我们正借助生成式AI 重塑UX 设计思路，重新构想团队协作开发产品的模式。（本文基于微软数字部门的最新指导方针撰写，初版发布于2024 年。）

生成式AI 已成为计算领域的变革力量，但在设计新产品时，如何用好它却并非一目了然。在微软，我们的团队正在探索将Microsoft Copilot及其他新型AI 技术融入日常工作的方法。微软数字部门（公司IT 机构）的UX 设计师和管理者们，正站在AI 为现代工程领域带来变革的前沿。如今，我们来分享他们在一线实践中洞察到的—— 生成式AI 如何改变工作方式的种种细节。

立竿见影的改变：设计师不再画“死图” 了

将生成式AI 纳入工作流后，最显著的变化之一是：产品设计师不再需要为产品的每一个界面制作原型—— 现在有了更优解。

“这就像在写一本‘活页书’，每页都在变，”微软数字工作室首席设计师亚尼斯・帕尼亚拉斯（Yannis Paniaras）说，“在用户体验的关键节点，也就是人与Copilot 交互时，AI 俨然成了用户体验的‘指挥家’。 这种转变让设计师跳出‘固定流程’，转向拥抱由AI 主导的非确定性设计风格。”

微软数字工作室是微软数字部门旗下的设计师与研究人员团队，致力于用设计、研究、内容策略、无障碍设计及产品规划等专业能力，打造能让微软员工更高效成事的体验。

帕尼亚拉斯发现，设计AI 驱动的产品与设计传统桌面或移动应用截然不同。在与设计师、项目经理和开发人员交流时，他常被问到：在这种新场景下，各个产品开发环节该如何协同？

“我们有由大型语言模型（LLM）驱动的Copilot，在依赖精简图形界面（搭配动态提示和动态生成的情境卡片）的体验中，我们采用Fluent AI 设计语言，” 帕尼亚拉斯解释道，“这些界面元素能‘即时响应’，与生成式流程完美适配。因此，设计师的重心正从标准UI 转向提示词的表达逻辑、动态自适应卡片的设计，以及在用户体验场景中寻求一致性——这些元素正成为AI 驱动型UX 设计的新基石。”

微软数字工作室的设计师们仍在使用Figma（一款流行的设计与原型工具），但他们的设计不再是“固定的线性流程”，而是更开放、有时甚至更抽象的框架。

“设计成了一系列可能性的集合，” 帕尼亚拉斯说，“这对设计师来说是挑战，却也推动我们与其他角色更紧密地协作。”

统一员工体验团队的首席UX 经理劳拉・伯格斯特伦（Laura Bergstrom）补充道，她团队的内容设计师和设计师还为工程师做了件事：制定Copilot 响应的“规模化指南”，，确保AI 能在恰当的时机，以合适的语气提供一致、可靠的回复。

“尽管生成式AI 功能强大，但用户体验和设计仍需对体验质量与结果负责，” 伯格斯特伦说，“所以我们一直在想，怎么和工程、数据科学团队‘规模化协作’。”

AI 让协作变了：从“排队干活” 到“一起往前冲”

借助AI 快速对齐计划与目标，正在改写整个产品开发团队的协作逻辑。“各个领域的人员正并肩协作，共同推进项目落地，” 帕尼亚拉斯说。

他举了一个例子：以前设计师得等研究、原型、开发一步步做完，才能开始后续工作；现在有个设计师直接和产品经理、工程师同步设计提示词，这与过去的工作模式形成了鲜明对比。

“以前与现在的流程完全不同：先做研究，基于研究产生想法，制作部分原型，开发后由工程师测试—— 是线性的递进，” 帕尼亚拉斯说

AI 时代的现代工程要求产品团队转向更具协作性的文化：不再有明确的“边界划分”，所有人都能灵活配合。这有点像工程领域从“瀑布式”开发到“敏捷”开发的转变—— 工程师不再固守“专属模块”，而是在一个冲刺周期内集中攻坚产品的某一部分，下一个周期再转向另一部分。

说明：我们正从固定的传统UX 模式转向AI 驱动的UX 模式。传统UX 中，UI 是核心且静态的，预先规划好所有可能的用户交互，周边的UX 场景影响甚微；而在AI 驱动的UX 中，UI 被精简，更强调“响应式” 与“适应性”，依赖AI 实现实时用户交互，此时UX 场景的作用被放大，系统能适配多样的用户环境，打造更个性化的体验。

微软数字工作室的高级UX 设计师维克多・阿尔巴哈德利（Victor Albahadly）认为，AI 有望改变他的核心工作—— 测试并找出自己和团队设计的产品在哪些地方出现问题、无法满足用户需求。

“我需要弄清楚用户到底想要什么，” 阿尔巴哈德利说，“开发应用时，我得知道用户的使用场景、需求目标，以及我们打造的体验可能在哪些环节‘卡壳’。”挑战在于，他必须从用户对设计的体验中抽样分析，再将结论推广到整个设计中—— 更重要的是，这需要“规模化” 覆盖：不是针对某一个人，而是所有使用该应用的用户。

“我需要测试这个体验对大多数人是否适用，” 他说，“这是个极其繁琐的过程。”

而AI 有望改变这一点：它能“看见” 人类永远无法独自覆盖的全部细节。

“在AI 的帮助下，不远的将来，我或许能测试整个应用的每一个角落，” 阿尔巴哈德利说，“这将释放巨大的潜力。”

AI 能在流程的每一步都实现这种规模化测试，不仅让结果更精准，还能大幅提速。

用 AI 改变用户测试

传统设计师只能抽样测试用户对产品的体验—— 无法覆盖所有场景，因为那太耗时；而AI 将改变这一现状：当它在UX 领域全面落地后，有望覆盖所有使用场景。

构思不用等一周了：AI 让灵感“即时闪现”

阿尔巴哈德利还设想，AI 能优化设计流程中的“构思环节”。如今，构思往往依赖与专家、客户的沟通、头脑风暴或研讨会；未来，他认为可以和同事、AI 一起完成类似的工作。

“比如你的应用在日本的流量骤降，” 他举例说，“以前我们需要开一周研讨会找原因，而AI 可能直接指出具体问题—— 比如语言障碍、文化差异，或是节假日等时间因素。原本要花一周的构思，或许当天就能完成。”

除了设计流程的变化，生成式AI 也在重塑用户体验本身。

“过去，我们的体验输出是线性的—— 一个操作系统，上面叠加产品和应用，” 伯格斯特伦说，“现在有了各种Copilot、各种扩展功能，以及在不同界面上完成任务的新方式。这一切都需要让用户能从头到尾‘看懂、用好’。”

要实现这种体验，需要大量的设计思考。数据质量对打造“易懂好用” 的体验也至关重要。“生成式AI 像个‘变数’，这就要求数据更精准、更纯净，” 伯格斯特伦说。

AI 不只是改变设计，还在解放所有人的时间

AI 做重复性工作、让人专注高价值任务的潜力有多大？伯格斯特伦看到了太多可能。

“我们可以用生成式AI 帮员工处理日常事务：从找最佳停车位、办理移民手续，到筛选最适合的员工福利，” 伯格斯特伦说，“对大型企业而言，AI 还能通过分析成本效益比、建筑使用率、选址合理性等，助力设施管理。”

伯格斯特伦和阿尔巴哈德利都认为，AI 能帮员工写绩效评估。伯格斯特伦指出，AI 可协助经理整合多方反馈，并与OKR（目标与关键成果）关联；阿尔巴哈德利则提到，对员工而言，AI 能帮他们自己写评估。

“这对大多数微软员工来说一直是个难题—— 年底时，你得坐下来回忆一整年做过的所有事，” 他说。

而AI 能接触到你的会议记录、日历和项目信息，因此能轻松与你协同撰写评估。

“未来，人们不用写太多内容，更多是‘挑选’——AI 会为你生成一整年的总结，” 阿尔巴哈德利说。

面对这些变革，有人担心工作的未来。

帕尼亚拉斯持乐观态度：“我们周围的一切—— 包括角色、工作、流程和价值观的定义—— 都是人类创造的。每当这些维度发生变化，我们最终都会重新定义它们，或填补空白。但关键是要有这种主动思考的态度，意识到周围的一切都是我们自己创造的。”

伯格斯特伦也认同这一点：“核心问题从未改变。但现在，有了能预判需求、预测可能性的智能助手，我们解决问题的方法变得无穷多—— 我们要做的，就是在设计中充分发挥这些能力。”

给企业的AI 落地小贴士

以下是企业启动生成式AI 应用的几点建议：

将AI 视为协作伙伴

把AI 当作创意搭档：它能通过推荐模式、布局和交互方式，为设计流程赋能；与AI 工具协作生成设计变体、探索更多可能，加速迭代。

理解AI 的能力与局限

熟悉设计中常用的AI 算法（如神经网络、生成对抗网络GANs、强化学习）；认识到AI 的局限—— 它无法替代人类的直觉、同理心和领域专长，应将其作为增强创造力的工具。

为适应性与个性化而设计

AI 驱动的UX 应具备适应性和个性化：打造能根据用户行为、场景和偏好动态调整的界面；用AI 为用户量身定制体验，提供相关内容和建议。

收集与优化数据

AI 模型需要数据来学习和提升：收集相关用户数据（兼顾隐私保护）以训练算法；打造高质量数据集，覆盖多样的用户场景和行为。

迭代与优化AI 模型

从简单模型起步，逐步提升复杂度；基于用户反馈和实际使用情况持续迭代；定期评估、微调模型，确保其与用户需求和业务目标一致。

重视伦理考量

警惕AI 算法中的偏见，确保公平、透明和包容性；理解AI 驱动决策的伦理影响，并据此设计。

向成熟AI 产品学习

研究成功的AI 驱动产品与服务，分析它们如何将AI 无缝融入用户体验；借鉴行业领先者的最佳实践，应用于自身项目。

记住：AI 是强大的工具，但只有与人类的创造力和同理心结合，才能发挥最大价值。拥抱AI、理解其角色，UX 设计师才能打造出创新、个性化且适应性强的用户体验。