设计不是灵感问题，而是数据太晚到：Figma这场对话戳破行业幻觉

很多AI产品失败，并不是模型不行，而是设计在“没有数据”的真空中做决定。这期Figma对话抛出一个反直觉观点：真正拉开产品差距的，不是更聪明的设计，而是你何时、如何拿到真实数据。

最反直觉的一点：设计不是先画出来的

在这场对话里，最刺耳也最真实的一句话是：很多设计问题，根本不是设计能力的问题，而是数据来得太晚。Akbar 提到，他们经常在“还不知道真实数据长什么样”的情况下就开始设计，结果等数据一到，整个设计逻辑被推翻。

这对AI从业者尤其致命。我们习惯先假设数据分布、用户行为，再用这些假设去“喂”设计。但现实是，只要真实数据一出现，之前那些看似合理的布局、流程、甚至核心交互，都会显得幼稚。设计不是画得早，而是等得住。

数据一到，设计就必须“会变形”

对话里反复提到一个关键词：adjust。设计不是一个静态结果，而是一个必须能随着数据变化而调整的系统。Akbar 回忆过一个反复踩坑的场景：设计在理想状态下看起来很美，但一旦数据量、结构、缺失值发生变化，整个界面就崩了。

这对AI产品来说尤其真实。真实世界的数据永远不干净、不完整、而且充满偏差。如果你的设计只能在“完美数据”下成立，那它几乎注定上线即失败。好的设计，必须提前假设：数据会变，而且会变得很难看。

两三周的数据，救了一整个项目

最有价值的经验来自一个看似不起眼的决定：他们选择先花两到三周时间，专门去采集和观察真实数据，而不是急着推进设计。结果是，这段等待“dramatically changes the way you were thinking about the design”，并且“saved us a ton of thrash”。

对AI团队来说，这几乎是反效率的做法——但恰恰是最高效的。因为真正昂贵的不是等数据，而是基于错误假设反复推翻重来。数据不是用来验证设计的，而是用来决定设计该不该存在。

像“懒加载”一样设计数据体验

结尾提到一个很有意思的类比：lazy loading。不是所有东西都要一次性出现，也不是所有数据都要同时理解。把数据体验设计成逐步展开的过程，反而能“bring a little bit of joy”。

这对AI产品尤为重要。无论是模型输出、解释性信息，还是用户反馈数据，过早、过多地暴露复杂性，只会增加认知负担。真正成熟的设计，是在合适的时间，给用户刚刚好的一点数据。

总结

这场Figma的对话，真正击中AI从业者的一点是：设计不是创意竞赛，而是对现实的尊重。真实数据会迟到、会难看、会打脸，但它永远比假设诚实。你的行动建议很简单：在下一个AI项目里，刻意推迟“定稿设计”，先用一小段时间去观察真实数据；同时，确保你的设计能容忍变化，而不是依赖完美输入。最后留一个问题：如果明天你的数据分布完全变了，你的产品还能成立吗？

关键词： 数据驱动设计， AI产品设计， Figma， 真实数据， 懒加载

事实核查备注： 需要核查：Akbar 是否为 Figma 的 Developer Advocate；视频发布时间 2025-02-04；“两到三周数据采集”是否为原话表述；lazy loading 的类比是否出自视频原意