宏观视角：聊聊AIGC对设计行业的影响与启发

jovi

0 55 小于1分钟

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？

了解今年狂飙的AI

现如今AI火热体现在3个方面：

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；
在产业结构中，AI智能应用近乎爆发的状态；
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。

同时，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。

AI对设计行业产生什么影响

影响体现在3个方面：

设计门槛降低了，中低端设计需求将会变少；
设计岗位有了更多的“武器”来提效或提升质量；
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？

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。

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，提供一个“外挂”，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：

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；
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；
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：

界面生成
AI Copilot
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，因为后两者场景痛点或设计覆盖面相对弱一点。

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：

用已有ai，辅助设计
研发ai，赋能业务
设计型SaaS，做ai功能赋能行业

这里不涉及设计作为UI、UX设计师接相关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。

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。

具象表达的图形，可通过生成较好完成产出；
艺术性强、复用性比较弱的场景、素材；
文本型的AI可以帮助设计师在总结、查询、梳理等场景；
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。

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；
对移动、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”。