Figma把AI做进FigJam时，最难的不是模型，而是这90%的设计

在Figma内部，做AI功能有个黑色幽默：“90%是简单的，剩下10%要命。”这场关于 FigJam AI 模板的 Deep Dive 揭示了一个反直觉事实：真正拖垮 AI 产品体验的，从来不是算法，而是人如何迈出第一步。

“90%很简单”背后，其实是AI产品最大的谎言

视频一开场，主持人 Jay 就抛出一句内部玩笑：在 Figma，90% 是 easy 的，真正难的是最后那一点。这句话听起来像自嘲，但对做 AI 产品的人来说，几乎是行业真相。

在 FigJam 的语境里，这 90% 指的不是模型训练，而是：用户打开产品的那一刻，AI 到底该不该出现、怎么出现、以什么姿态出现。AI 功能如果设计得不好，不是“没用”，而是“有点烦”。

这场 Deep Dive 的主角，是 FigJam 中“AI 生成模板”的完整设计过程。从一开始的雄心勃勃，到最后真正上线的克制版本，中间经历了大量推翻与重来。整个故事的核心只有一句话：AI 再强，也救不了一个让人无从下手的入口设计。

为什么“空白画布”是AI最该解决、也最容易搞砸的场景

Natasha 在视频中反复提到一个所有创作者都懂的痛点：从空白画布开始，几乎是“无限困难”。

理论上，AI 最擅长的事情，就是帮你从 0 到 1。但现实是，如果你在 0 的时候丢给用户 20 种生成选项、10 个下拉框和一堆 prompt，焦虑只会被放大。

所以 FigJam 把“生成模板”当作核心切入点：不是让用户直接对 AI 说话，而是通过模板，帮用户先完成一次结构性决策。模板不是终点，而是一个安全的起跑线。

这个判断看似朴素，但在 AI 产品里极其反直觉。大多数团队会先炫技：你能生成什么？Figma 的选择恰恰相反：你现在最需要被替你决定的是什么？

第一版AI模板，其实什么都想做

在早期探索阶段，FigJam 的 AI 模板设计非常“贪心”。Natasha 展示的第一轮 iteration，几乎涵盖了所有可能的入口：不同类型的模板、不同层级的选择、复杂的下拉默认值。

比如在某个下拉示例中，你可以选择“present to exec”，系统会生成一套看起来非常完整的结构。这在 demo 时效果很好，也很容易打动内部评审。

问题在于：它假设用户一开始就知道自己要什么。

而真实用户恰恰相反。他们打开 FigJam 的时候，往往只有一个模糊目标。太多选择，不是赋能，而是阻塞。这也是为什么 Natasha 在回看这些设计时，用了一个很重的词：这是一次“broad stroke stab at everything”。

被高层“shop”之后，真正的设计才开始

当这些探索版本被展示给高层之后，真正困难的部分才出现了：如何把一个“什么都能做”的 AI，压缩成一个“你现在就能用”的体验。

Natasha 提到一个关键转折点：他们开始系统性地梳理设计原则，尤其是所有与“入口”相关的探索。AI 不再是散落在各处的能力，而是被严格约束在少数、明确的触发点。

其中一个被反复提及的关键词是 Inserts。这不是一个炫酷的新功能，而是一个极其具体的落点：当用户想往画布里“放点东西”时，AI 才出现。

这个选择背后，其实是一种克制：宁可让 AI 少出现几次，也不要在错误的时间打断用户。

最终上线的版本，看起来简单，是因为它杀掉了太多好点子

在视频后段，Jay 直接问了一个很多观众都想知道的问题：为什么最终版本要经历这么多轮迭代？

答案并不复杂——但很残酷。每一轮迭代，都是在删除看起来“很聪明”的设计。Natasha 形容这个过程像“换挡”，不是线性前进，而是不断调整节奏。

最终上线的 AI 模板，没有试图展示 AI 的全部能力，而是牢牢盯住一个目标：让第一次使用 FigJam 的人，不再被空白画布吓退。

这也解释了为什么很多 AI 产品 demo 很惊艳，但上线后平平无奇。真正可用的 AI，往往长得一点也不像 demo。

总结

这场 FigJam AI 的设计复盘，对所有 AI 从业者都有一个残酷但有用的提醒：模型能力决定上限，但体验设计决定生死。如果你在做 AI 产品，不妨回去问三个问题：用户第一次打开时最害怕什么？你是不是用“更多能力”掩盖了“更好入口”的缺失？以及——你有没有勇气删掉那些你自己最得意的设计？下一波真正留下来的 AI 产品，可能都会长得比你想象中更“普通”。

关键词： FigJam， AI产品设计， 生成式AI， 用户体验， Figma

事实核查备注： 需要核查：视频发布时间（2025-04-03）；主持人姓名 Jay；嘉宾 Natasha 是否为 Figma 员工；讨论内容是否限定于 FigJam AI 模板而非其他 Figma AI 功能。