅述。

小結

AI熱潮已經來臨，尤其是在智能應用層面爆發式增長，對于內容生產的設計師，雖離替代還有距離，但AIGC提升商業性內容生產的效率和質量，已經在發生，且在將來一定會更深度的改變商業內容生產的發展。

 

 

 

目前的AI產品在創意設計、文本類場景可以找到比較成熟的落地可行性，設計能有效的結合到內容生產過程中去。

• 具象表達的圖形，可通過生成較好完成產出；
• 藝術性強、復用性比較弱的場景、素材；
• 文本型的AI可以幫助設計師在總結、查詢、梳理等場景；
• 界面類生成AI工具，能為初次設計提供一些方案可能性，目前生成效果、可控性遠達不到“可用”狀態，未來可期。

 

 

趨勢已來，設計師該如何看待和應對？

從今年三四月份開始，全行業AI替代的聲音讓設計師的焦慮也前所未有，AI時代我們需要怎么看、怎么入局？
作為設計師，我覺得可以從設計服務、歷史發展的角度來理解和順應這一輪技術的變革，更清晰的了解發展趨勢、危與機。

 

1、從設計服務的角度，看這一輪技術變革

遠觀歷史，科技與社會進步，持續帶來的新機會：

從歷史角度來看，設計是服務于科技和社會進步的，每一次技術的發展社會的變革，勢必帶來設計形態的改變，從兩次工業革命到信息化、智能化時代，每個周期內都會衍生出新的危和機。

 

 

 

AI時代，生成內容讓創意有了更多可能性，在設計領域將可能在21世紀造就下一個“包豪斯”。包豪斯讓工業現代化的技術與藝術融合，創造了把藝術和商業相結合的新模式，如今AI作為新技術為創業產業帶來的創意生產力也將是前所未有的。

近觀信息網絡的發展，設計師一直在面對新命題

從信息交互的發展看，設計作為一種崗位，服務于商業在科技發展的不同時期，以平面設計為例，對設計師有著不同的要求：

 

 

 

 

 

在印刷時代對手頭版式功夫有較高的要求；

 

在圖形交互軟件時代，對圖形的抽象與軟件基礎表達有新的技能訴求；在上世紀90年代，在硅谷如果有人熟練Photoshop，都可以直接創業或成為非常稀缺的人才。

 

在互聯網興起，門戶、信息爆炸時代，對信息的傳播、呈現有新的要求，在技法的表現格外注重。

 

在移動、產業互聯網，對設計對用戶、端、商業、技術理解又有新的要求；

 

在人工智能時代，部分重復性、初級的設計需求將被替代，設計師乃至互聯網職場人的能力維度將隨之會有所改變，善用AI的綜合能力素養變為剛需，在能力維度上接近于“雪花型”。

 

 

 

 

因此，設計師別慌，從設計變革和信息技術的發展來看，設計一直在面臨變化，只有順應變化給我們新的要求，我們才能轉危為機。

 

 

2、如何應對

不是所有設計師所在公司都會有AI相關研發，對于設計崗位來講，利用AI去生產內容成本極低的一件事，所以小編認為做好兩點：一是用好工具；二是轉變思維，重新布局個人能力

用好它，就現在

 

 

 

 

 

如前文Gartner預測，AI目前已經進入預期的頂峰，在接下來一段時間可能會趨于冷靜，但不是停滯，是更深度與現實結合的窗口期，不會同當年的“元宇宙”那樣，都在喊沒人行動的局面，因此我們需要：用好它，就現在！

不是說人人都成為Prompt設計師 or工程師，其實也不能這么叫，未來AI產品趨于穩定成熟的情況下，它是一項基礎技能，如同設計師掌握PS使用技能一樣，沒人會叫自己是PS設計師，PS工程師。

本質上AI產品只是一個拿到結果的工具，關鍵不在于Prompt（雖然目前非常重要），而在于工具使用前的想象力和洞察力，以及之后對結果的判斷、審美和應用落地能力。

 

 

 

 

目前群核設計團隊在創意表達場景上試點應用，梳理教程總結方法，找到契合的業務需求或設計過程，讓AI局部參與，并梳理幾個關鍵產品使用方法，后續還會在更多的場景中應用與探索。

 

布局個人能力，讓AI成為個人能力的超級后備軍。

利用專業審美和技能，開發風格模型、大模型是設計應該關注的，就如同組件一樣，一套組件可用于多個場景。大模型亦是如此，做出屬于自己團隊適合的風格，訓練出足夠優秀的大模型來復用至以后的場景。

 

雖然目前的AI能力不完美，技術調優、應用場景還有很多提升空間，但對于設計師積極擁抱它是必然趨勢。

 

 

 

 

利用AI的長處，豐富自己的能力，披上外掛讓自己內容產出質量、效率加倍。

 

以上是本文的所有內容，針對AIGC對設計行業影響及啟發，從宏觀視角進行闡述，AI時代設計師將面對危機共存的情況，如何看清事物發展的方向與規律，順應趨勢，趁早入局，成為時代需要的人，從而成為趨勢與變革的受益者。

后續我們將會分享更多設計應用案例：AI在如何融入到設計場景中，敬請期待～