设计中的AI：哪些真正有效，哪些仍被过度承诺

设计工具 Paper 的创始人 Steven Heine 花了数月时间，对 Atlassian、Shopify、Notion 等公司的设计师进行匿名访谈，发现实际做法与公开讨论存在差异。AI 在审计和文档化方面表现最为突出：通过使用 Cursor 和 Figma MCP，UI Collective 的 Kirk 构建了一个系统，用于对照令牌表检查设计组件，与手动检查相比，速度提升了约 50 倍。然而，尝试通过 Figma Make 生成仪表板的尝试，虽然产生了视觉上相似的结果，但当放回 Figma 时并未使用真实变量。另一种模式是设计师获取生产仓库的私有分支，以针对真实代码而非想象原型进行原型设计，不过 Heine 指出，没有人能自信地说这更快。《2026 年设计领域 AI 报告》基于对 60 多个国家 900 多名设计师的调查以及来自 Anthropic、Framer、Linear、Notion、Shopify、Sierra 和 Stripe 团队的案例研究，显示同行学习的比例从 24% 上升至 70%，而对自上而下建议的信任度则从 32% 下降至 16%，与上年相比。Alexey Kirdyaev 在 Habr 上写道，AI 揭示了团队中是否存在信任；一位产品经理在 Claude Code 中构建了一个可工作的仪表板原型，这考验了团队重新分配职责的意愿。最具体的例子来自 X5Tech，其中 ControlNet、LoRA 和风格迁移将生成从“抽奖”转变为可预测的变化，目前“Pyaterochka”和“Chizhik”品牌 40-45% 的视觉内容由 AI 创建，部分团队放弃了库存照片，设计速度几乎翻倍。总体而言，AI 被嵌入到任务狭窄且可验证的地方，但在需要创造新结构的地方则表现不佳；顺畅与混乱采用之间的界限由组织信任度决定。