Figma Config 上这场演讲泼了冷水：AI 设计并不神奇，危险的是误用

在 Figma Config 2023 的这场演讲中，Jane Davis 和 Kathryn Gonzalez 做了一件很“反共识”的事：她们没有鼓吹 AI 会如何颠覆设计，而是不断提醒——AI 更像魔术，真正的风险不在能力不足，而在我们用错了地方。这是一场让设计师和 AI 从业者都必须认真听完的分享。

AI 像魔术，但真正危险的是你信得太真

Jane Davis 一上来就抛出一个让全场安静下来的比喻：AI 和魔术表演很像。你看到的是结果，但你并不知道中间发生了什么。这不是一句玩笑，而是她对当下 AI 热潮最核心的警告。

她直言自己“说了很多 AI 的坏话”，不是因为 AI 没用，而是因为它太容易被误解。魔术的问题不在于手法，而在于观众会把幻象当成真实。同样，AI 的输出往往看起来很像“答案”，但如果你无法判断它对不对，那它就不是在帮你，而是在制造更隐蔽的风险。

这个观点对很多沉浸在生成式 AI 兴奋中的从业者来说非常刺耳：问题从来不是 AI 会不会做设计，而是人类是否还保有判断力。

12 次访谈后的残酷结论：不能评估输出的 AI，用得越多越糟

Jane 提到，她和 12 位实践者深入聊过 AI 在设计中的真实使用情况，最后总结出一条几乎是“反效率”的最佳实践：唯一真正可行的 AI 用例，是那些你能清楚评估好坏的场景。

这句话的分量很重。它直接否定了大量“让 AI 帮我直接生成方案”的幻想。如果你无法判断一个设计稿、一个系统结构是不是合理，那把这件事交给 AI，只会放大不确定性。

因此，她们观察到真正落地的用法，反而都很“保守”：比如让 AI 建议一个大纲结构、列出可能的方向、帮你暴露你没想到的选项。不是替你决策，而是逼你思考。

这也解释了为什么很多团队在兴奋期后迅速冷却——不是 AI 不行，而是他们一开始就选错了使用位置。

少点幻想，多点现实：AI 设计的价值不在“更快更好”

轮到 Kathryn Gonzalez 接棒时，她点破了另一个行业迷思：AI 会让设计“更快、更好”。她直言，这是她一直以来觉得不成立的说法。

真正正在发生的变化，是三件事：第一，减少那些没人真正想做的繁琐工作；第二，让设计系统的维护和演化变得更可持续；第三，让设计师把注意力重新放回判断、取舍和系统思维上。

她强调，AI 并不会神奇地让设计质量跃迁，但它确实在改变“什么值得人类花时间”。当重复劳动被削掉，设计系统实践者反而会变得更重要——因为系统的边界、原则和例外，恰恰是 AI 最不擅长的部分。

未来不是“AI 设计师”，而是更难被替代的人

在演讲的后半段，一个隐含但清晰的信号逐渐浮现：AI 并没有让设计师变得可有可无，反而在筛选谁是真正不可替代的系统级人才。

当 AI 可以参与生成、建议、补全时，人类的价值会集中在三件事上：定义问题、评估结果、为系统承担责任。这也是为什么她们不断强调“可评估性”——如果你无法解释为什么一个结果是对的，那你迟早会被自动化吞没。

这不是一个关于工具的未来，而是关于职业形态的重塑。留下来的，不是用 AI 最多的人，而是知道什么时候不该用的人。

总结

这场演讲真正值得反复回味的，不是具体工具或技巧，而是一套判断 AI 是否“该被使用”的思维框架。对 AI 从业者和设计师来说，最重要的行动建议只有一个：把 AI 放在你能评估、能否定、能修正的环节，而不是交出最终判断权。未来的竞争力，不来自更快生成，而来自更清醒的选择。你可以试着问自己一个问题：如果明天 AI 全部停用，我是否仍然知道自己在做什么？

关键词： AI辅助设计， Figma Config， 设计系统， 生成式AI， 人机协作

事实核查备注： 需要核查：演讲者姓名拼写（Jane Davis， Kathryn/Catherine Gonzalez）、Config 2023 时间与场次、访谈人数为12人的表述是否为原话、具体使用案例如“大纲建议”是否在原演讲中明确提及