夜雨聆风最近和几个做设计的朋友聊天，气氛确实有点沉重。
有朋友半开玩笑地叹气——大模型生图越来越逼真，AI编码工具几秒钟就能生成一个完整的交互网页，自己以前花几天时间抠像素、配颜色，现在人家点个回车就搞定了。他问我，AI都这么强了，设计师以后还有活路吗？
说实话，最近我一直在琢磨这件事，结论恰恰相反。
AI越强，设计师反而越值钱，只是我们值钱的方式彻底变了。 以前我们值钱是因为能亲手把界面画出来、把像素对齐，现在这些执行层面的活儿正慢慢被AI接管。未来我们值钱的资本，是把问题定义对，把方向判断对，把体验把关对。
这三个能力具体怎么练、大厂的设计师现在在现场到底怎么用——今晚我会在直播间用真实的项目案例一个一个拆给你看。
能力一：定义问题的能力
AI是极其勤奋、随叫随到的超级执行者，但它有一个致命的弱点——只能顺着你的提问往下回答。如果你的问题一开始就偏了，AI不仅不会纠错，反而会用强大的执行力，把这个偏掉的题做得更加精致、更加天衣无缝。
前阵子跟一个做后台产品的设计团队聊智能客服项目，很有启发。
业务部门提的需求很直接——提升客服工作台的响应效率。如果设计师直接去跟AI说“帮我设计一个高效率的客服工作台”，AI绝对会交出一份近乎完美的答卷：更合理的侧边栏布局、更快捷的回复模板、更醒目的警示红点。
听着非常合理对吧？但仔细想想，我们真正要解决的问题，真的是让客服人员更累、更快地去回复消息吗？并不是。
如果重新定义问题——如何提升AI客服接待的闭环率，整个设计走向就完全不同了。我们不再把精力花在优化那个复杂的客服工作台上，而是去琢磨怎么优化AI的接待入口、怎么设计转人工时的无缝衔接、怎么把用户反馈的问题沉淀到知识库里。
AI是超级执行者，你才是问题定义者。问题定义错了，AI越能干，你越快跑偏。
能力二：判断“合理”还是“适合”的能力
AI是用互联网上无穷无尽的公开数据喂出来的，所以它能轻松告诉你“通常怎么做”。也就是说，AI极其擅长给出符合大众预期的合理方案，但它很难判断什么才是当下最适合的方案。 这中间的差距，只有具备同理心和现场感的设计师才能补上。
来看一个电商客服系统的真实场景。
买家在对话框里发了一句：“我都等了三天了还没发货。”
如果把这个场景丢给AI，它的“合理”反应大概率是先礼貌道歉、安抚用户、然后自动查物流数据库、告诉用户仓库正在打包。从逻辑上挑不出任何毛病。
但一个有经验的设计师站在现场，就会敏锐地察觉到不对劲——等了三天还没发货，用户的潜台词已经写满了愤怒和不信任。这时候AI还在用冷冰冰的官方套话硬答，只会火上浇油。最适合的决策绝对不是继续让AI耗着用户，而是立刻启动追问确认，或者直接无缝转给人工客服。
AI能告诉你“通常”怎么做，但只有你能判断“在这里”该不该这么做。这种对具体上下文的温度把控，就是设计师无法被算法取代的护城河。
能力三：持续优化的能力
以前做传统软件设计，往往有一个明确的“交付完成”状态。设计稿画完了，开发上线了，设计师就可以去接下一个需求。
但在AI时代，产品的发展规律变了。大模型的输出是非确定的，你不可能在设计稿里把用户可能遇到的所有情况都穷尽。
AI产品没有“交付完成”这个状态，只有“第一版上线”这个起点。
当你的第一版AI功能上线后，挑战才刚刚开始。你需要盯着真实的线上数据，看用户到底是怎么跟AI唠嗑的，发现那些AI答非所问的尴尬瞬间，然后倒逼自己去调优交互流、更新微调的策略。这种在真实复杂的生态里持续监测、持续打磨体验的耐力，是以前躺在设计规范里的设计师所没有的。
面对AI的冲击，我们真的不需要过度恐慌。
工具的门槛被拉得越低，真正有判断力的人就越稀缺。 未来被持续需要的，不是会画界面的人，而是能把对的问题问出来、把真正适合的判断出来的人。
这三个能力，说起来简单，练起来需要方法、需要案例、需要有人在真实的大厂场景里给你拆解一遍。
所以今晚，我专门做了一场直播，主题就叫「大厂设计工作流正在被AI重写」。
不聊虚的，就用我亲身参与的真实项目，把上面三个能力——问题怎么定义、方案怎么判断、上线后怎么持续优化——从需求到落地的全过程，掰开揉碎讲清楚。
👇点击下方链接预约直播，今晚见。
分享导师：字节跳动资深UX设计师/集创堂导师
