AI增强设计师的一周

序幕：认识凯特（她在为接下来的一周做准备）

凯特盯着屏幕上如山的数字反馈：转录文本、应用评论、调查片段，所有这些都等待整合。截止日期迫在眉睫，她的日历一团糟。与此同时，LinkedIn上充斥着关于AI的热议和成功故事。似乎每个人都找到了自己的"AI节奏"——除了她。

她并不反对AI，只是还没弄清楚它如何真正融入工作。她尝试过网上看到的一些提示词，试用过一些AI插件和扩展，但感觉像是附加功能，而不是设计工作流程的核心部分。

她的团队专注于提高Gen Z用户在其FinTech应用中的财务信心，凯特计划使用她最喜欢的框架之一：设计冲刺，这是一个为期五天的高强度过程，将数月的产品思考浓缩为一周。每天处理不同的阶段：理解、草图、决定、原型和测试。所有这些都旨在快速推进，使想法具体化，并在做出重大决策前从真实用户那里学习。

这次，她计划尝试一个非常轻量级版本的设计冲刺，几乎是"单人版"，因为她的产品经理和工程师可以进行检查和决策，但不会每天都参与。这给了她空间和约束，也成为了探索AI如何增强冲刺每个阶段的完美机会。

她决定依靠设计师的实验和学习行为，有意将AI整合到冲刺准备中，将其作为创意伙伴和思考助手。不是用严格的计划，而是用一个工作假设：AI至少能加快她的速度。

她不仅要设计和测试原型，还要原型化和测试与AI一起设计的意义，同时仍然保持在主导地位。

跟随凯特一起经历她第一次AI驱动的设计冲刺之旅：从好奇到摩擦，从怀疑到洞察。

星期一：理解问题（又名：凯特 vs 数字笔记堆）

设计冲刺的第一天用于理解用户、他们的问题、业务优先级和技术约束，并将问题缩小到本周要解决的范围。

今天早上，凯特拥有最近用户访谈的转录文本和过去一年来自应用商店、调查和客户支持中心的客户反馈。通常，她会花几天时间处理所有内容，最终带着呆滞的眼神和一些新见解出来。这次，她决定使用ChatGPT总结这些数据：“阅读这些客户反馈，告诉我们如何提高Gen Z在我们应用中的财务素养。”

ChatGPT的输出至少可以说是令人失望的。失望之余，她正要放弃时，想起了她通过电子邮件发送给自己的一份关于良好提示的信息图。她根据这些建议更新了她的提示：

• 为AI定义一个角色（“产品策略师”）
• 提供背景（用户群体和设计冲刺目标）
• 清楚地概述她想要什么（财务素养相关的痛点、障碍、困惑、缺乏信心的模式；综合识别顶级机会领域）

当她用爱乐压制作下一杯咖啡时，ChatGPT已经完成了分析，突出了诸如行话、缺乏控制、害怕做出错误选择以及需要区块链钱包等障碍。等等，什么？最后一个感觉不对劲。

凯特搜索了她的来源并确认了她的直觉：AI幻觉！尽管有最好的提示，AI有时会根据其训练数据中的流行概念编造东西，而不是实际数据。凯特更新了她的提示，添加了约束，让ChatGPT只使用她上传的数据，并在结果中引用该数据的例子。18秒后，更新后的结果没有提到区块链或其他意外结果。

到午餐时，凯特已经有了一个研究总结的雏形，这原本需要更长的时间和大量的咖啡因。

那天下午，凯特和她的产品伙伴将痛点绘制在Gen Z应用旅程上。情感映射突出了最关键时刻：财务决策的第一步，比如设定储蓄目标或选择投资选项。那是当恐惧、困惑和缺乏信心阻碍人们的时候。

AI综合与人类洞察相结合，帮助他们将问题陈述定义为：“我们如何帮助Gen Z用户在我们的应用中自信地采取他们的第一个财务行动，以一种感觉简单、安全并让他们掌控的方式？”

凯特的反思

在结束一天工作时，凯特记下了她作为AI增强设计师第一天的反思：

没有什么比通过实践学习更好的了。我一直在阅读关于AI的文章并摆弄它，但今天才真正投入。事实证明，AI不仅仅是一个工具，但我还不会称它为副驾驶。我想它像一个敏锐的实习生：它有很多信息，速度快，渴望帮助，但缺乏背景，需要监督，并且可能让你惊讶。你必须给它清晰的指示，仔细检查它的工作，并指导和监督它。哦，通过不分享任何我不想让别人知道的事情来保持界限。

今天是关于倾听——倾听用户、模式和我自己的本能。AI帮助我快速筛选访谈，但我必须保持好奇以捕捉它遗漏的东西。一些引述感觉太干净了，好像边缘被平滑了。这就是观察和同理心发挥作用的地方。我必须问自己：这个总结下面是什么？

批判性思维是我今天必须运用的最重要的设计师技能。很容易接受AI的综合表面价值，但我必须通过重新阅读转录文本、质疑假设并确保我没有外包我的判断来反驳。事实证明，思考的部分仍然属于我。

星期二：草图（又名：凯特和一堆一般般的想法）

设计冲刺的第二天专注于解决方案，首先重新混合和改进现有想法，然后人们绘制潜在解决方案的草图。

在经历了昨天的经验后，凯特既乐观又谨慎，她在冲泡第一杯咖啡时开始思考今天可以使用AI的方式。到第二杯咖啡时，她想知道AI是否可以成为一个创意团队成员。或者至少是一个创意实习生。她决定向AI询问跨行业的相关UX模式列表。与昨天复杂的分析不同，凯特是在寻求灵感，而不是洞察，这意味着她可以使用更简单的提示：“给我10个顶级应用如何减少首次用户决策焦虑的独特例子——来自FinTech、健康、学习或电子商务。”

她在几秒钟内收到了结果，但只有6个，而不是她要求的10个。她扩展了她的提示，要求来自更广泛行业的例子。在审查AI例子时，凯特意识到其中一个存在可访问性问题。公平地说，结果满足了凯特的要求，因为她没有指定可访问性考虑。然后她回到了AI之前的方式，与她的产品伙伴一起头脑风暴例子，想出了一些独特的本地例子。

那天下午晚些时候，凯特在"疯狂8分钟"中完全回归人类，用马克笔在纸上画草图，在8分钟内画出8个想法，以快速探索不同的方向。想知道AI是否能达到其生成性质，她上传了她前3个草图的图片，并提示AI充当"一位在Gen Z行为、数字UX和行为科学方面经验丰富的产品设计策略师"，给了它关于问题陈述、设计冲刺阶段的背景，并明确要求AI以下内容：

• 分析3个草图概念，并识别与目标产生共鸣的核心元素或功能。
• 生成5个新的概念方向，每个方向应该：
  • 解决原始设计冲刺挑战。
  • 反映Gen Z设计语言、语调和数字行为。
  • 引入草图想法的独特转折、重新混合或概念反转。
• 对于每个概念，提供：
  • 名称（例如，“垄断模式”、“智能开始”）；
  • 1-2句概念总结；
  • 与原始草图的关键区别；
  • 设计语气和/或行为心理学技术使用。

结果包括凯特和她的产品伙伴没有考虑过的想法，包括一个从20%开始的进度条（以建立信心），以及一个面向首次投资者的类似体育的"股票括号"。

不坏，凯特想，她在下一轮草图中精选元素，结合并基于这些想法进行构建。到一天结束时，他们有了一套多样化的草图解决方案——一些是原创的，一些是AI增强的，但都在探索如何减少恐惧、简化选择并为采取第一步财务行动的Gen Z用户建立信心。有了五个概念变体和一些粗略的故事板，凯特准备在第三天开始收敛。

凯特的反思

今天在创意上充满活力，但也有点让人不知所措！我严重依赖AI充当创意团队成员。它提供了一些意想不到的想法，并将我的"疯狂8分钟"重新混合成我从未想过的变体！

它也强化了保持设计人性化方面的必要性。AI很快——有时太快了。它吐出听起来光鲜的想法，听起来正确，但我必须放慢速度，仔细观察，并问：这对我们的用户感觉对吗？首次用户在这里会感到安全还是 intimidated？

批判性思维帮助我分离重要的和不重要的。同理心把我拉回到Gen Z用户实际说的话，并在画草图时把他们的声音记在心里。好奇心和实验是我的燃料。我不断调整提示，重新混合输入，并看看我能把一个概念拉伸到多远，直到它破裂。视觉沟通帮助将模糊的AI想法转化为我可以反应的东西——更重要的是，测试。

星期三：决定（又名凯特试图让AI选边站）

设计冲刺团队在第三天花费时间批评他们每个潜在的解决方案，以筛选出那些最有可能实现长期目标的想法。然后，从草图中选出的获胜场景被编织成一个原型故事板。

设计冲刺的星期三是凯特最不喜欢的一天。在草图星期二的所有生成能量之后，今天，她必须决定一个清晰的解决方案来原型化和测试。她不确定AI在判断权衡或缩小选项方面是否有很大帮助，而且它无法像团队一样批评。或者它能吗？

凯特审查了五个概念中的每一个， noting strengths, open questions, and potential risks. 出于好奇AI会如何回应，她上传了三个不同设计概念的图片，并提示ChatGPT提供优缺点。AI的批评在总结不同概念的利弊方面很有帮助，包括一些她没有考虑到的点——比如潜在的隐私问题。

她问了几个后续问题以确认实际推理。想知道是否可以通过不同的提示来模拟团队批评，凯特要求它使用六顶思考帽技术。结果回来密集、 overwhelming, and unfocused. AI无法优先排序，也无法看到凯特本能注意到的差距： onboarding中的摩擦， misaligned tone, unclear next steps.

在那一刻，AI的承诺感觉被夸大了。凯特站起来，伸展身体，认真考虑结束她的AI驱动过程实验。但她停顿了一下。也许问题不在于工具。也许在于她如何使用它。她记下要在没有设计冲刺时钟的时候进行实验。

她回到她的草图，这次把它们铺在墙上。没有屏幕，没有提示。只有马克笔、便利贴和Sharpie涂鸦。人类判断接管了。凯特与她的产品伙伴合作， finalize the solution to test on Friday and spent the next hour storyboarding the experience in Figma.

凯特重新与AI接触，作为审阅者，而不是决策者。她提示它对故事板提供反馈，并惊讶地看到它 spit out detailed design, content, and micro-interaction suggestions for each of the steps of the storyboarded experience. 很多值得思考的地方，但她在创建原型时必须判断什么重要。但那要等到明天！

凯特的反思

AI在批评中暴露了我的一些盲点，这很好，但它基本上指出多个选项"可能有效"。我必须依靠我的批判性思维和本能来逻辑地、情感地和 contextually 权衡选项，以便选择一个最可测试并与第1天用户反馈一致的方向。

我也对它在审阅我的最终故事板时提出的建议感到惊讶，但我明天将需要一双新鲜的眼睛和所有我能聚集的人类判断。

同理心帮助我像新用户一样走过流程。视觉沟通通过将抽象步骤转化为真实的故事板供团队查看，而不是想象，帮助把所有东西整合在一起。

待办：尝试围绕六顶思考帽进行提示以获得不同视角。

星期四：原型（又名凯特和假装）

在第4天，团队通常将前一天的故事板转化为一个原型，可以在第5天与用户测试。原型不需要完全功能；模拟体验足以收集用户反馈。

凯特的原型日通常包括马拉松式的Figma设计会话和深夜披萨晚餐。她希望AI今天能改变这一点。她将昨天的故事板输入ChatGPT，并要求它提供屏幕。生成花了一些时间，但她兴奋地看到屏幕上逐渐出现一个屏幕流， except that it had 3 ¾ screens, instead of the 6 frames from her storyboard, as you can see in the image below.

她尝试了不同的提示，但无法获得完整的流程。当它提出创建一个Figma文件时，她很兴奋。她等了。又等了。并提醒它她正在那里等待。它最终给了她一个链接——一个不起作用的链接。这让她质疑为什么她首先需要Figma中的原型屏幕。那些无代码工具中的一个能完成工作吗？凯特记得她刚刚获得了Figma Make（Figma的AI提示到原型工具）的测试版访问权限，并决定对其进行测试。

她分享了她的故事板，添加了关于设计冲刺原型、问题和受众简要描述的上下文。几秒钟内，她看到代码正在生成，左边有运行描述。似乎需要一些时间，所以她去食堂吃午饭。

当凯特回来时，她惊讶地看到Figma Make已经创建了一个应用，并附有详细解释：

“我创建了一个完整的金融应用原型，有五个关键屏幕，以友好、低压的方式引导用户设定财务目标。该应用具有使用Framer Motion的流畅动画，一个进度指示器显示用户在旅程中的位置，以及贯穿体验的情感支持视觉和文案。每个屏幕服务于特定目的：欢迎用户，帮助他们定义相关的目标，通过视觉反馈构建他们的计划，呈现一个简单的总结，并在没有压力的情况下提供下一步。

你可能想：

• 添加个性化选项，如用户档案或头像。
• 实现黑暗模式切换以提升可访问性。
• 创建额外的目标模板和储蓄策略。”

由于Figma Make构建了原型，而不是她，凯特感觉自己是用户0，并点击方式通过交互式原型， mental note of what worked, what didn’t. 她印象深刻地看到，她不仅可以选择一个共同目标（买房，为教育储蓄，等等），还可以创建自己的目标（你好De’Longhi咖啡机），并且它在余下的体验中延续。这是她在Figma设计中从未能够做到的事情！

尽管有一些明显的遗漏，如缺少标题和导航，以及一些按钮不起作用，但她印象深刻！凯特尝试了"发布"选项，它给了她一个链接，她立即与她的产品和工程伙伴分享。几分钟后，他们加入她在会议室，一起探索它。工程师扫描了代码，似乎并不印象深刻，但说它可以作为一次性原型工作。

凯特提示Figma Make添加一个橙色标题和应用导航，这次三人组睁大眼睛看着代码和英文描述的进展。结果相当不错。他们花了下一个小时进行更改，以准备测试。即使他没有承认，工程师似乎对结果印象深刻，如果不是代码的话。

下午晚些时候，他们有了一个功能正常的交互式原型。凯特将原型链接输入ChatGPT，并要求它创建一个可用性测试脚本。它提出了一个基本但完整的测试脚本，包括观察者做笔记的清单。

凯特仔细检查了脚本，并更新它以添加关于AI透明度、情感检查、更具体的任务场景以及循环回到冲刺目标的测试后汇报的探测问题。

凯特与她的产品伙伴进行了干运行，后者取笑她：“你真的需要我吗？你的AI不能做吗？“她没有想过，但现在她很好奇！

“充当一个首次看到这个交互式原型的Gen Z用户。你会对语言、步骤和语气有什么反应？什么会让你感到更自信或掌控？”

它工作了！ChatGPT模拟了第一个屏幕的用户反馈，并问她是否想继续。“是的，请，“她输入。几秒钟后，她正在阅读可能非常像是来自测试的逐屏转录。

凯特在开车回家时仍在处理她所看到的东西，很高兴她不必熬夜。使用AI的模拟测试乍一看令人印象深刻。但她越想越觉得不安。输出没有提到模拟用户点击了什么，如果她问了，她可能会收到一个答案。但那会有多有用？在几乎错过出口后，她强迫自己考虑在家吃一顿轻松的饭，而不是她通常的原型-星期四-多任务-披萨-晚餐。

凯特的反思

今天是我这一周感觉最元的一天：用AI构建一个关于AI的原型，同时被AI指导。而且并非所有事情都按我预期的方式发展。

虽然ChatGPT没有交付原型屏幕，但Figma Make编码了一个工作的、交互式的原型，具有我在Figma设计中无法构建的交互。我今天使用了好奇心和实验，通过问：如果我重新措辞这个会怎样？如果我翻转那个流程会怎样？

AI移动得很快，但我必须不断 steering. 但我不得不承认，通过改变单词而不是代码来调整原型，感觉像魔术！

批判性思维不再是可选的——它是赌注。

我即兴要求ChatGPT模拟一个Gen Z用户测试我的流程？那部分既让我印象深刻又让我不安。我需要时间来处理这个。但这可以等到下周。明天，我与5个Gen Zs测试——真人。

星期五：测试（又名原型遇见用户）

设计冲刺的第5天是一周工作的 culmination，从理解问题、探索解决方案、选择最佳方案到构建原型。这是团队采访用户并通过观察他们对原型的反应以及看它是否真的对他们重要来学习的时候。

当凯特准备测试时，她将自己 grounded in the sprint problem statement and the users: “我们如何帮助Gen Z用户在我们的应用中自信地采取他们的第一个财务行动——以一种感觉简单、安全并让他们掌控的方式？”

她最后一次点击通过原型——链接仍然有效！以防万一，她还保存了截图。

凯特主持了五次测试，而她的产品和工程伙伴观察。原型可能是AI生成的，但反应是人类的。她观察到人们在哪里犹豫，什么让他们感到安全和掌控。根据参与者，她会 pivot, go off-script, and ask clarifying questions, getting deeper insights.

每次会话后，她将转录文本和他们的笔记放入ChatGPT，要求它将那个用户的反馈总结为痛点、积极信号和任何相关引述。在五轮结束时，她提示他们找出重复主题，用作他们反思和综合的输入。

三人组梳理了结果，留意任何可疑的AI生成结果。他们遇到了一个：“用户信任AI”。没有一个用户提到或点击了"为什么这个？“链接，但AI可能假设透明度功能有效，因为它们在原型中可用。

他们一致认为原型与用户产生共鸣，允许所有人都轻松设定他们的财务目标，并确定了几个改进机会：更好地解释AI生成的计划，并在创建计划后庆祝"胜利"时刻。这两者在产品构建过程中都相当容易解决。

这是这一周的愉快结束：又一个设计冲刺结束，以及凯特的第一次AI增强设计冲刺！她星期一开始时焦虑落后，被选项淹没。她星期五结束时对一个经过验证的概念充满信心， grounded in real user needs, and empowered by tools she now knew how to steer.

凯特的反思

昨天用AI试驾我的原型让我印象深刻和不安。但今天与人的测试提醒我为什么我们与真实用户测试，而不是代理或与用户互动的人，而是实际最终用户。而GenAI不是用户。五次测试考验了我的设计师观察技能。

GenAI帮助快速总结测试转录，但本周最后一次偷偷加入了一个幻觉——关于AI！对于AI，不要信任——总是验证！批判性思维不会去任何地方。

AI可以用文字快速移动，但只有人才能使用同理心超越文字，真正理解人类情感。

我的下一个目标是学习更好地与AI交谈，这样我才能获得更好的结果。

结论

在五天的时间里，凯特探索了AI如何融入她的UX工作，不是通过阅读文章或LinkedIn帖子，而是通过实践。通过日常实验、迭代和失误，她 comfortable with AI as a collaborator to support a design sprint. 它加速了每个阶段：综合用户反馈、生成发散想法、提供反馈，甚至启动一个工作原型，如下所示。

到星期五清楚的是，速度不是洞察。虽然AI快速产生输出，但正是凯特的设计师技能——好奇心、同理心、观察、视觉沟通、实验，以及最重要的批判性思维和成长心态——将数据和模式转化为有意义的见解。她保持在主导地位，验证声称，调整提示，并在自动化不足的地方应用判断。

她星期一开始时，被AI炒作的噪音淹没，她的信心因不确定而暗淡。她质疑自己在快速变化 landscape 中的相关性。到星期五，她不仅有一个经过验证的概念，而且重塑了她整个设计方法。她已经 evolved: from AI-curious to AI-confident, from reactive to proactive, from unsure to empowered. 她的心态已经转变：AI不再是威胁或趋势；它像一个她可以指导、批评和合作的聪明实习生。她不仅仅是适应AI。她重新定义了在AI时代作为一名设计师的意义。

经验提出了更深层次的问题：我们如何确保AI增强的输出不是编造的？我们应该如何对待AI生成的用户反馈？伦理和人类责任在哪里交汇？

除了他们设计冲刺问题的经过验证的解决方案外，凯特还原型化了一种作为AI增强设计师的新工作方式。

现在的问题不仅仅是"设计师应该使用AI吗？"。它是"我们如何负责任地、创造性地、有意识地与AI合作？"。这就是下一篇文章将探索的：使用可重复框架设计你与AI的互动。

资源

• Sprint: How to Solve Big Problems and Test New Ideas in Just Five Days, by Jake Knapp
• The Design Sprint
• Figma Make
• “OpenAI Appeals ‘Sweeping, Unprecedented Order’ Requiring It Maintain All ChatGPT Logs”, Vanessa Taylor

工具

如前所述，ChatGPT是凯特依赖的通用LLM，但你可以将其换为Claude、Gemini、Copilot或其他竞争对手，并可能获得类似的结果（或至少同样奇怪的惊喜）。以下是一些可能更适合每个冲刺阶段的替代AI工具。请注意，随着每周有数十个新的AI工具出现，这个列表远非详尽。