探索生成式人工智能的快速集成对于我们如何设计和开发软件意味着什么。
2023 年 3 月，我写了一篇文章探讨 ChatGPT 对设计行业的初步影响。当时，我们才刚刚开始领会生成式人工智能技术的潜力。现在，反思我们所看到的变化，很明显，设计和开发软件的前景已经发生了巨大的变化。我对我们的谈话在如此短的时间内发生如此巨大的变化感到震惊。 ChatGPT 等工具和人工智能支持的功能已嵌入到日常工作流程中，使产品变得更加智能，使我们能够做得更多、取得更多成就。
我们目睹了科技巨头和初创公司前所未有的一系列人工智能公告、集成和转型。微软在 OpenAI 上下了重注，谷歌争先恐后地推出了 Bard，并在 Gemini 和 Meta 推出自己的专有和开源模型时再次遭遇挫折。苹果还推出了重新命名的人工智能，但有一些显着的差异。
在这场人工智能淘金热中，我们许多人发现自己正在努力解决随着时间的推移而变得越来越复杂的问题：这些技术将如何重塑我们的角色？我们需要培养哪些新技能？也许最紧迫的是，这一切到底去哪儿了？
在这篇后续文章中，我重新审视了我之前的一些评估，探讨了人工智能在设计和软件开发中的现状，研究了与其他技术革命的一些明显的相似之处，并就我们作为设计师如何在产品中工作提供了最新的视角发展，可以驾驭这个快速变化的格局。
ChatGPT 推出后不久，就出现了一些关于法学硕士将产生的影响的非常大胆的主张。桑达尔·皮查伊（谷歌首席执行官）声称这将“比电或火更深刻”，而其他人最近却对这个想法泼了一盆冷水。高盛对生成式人工智能的经济可行性提出了质疑，指出迄今为止大约 1 万美元的支出“几乎没有什么成果”。那么我们是否更清楚它是什么？我们可以研究一些相似之处，以尝试了解我们现在所处的位置。
对人类最重要的事物之一……比电或火更深刻。
—桑达尔·皮查伊
预测全自动驾驶 (FSD) 汽车何时准备就绪的历史为了解我们今天在生成式人工智能方面的进展提供了一个有趣的参考点。尽管取得了重大进步，但实现完全自主仍然具有挑战性，这反映了生成式人工智能的现状——前景光明，但仍面临巨大障碍。
这并不是说自动驾驶汽车没有实现——今天你可以去旧金山，在路上看到 Waymo FSD 出租车。然而，针对一种环境进行优化和针对整个地区或国家进行推广是两个截然不同的问题。实现 90% FSD 在某种程度上是明确且可以实现的，但缩小最终差距才是真正的复杂性和艰巨的工作所在。除了确保 FSD 在各种类型的道路上可靠工作并适应人类行为的无数边缘情况的技术挑战之外，还存在重大的监管挑战，这些挑战加剧了阻碍进步的复杂性。
那么这与生成人工智能有什么关系呢？在过去 18 个月里，就像最近的自动驾驶汽车创新浪潮一样，公司在生成式人工智能上投入了大量预算和资源。许多团队的任务是创建 POC（概念验证），以说明集成法学硕士和其他生成式人工智能模型对其产品、服务或行业可能意味着什么。董事会里的人们对演示感到兴奋，一些公司急于将结果推向市场，但结果却不尽如人意。我们现在正在见证 Aidan Gomez 所说的“POC 死亡循环”，即公司努力从实验过渡到在生产中部署模型。
有几个引人注目的例子突显了这一挑战。最近，我们看到 Figma 在推出了一项名为“Make Designs”的新人工智能功能（现已取消）后出现了后退，这是一个提示驱动界面，用于创建新的屏幕设计，为一款天气应用程序生成设计，该设计与苹果的版本有着惊人的相似之处。谷歌的搜索改革也继续面临更多麻烦，该改革建议用户在披萨上涂胶水或吃石头。这些事件表明，就像自动驾驶技术一样，从实验到生产是非常困难的，即使对于拥有大量资源和顶尖人才的公司来说也是如此。
那么，我们该何去何从？据 Gartner 称，到 2023 年 8 月，我们现在正处于或已经过了对生成式 AI 过高期望的顶峰，人们对未来的应用感到兴奋和乐观，几乎没有什么缺点。然而，这的另一面是“幻灭的低谷”。这个阶段通常会出现热情下降和对技术局限性的更现实的理解。我们最近看到的前面提到的错误开始可能会加速这种情况。然而，这也是生成式人工智能更实用、更可持续的用途开始出现的关键时期。
一些公司已经采取了不同的方法来采用人工智能技术。苹果公司有意避免使用这个术语，他们最近的主题演讲将重点放在“Apple intelligenc e”上。他们的“人工智能”产品也很能说明问题——他们没有在整个体验中添加大量功能，而是采取了一种非常谨慎的方法，只关注他们认为可以为用户体验带来显着价值的地方——并在风险更大的地方进行回拨，例如与图像生成。这种谨慎的整合凸显了在不过度宣传技术的情况下增强功能的战略转变。他们还在整个平台上集成了 ChatGPT 来处理某些查询，这意味着如果出现问题，错误将由第三方而非 Apple 承担。
这种经过衡量的方法预示着下一章，人工智能将从核心功能转变为更加无缝地嵌入体验中。人工智能不再是一个引人注目的功能，而是一个强大的后台组件，可以增强用户交互和生产力。这种向微妙的集成人工智能的转变反映了对该技术的优势和局限性的成熟理解，最终导致更可靠和用户友好的应用程序。
考虑到生成式人工智能将对我们设计和开发软件的方式产生影响，很明显，这项技术将以某种形式存在。尚未尝试这些技术将如何颠覆其产品、服务或工作流程的团队和个人应该立即开始这样做。如果你知道去哪里寻找的话，这种转变实际上已经在进行中。
在产品设计中，“超常”的概念是指创造出让用户立即感到熟悉和舒适的产品，尽管它是新颖的或创新的。这种方法强调微妙和精致，而不是明显的新颖性。我们的目标是设计出无缝融入日常生活的物品，给人一种可靠和永恒的感觉。这个概念在 2000 年代初受到深泽直人 (Naoto Fukasawa) 和贾斯珀·莫里森 (Jasper Morrison) 等设计师的拥护。
这种“超常”设计的想法为人工智能体验如何演变提供了一个有用的比喻。随着人工智能功能变得越来越普遍，并且用户逐渐熟悉它们的工作方式，突出它们的必要性将会减少。例如，闪光图标已成为产品中许多人工智能功能的定义特征。最初，向用户传达人工智能功能是必要的，但这将发展得更加直观有用，并自然地融入用户的日常生活中，在不引起注意的情况下增强他们的体验。 Figma 人工智能设计负责人 Jordan Singer 讨论了这种集成：
闪闪发光的图标对于人工智能来说已经无处不在，我们早期有过很多争论。我说过我们根本不应该使用闪光，因为人工智能应该让人感觉真正深度集成。但我认为我们希望让人们轻松了解我们的新功能，确保它是可识别的。
—乔丹·辛格
值得记住的是，曾经有一段时间，苹果不得不解释滑动解锁和捏合缩放的工作原理。现在，这些功能是如此普遍，以至于它们需要解释似乎很奇怪。同样，当我们了解这些新的人工智能可供性时，随着人工智能功能更加深入地嵌入到产品体验中，明显的指标可能会开始消失。
凭借最新的人工智能功能，苹果已经让我们得以一睹未来的面貌——人工智能是一种深度集成的后台功能，可以实现现有体验的增强版本。
苹果已经定义了人工智能设备应该能够做什么的赌注。一些新的 Apple Intelligence 功能甚至感觉不像人工智能，它们只是感觉像是更智能的工具。
— Sara Perez，TechCrunch
人工智能正在从根本上改变我们构建软件的方式，增强和发展我们的能力。这已经在许多领域发生，例如 GitHub 的 Copilot 的成功，它已迅速集成到开发人员工作流程中。然而，人工智能在产品设计中的采用速度较慢，部分原因是视觉空间画布比代码更复杂，而代码更适合基于文本的法学硕士。然而，有迹象表明设计将如何改变。
已经引用的一个例子是 Figma 的“Make Designs”功能。尽管它在发布时遇到了问题，但它提供了一个关于产品设计如何发展的有用的视角。它使用现成的法学硕士与高级系统提示（包括定制设计系统）相结合来生成初稿设计。
我们将这些手工制作的组件和示例中的元数据以及用户输入的描述其设计目标的提示一起输入到模型的上下文窗口中。然后，该模型受示例启发，有效地将这些组件的子集组装成完全参数化的设计。
—诺亚·莱文
虽然演示的重点是从头开始为新应用程序生成屏幕，但这是设计团队不太常见的问题，特别是那些内部人员和使用自己的设计系统的任何人。事实上，真正的价值在于使设计人员能够将此功能与他们的设计系统集成，以生成与其品牌或现有应用程序一致的初稿。
对于产品设计师来说，这可能会产生深远的影响。我们可以不再花费我们的团队构建线框图，而是将更多的精力集中在构建底层系统上，确保生成式人工智能系统的基础稳健，并遵守成文的最佳实践和可访问性标准。
在这种情况下，设计师的工作会发生变化，以确保系统与组织的产品原则、价值观和战略目标保持一致。通过创建可靠的设计框架，设计师将使人工智能工具能够生成一致且高质量的输出，反映品牌的身份和用户体验标准，供组织中更广泛的范围或角色使用。
其他设计角色也可能产生类似的影响。用户体验研究人员还将看到人工智能工具和方法增强了他们的作用。虽然他们理解用户需求和行为的核心使命仍然存在，但人工智能将增强他们收集、分析和解释数据的能力。通过将人工智能集成到他们的工作流程中，小团队将能够比以前覆盖更多的领域、更深入的内容。
用户体验作者也可能将注意力转向底层系统——对他们来说，开发风格指南和词汇，而不是制作特定的 UI 文本。这些指南将作为生成用户界面内容的人工智能工具的基础，确保所有人工智能生成的输出在语气、术语和风格上的一致性。这种方法已经适用于 Frontitude 等工具，它允许用户体验编写者保持对品牌声音的控制，同时利用人工智能处理大量重复的内容生成任务。
在每个例子中，设计的作用变得更具战略性，使设计师能够产生更大的影响。这也确实引出了一个显而易见的问题：我们是否需要像今天一样多的设计师？正如我们目前所定义的，设计角色可能会随着时间的推移而减少。然而，设计一直处于不断变化的状态，我乐观地认为，我们的角色将不断发展以满足新的要求。我们今天所做的事情的界限和定义明天将不一样。
人工智能显着扩大了产品开发角色的影响力，包括设计、用户体验研究、产品管理和工程。它使我们能够在现有角色内做更多事情，并承担以前超出我们范围的任务。这种扩张模糊了现有的界限，带来了挑战和机遇。
例如，产品设计师可能会开始编写产品需求文档 (PRD) 和策略文档，这通常是产品经理 (PM) 的职责范围。 ChatPRD 等工具有助于快速创建结构良好的 PRD，使设计人员能够为产品策略做出贡献并改善团队协作。
同样，Uizard 和 Canva 等人工智能驱动的工具使非设计师能够创建 UX 流程和 UI 原型。这有助于项目经理起草初始设计，促进早期协调和更深入的理解，最终加速设计过程。如果有人感到受到此类工具的威胁，这可能是一个很好的迹象，表明他们需要使自己的技能多样化。如果有一点是明确的，那就是生成式人工智能只会继续取代此类任务，随着模型变得更智能、能力更强，破坏程度也会越来越大。
无论如何，交付高质量软件所需的大部分工作都在于软技能——设定愿景、带领人们踏上旅程、跨学科影响和协作，以将我们的想法付诸实践。这在很大程度上不会因人工智能而发生重大改变——事实上，它们将变得比以往任何时候都更加重要。正如 Lenny Rachitsky 指出的那样，人们擅长“人际交往”，例如协调利益相关者和创造令人惊叹的体验。
人们最擅长什么？人的东西！协调固执己见的利益相关者、消除阻碍、推动团队更加努力地工作、创造令人惊叹的体验、接受伟大的想法、理解细微差别并采取行动等等……这些软技能是人工智能在很长一段时间内不会接管的领域，因此，它们是你比以往任何时候都应该更加培养的技能。
—莱尼·拉奇茨基
还有一些新工具的出现表明软件工程师的角色也有可能被颠覆。根据创建者的网站，德文是一位“不知疲倦、技术精湛的队友，同样准备好与您一起构建或独立完成任务供您审查”。虽然它的目的是让工程师能够专注于更有趣的问题，但它也为技术背景较低的人编写软件打开了大门。
再次强调，这并不一定意味着工程师的角色将会被取代，而是随着时间的推移，角色之间的界限将变得越来越模糊。如果设计师可以模拟一个前端页面来说明设计意图（例如由公司的设计系统提供支持），在我看来这只能是一件好事。这并不意味着设计师将负责将这项工作投入生产，正如我们之前所看到的——跨越这条鸿沟并不容易。
这些例子指出了设计中的一个新兴前沿领域，即设计工程师的前沿领域，该前沿领域最近受到了广泛关注。像乔丹·辛格（上面提到的）、拉斯穆斯·安德森和朱利叶斯·塔恩这样的人指出了未来的混合角色可能是什么样子。他们是跨越设计和软件领域的多面手。对于占据这一领域的人来说，人工智能工具可以增强他们的能力。我相信这表明了产品设计可能如何发展。
当我们驾驭这个新格局时，重要的是要记住，虽然我们的角色可能会发生变化，但设计的核心原则——理解人们并解决他们的问题——保持不变。人工智能将使我们比以往任何时候都做得更多，而我们的适应能力、好奇心和乐观态度将成为随着该领域的发展而蓬勃发展的关键。我想起了詹姆斯·巴克豪斯 (James Buckhouse) 的这句话和对人工智能的重新定义，它很好地总结了我面临的挑战和机遇。
人工智能并不意味着艺术家、知识分子或其他任何人的死亡。相反，这将意味着我们的重生，但前提是我们能够做到这一点。方法如下：我们必须停止将人工智能视为人工智能，而将其视为增强想象力。
—詹姆斯·巴克豪斯
John Moriarty领导DataRobot的设计团队，DataRobot 是一个企业 AI 平台，可帮助 AI 从业者构建、管理和操作预测性和生成性 AI 模型。在此之前，他曾在 Accenture、HMH 和 Design Partners 工作。
免责声明
本文内容(图片、文章)翻译/转载自国内外资讯/自媒体平台。文中内容不代表本站立场，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除。