起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識AIGC｜設計師與AI協同的三種模式
在這個不斷革新的生產關系中，設計師的價值逐漸被重新定義，也對我們如何看待設計工作、如何與AI共生提出了新的思考。
現有設計流程中，設計師需要負責創意構思，具備提出問題最優解的設計思維和創意能力，還要設計執行，通過熟練的軟件技能將這些方案付諸于實際。
專業復雜的設計工具通常具有較高的學習門檻，要求設計師投入大量時間進行學習和實踐，當無法熟練使用這些工具時，往往會限制優秀創意的呈現效果。
因此，軟件技能水平成為衡量設計師能力的重要指標之一。
然而，隨著生成式AI的引入，這一局面正在發生改變。
在設計執行階段，傳統圖形處理軟件（如PS、AI、Blender等）所代表的“技能特權”被無限削弱，問題定義和創意思考重新成為設計工作的核心。
此外，以大語言模型為驅動，可自主化完成復雜任務的Agent智能體，必將深度參與到創意構思環節，為解決問題提出自己的想法。
根據AI參與深度的不同，設計師與AI的協同逐漸呈現出三種不同的模式。（思路源自Agent相關文章中關于“人類與AI協同的三種模式”的論述）
一、Embedding模式
通過將AI功能（如智能擴圖、一鍵摳圖、文字生圖等）嵌入到現有軟件界面中，能直接提升設計工具的智能化水平，設計師可以在熟悉的環境和流程中調用這些AI功能，無需額外學習新的工具，輕松獲得即時的智能支持。
這種內嵌策略應該是讓AI最快落地應用的方式之一，例如Photoshop Beta、MasterGo Al都通過這種方式快速實現了產品的智能化升級。
但Embedding模式的局限性也是顯而易見的，受限于工具現有架構，強大的AI功能多為散點式地存在，無法形成協同效應。
這意味著設計師在整體設計工作中，仍然處于絕對主導的位置，只能在特定任務或局部利用AI進行增強和提效，無法享受全面的智能化服務。
因此，Embedding模式更像是現階段應對生成式AI大潮的過渡方案。
二、Copilot模式
與上一模式不同，Copilot模式下的AI不再局限于設計執行（生圖）的環節，借助文本生成、圖片生成和語義理解等多方面實力，延伸至整個設計流程，在各個階段為設計師提供輔助支持。
也就是說，當接收到設計需求的那一刻起，Copilot便能夠基于強大的知識庫和用戶數據，對設計需求進行分析，并給出具體的設計建議（如框架布局、內容元素、顏色搭配等），還可以生成參考方案。
形態上我們可以參考目前較火的AI搜索類產品，Copilot可能會以插件或者懸浮窗口的方式存在，方便設計師隨時調用。
調起界面后，用戶可以輸入自己的設計需求，也可以上傳相關需求文檔，給AI越多背景資料，結果可能越精準可用，接著是選擇自己的生成訴求。
開始生成后，基于用戶勾選的內容依次生成，除了對于設計需求的分析和文檔的解析，還可以利用AI的搜索能力，整理主題相關的延伸閱讀材料供設計師參考。
在設計分析模塊，圍繞不同的設計類型生成建議內容，比如我要設計的是一張海報，生成內容就可能會包括標題、版式布局、尺寸、字體、背景等海報設計元素。
最后是基于以上分析生成的設計方案，訴求簡單的話可以直接下載使用，若需調整，也可一鍵導入圖形處理軟件進行修改。
這是我所能想到的一類設計Copilot的產品形態，當然，還有許多更輕量的方案，期待大家的分享。
Copilot模式可以實現全設計周期的智能支持和創意激發。
然而，這一切仍然依賴于設計師的各種指令，最終方案也需要設計師在Embedding模式下的圖形處理軟件中來完成。
Copilot模式對于協同關系最大的改變是，AI不再只是智能化增強的圖形處理工具，而是成為與設計師緊密協作的得力助手，助力設計全流程的提質提效。
三、Agents模式
Agent以大語言模型為核心驅動，具有自主感知理解、規劃決策、記憶反思和使用工具的能力，能夠自動化完成復雜任務，許多人認為，Agent可以將大模型的能力發揮到極致，成為類人甚至超人的智能實體。
在設計領域，Agent可以被視為一個個擅長不同設計能力和擁有不同經驗知識的虛擬設計師，支持自由選擇、組合或刪除，同時我們根據需求所需能力，為Agent外掛各種工具，并能將業務專屬的知識數據上傳供其學習。
有沒有發現，整個過程很像是為設計需求量身打造一個專屬的“AI設計團隊”？
設計師的角色因此被徹底改變，更多時候只是站在Leader的視角向AI發出設計需求，然后等待方案的呈現，目標設定，任務拆解和分配、生成設計指令、信息收集、方案生成由Agent全權代理并自動完成，AI成為真正意義上的創作主體，設計工作也將進入“3D打印”的時代。
對設計師而言，最重要的不再是創意能力、設計能力，而是審美能力、判斷能力和決策能力。
Agent以何種形態面向設計師尚未可知。歷史經驗告訴我們，技術進步推動生產效率提升，進而引發生產組織和社會關系的變革。
作為本輪變革的核心驅動力，AI技術具備極強的前瞻性。
因此我認為，我們無法通過傳統的設計行為模式來預測全新的Agent形態，而需要從源頭入手，深入研究Agent的技術特點，進行合理地反向推導，從而逐步勾勒出Agent的“外輪廓”。
大概有這樣一個思路可姑且一聽，信息架構和框架布局受到用戶任務流程的影響，而任務流程源自產品/平臺所支持的功能范圍，功能范圍一方面基于用戶需求，另一方面則取決于技術的能力范圍。
現階段，Agent技術框架通常被認為由四個關鍵模塊組成：
- 記憶：負責存儲信息，包括過去的交互、學習到的知識，甚至是臨時的任務信息。
- 規劃：包括事前規劃和事后反思兩個階段。在事前規劃階段，這里涉及對未來行動的預測和決策制定；在事后反思階段，智能體具有檢查和改進制定計劃中不足之處的能力。
- 工具：利用外部資源或工具來執行任務。學習調用外部API來獲取模型權重中缺失的額外信息，以此來補足自身弱項。
- 行動：實際執行決定或響應的部分。面對不同的任務，智能體系統有一個完整的行動策略集，在決策時可以選擇需要執行的行動。
擅長不同設計領域的大語言模型相當于各種設計角色，如何來管理這些角色很重要，所需功能可能會有角色市場（官方或個人）、角色雇傭（臨時或買斷）、設計能力升級迭代、角色的組合搭配等。
記憶模塊大概需要兩個空間，一個空間存儲的是每次行動后自動沉淀的知識和經驗，另一個空間則支持我們將業務材料、個性化數據，甚至是既往設計作品等內容進行上傳，經過學習快速成為Agent能力的一部分。
在規劃階段，相關分工的安排以及行動步驟的拆解應避免黑箱操作，將任務鏈可視化有助于提升設計師的掌控感，這對處理好協同關系很重要。
工具方面，可能會通過工具庫或工具商城的形式聚合呈現，支持各類設計工具和工具包的選配選購，還要具備增、刪、改、查等基礎的工具管理服務。
最后是行動，我認為有兩個需要考慮的點，一是方案展示要結合文、圖、視頻內容的特點，不能簡單的用一種框架去展示不同的設計作品，二是圖形處理功能以什么形式與agent對接。
當我們把Agent一些核心的功能捋出來，接下來就是思考用戶的任務路徑都有哪些，剩下的就不再展開了，可能性有很多。
以上內容只是從我自己的角度嘗試對Agent模式下的工具形態提供一點粗淺想法，并不一定對，重要的是引發大家的思考。
2023年11月，比爾蓋茨發文表示，Agent將引發自從我們從輸入命令到點擊圖標以來計算機領域的最大革命?；蛟S，隨著Agent的到來，我們更應該想一想設計師角色存在的意義是什么。
四、最后
AI正在深刻變革著設計行業，現階段的Embedding模式雖然讓設計工具初步實現了智能化升級，但生成式AI的能量沒有充分發揮，設計師仍是設計創作的絕對主體；Copilot模式通過全流程支持，可能會實現設計效率的全面提升；而Agents模式下，AI將成為設計的主體，傳統設計師與創意構思、設計執行完全脫離，由此全面進入智能化設計時代。
本文由 @設計來電 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自 Unsplash，基于 CC0 協議
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論，等你發揮！
