AI時代下設計師作業模式的變化
大模型誕生的那段時間,常有傳言說設計師等崗位將會被AI所取代,是不是意味著以后設計師的職業就不存在了呢?其實不是。本文作者為我們詳細分析了AI時代設計師的價值和如何成長,一起來看看。
最近一段時間一直在思考目前設計師的作業模式是否已然被 AI 改變? 設計工具經歷了從傳統的Photoshop到各種 AI工具的轉變, AI逐步覆蓋設計領域的各個方面,從圖像GC、文本GC、音頻擬合到視頻生成,AI的應用覆蓋了媒體的所有模態?,F在,設計師可以通過簡單的文字描述生成高質量的矢量圖標和3D插畫,甚至幾分鐘內生成虛擬人物圖像,且不用擔心版權問題。通過SD不僅能快速生成高質量的設計素材,還能根據用戶需求進行個性化定制。
視覺設計方向的大部分工作已經被 AI完成,從業多年的設計師所追求的美感被降本增效的老板摧殘,不再去打磨細節了。而剛入職場的菜鳥,如果你v不具備駕馭 AI的能力或相關使用經驗,你甚至找不到一份設計的工作。
因此,我先說一個暴論:AI時代下,設計師會被干掉90%。
但設計師這個崗位是不會完全消失的,設計師是被AI取代的嗎?其實也不能說是取代,只能說AI作為一個工具,很多人不會用。就像PS軟件一樣,放普通人手里就真的只是PS,而放到設計師手里就是Photoshop。 AI也一樣,僅面向設計師來說,它就是一個劃分傳統設計師和新時代設計師的分割線。 現在大多數設計師都不用PS了,注意,先別噴,我說的是大多數!而還有一部分大神依然憑借PS的高超技法,讓目前的AI生圖望塵莫及。但是又有多少人呢?又有多少差距?
AI的覆蓋不僅在響應效率上,有的人說AI不就是生成的快嘛,但是生成的一塌糊涂,質量不行。但你要知道AI從進入大眾視野,到現在才發展了多久?從23年初AI生成人手都慘不忍睹,6個指頭、7個指頭的。到現在Flux模型出的圖足以以假亂真。你不可否認,目前設計師打開AI工具(MJ、SD等)的頻率是遠超于PS的,起碼我在整個一年的設計工作中,打開PS的次數不會超過 10次。
在這樣的一個AI洪流的沖擊下,設計師的作業模式已然悄聲發生改變。
一、AI時代,設計師的價值在哪里?
先說結論,設計師肯定是具備先天優勢的,因為現在缺的是會提問的人,而不是有能力回答問題的人。
為什么這么說?
是因為現在是大模型時代,任何的結果都可以通過模型快速得到結果。你就算是PS大神、就算是可以一下午畫10張圖、20張圖那又怎樣?只要模型訓練好,老板可以一分鐘拿到100個結果,如果不滿意點擊刷新,又是100個。
盡管模型生成的圖片質量可能只有60、70分,比不上你人工做的 90+的效果,但是架不住它響應快且產量大啊,而且模型是具備線性成長的,只要不停訓練,給它“升級”。它之后的輸出質量會穩定在70+、80+ 甚至90+ ?。?!而人工的輸出不具備這種穩定性,即便你有能力產出100分的結果,你也不可能次次都能保持巔峰水平,而模型可以!
因此現在會輸出、會解答的人并不缺,缺的反而是懂得提問、懂得制定規則的人。當你提問的時候,你就已經知道會有什么結果。而需要做什么的規則制定才能讓結果更接近你的預期,這才是現在版本需要去思考的點?。?/p>
尤其是在圖像生成方面,一個懂構圖、光影、色調等美學的設計師,顯然比僅僅依靠個人美感判斷的人更能與AI溝通,創造出更具價值的設計作品。例如,設計師可以通過AI生成初步設計,然后利用自己的專業知識進行細節調整和優化,最終完成高質量的設計作品。
批量生圖SOP
還是以目前我們部門目前的批量素材生成需求為例,就可以很清晰看到當你把自動化流程、規則前置好,輸出的結果是人力遠遠不及的。我們去搭建了一整個SOP,將批量生圖做成工程化,批量產圖SOP的設計需要明確每一個流程節點,保證高效、標準化的操作。
傳統的SOP流程
之前傳統的產圖SOP,需要投入的人力大概在5個:
- 技術開發同學:負責編寫工程文件,預留SD的API接口,保證系統能夠靈活調用SD進行圖像生成。
- 模型煉制設計師:負責煉制Lora,確保產出的素材符合公司需求的統一風格,能夠滿足不同類型素材的需求,如3D風格、插畫風格和真實場景等。
- prompt編寫設計師:編寫CSV,確定圖像生成的具體需求(即生圖prompt)。
- 素材審核員:在圖像生成完成后,整理和審核輸出的素材。制定素材入庫的視覺標準,區分素材為三類:一類是達到視覺標準,無需二次調整的素材;一類是有略微瑕疵,二次調整后可達到入庫標準的素材;一類是嚴重異形、畫面雜亂等素材,無修改價值的素材。
- 素材管理員:針對素材的業務、類型、標簽、命名做有效分類,確保素材在平臺上的可查找性和可管理性。
整個SOP的運行中最核心的是prompt編寫設計師的角色,他需要調控prompt和替換lora,需要去調試工程文件中的節點。技術開發同學和模型煉制設計師其實都是前置資源,從產圖到入庫可使用的這個邏輯是這樣的:
由prompt編寫設計師編寫csv條目,一個條目是一個圖像生成的prompt,所以批量生產同樣的需要批量寫prompt,prompt影響最終產圖的質量。例如我們編寫10個prompt,那就可以產出10張素材。編寫100個,那就可以產出100張素材。但人工編寫的過程非常耗時耗力,這個節點是否可以借助AI的能力去提效?又該如何接入AI?這個可以先思考一下,我們接著鏈路往下看 ??
當批量產出素材后,例如今天產出2000張素材,將素材轉接給素材審核員,按照入庫的視覺標準將素材進行分類和二次調整。2000張圖需要多久,不包含調整的過程,只去審核區分素材就需要1-2個小時。那20000張呢?這個節點是否有AI運作的空間???
當素材處理完,假設良品率為40%,可直接入庫的素材為800張,由素材管理員進行分類和素材信息標注。當然我們也可以只給素材命個名,如:3D紅包.png 那如果有200個不同的紅包素材,素材如何有效召回,所以素材如何有效管理,之前傳統的素材管理,是將命名作分級,如:業務A/3D/紅包/裝滿金幣。那僅這個命名過程,假設一張素材命名需要5s,那800張僅命名大約需要1.11小時。那這個時間是否可以借助AI給吃掉?
AI節點式提效后的流程
ok,我們梳理一下整個產圖到入庫的流程鏈路,其中費時費力的節點:
- prompt批量編寫
- 素材審核
- 素材分類及信息標注
這些節點如何借助AI做提效或者直接用AI的能力給吃掉。我是借助GPT的能力,讓技術同學預留出GPT的API接口,我負責煉制GPTs,將調試好的prompt發給前端,在工程文件中調用。在多個節點安插GPT:
輸入想要的素材關鍵詞及數量–批量產出prompt條目(AI 助力)–導入csv需求單–運行程序–調用SD做批量產圖–素材質量篩選,將素材分類(AI 助力)—素材信息標注(AI 助力)
所以除了前置資源,前端提供的工程文件和模型煉制設計師提供的lora,剩余的事情只需要一名設計師即可,不僅減少人力成本,而且效率還比之前高數倍甚至數十倍。
具體的 3個助力節點暫時就不一一細講了。我僅著重說一下關于生成規則的制定和產出邏輯:
批量產出prompt條目
圖像命名(不可重復),圖像內容(50字以內),不希望圖像出現(沒有填無即可),圖像模型風格(必填),圖片預生成數量(1-30)
如果有同學用過生圖的軟件,就會知道提示詞。不同軟件的提示詞結構都是不同的,但核心不變,就是講清楚你要生成的主體。那上面這個提示詞撰寫的規則也非常好理解。“圖像命名”有點類似于ID 的邏輯;“圖像內容”正向提示詞,描述要生成的圖像主體;“不希望圖像出現”反向提示詞,規避不想要的元素;“圖像模型風格”確定模型lora,模型煉制設計師目前已經煉制了 13 個不同風格的lora,需要在提示詞中明確出來你想要的圖像風格:“圖片預生成數量”確定生成數量,同一提示詞多次產出。
完整示例:科技感轎車1,單個科技感轎車,藍色系,立體呈現,q版圓潤風格,極簡風格,簡單構圖,白色背景,3D渲染,等距視角,復雜細節,多余的元素,最差質量,低質量,低分辨率,糟糕的手,手指缺失,壞解剖,錯解剖,模糊,額外的數字,低質量,水印,3D-通用模型,20
僅僅這一條提示詞,就可以生產出20張相似風格的轎車素材。然后我們借助Agent,將生圖規則投喂給模型,就可以做到提示詞量產。那就會是20*20、100*20的數量級產出,而這僅僅只需要不到 1h 的時間,你告訴我人力如何追趕?
而在這里面重要的是什么?是提示詞怎么寫嗎?
我覺得是個人都有描述能力:一個什么顏色的車、什么視角、什么裝飾元素…這都是再基礎不過的編寫而已。而最最終重要的就是這個規則如何定義!可以讓模型亦或是其他人可以根據你制定的規則去做到量產。
所以為什么說設計師的創意和審美是AI無法替代的,AI更像是一個有巨大天賦的幼童,如果你可以明確告訴他應該怎么去做、做成什么樣算好的,那你才算是真正會用 AI。
僅以圖像GC來說,美學標準和設計師自身的審美,會極大的影響生成效果。這也就是當下設計師的價值所在。因為再往后,新入行的設計師還需不需要去了解光影、結構、環境色、色調等等,還真的不知道….因為 AI直接一鍵生成,根本不需要用傳統的繪畫技法再去精雕細琢了。
你覺得老板是要藝術家還是要一個秒出圖的AI設計師呢?
二、作業流程變化
而設計師的設計流程也受到 AI的影響在發生著深刻變革,傳統的線性設計流程逐漸被更加靈活、高效的非線性流程所取代。
AI工具的引入,使得設計師能夠在短時間內生成大量的創意原型,然后進行篩選和優化。例如,利用AI進行圖像生成、文本創作、音頻處理和視頻制作,可以大幅提升設計效率和質量。
具體實例中,設計師可以使用AI工具如Midjourney生成卡通人物圖像,只需簡單輸入關鍵詞,幾分鐘內即可得到多種風格的圖像供選擇。AI工具還可以幫助設計師進行智能排版和圖像后期處理等工作,縮短設計周期,提高工作質量。
傳統作業模式(UI)
在 AI加持下,產品形態也越來越豐富,作業模式也與傳統的作業模式也悄然發生變化。現有的 GUI作業流程大多依賴于人工設計師的精細操作。這些流程通常包括以下幾個步驟:
- 需求分析與溝通:設計師通過與客戶或產品經理溝通,獲取產品的功能需求,并進行可行性分析。
- 原型設計:基于需求分析,設計師制作UI原型圖,通常使用設計工具(如Sketch、Figma)進行視覺排版。
- 交互設計:設計師根據用戶體驗要求,設計交互效果和用戶操作流程,確保UI界面順暢、易用。
- 高保真設計與實現:最終設計稿完成后,交給開發人員進行前端實現。
這一流程是線性的,依賴于設計師的人工參與,且時間較為冗長,容易受到人為錯誤和偏差的影響。此外,由于各環節之間的反饋周期較長,跨部門的協作溝通也時常導致效率低下。
新型作業模式(AI&UI)
AI&UI融合生成,即通過人工智能和用戶界面設計的結合,能夠實現從需求到設計的智能生成,并自動化多個設計環節。主要步驟:
- 智能需求分析與提煉:通過AI模型對客戶需求的自動化提煉,系統可以快速生成初步的設計方向,減少人工在需求分析階段的負擔。
- 自動化原型生成:利用AI算法,結合用戶輸入的需求,自動生成多個設計方案,并依據用戶反饋快速調整和優化原型設計。
- 智能交互與視覺效果設計:AI能夠根據用戶行為和交互數據,智能預測并生成最佳的交互設計方案,優化用戶體驗,減少手動調整的時間。
- 實時反饋與優化:通過AI的自學習能力,系統能夠實時根據開發階段的進展和反饋自動調整設計,從而提高產品上線的速度。
通過AI與設計的深度融合,設計師不再需要耗費大量時間在繁瑣的細節上,而是將更多精力集中在創意方向的引導和決策上,從而大幅提高了工作效率。
模式的迭代,其主要原因在于:
1. 設計對象發生轉變
設計對象從單一的設計師轉變為設計師、產品經理、工程師和算法訓練師的協同作業。每個環節都緊密相連,任何一個環節的輸出都會影響其他環節。
2. 環節間的協同作業
AI 融合的設計流程不再是單向傳遞,而是形成了一個閉環。設計師、產品經理、工程師和算法訓練師需要緊密合作,共同維護設計標注規范和評測集。每個環節的輸出都可能成為其他環節的輸入,形成協同作業模式。
3. 新增“模型訓練師”角色
新增了“模型訓練師”這一角色,主要負責訓練和優化AI模型,確保輸出的文案、圖表等內容符合設計規范和用戶需求。
4. 設計表達樣式實現方式的變化
AI融合后的設計表達樣式不再局限于傳統的視覺呈現,還包括了模型訓練生成的內容。設計表達范式更加注重信息的清晰度和結構的合理性,強調重點信息的加粗和分段展示。
5. 內容范式的明確
在 AI的輔助下,內容范式更加明確,強調信息的層級和結構。設計輸出的內容需要遵循一定的規范,包括重點信息的加粗、分段展示、圖表和圖文的合理搭配等。
三、AI“百家爭鳴“,我們能做什么?
隨著 AI“百家爭鳴”,新的崗位也不斷涌現,如AI訓練師、Prompt工程師、數據標注師等。傳統的設計崗位也在發生裂變,出現了模型煉丹設計師、AIGC設計師、AI視覺設計師等新角色。例如,AI訓練師負責訓練和優化AI模型,使其更好地適應設計需求;Prompt工程師則通過優化輸入指令,提高AI生成內容的質量和準確性。
在 AI時代下,設計師如何擁抱變化呢?我覺得可以大致分為兩個方向:視角和認知擴展,以及能力邊界擴展。
視角和認知擴展
設計師的視角和認知需要擴展,尤其是在面對AI和大模型的深度融合時。這不僅僅是技術層面的適應,還包括從更高層次上理解設計的角色和責任。具體的擴展動作包括:
熟悉上下游作業
設計師不僅需要理解自己的設計工作,還需對整個作業流程的上下游環節有清晰的認知。這意味著,設計師要深入了解需求分析、產品規劃、開發實現、測試反饋等各個階段,以及與這些階段緊密關聯的團隊成員和工作內容。這種全流程的理解有助于設計師更好地把握設計目標與客戶需求,并在與其他部門協作時形成共識。
認知不同實現方式
隨著大模型技術的引入,設計師需要了解AI在設計中的應用與實現方式。傳統設計是依賴人工操作的,而在大模型下,設計方案可以由AI生成,甚至可以根據數據和用戶反饋實時優化。設計師需要認識到這種轉變,并理解AI如何輔助或替代傳統的設計流程,同時把握AI在設計中的局限性與優勢。
能力邊界擴展
隨著設計工具和工作流程的進化,設計師的能力邊界也在不斷擴展。新的工作環境不僅要求設計師具備傳統的設計能力,還要求他們具備更多技術性和戰略性技能。具體的能力擴展動作包括:
表達范式設計
在AI和大模型的環境下,設計師不僅要設計視覺界面和交互,還需要參與到“表達范式”的設計中。這意味著設計師要考慮如何利用新的技術表達設計想法。例如,如何通過AI生成的設計快速表達不同的創意方向,如何利用AI優化設計文檔與提案的呈現方式等。這是一個新的挑戰,要求設計師跳出傳統的設計思維,具備更廣泛的創意和表達能力。
模型prompt學習
設計師需要學習如何通過模型的prompt來引導AI生成所需的設計結果。AI模型的輸出通常依賴于輸入的prompt質量,設計師需要掌握如何精準地設計prompt,以獲得最佳的設計方案。這不僅涉及到對AI工具的使用技巧,還需要設計師具備一定的計算思維,能夠根據設計目標調整prompt,從而高效地利用AI完成復雜的設計任務。
結語
AI技術的發展正在深刻改變設計行業的格局,設計師需要不斷學習和適應新的技術和工具,才能在未來的職場中立于不敗之地。雖然 AI可能會取代大部分基礎設計工作,但設計師在創意、美學和人機協作方面的價值依然不可替代。通過不斷提升自己的技能和創新思維,設計師可以在 AI時代找到新的價值和機會。
本文由 @小普 原創發布于人人都是產品經理。未經作者許可,禁止轉載
題圖來自 Pixabay,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
寶藏文章,插個眼!