全网鼓吹的“AI 工作流”，为什么在大厂很难落地？

一、全文速览图

最近“AI 工作流”被越来越多的同行提起，行业里铺天盖地鼓吹 “重构 AI 设计工作流”，似乎不推翻原有流程，就不算跟上 AI 设计浪潮。

AI 到底该怎么融入设计工作？如何打造全新的 AI 设计工作流？本文将结合我在大厂的实际工作经验，聊聊我对 AI 工作流的看法，以及我们团队如何使用 AI 的几个工作案例和方法。

二、AI 工作流到底靠不靠谱‍‍‍‍‍‍

说实话，作为一支专业的大厂 B 端设计团队，到目前为止，我们也还没有沉淀出相对稳定的“AI 设计工作流”，而只在原有成熟设计流程中，嵌入 AI 手段补齐短板。

在我们看来，B 端业务讲究严谨、高效、专业，从产品输出 PRD 到设计师交付设计稿，再到研发开发上线，这套核心流程早已经过市场千锤百炼，无需全盘推翻。我在之前的文章里也聊到过：我们引入 AI，从来不是为了改变设计流程本身，而是用 AI 解决流程里的痛点、卡点，用最低的成本实现最高的交付效率，一切以业务需求、产品形态、设计师投入产出比等指标为核心判断标准。

盲目跟风打造 AI 工作流，只会让设计工作陷入更大的混乱，欲速则不达：

1. 一套标准无法适配所有场景

B 端产品形态多样，业务价值和产品收益各不相同，因而导致项目排期、人力配置、业务优先级也天差地别。有的项目只需要 AI 辅助出灵感，有的只适合用 AI 做 Demo，还有的则应该用 AI 从 0-1 跑通。如果强行套用统一的 AI 设计流程，就会出现大材小用或能力不足的情况，违背投入产出比的核心原则，结果就是产出不达预期，费力不讨好。

2. 工作流程沉淀需要量的积累

工作流程的沉淀和形成需要大量项目积累和时间验证，无法速成。一套能长期落地、适配团队的设计工作流不是凭空捏造的，而是经过无数个项目试错、不断迭代优化、结合团队协作习惯慢慢沉淀而来的，包含了不同业务场景的应对方案、各岗位的协作默契、风险规避的经验等等。而当下所谓的 AI 工作流，大多是短期搭建的理想化流程，缺乏实战容错性，更像是纸上谈兵。

3. 各个方面的基础没有打牢固

我这里所说的基础，也就是你或者团队能够顺利应用 AI 来进行工作产出的前提条件，包括对于参与项目的协作者的 AI 应用能力是否有统一培训或技能要求；团队自己的业务风格化组件库是否已经基本完善；每一个环节和步骤所输出的成果和其对应的质量评估方式有哪些等等。

这些基础如果都没有建立的话，就相当于你在一个软塌塌的地基上想要建高楼，即便这个楼用了很多科技手段而建得很高，依旧不够稳定，质量堪忧。如果基础不稳定而贸然推翻打造全新 AI 工作流，需要全团队重新适配、学习、调整，不仅会带来巨大的协作内耗，还会导致交付节奏混乱，影响项目正常推进，得不偿失。

说到底，没有万能的 AI 工作流，只有适合自己团队的 AI 使用方法。AI 可以是最得力的辅助，但替代不了流程的稳定性和人的专业价值。

三、设计过程如何应用 AI

虽然不推荐完全颠覆工作流，但我们团队全员也在积极拥抱 AI，我也分享几个用 AI 解决实际设计问题案例，供大家参考：

案例 1. 突破排期的瓶颈

作为有主动性的设计师，我们经常会通过对用户体验的摸排发现产品的各种痛点，也能以极快的速度输出设计解决方案，相当于从设计侧给产品提出需求。但产品和研发团队也有自己的工作节奏，排期爆满时设计方案只能被搁置或延期开发。以往设计只能被动等待，现在却可以利用 AI 打破这个僵局：我们会直接借助 AI 撰写 PRD，把设计思路、用户痛点、方案价值清晰梳理；再通过 Vibe Coding 快速生成可落地的代码，直接推送给研发团队。这种方式极大降低了协作团队接入的成本，让好的体验优化不再被排期卡住，也让设计师慢慢扩大自己的职能边界。其中的技巧和经验我也会在之后的文章中分享。

案例 2. 可视化交互细节

对于应对复杂业务逻辑而出现的全新的交互设计形态，很多时候设计师是很难用语言或静态设计稿完整表达设计细节的。为了避免产品、研发理解起来有偏差，我们直接用 AI 快速制作简易可交互 Demo，小半天就能把所有逻辑细节、交互动效完整呈现。不仅能帮设计师自己梳理清楚设计细节，避免逻辑漏洞，也能在方案评审时降低沟通成本，提升方案通过率：

图为逻辑复杂的弹窗用 AI coding 的效果

案例 3. 方案调试工作台

对于一些比较看重视觉效果的 B 端项目，设计师可能会产出 2-3 套配色、组件样式的视觉方案。以往我们只能靠单张设计稿对比，方案之间很难直接判断优劣或感受差异。但现在我们会用 AI 搭建一个针对该项目的设计调试工作台，在这个工作台里，我们将每一个方案做成一个选项，业务方可以点击选项，切换、调试不同视觉方案，实时查看整体视觉效果，对比差异一目了然，快速做出判断和选择。

案例 4. 提供设计新思路

B 端产品复杂的逻辑常会为设计方案带来难题，受制于各种业务和功能因素，设计师可能总觉得功能不够完善，却又想不出更优解。于是我们尝试把完整的设计需求、现有方案、业务限制等上下文同步给 AI，让它输出对应的设计方案。坦白来说，AI 生成的方案并不能直接拿来用，但它或多或少能够提供一些全新的设计思路或功能布局，相当于身边多了一个随时可以比稿、碰撞思路的天马行空的同行。

对大多数大厂设计团队来说，AI 从来不是设计的目标，而是工具、是过程、是辅助手段。AI 就像一把新锤子，拿到手后，很容易看哪里都像钉子。不分场景、不分需求盲目使用，反而会增加工作量、降低设计质量。始终聚焦“少用人、快交付、可复制、能复利” 才是 AI 引入工作流的核心原则。

因 AI 技术变化和团队成长速度都很快，本文时效性有限，我们也在持续梳理不同项目对应的 AI 应用流程与落地方案，打磨最优的工具使用策略，后续有成熟结论也会和大家分享，欢迎持续关注。