过去这两年，AI发展迅速，在文字、图片、音频和视频领域对传统的运作方式发起了冲击。这种情况下，不断迭代的AI对设计流程会造成哪些影响？对B端而言，又会有哪些机会呢？

AI，这是一个在过去两年被反复提起的一个词，我们由最初的满怀期待到现在听到 AI 就焦虑，感觉自己很快会被淘汰。

而时间的推移，你会发现很多人都在去讨论：“AI 能取代设计师吗？AI 能取代程序员吗？”最初我们都在期望 AI 帮我们解决洗衣做饭等问题的时候，没想到我们的饭碗没了！😅

两年的时间过去，AI 在不断的颠覆迭代，对我们设计流程会造成哪些影响？对我们 B 端设计又会有哪些机会？今天我们就由浅入深的聊聊 AI。

一、AI 产品的解析

我们想要理解 AI 产品，首先必须得了解其对应的流程以及产品的类型。

目前 AI 产品整体的流程主要分为以下几个步骤：数据收集、数据预处理、特征提取、模型训练、评估优化、推理决策、循环优化。

我们举一个简单的例子来理解一下整体的步骤，比如「智能天气预报系统」：

• 数据收集：系统就会收集来自不同地点的温度、湿度等气象数据，将其同步记录到系统当中
• 数据预处理：对收集到的数据进行人工清洗，去除异常值等特殊情况，将采集的数据标准化
• 特征提取：将处理好的数据给到系统，用于分析数据中的模式，比如识别出哪些条件下通常预示着雨天
• 模型训练：使用过去的历史气象数据，系统训练一个模型来学习天气变化的规律
• 评估优化：通过与实际天气情况对比，评估模型的准确性，并根据需要进行调整
• 推理决策：当用户询问明天的天气时，系统使用训练好的模型来预测天气
• 反馈循环：用户对预测结果的满意度反馈给系统，如果预测不准确，系统会学习并改进预测模型

当然这是较为简单容易理解的情况，真实的内容会更加的复杂，还会涉及到 NLP、ML、DL 等技术来不断优化 AI 让其能做的真正做到可知可感，像一个真人一样。

二、AI 产品的类型

在 AI 产品的运用层面，目前主要有以下几种产品类型来落地 AI：

1. AI 绘图

这是我们设计师最为熟悉的领域，主要是因为日常工作本身就会与图片相关，主要能够绘制图片，帮助我们解决日常工作的问题。

目前主要还是以 Midjourney、Stable Diffusion 为主，他们都有着较强的绘图能力，对传统的绘图领域造成非常大的影响（举一个侧面例子，前两年会有很多学习插画的课程，自从 SD、MJ 出来过后便消失了很多）。

除了传统的 AI 绘图模式，还会有最新版的 Photoshop 推出的「创意填充（Generative Fill）」，它能够使用「Adobe Firefly」提供的技术能力，允许用户以非破坏性的方式进行图像组合和生成，关于绘图类的 AI，大家都会结合自身生态来去构造相类似的产品。

目前 AI 绘图类资源：Midjourney、Stable Diffusion、Civitai、liblib、Firefly

2. AI 文字

AI 文字类的产品会非常的广泛，因为它不像图片还难以理解、解析，文本所能承载的信息就非常广泛。比如行业标杆 ChatGPT 以及它的一众小弟，你会发现软件之丰富，会失去判断能力，每一个都想去做尝试。

比如最近很火的 KIMI ，能够阅读处理 200 万字以内的长文本；百度的文心一言，靠着搜索结果也能够给用户精准的数据；讯飞的讯飞火星，能够与语音结合，通过语音对话的形式实现 AI 的交流沟通，你会发现每一个软件都有着自己独特的特点，而这些特点也会是我们去寻找在 B 端产品当中的机会点（下篇文章我们会聊到）。

这是行业当中竞争最激烈的一个赛道，上周各大 AI 厂商开始疯狂降价，通过价格战来不断内卷。

AI 文字类的软件：ChatGPT、文心一言、Kimi、讯飞火星

3. AI 视频

视频类目前由于门槛较高，其实会发现整体是噱头大于实际用途。比如之前很火的 Sora，据报道背后是用了非常多的素材累计起来的，其参考意义并不大。

不过 AI 视频生成的内容，我最喜欢的还是「小女孩的一生」这类视频主要是在传统的视频软件当中制作需要大量时间与精力，而现在就可以轻松解决。

AI 视频类的软件：Sora、Runway

4. AI 音乐

音乐类其实了解的会比较少，所有的资讯都是来自 B 站的各个自媒体解读。通过他们的表情给我一种当中看到 MJ 画出很多复杂的图像一样，我认为也是出乎他们的意料～

目前整个音乐领域主要是以 Suno 为主，帮助他们进行旋律创作、和弦编排上，相信在后续的两三年时间内，能够帮助到更多音乐的创作者。

三、AI 产品对设计师的影响

目前，AI 会影响到我们工作的很多方面。这里也为大家准备了一些在日常工作当中我们所使用的各种场景。

1. 业务理解

对于一个 B 端设计师而言，业务一定会让你非常头疼，因为很多专业术语、名词不太明白。再加上时间紧，任务重，根本没办法深入的去理解业务，因此就需要有一个简单直接「利器」，那 AI 很明显能够承担一部分责任。

比如我们以最近一位向我咨询的同学为例，他主要负责 云产品的设计工作。因为产品线过多，会导致他无法从容应对项目当中的繁杂需求，特别是对业务的理解非常薄弱（说的像不像文章前的你们～）。

这时候我就会推荐他使用 AI 工具来对业务进行快速理解，比如现在要负责一个 「持续集成的需求」，里面涉及到共享存储库等一系列术语，对于他来说根本没办法解决。这时候我们就可以对 AI 进行提问，首先解释什么是 共享存储库；紧接着问具体什么是持续部署；再让他给我简单举一个通俗的例子；这类问题便快速解决。

AI 其实是非常擅长回答产品定义等，在网上有固定明确答案的问题，这时候对其提问你能够快速解决。

2. 素材制作

对于我们设计的日常工作而言，素材制作主要是为了省时间，像是 B 端的图标，我把他们遮上，你知道是哪个产品的吗？

而这类风格的图标素材我们可以快速生成，并且在日常工作当中，也可以用相同的方式生成大量的图片底图素材等等，至少能够在视觉设计上给到大家非常多的帮助

3. 用户访谈

提到用户研究在 AI 中的运用，很多人会想到让 AI 帮我们生成调研方案。emmm… 其实在用户研究当中，方案的制作并不是最痛苦的事。反而是对应的问题整理会尤为头疼。比如我们再用户访谈时，在之前只能考虑使用录音的方式，将与用户的对话录制下来，后续在通过回放的方式进行回顾。

而现在我们可以考虑结合 AI+智能工具的方式，快速实现。

简单梳理一下对应的 SOP：

1. 进行用户访谈，同时将访谈录音进行录制
2. 将录音信息上传至语音识别平台，如：飞书妙记、讯飞听见
3. 将文本信息扔给 AI，让其帮你整理对应的提问内容，以及你的回答～
4. 最后整理其行为态度与结果，快速生成
5. 数据整理

当然除了用户访谈之外，我们在用户研究的时候还会有很多真实数据这时候我们也可以通过 AI 的方式来进行解决。

比如我们将用户在访谈以及问卷调研当中的所有数据结果整理到表格当中，并且与其他用研人员讨论出用研结果评判标准。

然后再将数据上传到飞书多维表格，并新增 AI 字段，将我们评判标准告诉给 AI，让其能够主动学习。

紧接着 AI 就可以根据你的要求快速生成出一个可以参考的数据结果，你再结合结果与数据进行一遍走查即可，这样的整体流程会比你以往更快，工作强度也会更低。

在工作当中，我们需要具备 AI 意识，当你有任何问题的时候，一定是打开 AI 软件，尝试让他帮你解决，这会比你自己琢磨、搜索、咨询要高效得多，当然上面提到的只是咱们同学在日常工作当中所总结的 AI 功能，如果你也有一些自己的心得，不妨在评论区和我们一同分享。

下篇文章，我们聊聊 AI 与 B 端产品的结合~