每天挑选一期硅谷AI科技值得关注的播客，让你与前沿同频。如果你现在没空可以收藏进 晚点再听LaterCast，在通勤、走路或做家务时一篇篇轻松听完
"几年前，我说过AI会抬高创作的上限。那时我说错了。"
"人们很容易把模型的进步，误当成产品的进步。"
"用AI生成没有问题，但你得有办法继续雕琢它。"
Figma联合创始人兼CEO Dylan Field给员工提过一个要求：写作时只要用了AI，就在材料开头标明“AI辅助撰写”。这是他在谈到AI创作时，举出的一个内部做法。
他也鼓励人们先让AI做出第一版，再动手改成自己想要的样子。在他看来，第一版越来越容易得到，接下来的工作却没有自动消失：哪里不合适、为什么要改，以及这份东西最终要替谁解决什么问题，都需要有人作判断。
材料交出来之前，先知道自己在说什么
对话里，两人谈到越来越常见的AI演示稿，以及随之而来的疑虑：交稿的人到底读没读过，知不知道里面写了什么？一个人能很快做出一份材料，接收它的同事却仍要花时间理解、讨论和作决定。
Dylan提到，Figma采用了一个简单的标注办法，让同事看见材料时，知道AI参与过写作。他在访谈里转述了这条要求：
"如果你在任何写作中用了AI，就在开头标明“AI辅助撰写”。"
他说，内部有人拿这件事开玩笑，但大家确实在照做；他希望这样能让团队保持信任，让收到材料的人相信，这份内容值得花时间处理。
标注并不会自动证明内容已经核对过，但至少让接收者知道它是怎样写出来的。放到日常工作里，自己是否理解其中的主张、能否解释为什么采用这份方案，仍然是交稿者需要回答的问题。
无论AI替你生成了一组页面，还是一份产品方案，生成得快可以节省制作时间，却不会替同事省掉阅读和评审；如果只是把原样输出转交出去，要判断哪些地方靠谱、哪些地方该改，工作就留给了下一位接手的人。
Dylan介绍Figma内部的做法：AI参与写作时，在材料开头明确标注。
他承认，自己曾把AI的作用想错了一点
Dylan几年前曾在Figma的Config大会上说，AI会抬高创作的上限，让人做出以前做不到的东西；这次访谈里，他主动修正了这个判断。按他现在的观察，AI明显降低了动手制作的门槛，但把作品推到更高水平的，仍是那些肯投入时间、尝试新东西的人。
他没有把所有任务都放在同一个标准下看：有些工作得到一个普通、够用的结果就足够了，有些则需要让人感受到作者确实花了心思，拿出了不一样的东西。AI更容易帮你到达前一种状态，是否还要继续往前做，取决于这份工作的目的。
他说“设计是新的代码”时，看重的是产品怎样与别人拉开差别：编程模型让一部分实现工作变容易后，设计、品牌和产品表达的主张变得更重要。他也特意提到，Figma仍然需要工程师。
对一线做产品的人来说，这个区别可以落在手头的任务上：如果只是把一个想法变成能讨论的初稿，先求做出来就很有帮助；如果要拿它面对用户，就还得看它是否解决了问题，以及用户为什么会愿意选择它。不能因为初稿已经像个产品，就把后面的判断一并省略。
先让AI开个头，再把不满意的地方改掉
"我觉得先用AI做出东西很好，它能帮你跨过空白页面、空白画布。然后你可以看着它说：“这些地方我都不喜欢，我要把它们改掉。”"
但如果你心里已经有了明确的样子，却把全部实现过程都交给模型，结果就会经过模型习惯的处理方式，未必准确落到你原本想要的细节上。在他的设想中，生成与手动修改应当能来回切换，人可以通过制作来思考，也可以随时直接调整。
这也是他解释Figma产品方向时强调的事：让代码成为画布上可以继续处理的材料，而不只是一段生成后等着接受的结果。他提到的Weave，则用节点连接不同输入、模型输出和后续处理，让生成出来的图片、视频还能继续被加工。
根据Figma的官方说明，用户可以打开、复制和修改Weave工具背后的节点工作流，调整其中的模型、提示词和设置。生成的过程由哪些步骤组成，也能展开继续处理。
对创作者来说，值得留意的是工具有没有把修改的余地留给你：能否保留满意的部分，只改不满意的地方，能否在生成之后继续控制细节。这些会影响你最终交出去的作品，能在多大程度上保留自己的意图。
谈到Weave时，Dylan强调AI生成之后，还要能继续加工和调整。
让人记住的，往往是你为什么这样做
Dylan理解的设计，是一边解决用户的问题，一边决定怎样把它做出来。一个页面或流程既要让用户用明白，也得符合产品的品牌和业务需要，这些取舍很难只用“好不好看”来判断。
他举过一件让自己记住的作品：一位创作者做了一个网页，内容是一封写给Figma的信；每当浏览者切走又回来，页面的呈现效果就会再退化一点。在Dylan看来，这个互动是在谈注意力，网页的行为本身也成了表达的一部分。
他喜欢的不只是一封写得不错的信，还包括创作者怎样用网页来讲这件事。这里的选择和作品的意思有关，换一种交互方式，表达也会变。
Dylan还谈到自己反复见到的现象：新模型发布时，信息流里会冒出一批最好的示例，过几天，人们开始认出它常用的套路，新鲜感便退下去了。于是创作者又得继续找，怎样才能越过模型默认给出的那一套。
对日常交付来说，这种主张可以小到一个具体改动：哪一处没说清要表达的意思，哪一个交互会让用户误解，指出原因再改，比只对AI说“再高级一点”更接近真正的问题。
模型进步之后，工具还得陪人把工作做完
谈到Anthropic推出能生成设计稿和原型的Claude Design时，主持人一度把它说成双方合作推出，Dylan先作了纠正：Figma与Anthropic有合作，但Claude Design是Anthropic另行发布的产品。
他对竞争的回答，重点放在专业工具的工作流程上：一个模型能力变强，与一个产品能不能满足专业用户的日常需要，中间还隔着许多产品工作。
"像Figma这样的工具，花了很长时间才做出来，也花了很长时间确保用户的工作流程是对的；我们仍有很多事要做，用户会告诉你这一点。"
主持人把专业工具的使用感比作乐器，Dylan接着谈到Figma多年收到的反馈：操作是否顺手、细节能不能控制，都要长期调整；用户原来怎样工作、眼前要完成哪项任务，也会影响他们需要什么。
Anthropic的发布说明也介绍过Claude Design的对话调整、行内评论和直接编辑功能。比较这些产品时，生成之外的修改过程同样值得看，最终要看哪套工具适合把你的工作持续做完。
对设计师、产品经理或做市场的人来说，选工具时可以把一次生成的惊喜，与后续修改、沟通、交付一起看。能很快做出第一版当然有价值，但自己的判断有没有位置、修改是否方便，以及拿给别人后能否继续推进，同样会决定它是不是你愿意长期使用的工具。
写在最后
下一次让AI做出初稿后，可以先留一点时间，指出几处你确实不满意的地方，弄清为什么不合适，再亲手或借助工具改到位。交出去之前，也确认自己能解释这份方案的选择。第一版来得越快，越可以把省下的时间用来试别的方向，而不必停在模型第一次给出的样子。
内容来源："Dylan Field: Is AI Replacing Designers?, Design is the New Code & Democratizing Creativity"丨All-In Podcast（嘉宾：Dylan Field（Figma 联合创始人兼 CEO））
原视频：https://www.youtube.com/watch?v=2Zj6uMv3kTA
相关文章
《编程正在消失，但软件机会才刚刚开始》 《Google产品副总裁：Google 如何用 AI 改变搜索丨Lenny’s Podcast》 《Graphite创始人Ethan Smith：如何让 ChatGPT 主动推荐你的产品丨 Lenny's Podcast》
如果你现在没空，可以收藏进晚点再听，通勤、走路或做家务时一次性听完⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣