Figma 抛出一个反直觉观点：AI 体验不是更聪明，而是更值得信任

在这场关于 Gemini Enterprise 的分享里，Figma 团队几乎没怎么炫耀模型能力，而是反复谈一个听起来“不性感”的词：信任。他们认为，决定 AI 能否真正进入工作的关键，不是能力上限，而是用户在出错时是否还能安心把控制权交给它。

真正拉开差距的，不是 AI 多强，而是“可预测性”

在 Config 的舞台上，一个反直觉的共识被反复强调：AI 产品失败，往往不是因为它不够聪明，而是因为它“不可预测”。

演讲者提到，他们早年在出行平台的经历深刻影响了现在做 Gemini Enterprise 的方式。对用户来说，最重要的不是系统有多复杂，而是每一步是否“心里有数”——什么时候该发生什么，如果出了问题会怎样。

这套逻辑被直接带进了 AI UX 设计：与其不断展示模型能力，不如优先回答三个问题——它现在在做什么？为什么这么做？如果错了，我能不能及时发现并介入？这也是为什么他们反复强调 trust、transparency 和 flow。AI 不应该像一个神秘黑盒，而更像一个稳定、可靠的工作搭档。

Gemini Enterprise 的核心设计原则：让“出错”变得可接受

在讨论 Gemini Enterprise 时，一个非常现实的设计前提被摆上台面：AI 一定会犯错。

真正的设计挑战不在于“如何不出错”，而在于——当错误发生时，体验是否还能成立。界面是否清楚地提示了发生了什么？用户是否知道下一步该怎么做？还是只能对着一个错误结果发呆？

这里的关键不是 UI 漂不漂亮，而是交互是否为“异常情况”留好了出口。这种设计思路，本质上是在帮用户保留掌控感。只要用户觉得自己还在驾驶座上，AI 的能力就更容易被接受，哪怕它偶尔不完美。

Gemini Sparks：在高速变化中，给用户一个“安全实验区”

另一个被重点提到的方向是 Gemini Sparks。

团队的判断很明确：技术变化的速度已经快到，单靠“正式功能发布”无法满足探索需求。用户需要一个可以快速尝试、快速放弃、低成本犯错的空间。

Sparks 的价值并不在于某个具体功能，而是一种心态转变——AI 不只是用来执行任务的工具，也可以是激发想法、帮助思考的“点火器”。这种设计背后，其实是对用户心理安全感的重视：当尝试的代价足够低，创造力才会出现。

从“辅助工具”到“更高自主性”，但节奏必须可控

在对未来的讨论中，一个问题被抛出：AI 是否会获得更多自主权？

答案并不是简单的“会”或“不会”。分享者强调，自主性的增加必须是渐进的，而且每一步都要伴随清晰的隐喻和反馈机制。用户需要理解：现在是我在指挥，还是系统在代我行动？

这也是为什么他们反复提到“metaphor”的重要性。好的隐喻可以降低理解成本，让复杂系统看起来没那么可怕。否则，自主性只会变成失控感。

总结

这场分享真正值得 AI 从业者反复琢磨的，不是 Gemini 用了什么新技术，而是它把 UX 的重心从“能力展示”转向了“心理体验”。

如果你正在做 AI 产品，不妨自问三个问题：当系统犯错时，用户是否知道发生了什么？是否知道下一步该怎么做？是否仍然感觉自己掌握主动权？

未来的 AI 竞争，很可能不是谁更强，而是谁更值得被长期信任。你现在的设计选择，正在悄悄决定这一点。

关键词： Gemini， AI UX， 信任与透明， 企业级AI， Figma

事实核查备注： 需要核查：1）视频具体时长；2）Gemini Enterprise 与 Gemini Sparks 的官方定位描述；3）Config 大会的年份与背景；4）演讲中关于 ride sharing 经历的原话表述。