Figma CEO 親授：AI時代，設計師如何不被淘汰？Dylan Field 揭示「人機協作」的殘酷真相
你是一位設計師，或者你的工作與「創造」有關。過去幾年，你看著 Midjourney 幾秒生圖、看著 GPT 寫出流暢文案、看著各種 AI 工具蠶食你曾引以為傲的專業技能。夜深人靜時，那個問題是否曾浮現心頭：「我的價值，到底還剩下什麼？」
這不是杞人憂天。設計平台巨頭 Figma 的聯合創始人兼 CEO Dylan Field，在與創作者 Peter Yang 的深度對談中，毫不避諱地直面這個時代最核心的焦慮。這場長達 40 分鐘的對話，與其說是一場訪談，不如說是一份給所有創意工作者的「AI時代生存指南」。Field 沒有空談「AI不會取代你，會用AI的人會取代你」這種陳腔濫調，而是從工具創造者的視角，深入剖析了生產力範式轉移的底層邏輯，並給出了一條清晰——甚至有些反直覺——的突圍路徑。
準備好了嗎？我們將拆解 Dylan Field 對話中最具衝擊力的七個核心要點。這不僅關乎設計，更關乎在自動化洪流中，所有知識工作者如何重新定位自己的「人性價值」。
要點一：AI 不是「另一個工具」，它是設計流程的「重組器」
許多人將 AI 視為 Photoshop 裡的一個新濾鏡，或 Sketch 中的一個智慧插件。這是致命的誤判。Dylan Field 明確指出，AI 的引入不是在既有流程上做加法，而是徹底重寫了設計工作的作業系統。
傳統設計流程是線性的：研究 > 構思 > 草圖 > 高保真原型 > 測試 > 交付。每個階段壁壘分明，需要不同的技能和工具。AI 的介入，將這個線性流程炸得粉碎。現在，你可以在構思階段，直接讓 AI 生成數十個高保真視覺方案供你挑選和調整；也可以在測試階段，瞬間生成數百個 A/B 測試變體。「迭代」的單位從「天」或「小時」，縮短為「分鐘」甚至「秒」。
「我們過去認為『速度』指的是完成一個按鈕設計的時間。現在，『速度』指的是在十分鐘內，探索完一個產品登錄頁面的所有可能敘事與視覺風格，並與團隊達成共識。」 —— Dylan Field 闡釋 AI 如何重新定義設計速度。
這意味著，設計師的核心工作從「執行具體的視覺創作」，急遽轉向「定義問題框架」與「進行高維度的創意決策」。如果你仍將自己定位為「畫圖的人」，那麼危機已經迫在眉睫。你的新角色，是「創意方向的策展人」與「AI輸出的品控師」。
要點二：未來的頂尖設計師，必須是「提問大師」與「編輯大師」
當 AI 能生成無限選項時，最大的瓶頸不再是「生產力」，而是判斷力。Dylan Field 反覆強調，在 AI 時代，最稀缺的能力有兩種：
- 提出精準、深刻問題的能力：你給 AI 的指令（Prompt），就是你思考質量的鏡子。模糊的指令得到平庸的結果；而一個能精準拆解業務目標、用戶心理和品牌調性的問題，才能引導 AI 產出驚豔的方案。未來設計師的簡報，可能不再是視覺稿，而是一份充滿洞見的「創意策略提示綱要」。
- 從海量選項中進行編輯、合成與昇華的能力：AI 擅長生成，但不擅長理解細微的上下文和情感共鳴。設計師需要從 AI 給出的 100 個方案中，挑選出最有潛力的 3 個，並將它們的優點融合，注入人性的溫度與品牌的靈魂。這是一種「創意煉金術」。
Field 分享了一個內部案例：Figma 團隊使用 AI 工具探索新的圖標設計。AI 在幾秒內產生了數百個風格各異的圖標。而設計師的工作，是快速識別哪些圖標「感覺上像 Figma」——那種簡潔、友好、帶有一絲玩味的氣質。這種對品牌「感覺」的微妙把握，是當前 AI 無法編碼的。你的新武器，不是滑鼠，而是你的品味、你的直覺，以及你將模糊感覺轉化為清晰指令的語言能力。
要點三：「原型」概念死亡，「即時動態模擬」時代來臨
在傳統流程中，設計師花費大量時間製作靜態原型或有限互動的原型，用以演示和測試。Dylan Field 預言，這個階段即將成為歷史。
AI 驅動的工具將能讓設計師直接描述互動邏輯（例如：「用戶點擊這裡後，這個元件應該以彈簧動畫的形式展開，並帶有輕微的摩擦感」），並即時生成一個可互動、可體驗的動態模擬。這不僅是技術的躍進，更是思維模式的革命。
「想像一下，你不再需要向工程師解釋動畫曲線參數。你直接和 AI 協作，創造出那個『感覺』，然後一鍵生成交付給開發的程式碼或參數。設計與實現之間的鴻溝，將被 AI 填平。」
這對設計師意味著什麼？首先，你必須更深入理解動態設計原則、微互動和心理感知。其次，你與工程師的協作模式將從「交付與實現」轉變為「共同定義體驗參數」。設計的影響力，將更早、更深地介入產品開發的全鏈條。
要點四：Figma 的野心不是「加入 AI」，而是成為「AI 原生」的設計環境
許多公司將 AI 功能作為外掛或獨立模組加入現有產品。但 Dylan Field 透露，Figma 的思考更為根本：他們正在從頭重新思考，一個為 AI 從頭打造設計工具應該是什麼樣子。
這不僅僅是加入一個文字生成圖像的按鈕。這可能意味著：
- 介面本身是動態且情境感知的：工具會根據你正在進行的任務（比如你在設計表單還是遊戲介面），主動提供最相關的 AI 輔助功能。
- 設計系統與 AI 深度綁定：AI 能理解你公司的完整設計系統，確保它生成的一切元件都自動符合顏色、間距、字體等規範，從根源保證一致性。
- 從「向量編輯」到「意圖編輯」：你不再需要手動調整錨點來修改一個圖形，你可以直接告訴 AI：「讓這個圖標看起來更友好一點」或「把這個卡片變成深色模式」。
這種「AI 原生」的思維，是 Figma 面對 Canva、Adobe 等競爭對手強力 AI 化的防禦壁壘。Field 的目標是讓 Figma 不再是一個「你來操作」的工具，而是一個「與你共同創作」的智慧夥伴。
要點五：數據所有權與隱私，將成為 AI 設計工具最關鍵的戰場
這是一個極少被公開深入討論，但至關重要的問題。當你使用 AI 輔助設計時，你的輸入（提示詞）、你的修改過程、你的最終選擇，全部都會成為訓練 AI 模型的寶貴數據。這些數據屬於誰？
Dylan Field 對此表現出高度警惕。他暗示，Figma 的商業模式建立在對設計文件的雲端協作上，他們比任何人都清楚設計數據的敏感性。一個公司的產品設計草稿、未發布的介面、內部的設計決策流程，這些都是核心商業機密。
「如果一個設計工具的 AI，是在所有客戶的私有數據上訓練的，那麼從某種意義上說，一家公司的創意機密，可能正在無意中影響其競爭對手的 AI 建議。這是一個巨大的倫理與商業風險。」
因此，未來頂尖企業在選擇 AI 設計工具時，「數據隔離政策」、「私有化模型部署選項」和「透明的數據使用條款」將成為比功能本身更重要的決策依據。Figma 若能在此建立信任，將構築起一道幾乎無法逾越的護城河。這不僅是技術之戰，更是信任之戰。
要點六：通用型設計師沒落，「T型人才」進化為「π型人才」
過去十年，我們推崇「T型人才」：擁有廣泛的知識面（T 的橫槓），並在某一領域有深度專精（T 的豎槓）。在 AI 時代，Dylan Field 認為這還不夠。未來需要的是 「π型人才」 。
π 這個符號有兩條腿。這象徵著你需要在兩個或以上的領域有深度結合的能力，並且能用 AI 作為橫向連結的橋樑。例如：
- 設計深度 + 業務策略深度：你不只懂 UI，更懂這個功能如何影響用戶留存、轉化和商業指標。你能用 AI 模擬不同設計方案對業務的潛在影響。
- 設計深度 + 前端工程深度：你不只出稿，更深刻理解實現的邏輯與成本。你能與 AI 協作，產出開發友好、甚至直接可用的前端程式碼。
- 設計深度 + 心理學/行為科學深度：你能將人類行為的理論，轉化為具體的設計提示，讓 AI 生成更能驅動預期行為的介面。
AI 負責解決單一領域內的執行問題，而你的價值在於成為那個站在不同領域交叉點，發現新問題、定義新方案的整合者。你的「橫槓」，就是駕馭 AI 進行跨領域創新的能力。
要點七：教育的崩潰與重建：設計學院該教什麼？
這是對現有教育體系最直接的衝擊。如果技能貶值的速度超過了學習的速度，那麼傳統的設計教育課程大綱還有多少意義？Dylan Field 雖然沒有直接給出答案，但他的觀點指向了教育必須發生的根本變革：
- 從軟體操作課，升級為「人機協作方法論」：教學重點不再是如何用滑鼠畫出完美貝茲曲線，而是如何構建有效的創意工作流，在其中智慧地分配人與 AI 的任務。
- 強化批判性思維與美學理論：當生產變得廉價，鑑別優劣的能力就變得無比珍貴。學生需要更紮實的設計史、美學原理和批判分析訓練，以建立堅不可摧的品味體系。
- 引入倫理學與社會學課程：設計師創造的產品正在深度塑造社會。AI 的偏見、數據的隱私、科技的可及性，這些都將是未來設計師必須面對的日常議題。
未來的設計教育，可能更像「創意科技領導力」培訓。它的畢業生，不僅是藝術家，更是能用技術表達創意、並對其社會影響負責的策劃者。
核心觀點與趨勢匯整
為了讓你更一目了然地掌握 Dylan Field 談話的精髓，以下是本文七大要點的關鍵內涵與影響對照表：
| 核心要點 | 傳統思維 (AI 前) | AI 時代新範式 | 對設計師的關鍵影響 |
|---|---|---|---|
| 工具本質 | 生產力工具，優化線性流程 | 流程重組器，粉碎線性步驟 | 工作流必須徹底重構，強調快速探索與決策 |
| 核心技能 | 軟體操作、視覺執行力 | 提問力、編輯力、策展力 | 從「畫圖者」轉型為「創意導演」與「品控師」 |
| 產出形式 | 靜態原型、有限互動原型 | 即時動態模擬，體驗即設計 | 需深入理解動態設計與互動心理，與開發協作模式改變 |
| 工具演化 | 功能疊加，加入 AI 模組 | AI 原生設計，環境智慧化 | 工具變得更主動、情境感知，並深度理解設計系統 |
| 數據與隱私 | 次要考量，文件安全為主 | 核心競爭壁壘與信任基礎 | 企業選擇工具的關鍵將從功能轉向數據政策與安全性 |
| 人才模型 | T型人才 (一專多能) | π型人才 (雙專長 + AI 整合) | 需在至少兩個領域深度結合，並用 AI 橋接創新 |
| 教育方向 | 教授軟體技能與設計原則 | 教授人機協作、批判思維、科技倫理 | 教育體系需徹底改革，培養具備領導力與責任感的創意科技人才 |
結論：你的「人性演算法」，是無法被自動化的最後堡壘
看完 Dylan Field 的洞見，我們回到最初那個令人焦慮的問題：「我的價值，到底還剩下什麼？」
答案逐漸清晰：你的價值，不在於重複執行已被編碼的任務，而在於所有尚未被、也極難被編碼的人類特質。這包括：
- 對不確定性的擁抱與探索：AI 擅長在規則內優化，但人類擅長在模糊地帶發現新問題、定義新遊戲。
- 複雜情境下的情感共鳴與道德判斷：理解一個設計如何讓不同文化背景的用戶感到被尊重或冒犯。
- 基於獨特生命經驗的審美與敘事：將個人的故事、感受與文化洞察，注入冰冷的數據與演算法之中。
- 建立真誠的協作關係與信任：說服團隊、理解客戶未說出口的擔憂、激發共創的熱情。
AI 是史上最強大的槓桿。它不會讓設計師失業，但它會無情地重新定義「設計工作」的內涵。這場變革不是未來式，而是現在進行式。
作為科技愛好者與從業者，你現在最應該關注的，不是哪個 AI 生圖工具效果更好，而是去觀察和學習那些頂尖創意人是如何與 AI 共舞的。關注那些將 AI 用於瘋狂探索而非簡單替代的案例。同時，密切關注如 Figma 等平台巨頭的「AI 原生」策略，它們將直接塑造未來數百萬創意人的工作界面。
最後，留給你一個 Dylan Field 訪談中隱含的、發人深省的問題：在萬物皆可自動化的時代，你將刻意培養並堅守哪些「低效率」卻「極度人性」的能力，來成為那個不可替代的「人類組件」？
你的答案，將決定你在新世界的位置。