AI会取代UX设计师吗？一年高频使用之后，真正改变的是什么？

我为各种场景下使用的产品设计用户界面，从桌面应用到医疗监护仪、工业控制面板，再到人们日常工作要用到的各类屏幕这样的嵌入式设备。过去一年里，我在不同类型的产品之间来回切换，并且几乎每天都会把 AI 用到自己的设计流程中。它改变了我思考设计的方式，而我对它的看法，也不止一次发生过转变。

AI 正在改变设计师的工作方式，但它并没有接管整个设计流程。比较有效的做法是：用 AI 加速构思与探索，等产品到了可投入生产的阶段，再用设计工具来细化、验证并完成交付。

以下是我把 AI 用进设计工作流的这段经历，包括我判断失误的那些部分。 

AI 会取代 UX 设计师吗？

不会。AI 替代的是 UX 工作中的具体任务，而不是 UX 设计师本身。

但这个问题本身提得并不过分，设计师们至今仍在争论这一点。AI 可以在几秒钟内生成界面、探索多个设计方向，并加速早期设计工作。但研究和实践都表明，经验丰富的设计师并不认为 AI 能取代设计流程本身。相反，他们把 AI 看作一个协作者——它能加速探索、帮助设计师换一个角度思考，但真正做出设计决策，仍然离不开人的判断。 

Nielsen Norman Group 在State of UX 2026报告中说得更直接：如果你的工作只是把设计系统里的组件拼在一起，那你已经可以被 AI 取代了。真正不容易被自动化的，是经过打磨的审美判断力、基于研究的场景理解能力、批判性思维，以及审慎的判断。 

AI 和 UX 设计师的关系非常紧密，紧密到经过一年的反复试验，我依然在每一个项目里都会用到它。我从中得到的最重要的一点体会是：AI 不会取代我的角色，但它正在改变我在整个设计流程中使用各种工具的方式。

兴奋是真实的

当 AI 开始融入设计流程时，感觉一切都是在一夜之间发生的。

构建一个 UI 界面，不再是从一块空白画布开始，而是从一段提示词开始。原本需要花上几个小时才能做出来的界面、用户流程和产品构想，AI 在几秒钟内就能生成。不难理解为什么这么多设计师会为此感到兴奋。

UX 与工业设计师的早期研究表明，生成式 AI 正在成为一个颇具价值的创意伙伴，尤其是在构思与概念探索环节。同一项研究也指出了一个同样重要的问题：设计师觉得自己在多大程度上仍保有自主权和创作掌控，会直接影响他们在工作流程中对 AI 的信任程度。

我当时的兴奋程度大概不亚于任何人。Claude Design、Figma Make、Lovable，几乎每一个号称能让 UI 设计更快的新工具，我都想试一遍。

说实话，那种感觉确实很棒。

我只需要用几句提示词描述一个想法，几秒钟后屏幕上就出现了成果。它并不完美，但已经足够用来开启一场讨论、向团队分享一个想法，或者在打开 Figma 之前先探索几种不同的用户流程。对一个大部分时间都在解决设计问题的人来说，这是一次不小的转变。

在 Figma 的State of the Designer 2026针对 906 名设计师开展的调查中，91% 的受访者表示 AI 工具提升了他们的设计质量，89% 表示自己的工作速度变快了。这种热情是真实的，也是有依据的。

AI 目前能做 UX 工作中的哪些部分？

AI 最有价值的阶段，是在真正的设计工作开始之前。在打开 Figma、创建组件、做出设计决策之前，还有一个问题尚未厘清的阶段：方向有很多种可能，问题一大堆，但还没有明显的答案。这正是 AI 发挥作用最大的地方。

如今，每当我开始一个新项目，AI 通常是我第一个求助的对象。Claude Design、Figma Make 这类工具，已经成为我工作流程中重要的一环，尤其是在早期阶段。

如果要描述我现在的工作流程，我会把它分成两个部分：探索阶段和制作阶段。后者我稍后会再展开讲，因为那才是变化最大的地方。

在探索阶段，我还没有做出任何设计决策。我在做的是理解问题、探索不同的场景、收集想法，并提出更好的问题。

一开始，我会用 AI 直接生成完整的 UI 界面，因为我很好奇它到底能做到什么程度。但渐渐地，我不再这样用它，而是把 AI 放到了界面出现之前的那部分工作上：

• 头脑风暴与功能探索；

• 探索不同的用户流程；

• UX 文案撰写；

• 整理文档；

• 为哪怕很小的功能准备快速演示，以便更好地向团队说明自己的想法。

   

我不再需要花几个小时去做出不同的概念方案，而是可以快速比较多个想法、质疑自己的思路，并在真正动手设计之前，先判断哪个方向值得深入探索。

AI 开始力不从心的地方

越接近制作阶段，AI 在 UI/UX 设计中所能发挥的作用就越小。我不认为 UX 设计师可以把任何关乎产品走向的决策交给 AI 去做：哪个方向真正值得投入开发、一个交互应该如何表现，以及从细化到交付的整个过程。这是工作流程的后半段，也正是我对“AI 会不会取代 UX 设计师”这个问题给出否定答案的原因所在。

研究表明，设计师从生成式 AI 中获得的价值，主要集中在早期的构思与探索阶段；而随着项目推进到细化、评估与实现环节，人的专业判断会变得越来越重要。

到了这个阶段，挑战已经不再是再生成一个界面，而是要做出正确的设计决策。AI 生成的 UI 界面看起来并不差，但我要问的问题已经完全不同了。

我不再问“帮我设计一个……的界面”，而是在问：

• 这个行为是否符合我们的 UX 模式？

• 这个交互是否适合我们的用户？

• 这个方案是否符合我们的设计系统？

• 它是否与团队的技术约束相兼容？

作为 UX 设计师，我们大部分时间其实都花在那些截图上根本看不出来的决策上。正是这些决策塑造了体验、维持了产品的一致性，也决定了一个设计是否真正达到了可投入生产的水平。

其他高风险领域的设计师也描述过同样的分界。一个医疗健康领域的 UX 团队最近提出了几乎相同的观点：AI 自动化的是构思，而不是判断，而在设计失误可能直接影响到真实的人的场景中，这两者之间的差距最为悬殊。嵌入式设备正属于这一类场景。在此前的一篇文章中，我的同事 Antti 提出过一个观点：仅靠 AI 无法解决嵌入式 UI 设计问题，我发现自己也认同这一点。

还有第二个问题，我花了更长时间才意识到。

用了一段时间 AI 之后，我开始注意到，很多生成出来的界面看起来都似曾相识。它们干净整洁，但同时也显得千篇一律、缺乏个性。

在缺少足够产品上下文的情况下，AI 自然会依赖那些在多数场景下都行得通的设计模式。它从常见案例中学习，生成的是一种适用于“所有人”的界面。

但问题在于，产品并不是为“所有人”打造的。每一个产品都有自己特定的用户、技术约束、平台要求和设计语言，而这些东西很少会出现在一句提示词里。

我认为，这正是 UX 设计师创造最大价值的地方。生成一个界面正变得越来越容易，但做出正确的产品决策，依然离不开人的判断。

我学到了什么：设计系统与 AI

曾经有一段时间，我以为自己找到了那块缺失的拼图，能够用 AI 弥合探索阶段与制作阶段之间的差距——只要 AI 能理解我们的设计系统，生成的结果肯定会更贴近实际需求。

于是我接入了我们的设计系统，期待生成的 UI 能更接近我们真实的产品。

效果确实有所提升：界面看起来更加一致，组件也更接近我们已经在用的东西。但在实际使用这些设计的过程中，我开始发现，AI 并不只是在调用我们的设计系统，它还在自己“补全”空白的地方。

它创造了一些本不存在的新组件，还提出了一些我们从未设计过的交互模式。有些时候，它引入的布局看起来合情合理，但并不属于我们的产品。

这些变化没有一处看起来明显是错的，其中有些甚至看起来相当不错。但它们不是“我们”的东西。

于是，我不得不花上几个小时去审阅生成的设计、删掉多余的元素、清理文件，然后才能继续往下设计。

我意识到，自己不再问“AI 生成这个花了多长时间”，而是开始问“它到底有没有真的帮我省下时间”。

一个具体案例：AI 与设计系统协同工作

我原本以为，只要 AI 能访问我们的组件、色彩和模式，生成的 UI 就会完全遵循这些规范。但仔细查看细节后，我发现了几处对我们产品而言其实相当重要的差异。

比如，下面的示例展示了 AI 生成结果与设计系统之间的一些视觉差异，包括错误的token、错误的图标、不符的组件，以及缺失的元素。除了这些肉眼可见的差异之外，间距、流程、交互模式和组件状态等许多藏在背后的决策，也并不完全符合我们的规范，而这些我并没有完全把控住。

图 1：左侧为 Qt 设计系统，右侧为 Claude Design 的生成结果。可以清楚看到，Claude 在若干处以不理想的方式解读了设计系统，或者干脆生造出了并不存在的组件。

在图 1 中，可以看到我们的设计系统与 AI 输出之间的一些差异。这些都是细枝末节，但当你在做一个真实的产品时，这些细节至关重要。AI 知道我们有哪些组件、哪些色彩 token，却不总是明白我们为什么要以某种特定的方式来使用它们。

这对我来说是重要的一课：接入设计系统可以为 AI 设定一些护栏，但并不能让输出的结果自动达到可投入生产的水平。我仍然需要审核每一个决策、核实每一种模式，并确保最终的设计在我们的用户、我们的硬件，以及设备实际使用的环境中，都真正行得通。

设计系统不只是一个组件库

把我们的设计系统接入 AI 的这段经历，彻底改变了我对设计系统的看法。

设计系统不只是一个组件库，它是长年累月数百个设计决策的结晶。每一个组件的存在都有其原因，每一种模式都体现着产品需求、技术约束、无障碍考量，以及设计师与开发者之间成千上万次的沟通。

AI 能够识别这些组件，并把它们拼装成看起来相当有说服力的界面。但理解它们为什么存在、什么时候该用、什么时候不该用，才是区分“一个初步想法”和“经过深思熟虑、可投入生产的设计”的关键所在。

我依然会用 AI 开启几乎每一个项目，但我不再指望它能替我把项目做完。不是因为它做出来的视觉效果不好，而是我逐渐明白，漂亮的界面只是一个成功产品的一部分，界面背后的那些决策，才更加重要。

缺的那一味，是上下文

在整个过程中，我逐渐意识到，使用 AI 时最大的挑战之一并不是生成界面，而是要提供足够的上下文，并定义清楚 UX 模式。

每一次新的对话几乎都要从零开始。我必须先解释清楚产品、平台、约束条件和预期目标，AI 才能生成出真正相关的东西。

正因如此，我觉得 Qt GUI Design Skill 这个工具很有意思。虽然它是为开发者打造的，但它会通过一系列问题，帮你提供设计所需的上下文和边界，并且在返回任何 UI 之前，先应用一套明确命名的设计原则。也就是说，不必每次都从头教会 AI 一切，这个技能已经提前提供了一部分上下文。

这和写一句通用提示词的感觉完全不同，它更贴近真实设备设计中的那些复杂性。如果我在为嵌入式系统做设计，我希望 AI 能把目标硬件纳入考量；如果我在为汽车做设计，我希望它能理解车载界面的预期和约束；如果我在做一款医疗设备，我希望对话一开始就能立足于医护人员帮助患者康复这个现实，而不必每次都把这些内容一字不落地塞进提示词里。

上下文越贴切，得到的想法也就越贴切。

Qt GUI Design Skill 以及其他类似的技能，依然无法替代设计师的专业能力。事实上，它们本来就是为那些没有条件与 UX 设计师协作的开发团队打造的。但它们确实能让与 AI 的对话变得更有意义。

另一个实验

出于对 Qt GUI Design Skill 到底能带来多大差别的好奇，我在 Claude 里做了一个简单的实验：用完全相同的提示词跑了两次。

第一次，我用的是一句普通的提示词：“设计一台用于 ICU 的床旁患者监护仪。”

图 2：未借助 Qt GUI Design Skill、仅由 AI 生成的 ICU 床旁患者监护仪界面，看起来干净现代，但整体比较通用，并未优先考虑临床 UX 需求。

结果看起来干净又现代。从图 2 可以看到，这个界面布局清晰、对比强烈、数字够大、色彩明亮，带有一种现代化仪表盘的观感，确实精致，看着也舒服。

但它同时也很通用。说实话，这些设计选择更适合消费级仪表盘，而不是医疗监护仪。在临床环境中，安全性、报警的清晰度、一致性和快速扫视的能力，都比视觉冲击力更重要。

所以，它看起来确实不错，但它把美观放在了临床 UX 需求之前。

第二次，我用完全相同的提示词再跑了一遍，这次启用了 Qt GUI Design Skill。在生成任何内容之前，Claude 先就产品和使用环境提出了几个问题。

图 3：在开始处理用户界面之前，Qt GUI Design Skill 会先提出一系列问题，为设计提供上下文，例如询问目标硬件和平台。

最终的设计体现出了这些额外上下文的作用：信息层级更加清晰，布局也更有章法，整体看起来更接近一款真正用于嵌入式医疗设备的设计。

图 4：借助 Qt GUI Design Skill、由 AI 生成的 ICU 床旁患者监护仪界面，考虑到了医疗设备的 UX 原则，相比图 2 中的通用界面，为后续设计提供了更扎实的起点。

从 UI 角度看图 4，可以注意到以下几点：

• 色彩一致：每一项生命体征都有自己专属的颜色，让报警颜色保持清晰、含义明确。

• 布局一致：所有生命体征都遵循同一种视觉结构，让整个屏幕更容易被快速扫视。

• 包含波形：每个数值都配有对应的波形，提供更好的视觉上下文。

• 清晰的报警栏：报警状态始终可见，一目了然。

• 更好的控件：控件更大、更统一，戴手套操作时也更容易看清和使用。

• 贴合物理设备的边框设计：UI 是在一个固定边框内设计的，间距合理，波形区域也有明确的边界。

这些并不只是视觉或审美层面的调整，它们呼应的是医疗健康领域已有的 UX 原则，比如清晰的报警层级、一致的色彩语义、患者身份识别、差错预防、无障碍访问，以及在时间压力下的安全交互。

这个技能帮助设计更贴近医疗设备界面的惯例和安全预期，但在最终交付之前，依然需要经过临床和 UX/UI 审核。

下表列出了在这个技能的引导下，设计有所改善的几项关键医疗设备 UX 原则。

对我来说，这是最大的收获。Qt GUI Design Skill 改变的不只是 UI 本身，它改变的是 UI 被生成之前所发生的那场对话。

这并不意味着这个设计已经达到了可投入生产的水平，但相比一个通用 UI，它给了我一个扎实得多的起点。

后来，我开始感觉自己对设计失去了掌控

即便工作流里加入了 Qt GUI Design Skill，我很快就发现还有一个自己没预料到的变化：我越依赖 AI，就越觉得自己不是在真正地做设计。

一开始，这并没有困扰我。但过了一段时间，我发现自己花在做设计决策上的时间越来越少，花在写提示词、改提示词上的时间却越来越多。

有些日子，AI 能准确理解我想要什么；也有些日子，我要花上好几个小时反复改同一句提示词：改一句话、加点上下文、删掉一些细节，想用文字把跑偏的设计结果拉回正轨。

而有些时候，就在我感觉快要接近目标的那一刻……我碰到了使用额度上限。

那一刻，我意识到有些东西正在朝我不喜欢的方向发生变化：我已经不再是在做设计了。

作为设计师，我们喜欢做那些细小的决策，因为创造力正是在这些地方发生的，也是我们和自己作品联系最紧密的地方。前面引用的那份 Figma 调查同样显示，创作自由是设计师工作满意度中最重要的单一因素。87% 的受访者表示，创作自主权有助于他们发挥出最好的水平。

在这段与 AI 相处的旅程中的这个阶段，我经历的其实更接近 Nielsen Norman Group 所说的“AI 疲劳。”于是我又一次调整了自己的工作流程，回到了设计工具当中——不是因为 AI 没用，而是因为我知道，在设计工具里，我才能真正做出决策。

我该如何在 UX 工作流中使用 AI？

就我目前找到的方法而言，在 UX 工作流中使用 AI 最好的方式，是清楚划出 AI 工具与传统 UX 工具之间的界线。

前面提到过，我把工作流程分成了两个阶段：探索阶段和制作阶段。AI 工具属于前者，而 UX 工具依然主导着后者。它们之间不是竞争关系，而是各自在解决不同的问题。

多项研究都支持这一观点。研究者发现，设计师并不希望 AI 替他们把产品设计出来，他们希望 AI 帮助自己更快推进工作，尤其是在项目的早期阶段，同时自己依然掌控最终的设计成果。

这也是我在自己的 UX 工作流中使用 AI 的方式。在探索阶段，AI 帮我快速起步、迅速探索多种想法、整理文档、与团队对齐；在制作阶段，设计工具帮我构建、迭代、与真实用户一起验证想法、打磨交互、在约束条件下工作，并最终准备出一个我有信心交付给开发团队的设计。

AI 时代的 UX 设计，未来会走向何方？

如果要展望 AI 时代 UX 设计的未来，我认为最恰当的视角，来自 Qt 近期举办的一场关于嵌入式应用设计的圆桌讨论：纵观 UX 设计的整个历史，工具一直在剧烈变化，但底层的根本原则却几乎从未改变。

出色的 UX 设计依然离不开人的参与。它靠观察、与用户对话、理解业务目标、在技术约束下工作，以及成百上千个塑造最终用户体验的细小决策构建而成。这些都不会发生在一句提示词里，而是贯穿在整个设计过程之中。

一旦探索阶段结束、想法逐渐清晰，设计开始变成一个真实的产品，我的优先级也会随之改变。我不再追求生成更多的概念和变体，而是要确保设计能够按照最初的意图被准确实现。

这正是传统 UX 设计工作流变得尤为重要的地方。在花了几个小时打磨交互、调整间距、验证决策、完善体验之后，我不希望这些努力因为实现阶段的提示词写得不够清楚、不够细致而付诸东流。

Figma 的2026 AI report基于三年间收集的 8,000 余份回复得出了类似的结论：AI 几乎可以构建任何东西，但它做不到的，是判断什么才值得被构建。90% 的受访者表示，设计的重要性与 AI 出现之前相比至少没有下降，其中包括 65% 的开发者。

那么，AI 到底会不会取代 UX 设计师？

不会。而且，在探索 AI 工具和能力一年多之后，我已经不再觉得这是一个有意思的问题了。真正有意思的问题是：你把 AI 放在 UX 设计流程的哪个位置，以及你坚持不肯交给它的，又是什么。

如今，我的工作流程感觉非常自然：AI 帮我思考，设计工具帮我交付。每一种工具各司其职，合在一起，构成了一套既快速又可靠的工作流程。

没有改变的，是这份工作一直以来的本质：搞清楚这是为谁设计的、它必须经受住怎样的环境考验，以及在成百个细小决策中，哪一个才是正确的选择。这些依然发生在提示词之外。