当 AI 参与需求分析,设计师在设计什么?

Sharing

AI 可以快速拆解需求、调用资料并生成结论,但一份完整的分析并不等于可靠的判断。本文从一次需求分析 Skill 的迭代出发,讨论设计师如何区分事实与假设,组织判断依据,并让 AI 的分析过程能够被检查和持续验证。


本期提纲:

• 需求文档写的是方案,设计师要看见背后的问题

• 为什么 AI 总能给出“看起来合理”的分析?

• 如何让 AI 对需求的判断与分析,更可靠?

• 好的需求分析,应该让团队看见什么?

• 设计师真正沉淀下来的,是一种学习循环

• 结语

最近在搭建一个需求分析 Skill,这个skill的运行逻辑是:我把一份需求文档交给 AI,希望它结合我提前整理设计理论和产品价值观等材料搭建出来的知识库内容,判断这个需求解决了什么问题、是否值得做、还存在哪些风险。

很快,一份有用户、有场景、有结论的分析生成了。只看结果的话,似乎方法已经跑通。但当遇到一些较为棘手的问题时,继续追问AI,例如“这条判断用了哪项依据”、“为什么这项原则适用于当前需求”时,问题出现了:


  • 有些结论来自 AI 自身的通用推理;

  • 有些观点虽然来自资料,却忽略了适用条件;

  • 还有些表达过于绝对,仿佛一条经验能够覆盖所有需求。


这些答案不一定是错的。真正值得警惕的问题是:这一次看起来正确,究竟是方法可靠,还是 AI 恰好猜对了?这成为我持续思考迭代这个 Skill 的起点。比起让 AI 给出更多答案,更重要的是让判断的依据、过程和边界变得清晰。

1
需求文档写的是方案,设计师要看见背后的问题
体验设计经常从一份需求文档开始:

文档通常已经写明要增加什么功能、希望达到什么目标,有时还附带用户反馈和初步方案。我们很容易顺着它继续思考用户流程、信息架构和交互界面等等设计工作的开展,却忽略了一个前提:文档描述的往往是:“团队目前想做什么,不一定等于用户真正遇到了什么问题”。


假设,一份需求写着:

“用户面对的内容太多,希望增加自动摘要功能,帮助用户更快获取重点。”
这句话至少混合了四类信息:

  • 事实: 用户正在处理较多内容;
  • 目标: 希望降低阅读和理解成本;
  • 假设: 用户需要自动摘要;
  • 方案: 在产品中增加摘要功能。

“自动摘要”已经是一个方案。用户真正的困难可能是找不到关键信息、无法比较多份内容,或者不知道怎样做决定。

如果没有拆开这些信息,我们很容易把尚未验证的方案当成需求本身。后面无论把摘要长度、按钮位置和纠错机制讨论得多完整,都可能只是在认真解决一个没有被确认的问题。


因此,需求分析不是设计开始前的机械步骤,而是设计工作的本身。设计师需要继续确认:谁在什么场景下遇到了问题?真正的阻碍是什么?哪些内容已经被证实,哪些只是推测?

把需求拆解看成一座冰山,水面上是产品背景、产品逻辑、产品目标、功能描述;水面下还有用户场景、真实诉求、约束、风险、判断依据等等隐藏信息。设计师的工作不是立刻把水面上的内容做出来,而是先确认水面下的问题是否成立。


不过,看见水面下的信息,并不代表我们已经得到了答案。

接下来还需要判断:哪些信息足以支撑当前选择?已有的设计原则和经验是否适用于这个场景?当用户目标、业务诉求和使用风险发生冲突时,应该依据什么做出取舍?

这意味着,需求分析不仅需要把问题拆开,还需要一套能够被调用和核对的判断依据。公开规范、设计原则和历史经验,都是这些依据的重要来源。

Apple 的 Human Interface Guidelines,就提供了一种组织这类判断依据的参考。它覆盖设计基础、常见模式、系统组件、输入方式和平台技术,帮助设计师理解平台行为与用户预期,再结合具体情境做出选择。

HIG 的价值不在于提供一个可以直接套用的标准答案,而在于说明一项设计原则为什么成立、通常适用于什么场景,以及使用时需要注意哪些条件。

同样,用于提供给AI进行需求分析的知识库,不仅仅只是单纯给出设计原则、规范或历史经验、产品价值观。还需要补充说明它们成立的支撑依据是什么、适用条件有哪些、使用的边界情况,等等额外信息。
2

为什么 AI 总能给出“看起来合理”的分析?

第一版 Skill 已经包含提示词、判断的知识库资料和基本流程步骤,但没有太多的“约束”。告诉 AI 应该参考什么、输出什么,却没有规定怎样使用依据、哪些过程不能跳过,以及怎样证明检查真正发生过。

AI 很聪明,但也很会“偷懒和欺骗”。

这里的“偷懒和欺骗”,是指它擅长选择最短路径,尽快生成一个符合要求、看起来合理的结果。实践中,常见的偏差有四种:

1. 无关联性的强行匹配

需求和知识库内容一旦出现相似词语,AI 就把两者强关联起来。结果是不太关联的内容却被关联了起来,且没有确认原则、关联逻辑成立的条件。

2. 无视思考,直接跳过

AI 可以直接给出结论和理由,但未必说得清结论对应哪条需求信息,又是怎样从依据推导出来的。

3. 把“总结”“篡…

— 以上为试看内容(约 40%),开通会员后阅读全文 —