如何使用 AI 设计企业级产品?

 

最近我和不少老板、产品负责人、技术负责人聊天时,反复碰到一个问题:

AI 已经能画原型、写 PRD、生成页面、改代码、做交互,那一款产品的设计,是不是也可以主要交给大模型来做?

这个问题看起来像工具问题,实际是一个组织判断问题。

因为很多公司现在确实进入了一个很混乱的决策期。

一类老板亲自 Vibe Coding 了一段时间,发现 AI 真能把页面画出来,代码也能跑起来,第一眼效果还挺惊艳,于是很快得出一个判断:过去那些产品、设计、前端、测试,好像都没那么必要。

然后开始大刀阔斧地调整团队。

前期看起来很爽,后面很容易卡住。

卡住的地方通常不在第一张页面,也不在第一个 Demo。真正麻烦的是功能边界、版本节奏、底层架构、状态流转、异常场景、权限规则、交互一致性、UI/UX 细节、技术债和屎山代码。

另一类老板要谨慎得多。他们知道 AI 很强,也知道不能完全不试,但心里没底:到底哪些环节应该交给 AI?哪些地方必须保留人来判断?产品团队应该怎么用 AI,才能不被 AI 带着走?

我这篇想聊的,就是这个问题。

大模型可以极大提高产品设计和落地的产出速度,但它不能替代一个有产品经验、有独立判断的人来定义产品。

这句话听起来不新鲜,但真正放到企业决策里,很容易被忽略。

AI 现在最容易制造一种错觉:它让“产出物”出现得太快了。

你说一句,它就给你一张图。

你补两句,它就给你一套页面。

你再让它继续,它就能把 PRD、组件、代码、测试都铺出来。

这些东西会让人产生一种很强的感官刺激,好像产品设计这件事已经被 AI 接管了。

但产品设计真正难的地方,很少只在“有没有一张好看的图”。

一、AI 最容易满足的是第一视觉,最容易漏掉的是产品边界

先说一个很现实的体验。

如果你现在让 GPT-Image2 这类图像模型帮你画一个产品原型,它很容易给出一个第一眼不错的结果。OpenAI 对 GPT Image 2 的官方描述里也强调,它面向快速、高质量的图像生成和编辑,支持灵活尺寸和高保真图像输入。对产品早期视觉探索来说,这类能力已经非常有用。

尤其是老板、客户、投资人、内部团队第一次看方向时,原型图带来的沟通效率很高。

过去产品经理可能要写一堆文字,设计师要排版半天,前端再写个 Demo。

现在你把目标用户、页面结构、主色调、布局风格、关键模块说清楚,AI 很快能生成一批足够讨论的视觉样板。

这件事的价值很大。

但问题也出在这里。

第一视觉太容易被满足以后,很多人会误以为产品设计已经完成了一大半。

实际落地时,你很快会发现,原型图解决的是“看起来像什么”,还没有解决“这个产品到底怎么工作”。

一个真实产品至少要回答这些问题:

  • • 用户是谁,谁是核心用户,谁只是偶尔使用;
  • • 这个产品解决的是高频痛点、管理诉求,还是展示诉求;
  • • 哪些功能属于 MVP,哪些功能应该延后;
  • • 不同角色之间的权限怎么分;
  • • 数据对象怎么定义,状态怎么流转;
  • • 异常情况怎么处理;
  • • 业务流程从哪里开始,到哪里结束;
  • • 这个功能上线后会不会影响已有流程;
  • • 未来版本怎么扩展,哪些设计会提前堵死后路。

这些问题,单靠一张漂亮页面很难暴露。

甚至更麻烦的是,漂亮页面有时候会掩盖问题。

一个 AI 生成的后台界面,可能有很漂亮的卡片、渐变、图表和按钮,但它不一定知道这个系统有没有审核流,不一定知道“删除”和“作废”的区别,不一定知道财务数据能不能被运营角色看到,也不一定知道某个筛选条件会不会让数据库查询直接炸掉。

AI 能很快生成产品的可见部分,但产品真正难的地方,往往藏在不可见的边界里。

这也是我为什么不建议老板只凭第一视觉判断 AI 做产品的能力。

第一视觉很重要,它能帮助团队快速对齐方向。可一旦进入真实产品,边界比视觉更难,架构比页面更难,长期维护比 Demo 更难。

二、产品设计的核心,是取舍能力

很多人把产品设计理解成一组文档和页面。

  • • PRD 是产品设计
  • • 原型图是产品设计
  • • 流程图是产品设计
  • • 交互稿是产品设计
  • • 功能清单是产品设计

这些当然都属于产品工作的一部分,但它们更准确地说是产品设计的产出物。

产品设计真正的核心,是取舍。

一个产品负责人每天真正做的事情,远不止把需求写出来。他还要决定哪些需求不做、哪些先做、哪些做浅一点、哪些必须打穿、哪些需求看起来重要但会拖垮架构、哪些功能对老板展示有用但对用户没有长期价值。

这件事非常依赖经验。

因为产品里的很多判断,没有绝对正确答案。

比如一个新功能,到底做成独立模块,还是放进已有页面?

一个复杂流程,到底让用户一步步配置,还是用模板降低心智成本?

一个数据看板,到底追求信息密度,还是追求解释性?

一个权限系统,到底先做简单角色,还是一开始就上细粒度权限?

一个 AI 功能,到底作为主入口,还是作为辅助能力藏在流程里?

这些问题,大模型可以帮你列优缺点,可以给你几个方案,也可以生成不同版本的界面。但最后谁来拍板?

如果拍板的人没有产品经验,只是看哪个方案更炫、更像发布会、更像大厂官网,那产品很容易开始漂。

今天很多 AI 产品的坏味道就来自这里。

一天一个页面风格。

一个星期换三次交互。

昨天要做全屏沉浸式,今天要做卡片流,明天又想做工作台。

每一版都能讲出理由,每一版都挺好看,每一版都像“更 AI”。但用户到底要完成什么任务,功能边界有没有收紧,版本有没有收敛,系统有没有越来越稳定,反而被放到后面。

我特别警惕一种产品角色:依附于大模型的产品经理。

这类人看起来很会用 AI,输出也很多,但缺少自己的判断。模型给三个方向,他都觉得有道理;模型画五个版本,他都想试;模型说某个交互更现代,他就马上改。

这种工作方式短期很热闹,长期很危险。

AI 时代更需要有主见的产品负责人。缺少产品判断的人,会被模型的产出速度拖着跑。

一个真正靠谱的产品负责人,应该把大模型当成外脑、草稿机、推演器和样板生成器,同时守住产品主心骨。

三、老板亲自 Vibe Coding,最容易低估工程后半段

这两年我看到不少老板开始亲自 Vibe Coding。

这其实是好事。

老板自己动手体验 AI,至少会对产品、技术和交付有更强的直觉。过去很多老板对技术开发的理解停留在“怎么还没做完”,现在亲手写过一点,知道 AI 能做什么,也知道一些东西确实比过去快很多。

但这里面也有一个风险。

老板很容易从“AI 帮我做出一个 Demo”推导到“团队很多人都可以不要了”。

这个推导太快。

AI 做 Demo 和产品进入长期运营,中间差着一大段工程后半段。

Demo 阶段最容易成功,因为它可以绕开大量麻烦:

  • • 数据可以是假的
  • • 权限可以不做细
  • • 异常可以先不考虑
  • • 性能可以先不管
  • • 测试可以先省略
  • • 代码结构可以先凑合
  • • 交互可以只覆盖主路径
  • • UI 可以只挑最漂亮的几页展示

产品上线以后,这些账都会回来。

  • • 用户不会只走主路径
  • • 数据不会永远干净
  • • 权限不会永远简单
  • • 接口不会永远稳定
  • • 需求不会永远不变
  • • 代码不会因为是 AI 写的,就自动拥有良好架构

很多老板一开始看到 AI 写代码,会非常兴奋。等项目做了几周,仓库里开始出现重复组件、重复状态、奇怪命名、无效样式、绕来绕去的接口、没人敢改的页面,就会发现事情没那么轻。

屎山代码不会因为生成速度更快而减少,有时候还会增加得更快。

尤其是没有工程规范、没有版本控制、没有 Code Review、没有测试、没有架构约束的 AI Coding,前期推进极快,后期维护极痛。

产品设计也是一样。

如果没有功能矩阵,没有点阵图,没有版本边界,没有清晰的场景优先级,大模型会很热情地帮你把所有想法都画出来、写出来…

— 以上为试看内容(约 40%),开通会员后阅读全文 —