OpenAI 设计总监：设计师是科技行业最惨的人

这篇文章整理自 Ian Silber（OpenAI 设计负责人）在 Lenny’s Podcast 中谈 AI 与设计的内容。它讨论的重点不是设计师会不会被 AI 替代，而是工作判断、协作方式和责任如何重新分配。

访谈中提到的焦虑，在设计团队里并不少见：当工程师可以借助 AI 快速扩大产出，设计师会同时面对更高的速度期待、更模糊的角色边界和更强的职业不确定感。

设计师的不安并非单一工具问题，而是三种变化同时发生，彼此放大。

• 产出速度的差距：代码、原型和实现越来越快，设计交付却不只是画面产出，还包含研究、判断和对齐。
• 角色定义的真空：产品、设计和工程都能直接使用 AI，过去清晰的边界被打散，却还没有新的协作规则。
• 信心表演的噪音：社交平台上“已经全面掌握 AI”的叙事很多，反而让真实的学习曲线和不确定性无处安放。

AI 会让产品经理、工程师和设计师更早参与彼此的工作，但角色融合不等于角色消失。产品经理仍需定义问题与成功标准，工程师仍需负责系统质量，设计师仍需理解用户、组织体验并做出可解释的取舍。

真正变化的是协作时点：设计师可以更早把想法变成可运行的东西，工程师和产品经理也能更早参与体验判断。边界变得流动，责任反而需要被说得更清楚。

当实现一个想法的成本降低，设计师就不必只停留在静态稿和交接文档里。可以更快验证交互、比较方案、观察真实使用，再把时间花在理解用户和建立产品判断上。

这也意味着“会不会使用某个工具”只是起点。越容易实现，越需要有人判断什么值得做、为什么这样做，以及结果是否真的改善了用户任务。

AI 的进步会让新人更容易开始，也会让旧的经验更快失效。与其把注意力放在追赶某个工具，不如保持对新能力的好奇，把每次尝试都当成理解产品和工作方式的机会。

探索不等于盲目追新，而是用小成本实验验证假设，再决定是否进入正式流程。

访谈里给出的实用方法，是把工作分成两条轨道。核心、长期和高风险的产品问题，需要深度研究、验证与迭代；探索性的新功能，则可以快速做出可用版本，从真实反馈中学习。

双轨的价值在于把速度和质量放进同一个系统：不是所有事情都用同一套流程，也不是所有事情都可以跳过判断。

在 AI 工具的帮助下，原型不再只是交付给开发的中间产物，也可以直接成为团队讨论问题的共同对象。一个能运行的实验，往往比一组静态页面更快暴露流程、内容和状态上的矛盾。

这要求设计师把原型当作思考工具：先表达关键假设，再用真实交互观察哪里成立、哪里需要调整。

文章最后归纳的能力，和“熟练掌握更多工具”并不完全相同：

• 保持好奇，持续理解新能力能改变哪一段工作流。
• 形成自己的观点，能够解释为什么选择一个方向。
• 具备系统思维，看到界面背后的流程、约束和组织关系。
• 保持适应力，在工具和边界快速变化时仍能推进工作。
• 关注结果，把注意力放在用户任务和业务影响，而不是产出数量。

对 AI 产品经理而言，这份访谈最有价值的提醒是：探索性原型和生产级承诺必须分开管理。前者允许快速试错，后者必须明确成功标准、验证方式、权限边界和责任归属。

AI 能力应该被做得足够可见，让团队知道它能帮什么、不能帮什么；但最终的判断、复核和结果责任，仍然要回到具体的人和流程里。