夜雨聆风AI / DESIGN / ORGANIZATION
AI时代下设计团队的组织变革
设计工具变快了，页面产出变多了，但公司的交付品质、客户体验和品牌口碑，却未必因此变好。
过去几年，AI 工具快速进入设计和软件开发流程。设计师可以用 AI 找参考、生成视觉方向、辅助写文案、整理竞品、产出图标、生成插画，甚至快速搭建原型。表面上看，设计工作的效率正在被显著提升。
但一个更值得警惕的问题也随之出现：效率提高之后，组织真的变得更懂用户了吗？交付速度变快之后，客户体验、品牌口碑和项目复购真的同步提升了吗？
在许多项目制软件公司，尤其是为政府、文旅、交通、园区、能源等行业客户提供数字化建设服务的团队中，工作流程依然高度相似：客户提出需求，产品经理或项目经理整理原型，设计师输出高保真界面，研发完成开发，测试修复问题，最终交付验收。
在这个流程里，设计师常常被放在“需求已经确定之后、开发开始之前”的位置。他们被要求让页面更美观、更规范、更符合客户偏好，却很少系统性参与需求判断、业务流程梳理、用户目标定义和上线后的效果复盘。
如果组织仍然只围绕交付物运转，AI 只会加速交付；但加速交付不等于创造价值。
这篇文章讨论的不是“设计师如何用 AI 提效”，也不是“企业如何提高项目管理效率”，而是一个更根本的问题：在 AI 已经能够完成大量中低复杂度产出的时代，项目制软件公司和一线设计师，如何从交付导向转向目标导向？
本文将讨论 5 个核心问题
01 项目制公司的设计师为什么容易变成页面美化师？
02 AI 为什么没有自动提高交付品质？
03 Lean UX 对项目制团队真正有价值的部分是什么？
04 政府文旅数字化为什么尤其需要目标导向设计？
05 组织和设计师应该如何具体转型？
一、项目制公司的设计困境：设计师为什么会变成“页面美化师”？
在成熟产品公司里，设计师往往更容易围绕长期产品、持续用户和业务指标展开工作。产品有版本迭代，有用户数据，有增长、留存、转化、满意度等持续反馈，设计师能够相对稳定地参与一个产品从问题发现到方案验证再到上线优化的过程。
但项目制公司不同。项目制公司的基本逻辑通常不是“持续经营一个产品”，而是“按照合同范围完成一批交付”。这决定了组织关注的重点往往是范围、节点、成本、验收和客户满意度，而不是长期用户行为变化。
1. 设计进入得太晚，导致只能优化表层
很多项目中，设计师拿到的是已经被整理好的原型。此时，功能结构已经确定，页面数量已经确定，流程路径已经确定，甚至客户对页面呈现方式也已经形成了预期。
设计师能做的主要是视觉层面的优化：调整信息层级，统一组件规范，优化色彩和图形表达，让页面看起来更精致、更专业。
但真正影响系统体验的问题，往往并不在视觉层面，而在更前面：
用户是谁？他在什么场景下使用？他要完成什么任务？当前流程为什么低效？这个功能是否真的必要？客户提出的“想要”是否对应真实业务目标？系统上线后，用户行为应该发生什么变化？
如果这些问题在需求阶段没有被充分讨论，设计师后续再努力，也只能在既定框架中做局部修补。
很多项目体验差的根本原因，不是页面不够美，而是问题定义错了、流程结构错了、目标对象错了。
2. 公共资源池机制，让设计师难以形成业务深度
大型项目制公司常常把设计、前端、测试等岗位作为公共资源池，根据项目节点进行调度。这种方式有利于短期资源利用，却天然削弱了个人对业务的深度参与。
设计师可能这个月做文旅项目，下个月做政务项目，再下个月做园区项目。每个项目都要快速进入、快速出图、快速撤离。久而久之，设计师对行业的理解停留在表层，对客户组织结构、业务流程、真实用户场景缺乏连续观察。
组织越大，项目越多，资源看似越充足；但每个人参与业务的深度反而越浅，最终系统体验越容易割裂。
3. 组织考核“完成”，却很少考核“有效”
项目制组织最容易衡量的是交付物：页面是否完成、需求是否开发、测试是否通过、文档是否齐全、是否按期验收、客户是否签字。
但真正决定数字化项目价值的，往往是另一组问题：系统是否真的被使用？用户完成任务的时间是否缩短？基层人员重复录入是否减少？管理者是否更快发现异常？客户是否愿意在后续项目中继续合作？
图表 1
数字化项目的“交付—价值”断层
同样是“交付”，按时做完和真正产生业务价值并不是一回事。
数据来源：McKinsey & Company《Delivering large-scale IT projects on time, on budget, and on value》；Gartner《Gartner Survey Reveals That Only 48% of Digital Initiatives Meet or Exceed Their Business Outcome Targets》。
McKinsey 对大型 IT 项目的研究显示，大型 IT 项目平均超预算 45%、延期 7%，实际交付价值比预期少 56%；其中，软件项目是成本和进度超支风险最高的一类。
——数据来源：McKinsey & Company《Delivering large-scale IT projects on time, on budget, and on value》原文链接：https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/delivering-large-scale-it-projects-on-time-on-budget-and-on-value
Gartner 在 2024 年发布的 CIO 与技术高管调查中指出，企业范围内平均只有 48% 的数字化计划达到或超过业务结果目标；而表现更好的“数字先锋”（Digital Vanguard）群体，这一比例达到 71%。
——数据来源：Gartner《Gartner Survey Reveals That Only 48% of Digital Initiatives Meet or Exceed Their Business Outcome Targets》原文链接：https://www.gartner.com/en/newsroom/press-releases/2024-10-22-gartner-survey-reveals-that-only-48-percent-of-digital-initiatives-meet-or-exceed-their-business-outcome-targets
二、AI 不是解决方案本身，而是组织问题的放大器
AI 的出现，确实改变了设计工作的生产方式。过去需要较长时间完成的视觉探索、资料整理、文案初稿、图标生成、方案发散，现在可以在更短时间内完成。
但问题在于：效率提升之后，节约出来的时间流向了哪里？
在很多项目制团队中，答案并不乐观。设计师节省下来的时间，并没有被系统性投入到用户研究、业务理解、流程梳理和效果验证中，而是被更多需求填满。
也就是说，AI 并没有自动把组织从“交付导向”带向“目标导向”。它只是让原有组织方式跑得更快。
如果原来的流程是错误的，AI 会让错误流程更快运转。
如果原来的需求是未经验证的，AI 会让未经验证的方案更快成型。
如果原来的组织只考核交付数量，AI 会让团队生产更多交付物。
图表 2
AI 采用率高，但组织化价值仍然稀缺
“会用 AI”与“通过 AI 创造组织级价值”之间存在明显落差。
数据来源：McKinsey & Company《The State of AI: Global Survey 2025》；Atlassian《State of Teams 2026》。
McKinsey 2025 年全球 AI 调查显示，88% 的受访者表示其组织已在至少一个业务职能中常规使用 AI，高于前一年的 78%；但多数组织仍处在实验或试点阶段，只有约三分之一开始规模化推进 AI 项目。调查还指出，只有 39% 的受访者报告 AI 在企业层面带来了 EBIT 影响。
——数据来源：McKinsey & Company《The State of AI: Global Survey 2025 / The State of AI in 2025: Agents, innovation, and transformation》原文链接：https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
Atlassian 2026 年团队研究指出，真正找到 AI ROI 组织化路径的团队只有 14%。这些团队并不是简单让个人使用 AI，而是把 AI 嵌入上下文、工作流和团队文化。
——数据来源：Atlassian《State of Teams 2026》原文链接：https://www.atlassian.com/blog/state-of-teams-2026
三、AI 时代，设计岗位的价值正在重新分层
很多人讨论 AI 与设计的关系时，容易走向两个极端。一种观点认为 AI 会很快替代设计师；另一种观点认为设计是创造性工作，AI 无法真正替代。
这两种判断都过于简单。更准确的说法是：AI 不会一次性替代所有设计师，但会快速压缩只依赖执行型产出的设计价值。
对于大量初级和中级设计工作而言，过去的核心竞争力往往来自工具熟练度、视觉执行速度、基础审美、组件复用能力和页面细节处理能力。但这些能力正在被 AI 和设计工具不断“商品化”。
图表 3
未来技能结构变化
岗位不会简单消失，但能力结构会被重新定价。
22%到 2030 年受结构性变化影响的岗位
近 40%岗位所需技能预计发生变化
63%雇主认为技能缺口是业务转型主要障碍
7800 万预计到 2030 年全球岗位净增长
数据来源：World Economic Forum《The Future of Jobs Report 2025》。
Nielsen Norman Group 在 2025 年对 AI 设计工具的评估中指出，尽管窄范围 AI 设计工具有所改善，但大多数设计专用 AI 工具仍然无法复制人类设计师的整体输出质量，设计职业也尚未面临被整体替代的风险。与此同时，目前更有用的 AI 设计能力往往集中在窄域、重复性任务上。
——观点来源：Nielsen Norman Group《AI Design Tools Are Marginally Better: Status Update》原文链接：https://www.nngroup.com/articles/ai-design-tools-update-2/
世界经济论坛《未来就业报告 2025》显示，到 2030 年，全球约 22% 的工作岗位将受到结构性变化影响，预计创造 1.7 亿个新岗位、替代 9200 万个岗位，净增 7800 万个岗位；同时，近 40% 的岗位技能将发生变化，63% 的雇主认为技能缺口是业务转型的主要障碍。
——数据来源：World Economic Forum《The Future of Jobs Report 2025》原文链接：https://www.weforum.org/press/2025/01/future-of-jobs-report-2025-78-million-new-job-opportunities-by-2030-but-urgent-upskilling-needed-to-prepare-workforces/
未来设计师会分成三类
第一类：仍然停留在“接需求—画页面—交付文件”的执行链条中，越来越容易被 AI、模板、组件库和低代码工具压缩价值。
第二类：能够深入某个行业，理解业务角色、流程、指标、客户组织和真实使用场景。
第三类：能够把 AI 变成业务研究、方案推演、原型验证和知识沉淀的工具。
AI 时代真正稀缺的设计能力，不是单纯的视觉表现力，而是：问题定义能力、行业理解能力、目标翻译能力、跨角色协作能力和验证学习能力。
四、Lean UX 的关键启发：设计不是交付物，而是结果
要突破项目制设计的困境，仅仅要求设计师“更主动”是不够的。设计师个人当然需要转型，但组织也必须改变对设计工作的定义。
这里，《Lean UX》提供了一个非常关键的视角：设计团队不应只围绕交付物工作，而应围绕结果工作。
《Lean UX》第三版强调，团队应该关注产品体验，而不是交付物本身；它强调将用户体验设计、产品发现、敏捷方法和产品管理结合起来，通过短周期迭代判断什么对业务和用户真正有效。
——观点来源：Jeff Gothelf、Josh Seiden《Lean UX: Designing Great Products with Agile Teams, 3rd Edition》原文链接：https://www.oreilly.com/library/view/lean-ux-3rd/9781098116293/
图表 4
从 Output 到 Outcome
设计价值不在于“做了什么”，而在于“用户因此发生了什么变化”。
Output：完成一个数据大屏
Outcome：管理者能否更快识别异常、定位原因、触发行动？
Output：完成一个 AI 助手
Outcome：用户是否减少跨系统查询、重复填报和人工汇总？
Output：完成项目验收
Outcome：系统是否持续被使用，并形成业务闭环？
在传统项目流程中，设计师最容易被要求交付一套高保真图、一套组件规范、一套大屏视觉、一套后台界面、一套移动端页面或一套汇报方案。这些都是 output，也就是产出物。
但 Lean UX 要求团队关注 outcome，也就是结果。结果不是“我们做了什么”，而是“用户因此发生了什么变化”。
例如，不是“我们完成了文旅大数据驾驶舱”，而是“管理人员是否更快发现异常并定位原因”。不是“我们完成了 AI 助手”，而是“用户是否减少跨系统查询、填报和汇总”。
Lean UX 的另一个重要方法，是把需求转化为假设。Jeff Gothelf 在 Lean UX Canvas 的说明中给出了一个假设表达方式：团队相信某个业务结果可以通过某类用户获得某种收益并使用某种功能来实现。这个结构迫使团队把业务结果、用户、收益和解决方案放在同一个逻辑链条里，而不是直接跳到功能设计。
——观点来源：Jeff Gothelf《How to Use the Lean UX Canvas》原文链接：https://jeffgothelf.com/blog/how-to-use-the-lean-ux-canvas/
客户说：“我要一个驾驶舱。” 团队不应马上开始画大屏，而应追问：谁需要看？看完做什么？哪些数据是行动信号？哪些只是展示信息？如果方案有效，用户行为会发生什么变化？
只有把需求变成假设，团队才会开始验证，而不是盲目执行。
五、文旅数字化项目为什么更需要目标导向设计？
政府文旅数字化项目有一个典型特征：它不是单一用户产品，而是多角色、多系统、多目标交织的服务系统。
一个文旅数字化项目，可能同时涉及文旅局领导、业务处室、景区管理方、景区运营人员、游客、商户、基层工作人员、数据运维人员和第三方服务团队。不同角色的目标并不相同，甚至会相互冲突。
领导：关注宏观态势、资源分布、客流变化、消费趋势和风险预警。
业务处室：关注活动管理、数据上报、资源统筹、政策落实和绩效呈现。
景区管理方：关注运营效率、安全调度、游客满意度和营收。
游客：关注是否省时、省心、少踩坑，能否快速获得有用服务。
如果设计师只根据原型画页面，就很难识别这些目标之间的关系。最终系统可能看起来很完整，但每个角色的任务都没有被真正简化。
GOV.UK 服务标准明确提出，公共服务团队应努力为用户解决完整问题，而不是只优化系统的一部分；服务应围绕用户需求设计，而不是围绕技术或预设方案设计。
——观点来源：GOV.UK Service Manual《2. Solve a whole problem for users》原文链接：https://www.gov.uk/service-manual/service-standard/point-2-solve-a-whole-problem
英国 Government Digital Service 在 2026 年关于复杂公共服务改进的文章中也指出，公共服务转型往往不是因为团队缺乏技能或投入而失败，而是因为没有单一团队能够处理影响用户结果的各种约束；许多团队只能优化系统的局部，整体用户体验却改变很少。
——观点来源：Government Digital Service《Testing a different way to improve complex public services》原文链接：https://gds.blog.gov.uk/2026/04/30/testing-a-different-way-to-improve-complex-public-services/
图表 5
文旅数字化项目的业务闭环
数字化不应只停留在展示层，而应回到完整业务链条。
很多文旅项目的问题，不是某个页面不好看，而是系统只解决了局部展示，没有解决完整业务链条。例如，一个文旅数据平台可能展示了客流、订单、舆情、活动、投诉等数据，但如果这些数据没有连接到预警、调度、处理、反馈和复盘机制，它就只是一个“看起来高级”的展示系统。
文旅数字化真正应该关注的是业务闭环：资源管理 → 活动策划 → 内容发布 → 游客触达 → 现场服务 → 投诉处理 → 数据回流 → 决策优化。
六、组织如何转型：从公共资源池到目标型小队
AI 时代，项目制组织不能只要求设计师更快出图，也不能只要求产品经理更快写需求。真正要改变的是组织协作方式。
1. 让设计师更早进入业务前线
设计师不应等原型完成后才进入项目。至少在关键项目中，设计师应该参与需求澄清会、客户访谈、用户任务梳理、业务流程拆解、竞品和标杆分析、核心假设定义、关键页面信息架构设计和上线后的反馈复盘。
这不是为了让设计师“抢产品经理的工作”，而是为了让设计能力提前进入问题定义阶段。
2. 从项目交付小组，转向目标型小队
传统项目小组通常按职能分工：产品负责需求，设计负责界面，研发负责实现，测试负责缺陷，项目经理负责节点，客户负责确认。这种分工在交付管理上很清晰，但在结果达成上容易割裂。
目标型小队则应该围绕结果组织：共同定义业务目标，共同拆解用户任务，共同识别关键假设，共同选择验证方式，共同承担上线后的效果反馈。
图表 6
项目制组织的转型路径
3. 改变设计团队的考核方式
如果组织仍然只考核设计师完成了多少页面、是否按时出图、视觉是否精美，那么设计师自然会把注意力放在交付物上。
更合理的设计评价应该增加结果指标：关键任务路径是否缩短，高频操作是否减少步骤，用户错误率是否降低，培训成本是否下降，客户反复修改是否减少，上线后高频问题是否被记录并迭代，同类项目是否沉淀出可复用业务模型。
4. 把 AI 嵌入团队工作流，而不是只放进个人工具箱
AI 不应只是设计师个人的出图工具。它可以进入整个项目流程：需求阶段整理访谈纪要，研究阶段辅助竞品分析，设计阶段生成多种流程方案，评审阶段帮助检查一致性，交付阶段辅助编写说明文档，复盘阶段归纳上线问题。
AI 的关键价值不是“让每个人更快完成自己的任务”，而是“让团队更快形成共同理解”。
七、设计师如何转型：从视觉执行者到业务目标设计者
组织需要改变，设计师个人也必须改变。AI 时代，设计师不能再把自己的核心价值定义为“会画页面”。会画页面仍然重要，但它越来越像基础能力，而不是差异化能力。
设计师拿到需求后，先问 5 个问题
1. 这个页面服务谁？
2. 他在什么场景下使用？
3. 他要完成什么任务？
4. 现在完成这个任务最大的阻碍是什么？
5. 设计完成后，我们希望他的行为发生什么变化？
例如，客户说要做一个“文旅数据驾驶舱”。如果设计师只考虑视觉，就会关注大屏风格、地图效果、卡片布局、动效、图表形式。但如果设计师从目标出发，就会追问：领导每天真的会看哪些指标？异常数据出现后谁负责处理？客流预警是否能触发调度动作？投诉数据是否能定位到景区、时间段和问题类型？数据展示后是否形成决策闭环？
这时，设计师的价值就不只是让页面更好看，而是让系统更接近真实业务。
把客户语言翻译成用户目标
客户语言往往是解决方案式的：“我要一个驾驶舱”“我要一个 AI 助手”“我要一个统一门户”“我要一个数据中台”“我要一个酷一点的首页”。
设计师要把这些语言翻译成目标语言：谁要使用？为什么使用？使用前发生了什么？使用后要完成什么动作？哪些信息必须优先出现？哪些功能只是客户想象中的“高级”？哪些任务可以通过 AI 减少人的重复劳动？
这就是 AI 时代设计师非常重要的一种能力：业务语义翻译能力。
我们相信，对于【某类用户】，在【某个场景】下，如果提供【某种功能/流程/界面】，将会帮助他们【更快/更少错误/更低成本地完成某个目标】，我们将通过【某个指标或观察信号】验证这一点。
例如：我们相信，对于景区运营人员，在节假日高峰期间，如果首页优先呈现客流预警、待处理投诉和设备异常，将帮助他们更快完成运营调度。我们将通过响应时间、任务处理时长和人工沟通次数来验证。
八、落地方法：建立“目标达成型设计流程”
对项目制公司来说，转型不能只停留在理念层面。下面是一套可以直接尝试的轻量流程。
图表 7
目标达成型设计流程
第一步：项目启动阶段增加“目标澄清工作坊”
参与角色建议包括：客户关键负责人、业务人员、产品经理、设计师、研发负责人、实施人员和数据人员。工作坊不要只产出需求清单，而要产出业务目标、用户角色、核心任务、当前痛点、关键假设、成功指标、约束条件和优先级判断。
第二步：设计前先画“用户任务地图”
不要一上来就画页面，而要先画任务路径：用户是谁？触发场景是什么？他要完成什么？现在怎么完成？过程中遇到什么阻碍？系统可以在哪一步提供帮助？哪些步骤可以减少、合并或自动化？
第三步：把高保真评审改成“目标评审”
传统评审常问页面好不好看、风格是否大气、颜色是否符合客户偏好。目标评审应该问：用户任务是否更短？核心信息是否更早出现？异常是否更容易被发现？是否减少跨系统跳转？是否支持业务闭环？是否能验证效果？
第四步：上线后保留轻量反馈机制
项目制团队不一定能像产品团队一样长期迭代，但至少可以建立最小反馈机制：上线后一周收集高频问题，上线一个月后做一次使用复盘，记录培训中用户听不懂的问题，记录低频使用或被绕开的模块，将问题沉淀为下一次同类项目的设计资产。
第五步：建立行业知识库，而不只是 UI 组件库
很多设计团队重视组件库，这是必要的。但对项目制公司来说，只有 UI 组件库远远不够。更有价值的是行业知识库。
文旅数字化团队至少可以沉淀：
行业角色库、业务流程库、典型任务库、指标体系库、常见痛点库、解决方案模式库、客户访谈问题库、可复用页面结构库、AI 提示词与分析模板库、上线问题与复盘案例库。
组件库提升的是界面一致性。知识库提升的是组织理解业务的能力。AI 时代，后者会比前者更有战略价值。
九、组织和个人真正需要形成的新共识
AI 时代，组织和个人都需要重新理解设计价值。
对组织来说，不能只把 AI 当作提效工具，也不能只把设计师当作出图资源。设计师越早进入业务，越有机会帮助团队减少无效需求、降低返工成本、提升客户理解和系统体验。
对设计负责人来说，团队建设不能只围绕视觉质量和交付效率展开，还要围绕行业理解、目标定义、问题验证和知识沉淀展开。未来真正有价值的设计团队，不是单纯“画得快”，而是“理解得深、判断得准、沉淀得下来”。
对一线设计师来说，AI 的出现不是结束，而是一次重新定位的机会。设计师必须从视觉执行者转向业务目标设计者，从页面生产者转向用户任务的组织者，从工具使用者转向 AI 协作流程的设计者。
结语：AI 不会拯救只追求交付的组织
AI 正在改变设计和软件开发，但它不会自动带来好产品，也不会自动带来好体验。
如果一个组织只追求交付，AI 会让它更快地产出更多交付物。如果一个团队只关注页面，AI 会让它更快地生成更多页面。如果一个设计师只把价值建立在执行上，AI 会让他的优势迅速变薄。
但反过来，如果组织愿意围绕目标重新设计协作方式，如果设计师愿意深入业务和用户，AI 也会成为一次重要机会。
真正的分水岭不是是否使用 AI，而是使用 AI 之后，团队把节省下来的能力投向哪里。
AI 不会拯救一个只追求交付的组织，它只会让这个组织更快地生产出更多无效交付。真正的转型，是从“把系统做出来”，走向“让用户用系统达成目标”。
参考资料汇总
1. McKinsey & Company《Delivering large-scale IT projects on time, on budget, and on value》https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/delivering-large-scale-it-projects-on-time-on-budget-and-on-value
2. Gartner《Gartner Survey Reveals That Only 48% of Digital Initiatives Meet or Exceed Their Business Outcome Targets》https://www.gartner.com/en/newsroom/press-releases/2024-10-22-gartner-survey-reveals-that-only-48-percent-of-digital-initiatives-meet-or-exceed-their-business-outcome-targets
3. McKinsey & Company《The State of AI: Global Survey 2025》https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
4. Atlassian《State of Teams 2026》https://www.atlassian.com/blog/state-of-teams-2026
5. Nielsen Norman Group《AI Design Tools Are Marginally Better: Status Update》https://www.nngroup.com/articles/ai-design-tools-update-2/
6. World Economic Forum《The Future of Jobs Report 2025》https://www.weforum.org/press/2025/01/future-of-jobs-report-2025-78-million-new-job-opportunities-by-2030-but-urgent-upskilling-needed-to-prepare-workforces/
7. Jeff Gothelf、Josh Seiden《Lean UX: Designing Great Products with Agile Teams, 3rd Edition》https://www.oreilly.com/library/view/lean-ux-3rd/9781098116293/
8. Jeff Gothelf《How to Use the Lean UX Canvas》https://jeffgothelf.com/blog/how-to-use-the-lean-ux-canvas/
9. GOV.UK Service Manual《2. Solve a whole problem for users》https://www.gov.uk/service-manual/service-standard/point-2-solve-a-whole-problem
10. Government Digital Service《Testing a different way to improve complex public services》https://gds.blog.gov.uk/2026/04/30/testing-a-different-way-to-improve-complex-public-services/
