核心观点与关键数据
- 生成式 AI 对体验设计的影响： 生成式 AI 被认为是影响未来设计体验最具颠覆性的力量，组织期望通过其提升客户满意度和生产力。体验设计面临的五大压力（提升客户满意度/忠诚度、提高效率/生产力、提高内容质量/个性化、提高客户创新力、品牌差异化）均可通过生成式 AI 得到缓解。
- 生成式 AI 采用的障碍： 组织担忧品牌安全、知识产权、数据隐私、不准确/偏见、投资回报等风险。尽管如此，超过三分之一的组织已开始推广生成式 AI，客户支持部门最为积极。
- 组织管理生成式 AI 的现状： 半数组织正在建立全组织范围的治理方法，但只有 5% 已付诸实践。多数组织缺乏有效的审核流程和 AI 伦理委员会，对隐私和安全性问题也缺乏信心。
- 生成式 AI 在不同部门的应用： 客户支持部门（生成对话）、市场营销（客户细分、工作流自动化、市场调研）、销售（社交互动、销售策略预测）、客户服务聊天机器人、员工聊天机器人等是当前主要应用场景。预计到 2025 年，面向客户和员工的文本/语音聊天机器人将成为主流。
- 内容创作领域的谨慎态度： 由于对质量、信任、法律和财务的担忧，组织在内容创作领域的应用相对谨慎，但预计未来采用率将显著提升。
- 混合模型的重要性： 公共模型缺乏个性化能力，组织正转向建立专有模型。混合模型将成为许多组织的理想选择，结合公共模型的便利性和专有模型的安全性。
设计人才的影响
- 核心技能的持续重要性： 研究技能、用户体验技能、编码技能等核心设计技能在未来依然重要，但需求可能增加。
- 设计师角色的转变： 设计师将从内容创作者转变为内容策划者，需要运用感性认识和以人为本的思维方式。
- 创意技能的挑战： 文案撰写、视觉设计、视频制作、创意指导等技能可能面临挑战，创造力和决策力将成为未来关键能力。
- 设计师的必要性： 生成式 AI 不会取代设计师，但使用生成式 AI 的人将取代不使用的人。优秀的设计师和 AI 通才将更具竞争力。
DesignOps 的作用
- DesignOps 的定义： 类似于 DevOps，DesignOps 通过协调人员、流程和工艺，放大设计的影响力，帮助设计实现大规模成功。
- DesignOps 的优势： 确保 AI 工具和提示的标准、模型训练和微调的治理，管理潜在风险，提供教育和发展路径，推动专有模型的应用，确保品牌安全。
- DesignOps 的实施： 少数组织真正认识到并实践 DesignOps。建立服务于设计的 DesignOps 程序，将帮助组织更好地应对生成式 AI 带来的变革。
行动指南
- 面向高管： 催化变革，将自己定位为“通才”，利用 AI 重塑工作流，创造新的商业价值。
- 面向创意经理： 建立快速果断的内容策划声誉，将人才置于生成式 AI 战略的核心。
- 面向设计人员： 培养通才能力，关注伦理和同理心，利用 AI 重塑工作流。
