最近，马特·舒默（Matt Shumer）撰写的一篇题为《大事即将发生》 （ Something Big Is Happening ）的文章广为流传 。 这篇文章实际上是一份来自人工智能前沿的紧急而又至关重要的“天气预报”，舒默在文中声称，我们已经到了人工智能能够取代大部分屏幕工作的阶段。
当我的经理给我看这篇文章时，我一开始感到有些害怕，因为它的写作方式以及它证实了我作为一名生活在人工智能时代的的设计师的疑虑。
我使用 Next.js, v0 重建了我的设计作品集，甚至还使用 Vibe 编码工具（如 Lovable、Cursor、Replit、Vibecode App 和 Firebase Studios）发布了几个 Web 应用程序。这些文本提示人工智能工具最终生成的产品令人惊叹，它们无疑从设计到产品的角度拓展了人工智能的极限。
问题是，如果我能通过文本提示完成所有这些工作，真的还需要“设计师”吗？我会不会被裁掉？
我非常认同约瑟夫·穆勒-布罗克曼（Josef Müller-Brockmann）的“有意识地设计”原则。同时，我也和舒默（Shumer）一样，看过那些演示。每次看到人工智能模型展现出的惊人能力，我都感到肾上腺素飙升，每次发布都让我瞠目结舌。
但经过数百小时的实际执行后，现实情况更像是负担的转移。
我们搞错了生成速度为了完成速度。
从九码线看到的景色
我不是算命先生，所以我的话仅供参考。但我可以说，我独特的背景让我对我们未来的发展方向有一些感觉。
我是一名经验丰富的全能设计师。我曾在成功的初创公司、财富 500 强企业工作过，现在就职于一家国有企业。在短短五年的设计生涯中，我不仅发展壮大了自己的自由设计业务，还让这篇文章写作事业三次荣登畅销榜榜首，联合创办了一家成功的初创公司，如今又推出了几款基于 Vibe 代码的网页应用。
这种跨领域经验让我明白，人工智能演示的“惊人”成果很少能经受住现实世界机构的严格审核。
舒默描绘了一幅无摩擦自主的图景：
“我告诉人工智能我想要什么，然后离开电脑4个小时，回来发现工作已经完成了……而且不需要任何修改。” ——马特·舒默
我的怀疑态度很早就开始了。
在我大学最后一年，ChatGPT发布了它的第一个版本。它确实令人印象深刻，因为它似乎能帮助学生在几秒钟内完成测试和作业。然而，尽管速度很快，但答案的准确性却令人质疑。
很快，人工智能内容就成了一个系统性问题。学生们急于依赖模型完成作业，却很快发现“速度快”并不等于“质量好”。学生们因抄袭被抓，编程作业生成的答案明显错误，然而，许多人仍然不假思索地盲目提交。
这种“盲目服从”的习惯现在已经从课堂蔓延到了会议室。
在我从事这个领域的五年里，我从未见过任何一份“无需修正”的输出能够成功部署到生产环境中。当我们使用像 v0 或 Lovable 这样的工具时，实际上我们是在积累认知债务，因为我们编写的代码，作为“创建者”，我们并不完全了解它会在哪里或为什么会出错。
这并不是说那些拥有高级编程知识的人就不能逐行阅读代码。
对我个人而言，我觉得从提示到用户界面生成只占整个流程的 1%，剩下的 99% 都是调试和分析。我绝大部分时间都花在调试和找出问题所在，或者琢磨为什么人工智能无法完全理解我描述的设计并实现它们。
“机器味觉”的矛盾之处
舒默声称最新款车型拥有
“那种难以言喻的、知道什么是正确的决定的感觉……第一次体会到了味觉的美妙。”
在我看来，品味并非统计平均值，而是偏离常态。人工智能的“品味”仅仅是概率计算，因为它基于庞大的现有数据集，选择最有可能出现的下一个像素。
如果你依赖人工智能的品味，你本质上就是在为“平均值”设计。你正在助长“千篇一律”的局面，让每个界面看起来都像2024年的通用SaaS模板。咳咳，ShadCN。
作为设计师，你的价值往往体现在出人意料的解决方案上。那种打破常规、打造品牌独特性的方案。
人工智能遵循某种模式，但设计师会打破它。
当然，如果你设计的是一款流程与其他公司完全相同的简单产品，人工智能肯定能表现出色。它拥有海量数据可供训练。但对于需要多步骤、复杂状态和特定连续性的利基应用和专业工作流程而言，仅仅依靠“感觉”是远远不够的。
根据我从零开始设计内部工具的经验，我可以肯定地说，人工智能目前的数据量远远不足以取代我们之前所做的工作。我们的需求高度专业化且细致入微，而且很可能只适用于我们公司的内部逻辑。在这种高风险的环境下，逻辑必须万无一失。
换句话说，如果没有持续的人工指导，人工智能仍然难以维持这种程度的连续性和机构意识。
研究护城河和端到端复杂性
我们都见过LinkedIn上那些关于“周末打造创业公司”的帖子，里面有很多提示。但是，构建一个独立组件并不等同于架构解决方案。现实世界的设计是一场端到端的马拉松，需要在每个里程碑节点进行人工监督。
想象一下，在没有实际与任何用户交谈的情况下进行用户访谈。
虽然我们利用人工智能来辅助研究过程，例如转录访谈或总结评论，但设计的核心仍然是一项以人为本的工作。识别用户需求并将其与业务目标相契合，并非简单的数据处理任务。
这是一项人际关系任务。
如果我们连用户的感受都不询问，又怎能指望他们信任我们呢？
人工智能无法取代与最终用户面对面交流、观察他们的痛点并了解其环境背后的深层含义的实际操作。此外，“解决方案”需要获得利益相关者的支持。你必须亲自向那些通常对变革持怀疑态度的人展示价值主张。人工智能无法在董事会会议上推销自己的设计方案，也无法驾驭公司内部复杂的政治和情感环境。
目前来看，将“思考”或“研究”阶段交给人工智能的风险远远大于其带来的益处。如果没有人为的桥梁，最终得到的只是高保真度的输出结果，而这仅仅是靠猜测而已。
Figma 让设计师更容易使用人工智能。
业界正积极努力让这种“猜测”变得更加便捷。Figma Make Design的推出就是一个例证，它本质上是一款针对 Figma 线框图设计的“氛围编码”工具。它承诺能够将简单的文本提示瞬间转化为完整的 UI 草图。
来源：https ://www.figma.com/blog/introducing-figma-make/
Figma 与Claude 的模型上下文协议 (MCP)的集成使这一趋势更进一步。通过标准化协议，Claude 可以直接“看到”Figma 画布并与之交互，设计与代码之间的壁垒被正式打破。设计师们正被鼓励将人工智能的各个方面融入到设计过程中。
但降低准入门槛并不等同于提高结果质量。当 Figma 将 AI 生成功能集中到设计程序本身时，它会造成一种完备的假象。仅仅因为你可以通过 MCP 生成设计并将其同步到代码编辑器，并不意味着最终产品能够经受住“检验”。
这只是让发布高保真错误版本变得更容易而已。
“保持领先”的陷阱
这就导致了舒默提出的“通过订阅最新最好的型号来保持领先地位”的建议存在一个根本性的逻辑缺陷。
这里存在着一种内在的讽刺。消费级产品的设计初衷就是为了剥夺用户的批判性思维。它们的设计目的是让你无需付出“努力”就能获得“**答案” 。**如果你保持领先的策略仅仅是每月花费20美元订阅服务，那么你就是在参与一场商品化的竞争。
“虽然近90%的员工都在使用人工智能，但只有5%的员工真正以高级方式运用人工智能来变革工作。” ——安永2025年工作模式重塑调查
当一种工具普及到一亿人时，“使用它”就不再是一种技能，而成为新的基本要求。如果你和其他一亿人都在使用同一套“判断引擎”来做决定，那么你并非走在时代前沿，你本身就是时代潮流的一部分。
与此同时，我们面临着隐私壁垒，公司专有信息对这些LLM（生命周期管理工具）来说是绝对禁止的。在我合作过的多家公司中，“人工智能解决方案”只不过是本地部署的**“内部封装”。**这些是经过脱敏处理的模型版本，旨在隔离数据并保护公司的“核心技术”。它们让员工体验人工智能，同时防止数据泄露，但却缺乏对用户特定工作流程的深入理解。
这种过度依赖最危险的弊端是批判性思维的缓慢丧失。
“近半数（48%）用户认为，自从开始依赖生成式人工智能以来，他们的批判性思维能力有所下降。” ——毕马威2025年研究
如果你不去努力理解“为什么”，你就会成为工具的一部分。
要样样精通，样样稀松。
在人工智能蓬勃发展之前，设计领域是一个专业分工明确的领域。你可以是用户界面设计师、用户体验研究员或动态设计师。这些细分岗位允许从业者拥有深厚的专业知识。
但到了 2026 年，就业市场已经发生了根本性的变化。
毕业生人数与空缺职位数量之间的巨大差距，造成了竞争异常激烈的局面。这种市场饱和使得企业对求职者的要求远不止于“专业技能”。
如今，人们期望“设计师”能够同时扮演研究员、策略师、视觉艺术家、商业伙伴和准开发人员的角色。
无论技术栈如何，基准测试升级只是时间问题。我当时参加的是一个双学位项目，虽然我主修用户体验设计，但也必须学习编程。
当时，掌握这项额外技能对我来说是个不小的挑战，但它却成了我求职时脱颖而出的关键。我的目标是成为一名能够随时胜任各种工作的通才。
舒默认为，这就是劳动力市场新的普遍规律：
“人工智能并非取代某项特定技能，而是全面替代认知工作。它在各个方面都在不断进步。” ——马特·舒默
人工智能以光速加速了这一演进。由于基本操作更容易实现，入门级要求实际上已经与以往的中级或高级职责融为一体。“设计师”已经演变为通才，必须精通每个阶段，这正是因为认知工作的门槛已经大幅提高。
市场瞬息万变，而人工智能只是加速了这一过程。
责任缺口
舒默建议我们应该相信人工智能的“判断”。但一个没有后果的决定并非判断，而只是猜测。在高风险的情况下，“看起来是对的”并不能成为辩护理由。
如果人工智能错误地生成了一个破坏无障碍通行的网格比例，或者一个误导利益相关者的数据点，人工智能不会丢掉工作，丢掉工作的是你。
求职面试的评判标准是一系列衡量指标，旨在证明你有能力完成一系列任务。在科技领域，经历多轮行为面试和技术面试非常普遍。每一轮面试都旨在让面试官评估候选人应对实际情境的能力。
当我们利用自动化绕过“理解阶段”时，我们就成了累赘。如果你无法解释产品背后的原理，那么在一群决策者面前，你就毫无价值。
我问过很多目前在科技行业工作的朋友，其中一些人还在“七巨头”公司任职。他们中没有一个人告诉我人工智能已经能够独立编写生产代码。尽管有人声称人工智能模型可以编写无错代码，例如亚马逊宣称节省了4500个开发人员年，或者萨蒂亚·纳德拉断言微软30%的代码都是人工智能生成的。
我仍然持怀疑态度。
他们是否在刻意营造某种氛围来推销产品？
我从一些科技界的意见领袖那里听说，有些代码是由人工智能自动编写和调试的，但肯定不是没有防护措施的，而且总是会经过人工审查。
这些公司对生产规范的要求更为严格。高风险行业需要一道人为的责任护城河。
“人工智能产生的错误数量是人类的 1.7 倍，其中逻辑错误和正确性错误在代码审查过程中最难发现。” —— Stack Overflow & CodeRabbit
我们已经看到，当“ 1% 的速度”优先于“ 99% 的验证”时会发生什么。
*2025年底，德勤澳大利亚公司因一份人工智能辅助报告中包含捏造的法庭引述和不存在的参考文献，*被迫退还**政府合同款项。当信息来源不可信时，劳务不会凭空消失。
它只是从创建阶段转移到了验证阶段。
最后想和对所有设计师的寄语
如果说我的职业生涯教会了我什么，那就是优秀的设计不在于“做什么”，而在于“为什么”。
这种设计有什么优点？它解决了什么问题？
约瑟夫·穆勒-布罗克曼的网格系统不仅仅是为了让事物看起来整齐。它们是建立在我们扫描信息的科学原理之上的。
网格通过构建引导视线的逻辑框架来提供可预测性。但其核心价值在于意图性。任何设计师都可以将图形放置在“看起来合适”的位置，但基于网格的系统则提供了图形应该放置在那里的数学理由。
正在发生的“大变革”并非设计的终结，而是“像素输出员”时代的终结。如果你的价值仅仅在于屏幕输出速度，那么舒默说得对，你很容易被取代。
随着职业生涯的发展，我的角色也从应对预设的限制转变为解决定义模糊的问题。不再有人告诉我该做什么或怎么做，我必须自己去寻找机会，并在错综复杂的业务需求和用户需求之间找到平衡。
**致各位正在阅读此文的设计师：**坚守你的技艺，摒除杂念。恐惧毫无益处。相反，你应该寻找提升自我的方法。在生活的方方面面，都要积极寻求进步的机会。当人工智能最终能够胜任你的工作时，让你的雇主轻松做出选择。
让他们不可能选择机器而不是你。
因为如果你的价值在于意图、承担责任的道德勇气以及了解设计 为何有效的战略智慧，那么人工智能就无法取代你。 他只是一个速度很快但非常不可靠的实习生。
未来不属于那些行动最快的人，而属于那些能够审核结果并跳出固有思维模式进行批判性思考的人。
via: https://uxdesign.cc/something-big-might-be-happening-16cdba2df6ad
