Figma把AI做砸过一次：Config 2024首次公开的真实内部路线

在AI浪潮里，几乎所有公司都在展示“成功案例”，但Figma在Config 2024上反其道而行：他们花了大量时间讲一次失败。更重要的是，这次失败几乎定义了他们今天如何做AI。如果你正在做AI产品，这场分享里有一些你很少在发布会上听到的真话。

Figma最反直觉的判断：AI不是功能，是合作者

如果你以为Figma的AI思路是“给设计师加点自动化”，那这场演讲一开始就会打脸你。Jordan Singer和Dan Mejia反复强调的一点是：他们并不把AI当成一个“工具按钮”，而是一个可以参与创作过程的角色。

这听起来很抽象，但背后的判断其实非常激进——设计不是一条线性流程，而是充满来回试探、推翻、重来的过程。如果AI只能执行明确指令，那它永远只能停留在“效率工具”层面。Figma想做的，是让AI能参与到最混乱、最不确定的那一段。

这也解释了为什么他们没有一上来就追求“帮你画得更快”，而是不断强调“riffing”（即兴发挥）。在他们眼里，AI的价值不是替你完成工作，而是帮你更快地产生、比较、否定想法。这个定位，直接决定了后面所有产品和技术取舍。

Jambot的诞生：一次并不顺利的内部实验

演讲中最有价值的一段，并不是炫技，而是讲Jambot是怎么来的。Jambot并非宏伟规划的产物，而是一个非常具体的问题驱动：在协作和头脑风暴场景里，AI能不能真正参与进来？

答案一开始是否定的。Dan Mejia坦承，他们在早期尝试中“有一段时间几乎什么都没做成”。模型能力、交互方式、用户预期，全都对不上。尤其是在多人协作场景下，AI到底是“一个人”，还是“一个工具”，团队内部都没有共识。

但正是这段卡住的时间，让他们意识到一个关键问题：如果AI的输出不能被快速接住、修改、否定，那它就会变成噪音。于是，Jambot的设计重点不在“聪明”，而在“可接续”。它的存在，是为了让讨论继续，而不是给出一个看似完美却终结讨论的答案。

他们踩过的坑：当AI太确定，设计就死了

Figma团队提到一个非常值得警惕的失败经验：当AI表现得“太自信”，用户反而不再思考。尤其在设计这种高度主观的领域，过于完整、过于确定的AI输出，会直接压缩人类探索的空间。

这也是为什么他们后来刻意让AI的输出保持“未完成感”。不是因为做不到，而是不想做满。AI给的是方向、可能性、素材，而不是结论。这一点和很多AI产品追求“一次生成就能用”形成了鲜明对比。

这个选择本质上是价值观问题：是让用户更快结束，还是让用户更好地思考？Figma显然选了后者。短期看，这种AI不够“惊艳”，但长期看，它更符合真实创作流程。

从失败到方法论：Figma如何系统性地做AI

在分享后半段，Jordan Singer逐渐把话题从故事拉回方法论。你能明显感觉到，他们已经把这些试错沉淀成一套内部共识。

第一，AI必须嵌入现有工作流，而不是创造新流程。只要用户需要“切换心智模式”，AI就会被弃用。

第二，评判AI好坏的标准不是“模型多强”，而是“用户是否愿意继续互动”。如果一次输出之后用户就停了，那这个AI设计就是失败的。

第三，设计AI体验时，要为失败预留空间。包括错误输出、无用建议，甚至是用户明确拒绝AI的权利。Figma并不试图掩盖AI的不完美，而是把它变成协作的一部分。

这些原则听起来并不性感，但它们解释了为什么Figma没有急着把AI推成营销核心，却在内部持续投入。

这场分享真正想说的，其实不是Figma

如果你把这场演讲只当成一次Figma AI产品预告，那就低估了它的价值。真正重要的，是他们对“AI如何进入专业创作领域”的判断。

在通用模型能力飞速提升的背景下，Figma反而在放慢节奏，反复打磨交互边界。他们相信，真正决定AI能否被长期使用的，不是惊艳程度，而是是否尊重人的判断权。

这和当前很多“全自动”“一键完成”的AI叙事形成了微妙的对抗，也给了整个行业一个不同方向的参考样本。

总结

Figma在Config 2024上释放的信号很清晰：AI不是来替你做决定的，而是来陪你反复推翻决定的。如果你正在做AI产品，这意味着你需要重新审视成功指标——不是生成质量，而是互动质量；不是一次命中，而是是否愿意继续用。

一个值得思考的问题是：你的AI，是在帮用户更快结束工作，还是帮他们更好地思考？未来真正留下来的，很可能是后者。

关键词： Figma AI， Config 2024， Jambot， AI产品设计， 人机协作

事实核查备注： 需要核查：Jordan Singer与Dan Mejia的具体职务表述；Jambot是否为内部或公开名称；Config 2024的演讲时间点；关于“失败了一段时间”的原话语境