夜雨聆风点击蓝字
关注我们
2026/6/11
每天学到一点点
你有没有发现，很多健康类APP做出来总觉得“不好用”？要填的信息太复杂，想找的功能找不到，完全不贴合咱们病人真实的需求——这其实是因为很多产品设计的时候，没有让真正用它的人参与进来。
现在行业里流行一种方法叫“协同设计”，就是让患者、医生和开发者坐在一起，从头到尾一起做产品，解决的就是这个“不好用”的问题。但这种方法也有麻烦：比如普通用户不会画设计图，想半天说不清楚自己要什么；老人家不会用复杂工具，根本参与不进来；做一张原型图要花好多时间，成本高进度慢。
最近爆火的生成式AI，能不能帮我们解决这些问题？伦敦国王学院的研究团队真的把AI用到了两个健康产品设计项目里，还总结出了一套普通人直接能用的经验——原来AI不仅能降门槛，只要用对方法，还能帮更多弱势人群说出自己的需求。
1
AI当“翻译官”：把你的想法直接变成设计图
研究团队做了两个不同的项目试手：第一个是给二型糖尿病患者做一款缓解焦虑的VR正念APP，让患者自己设计他们喜欢的放松场景；第二个是做了一个在线工具包，教其他人怎么给健康产品做协同设计，让参与者一起用AI做工具包的内容。
放在以前，患者说“我想要一个海边的森林场景，有轻轻的海浪声”，设计师得画图、做音效，折腾好几天才能出来一个样品，改一次还要再等好久。现在有了AI，患者说一句话，几分钟就能出来好几个不同的图像、音频样品，直接就能看效果好不好，不合适马上就能换。
研究里发现，这个改变真的大大降低了参与门槛：原来很多不会用设计软件、说不清楚想法的人，现在直接说自然语言就能拿到可视化的结果，创意表达的“损耗”一下子少了好多，参与积极性也高了。
2
用AI不是甩锅给AI，这些坑一定要避开
当然，AI不是万能的，直接用很容易踩坑。研究团队试了一圈，总结出了几个最常见的问题，也找到了应对的办法：
第一个坑是选工具乱花钱。现在AI工具少说有几十种，有的免费有的要付费，研究下来发现，付费版的生成质量确实比免费好很多，踩坑更少，参与者满意度也高得多；但一个个单独买会员太麻烦，管理十几个账号能把人累死，用POE这种集成平台，一个会员就能用几百种工具，能省60%的精力，非常划算。
第二个坑是大家对AI不了解，容易盲目信AI，也容易有隐私顾虑。比如很多人不知道AI会“犯病”，生成的内容可能带偏见——比如之前AI生成的糖尿病患者默认都是白人老头，正念场景只有西方山林，没有咱们熟悉的江南园林或者中式庭院。所以用AI之前一定要给所有人做个小科普：AI能做什么，不能做什么，有什么风险；然后不用让参与者自己注册账号，研究团队统一用公共账号登录，就不会泄露参与者的个人信息，隐私问题一下子就解决了；最后所有AI生成的内容，都要让参与者自己确认，还要多个研究者交叉检查，把有问题的内容提前去掉。
第三个坑是数字鸿沟反而会把一部分人挡在外头。比如有的老人不会用电脑，有的朋友就是不信任AI不想自己操作，怎么办？研究团队的办法特别简单：不想自己输指令没关系，你说想法，我帮你输；没有设备或者不会上网，咱们线下面对面做，你说了算，主动权始终在你手里。这么调整之后，原来因为各种原因不能参与的人，几乎都能顺利加入了，不同年龄、不同数字素养的人的需求，都能平等地出现在最终设计里。
还有一个大家容易忽略的问题就是版权。现在全世界都没说清楚AI生成的内容版权到底归谁，直接把AI做的图放到论文里大概率过不了审。研究团队的应对方法也很实用：找和AI生成内容差不多的免版权素材替代，然后把AI原来生成的内容用文字详细描述清楚，既不违反规则，也能完整呈现参与者的想法。
3
AI永远是辅助，设计的主角永远是人
很多人担心，用了AI之后，会不会最后变成AI设计，用户只点头？这个研究给我们吃了一颗定心丸：只要定位对，AI不仅不会抢人的话语权，反而能让更多人发出声音。
研究里数据很有意思：原来传统协同设计里，低数字素养的人能说清楚的需求，还不到高素养人群的一半；用了AI辅助之后，这个比例提升到了八成以上，差不多抹平了能力差异带来的不公平。对于本来就会设计的专业人士，AI也能帮他们省时间，原来画原型要一周，现在一天就能做完，能把更多时间花在听用户需求上。
核心原则其实只有一句话：AI是帮人表达的工具，不是替人做决定的老板。所有设计的决策权，始终要握在使用者手里。
现在AI在医疗设计里的应用还刚刚开始，还有很多问题等着大家探索：比如针对神经多样性人群、认知障碍人群，还需要做专门定制的AI工具；不同国家、不同文化场景下，怎么调整方法也需要更多测试。但不可否认的是，AI已经给我们打开了一扇门：未来做健康产品，再也不是设计师闷头做出来给用户用，而是任何一个普通人，都能轻轻松松说出自己的需求，一起做出真正好用的健康工具。
毕竟，只有用的人最知道自己需要什么，不是吗？
参考文献：Using Generative Artificial Intelligence (GenAI) in Digital Health Co-Design: Some Lessons Learned（https://doi.org/10.31219/osf.io/aueh3_v1）
声明：本公众号发布的心理学论文内容仅用于科普，不构成任何医疗建议。禁止曲解、断章取义本内容，未经授权禁止商业转载。科研成果不保证内容绝对完整准确，读者请理性参考。
扫码关注，每天进步多一点
