AI 设计全面取代设计师?目前恐怕还不行

AI 设计全面取代设计师?目前恐怕还不行

上周的一个下午,我与某设计协同产品的团队在一家咖啡馆讨论着 Ai 设计。
在我们座位的后方,同样坐着几位年轻人,大家激动地聊着 AI 给如今的互联网带来的冲击,以及若隐若现的各种机会。
不断地进化,关联的产品层出不穷。设计,作为 AI 领域里不可忽视的一个分支同样也备受关注。

AI 设计到底行不行?设计师的工作会有哪些影响和变化?这些都是设计领域最近被讨论得最多的话题。

这两个多月,我将研究的重心全面转向了 AI 设计以及在未来它与设计师的关系上。结合着最近与一些领域内相关公司的交流,还是有一些自己的观点和想法,在这里一起与大家分享一下。

如果还有其他的公司也准备做一些 AI 在界面设计领域的尝试,非常欢迎来私信我一起聊聊,也许我们还有一些合作的可能性。😊

注:本文所聊的 AI 设计特指 AI 在界面设计中的应用,插画、CG 等图像类设计不在本篇讨论范畴。

•••

先抛几个观点和判断:

AI 给对设计的加持的确让人很兴奋,但事实上在目前它们只是论证了可能性,而并非可行性(或者说是确定性),但从可能到可行,真正进入商用环节其实还有一段路需要走。

所以这里我想先抛出一些自己的观点和判断,大家可以先姑且带着这些信息继续往下读。

  • AI 技术真正进入界面设计工作至少还需要一年时间,甚至更久。
  • 设计系统会因为 AI 设计变得更加底层,但价值也将更为显性化。
  • 未来 AI 设计工具的优劣,很大程度会取决于经验和规则的优劣。
  • AI 会给很多基础、重复性设计工作带来冲击,但它并不是即刻,但两年内一定会发生。
  • 设计师岗位进化将进一步加速,两年内会出现更多的架构型设计师 & 产品型设计师。

 

一些可能性的案例及原理:

这半年来,设计领域出现了不少基于 AI 的新产品和工具。输入一段文本描述或是拍一张手绘线框稿,点击发送。一张界面设计稿,甚至连代码就帮你完成了。

看上去确实非常的让人激动,但仔细分析一下你就会发现它们并不是突然一步迈到了你的面前。这里我们可以通过几个案例来分析一下现有 AI 界面设计的思路。

01. Galileo AI

Galileo AI 是近期被很多人提起的一个 AI 设计工具,通过一段简要的描述就可以生成对应的 UI 界面。Galileo 会基于用户的描述和系统内置的“库”给出界面设计方案。

An onboarding screen for a dog walking app

02. Uizard

相较于 Galileo AI,Uizard 则稍稍进了一步,可以基于文案描述来生成一组页面。

比如下方这个宠物素食应用,还是输入一段描述,不同的是系统生成的是一套设计方案,比如商品列表、详情、购物支付等。

我们将两个 demo 的输入信息进行一下分析,会发现两个关键信息:

01. 界面类型

两个案例中分别提及了关键词 Onboarding page 和 Delivery app  ,它让 AI 明白用户需要的是哪些类型的界面。

02. 产品类型

两个案例中分别提及了关键词 dog walking app 和 vegan pet food ,它能让 AI 进一步了解用户需要的是哪一类型的产品,甚至此类产品常用的文案信息以及界面风格。

我们以Galileo 的遛狗应用为例,系统能够通过对「界面类型」和「产品类型」两个关键词属性的分析,挑选出与之匹配的模板、物料进行拼接,快速地生产用户所需要的界面。

这类 AI 设计工具原理最核心的在于对“案例库”的引入,这就相当于给 AI 提供了一系列的行业属性和通用设计规则。

互联网产品设计发展至今,界面设计已经足够的类型化和模式化。我们可以从大量的案例库和“飞机稿”中提取设计规则,也正是得益于 GPT 的强大处理能力,让 AI 界面设计具备了可能性。

这也是为什么我们输入一段文字就能获得一个看上去还不错的界面设计。

03. GPT 4

最近刚发布的 GPT 4,增加了对图片输入的支持,甚至更进一步直接将线框稿转化成了 HTML 代码。

Demo 虽然很简单,但它向大家证明了 AI 可以帮助用户完成从 Wireframe 到Code 的完整能力。

相较于前面两款「文转图」的产品,GPT 4 不仅仅有案例库,它还增加与之匹配的代码模块。

读过前面设计系统系列文章的同学们应该已经发现,这其实就是得益于一套完备的设计系统的支持。

无论是 Material Design、BootStrap 还是 AntDesign,都可以轻松地胜任这项工作。

这也是为什么我在前面提到设计系统会因为 AI 设计变得更加底层,但价值也将更为显性化的原因。

小结一下:

现有的 AI 界面设计工具,核心在于需求输入 → 需求分析 → 规则匹配 → 结果输出四个步骤。

输入、分析、输出已经成为 AI 的基建能力,而规则的优劣将影响一款 AI 设计工具服务能力和质量。

有了这个基础认知,AI 写简历、AI PPT 等 AI 工具的逻辑就很好理解了。大家只是行业不同,案例库和规则不同而已。

AI 全面取代设计师?目前恐怕还不行

我们前面说过,以目前的产品能力来看还只是论证了 AI 界面设计的可能性,离真正进入商用还有一定的距离。而这其中的核心就在于案例库和设计规则是否能够支持在业务中的设计工作。

如今我们所拥有的案例库,大量来源于各类产品截图和飞机稿。它们既没有业务和需求的背景输入,也没有数据验证的佐证,更别谈从中抽象出具体的设计规则。

将它作为前期的探索和启发是可以的,但如果直接参与到业务需求的设计中,我相信没有哪个需求方会同意。

当然,我们还是看到一些具备可行性的案例

除了上面提到的这些专注于设计领域的工具产品,其实还有很多其他领域的公司也在尝试 AI 设计。

相较而言它们的目标需求会更加的明确,就是要解决某个具体领域或业务中的设计问题。

01. Flipboard

通过 AI 来进行界面设计,其实可以更早地追溯到 2014 年左右,由著名的电子杂志应用 Flipboard 推出的排版布局引擎 Duplo。

由于移动端高速发展所带来的排版挑战,Flipboard 基于原有的 Page 布局引擎升级出了 Duplo。

相较于 Pages 所能提供的 20 种布局,Duplo 借助 AI 算法将布局的可能性直接提升至恐怖的 6,000 种。

同时 Duplo 也会通过设计师的专家经验输入和数据验证来进一步优化,组合成更大的布局模块供客户端渲染使用。

得益于 Duplo 的强大能力,无论在什么尺寸的设备上,什么类型的内容,我们都可以获得为之惊叹的阅读体验。

02. Airbnb

线框稿转界面代码,GPT 4 并不是第一个。Airbnb 的设计团队在 5 年前就有做过尝试。通过扫描线框稿,AI 就可以帮助设计师完成工程原型的转换。

相较于 GPT 4,Airbnb 的这个方案的可行性是极高的。Airbnb 有着非常完善的设计系统,每个模块从设计到代码都有一一对应。

从线框稿的识别到对应设计规则的匹配再到代码的生成完全可以直接进入业务生产流程。

03. Salesforce Einstein GPT

就在 GPT 4 发布前的几天,Salesforce 也发布了自己的 GPT 产品 – Einstein。

可能是因为它的行业特性,也有可能是几家大公司的声量太大,Salesforce 的这次发布并没有引起大家太多的关注。

严格意义上来说 Einstein GPT 并不是一款设计工具,但就我目前的观察而言,它却是当前将 AI 设计与商业结合得最好的产品。

Einstein 的设计功能是“埋”在产品中的,你可以唤起 AI 助手,通过输入一段文字描述来创建一个页面。比如下方的这个表单页面。

与 Airbnb 一样,Salesforce 也有着一套非常完备的设计系统 – Lightning Design。

用户可以很轻松的创建一个基于业务特性的应用界面,而且它不是设计稿,而是一个已开发完成且可以与用户进行交互的产品功能。

相较于前面的这些产品,Einstein 则更进一步地将设计融入到了工作流程中。

这张通过 AI 设计生产的表单界面可以直接发布上线,回收的数据也可以直接进入业务数据库中。

这也是 Einstein GPT 最让人激动的地方,将 AI 的能力真正融入到了产品。无论是设计还是文本处理,目的都是直接参与到业务生产中,帮助用户高效的完成工作。

说到这里就不得不提一下钉钉和飞书这两款产品。在我看来这两家公司都具备完善的业务级设计系统,也都存在大量的界面设计需求。

而且钉钉原本就已有酷应用和宜搭两块产品能力,非常适合于将自己的 GPT 能力与 AI 界面设计进行结合。

所以在国内的市场中,我还挺期待这两家产品在这方面的动作。想看看它们在后续的产品研发中在 AI 方向会做些什么,Salesforce 的 Einstein GPT 就是一个非常好的方向。

AI界面设计工具成功的前提条件

如何定义 AI 页面设计的成功?核心的评判标准还是质量和效率。

即在某个特定领域或业务中,完成的质量达到设计师的通用标准,完成的效率远超设计师。同时它还需要具备清晰的商业价值,有客户愿意为之买单。

想要达成这个目标,我认为必须满足以下四个前提条件:

01. 企业级或领域级 AI

现有 AI 的学习都是基于通用模型和数据来完成,所以它能提供的解决方案也只是可能性。

想要真正为业务提供确定性的方案,就必须结合行业知识和业务特性及数据来持续的学习进化,最终才能真正训练出一批懂业务、有专业的 AI 设计师。

02. 设计标准及专家输入

明确的设计标准和规则是 AI 工具能够参与到业务生产中最为重要的基础。

而在这个过程中,领域级设计系统和业务级设计系统的价值将进一步地放大,大家再也不用担心如何衡量设计系统的价值了。

03. 明确的市场需求

无论是 Flipboard 还是 Salesforce,它们在尝试解决的都是需求体量与生产成本(效率)之间的矛盾。

只有市场需求的明确存在,AI 设计工具才有创造价值的可能性。

04. 生产流程的融入

设计只是整个业务生产流程中的一环,仅仅只是设计环节的改变无法将 AI 的价值最大化。

像 Salesforce 一样将 AI 设计能力融入到业务生产流程中才有可能真正体现其价值,真正地做到降本提效。

如果基于这些前提来看,现有的大多数 AI 界面设计工具离成功还有着不小的距离。反而是这些在具体业务中尝试 AI 设计的公司已经开始让 AI 产生价值。

所以,在我看来 AI 设计工具的发展不应该走通用工具的路线,而是需要紧贴某个领域或者具体的业务来继续发展。

海外的 AI 设计工具发展得热火朝天,而在国内是似乎没什么太大动静?

其实这段时间有幸陆续与几家做设计类产品的公司有过一些交流,大家都还是比较客观冷静的在寻找 AI 设计的真正价值点。

相信用不了多久就会有一些产品出现,这里就不剧透了,大家期待一下吧。

阿里在 AI 设计上的一些尝试

回到 AI 界面设计这个话题,其实阿里早些年也做过一些尝试,有偏营销端也有偏 B 端,总的来说还是成功的。

也正是这些尝试让我坚信设计系统的长线价值,在后面的几年时间里持续投资源建设设计系统的中台能力。

接下来我将结合几个案例来与大家分享一下我这些年我对设计系统、AI 界面设计可行性的一些思考。

•••

以上内容是本期会员专刊的节选部分。

在本期会员专刊的全文里,将继续基于几个真实案例与大家分享过往几年我的一些尝试,以及设计系统 AI 化的一些思路。

加入会员,你还可以获得设计系统专题已更新的内容。

原文:https://mp.weixin.qq.com/s/wh6qS6-VB8OYfzXto0HCpg

- Posted in: AI

- Tags: ,

0 条评论 ,914 次阅读

发表评论

  1. 既然来了,说些什么?

Top