用户体验设计（第二版）课件 第08章人工智能与用户体验设计

第08章人工智能与用户体验设计Chapter08ArtificialIntelligenceandUserExperienceDesign当人工智能技术开始生成设计方案、撰写文案、预测用户行为，甚至参与设计决策时，用户体验设计师究竟应当扮演怎样的角色？是与人工智能竞争效率，将其作为工具完成任务，还是在新的技术条件下重新定位并扩展自身的专业价值？从历史脉络来看，设计师并未因工具能力的增强而丧失其独特的专业价值。相反，每一次技术升级都改变了设计师工作中哪些环节可以被自动化，并将设计实践不断推向更高层级的判断、整合与决策。人工智能的出现，并不是设计史中的例外，而是这一演化逻辑的最新阶段。本章旨在探讨人工智能时代用户体验设计的范式转向——从“计算机等工具辅助的设计”迈向“智能共创的设计”。本章概况01.02.人工智能时代用户体验设计师的挑战与机遇用户体验设计师与人工智能：竞争、合作，还是？目录ChallengesandOpportunitiesforUserExperienceDesignersintheAgeofArtificialIntelligenceUserExperienceDesignersandArtificialIntelligence:Competition,Collaboration,or...?03.应对问题的方法框架：从UCD到HAICD的演化AFrameworkforAddressingProblems:TheEvolutionfromUCDtoHAICD8.1用户体验设计师与人工智能：竞争、合作，还是？UserExperienceDesignersandArtificialIntelligence:Competition,Collaboration,or...?纵观设计史，每一次重要的技术革新都会带来对创作者特别是设计师的价值的担忧：新的工具是否会改变设计方式？设计师的作用和价值会不会因此被削弱？甚至，有些变化还会让设计师产生“会不会被取代”的焦虑。8.1用户体验设计师与人工智能：竞争、合作，还是？（一）技术推动设计的历史脉络设计工具的变化一直在带动设计方式的发展。不同工具不仅改变了设计的表现形式，也影响着设计师的技能重点和角色定位。为了理解“大模型”时代设计方式的新变化，特别是国产大模型的兴起，我们需要先回顾这一技术推动设计发展的历史脉络。（1）19世纪：材料革新带来的创作方式转变19世纪40年代初，可挤压金属颜料管（CollapsibleMetalPaintTube）的出现，看似只是一次微小的材料革新，却带来了艺术创作方式的重大变化。以往画家必须在室内调配颜料、在稳定光源下作画，而金属管让色彩可以被携带到户外，使艺术家第一次能够在自然光下进行即时观察与表现景物。这一转变直接催生了印象派艺术，莫奈等画家开始把注意力放在光线变化、色彩氛围与瞬间感知的捕捉上，创作风格也从再现物体本身，逐渐转向表达观者的主观感知。这个例子说明，工具的变化并不只是让创作“更方便一些”，而是会延伸创作发生的场景、过程以及艺术家关注的焦点，从而带来整套创作范式的转变。由此可见，技术并非只是提高效率，更可能深刻地改变艺术行为的主体性与方法论基础。8.1用户体验设计师与人工智能：竞争、合作，还是？（一）技术推动设计的历史脉络（2）20世纪：计算机辅助设计（CAD）带来的绘制与表达革新进入20世纪，计算机技术的出现再次重塑了设计的基础工具。伊万·萨瑟兰（IvanSutherland）在1963年开发的SketchPad系统被视为计算机辅助设计（CAD）的开端，它让设计师能够以交互的方式在屏幕上绘制、修改和操作图形结构。随后，CAD技术迅速发展并广泛应用于建筑、工业设计与工程绘图等领域。CAD带来的变化不仅体现在绘制效率的提升，更在于它提供了一种前所未有的精度、可修改性与可追溯性，使设计从静态稿件转向可迭代的数字模型。设计师的角色也从手工重复劳动的执行者，转向以分析、判断与决策为中心的“问题解决者”。换言之，设计的关注点从“如何绘制”转向“推导方案”，设计的复杂性和规模由此得以拓展。8.1用户体验设计师与人工智能：竞争、合作，还是？（一）技术推动设计的历史脉络（3）21世纪：参数化设计与数字制造的融合进入21世纪，3D建模、参数化设计与数字制造技术（如3D打印）共同推动了设计方法的又一次范式转换。参数化设计不再要求设计师直接绘制具体形态，而是通过参数、关系与约束来定义形态生成的规则系统。设计因此从“描述一个形状”转向“建立一个能够生成无限形态的逻辑结构”。=与此同时，新一代数字制造工具进一步缩短了从逻辑到实体的距离。例如，拓竹科技的3D打印支持软件BambuStudio通过高度集成化的切片引擎、材料管理系统与实时监测，让参数化生成模型可以以极低成本、极短周期被快速物化。这类工具使得“构思—表达—制作”的链路愈发紧密，设计师能够即时验证概念设计的效果，并在迭代中不断调整系统本身。设计师不再只是造型的创造者，更是规则的制定者、系统的调控者以及流程的整合者。8.1用户体验设计师与人工智能：竞争、合作，还是？（一）技术推动设计的历史脉络（4）21世纪20年代：“大模型”时代的设计进入21世纪20年代，以大语言模型（LargeLanguageModels,LLM）和多模态生成模型为代表的“大模型”技术迅速进入设计实践。国产的大模型系统，如豆包设计助手、可灵（Kling）、DeepSeek等，已经能够根据提示词描述生成设计相关文案、提供产品设计方案和效果图，甚至生成带动效和代码的产品原型。这些能力在效率与表现力上取得了显著提升，使设计流程中的部分环节比以往任何时期都更加自动化。不少设计从业者因此对自身价值和定位产生质疑。从本节前文所述的历史脉络来看，这并非第一次出现类似的情况。无论是19世纪的可挤压颜料管、20世纪的CAD技术，还是21世纪初的参数化设计与3D打印，每一次技术革新都曾引发专业群体对自身价值被削弱的担忧，但最终都促进了创作者和设计师从执行型劳动向更具判断力、策略性和系统性思考的方向转变。生成式人工智能延续了这一趋势：它自动化了设计中可规则化、可规模化的部分，却使设计师在意义建构、价值判断与设计决策中的作用更加不可替代。8.1用户体验设计师与人工智能：竞争、合作，还是？（二）人工智能的特殊性：从设计师的“手脚的延伸”到“大脑的拓展”人工智能让设计工具从“机械执行者”转变为“思维协作者”，成为设计师“大脑的拓展”。人工智能的引入让这一过程开始具备一定的“共创”特征。人工智能并未简单取代绘制过程，而是在理解需求、推演方案和设计表达三个层面共同介入，使传统的设计过程与方法发生了质的变化。8.1用户体验设计师与人工智能：竞争、合作，还是？（二）人工智能的特殊性：从设计师的“手脚的延伸”到“大脑的拓展”人工智能还改变了交互逻辑的验证方式。过去设计师往往依赖经验判断界面的可用性，或等待上线后的数据反馈，而如今部分智能工具能够通过学习预测用户感知视觉复杂度、注意路径、可能遇到的障碍与认知负荷，使交互优化逐渐从“事后修正”转向“事前推演”。人工智能介入设计过程的理解、生成和判断，使设计从以往的手工表达和经验决策，逐步走向以推理、预测和动态适应为特征的新阶段。人工智能已经不再只是工具，而是设计思维方式的一次重大扩展。8.1用户体验设计师与人工智能：竞争、合作，还是？（三）人工智能时代设计师不可替代的价值尽管大模型的生成速度与执行效率令人惊叹，设计流程的许多步骤的效率也因此得到提升，但在影响用户体验品质的关键能力上，人工智能的表现仍远远无法达到人类设计师的水平。设计的优劣从不是由生成速度决定，而是取决于对用户、情境和价值的理解深度。在这些方面，人类设计师依然具备明显而稳定的优势。8.1用户体验设计师与人工智能：竞争、合作，还是？（四）共生式人机协作：设计师从执行者到协作者的转变随着人工智能从“手脚的延伸”逐步演变为能够理解目标、推理需求和生成方案的“大脑拓展”，设计师与工具之间的关系也发生了质的变化。设计师的工作重心从单纯的“亲自完成所有设计”转向“规划和引导设计生成的方向”。这一转变既包括对提示词、数据来源和评价指标的设计，也包括对生成结果的筛选、修正和再创作。设计师需要判断哪些环节可以交给模型处理，哪些环节必须由人自己把关；需要识别模型输出背后的偏见和盲点，并通过调整指令、补充信息或重构流程来进行纠正。在这个意义上，设计师不再只是使用工具的人，而是人与算法协作系统的组织者和导演。这种从执行者到协作者的转变，还要求设计师在心理层面完成一次角色更新。早期对“被取代”的焦虑，逐渐需要被对“如何更好地与人工智能合作”的思考所取代。设计师既要学会信任人工智能在计算和生成方面的能力，又要清楚地认识到它在情感、价值和文化上的局限，将自己定位为用户立场与算法逻辑之间的桥梁。只有当设计师主动承担起这种承接、调和和拓展的角色时，人机协作才能真正实现优势互补，让人工智能的“速度与规模”与人类的“理解与判断”共同塑造出更有质量的用户体验。8.2人工智能时代用户体验设计师的挑战与机遇ChallengesandOpportunitiesforUserExperienceDesignersintheAgeofArtificialIntelligence人工智能的融入，使用户体验设计的对象从过去相对稳定、可预测的系统，转变为会生成内容、会不断学习并随情境变化的动态系统。设计师不仅需要理解界面的呈现方式，更要理解背后智能机制的行为逻辑，以及它可能带来的社会、伦理与法律影响。在人工智能驱动的用户体验设计中，学界与产业实践普遍关注若干关键挑战，包括系统行为的复杂性与不确定性、数据使用造成的伦理和隐私风险、效率与情感体验之间的平衡，以及法律与社会制度的限制。不同研究视角可能强调的重点不同，但这些问题共同揭示了人工智能给设计实践带来的多层次挑战。人工智能的加入，让系统不再是“按照规则执行的工具”，而是“会学习、会变化、会主动做决定的设计伙伴”。因此，用户体验设计师不仅要关注设计对象本身，还要理解背后的模型如何学习、如何影响体验、又如何被社会规范约束。从技术能不能控制、用户是否信任，到法律是否允许，人工智能来的挑战分布在多个层次。本节将从技术、用户、道德和法律四个方面，梳理人工智能时代用户体验设计面临的主要问题。8.2人工智能时代用户体验设计师的挑战与机遇（一）人工智能带来的挑战法律层道德层用户层技术层8.2人工智能时代用户体验设计师的挑战与机遇（一）人工智能带来的挑战（2）用户层挑战：效率与同理心的平衡人工智能显著提升了界面生成、内容产出与流程优化的效率，但高效率并不等同于良好体验。真正优质的用户体验仍然依赖设计师对用户情绪与动机的理解。例如，智能客服机器人虽然能够快速回应大量用户请求，但如果语言没有及时适应用户焦虑情绪，会让人觉得被“机械处理”，反而降低满意度。因此，设计师需要在“人工智能提供的效率”与“人类提供的温度”之间找到平衡，让技术支持而非取代用户的情感需求。未来的用户体验并不是追求纯自动化，而是追求情感与智能的融合。（1）技术层挑战：复杂性与不确定性与传统基于规则的系统不同，人工智能的行为并非固定，而是会随着数据、场景和用户反馈持续更新。因此，设计的结果不再是依赖研发团队被动的结构构建，而是一个不断调整与迭代的过程。设计师不仅要关注界面设计本身，还要理解模型学习的方式、预测结果的机制，以及这些变化可能带来的偏差风险。这种不确定性要求设计师在用户交互层与系统推理层之间同时具备洞察力，让用户在与智能系统互动时保持可控性与信任感。与此同时，生成式人工智能的强大能力也伴随着显著的不确定性。大模型可能出现“幻觉式”输出。生成结果的不可控性与语境偏差，使设计师在使用这些工具时既获得了前所未有的加速能力，也必须承担更强的判断与校准责任。这种“高生成力—低可靠性”的并存状态，为当下的设计实践带来了新的矛盾与挑战。8.2人工智能时代用户体验设计师的挑战与机遇（一）人工智能带来的挑战（4）用户层挑战：效率与同理心的平衡人工智能的使用还受到法律与社会制度的影响，包括内容生成的版权、训练数据的合法性以及系统出错时责任的归属。例如，人工智能自动生成的图标或界面片段，其版权到底属于模型、公司还是用户？如果系统因为预测错误给用户和企业甚至是社会造成损失，由谁负责？这些问题目前尚未完全明确，使得设计师必须在设计流程中提前考虑风险，确保系统在法律允许的范围内运行。设计师要理解不同地区关于数据、隐私与人工智能的法规，并在界面中清晰传达相关信息，为用户构建安全、可靠且可持续的交互环境。（3）道德层挑战：隐私、偏见与公平性人工智能需要依赖大量用户数据进行建模和预测，因此必然涉及隐私、数据安全以及算法偏见等伦理议题。若缺乏合理的数据处理机制，系统容易因训练数据不均衡而做出带有偏见的判断。例如，某些自动评价的人工智能工具会因为历史数据偏差而对特定对象做出不公平的评分。在用户体验设计中，设计师因此不只是界面创作者，更承担“调解者”的角色——既要让系统高效运行，也要保证用户的数据安全、减少算法歧视，并为用户提供必要的知情权和控制权。设计师需要思考：哪些数据必须收集？用户是否了解并理解数据用途？系统是否提供合理的解释？这些都直接影响用户的信任与体验质量。8.2人工智能时代用户体验设计师的挑战与机遇（二）人工智能带来的机遇尽管人工智能给用户体验设计带来了诸多挑战，但它也为设计打开了全新的发展空间。人工智能不只是改变了界面呈现的方式，还重新塑造了用户如何与系统互动、设计师如何开展工作，以及设计系统本身如何运作。总体来看，这些机遇可以分为三个层面理解：面向用户的体验升级、面向设计师的流程重塑，以及面向系统的智能化演进。面向用户的体验升级面向设计师的流程重塑面向系统的智能化演进（1）面向用户：个性化与新交互范式人工智能让“千人千面”的体验从想象变成现实。过去的个性化往往依赖用户提前设置偏好或由系统长期学习；而如今的大模型与多模态理解能力使系统能够即时识别意图，在没有预先配置的情况下直接完成用户想做的事。这标志着用户体验从“设置式交互”迈向“意图式交互”，从需要学习界面转向由系统理解用户。8.2人工智能时代用户体验设计师的挑战与机遇（二）人工智能带来的机遇例如，在传统智能家居中，用户通常需要提前设定睡眠模式的流程，才能实现自动调光与静音。而在新一代人工智能系统中，用户只需一句自然表达：“我准备睡觉了”，系统便能理解其真实意图，无需提前编排场景，就能自动完成灯光、温度、声音与通知的多项调整。类似地，在支持人工智能操作的手机中，用户只需说出任务，例如“在我所有购物软件上比个价”，系统即可跨应用执行，无需手动打开应用、输入任务。随着需求拆解、情境理解与自主行动能力的提升，用户体验进入了一个新阶段：系统不再只是根据预设响应输入，而是理解用户需求、拆解目标行为、自动完成步骤，带来更加自然、连贯与人性化的互动体验。（2）面向设计师：设计过程的重塑人工智能的融入正在深刻重塑设计师的工作方式与思维范式。首先，在创造力层面，人工智能成为设计师的“创意孵化器”。借助生成算法，系统能够快速产出图像、文案与界面草案，为设计师提供丰富的灵感与多样化方案，从而扩展思维边界并激发更具突破性的创意。人工智能因此并非创意的替代者，而是创意的加速器与共创者。其次，在设计流程层面，人工智能通过自动化实现效率的跃升。界面优化、可用性测试、数据分析等以往耗时的重复性任务得以智能化处理，使设计师能够将更多精力投入到战略性与情感价值更高的环节，如用户洞察、品牌体验与服务创新，从而使设计从“执行”转向“思考与决策”。最后，人工智能的介入也推动了跨学科协作与新型角色的出现。设计开始与计算机科学、心理学、伦理学等领域深度融合，催生出如AIUX研究员（AIUXResearcher），提示词设计师（PromptDesigner）等新工作角色。同时，人工智能工具的普及降低了设计门槛，使普通用户也能以自然语言或图像参与创意生成，形成人机共创、协同创新的设计新格局。8.2人工智能时代用户体验设计师的挑战与机遇（二）人工智能带来的机遇（3）面向系统：人机共创设计人工智能的融入不仅重新定义了用户与设计师的关系，也推动了设计系统自身的智能化与进化。传统设计系统多依赖人为设定的规则与静态参数，而智能系统具备自我学习与持续优化的能力，能够基于真实使用数据与用户反馈动态调整与更新设计方案，逐步形成“自我进化型”用户体验设计。在这一模式下，设计不再是一次性的创作或封闭的成品，而成为人机协同学习、持续演化的开放过程。同时，人工智能驱动的系统设计也为可持续设计开辟了新的路径：通过对用户行为与资源利用效率的模拟预测，人工智能能够辅助设计师在服务生态层面做出更加科学、理性与前瞻的决策，在满足个体需求的同时兼顾环境可持续性。由此，设计系统正从静态工具向具备学习、推理与共创能力的“生态智能体”演进，标志着人机共创设计时代的真正到来。8.2人工智能时代用户体验设计师的挑战与机遇（二）人工智能带来的机遇8.3应对问题的方法框架：从UCD到HAICD的演化AFrameworkforAddressingProblems:TheEvolutionfromUCDtoHAICD设计的核心需求正从“使用人工智能的工具”上升为“整合人工智能认知的框架”。我们需要一种新的方法论——既能继承以用户为中心设计的价值根基，又能吸纳数据驱动设计的分析逻辑，并进一步组织人类意义构建与算法推理之间的协作关系。基于这一认识，本节介绍（Human–AICo-Design,HAICD）——一种面向智能时代、以人机协作为中心的设计方法论。8.3应对问题的方法框架：从UCD到HAICD的演化（一）HAICD的核心框架：思想与原则（1）HAICD的核心思想人机共创设计（Human–AICo-Design，HAICD）以“双核协作（Dual-CoreCollaboration）”为核心理念，主张设计智能并非源自单一主体，而是人类与人工智能两种“智能”认知机制之间的动态迭代，碰撞与共生。人工智能与人类在认知维度上各有所长：人工智能擅长算法推理，即通过模式识别、数据生成与预测分析，从庞大而复杂的数据体系中发现潜在结构与未知可能；而人类设计师则具备意义构建的能力，能够在特定的社会、文化与伦理语境中进行价值判断、语义诠释与体验塑造。两种认知机制的协作并非简单的分工，而是形成一种新的智能形态——共创智能（Co-CreativeIntelligence）。在这种智能体系中，人工智能作为“生成伙伴”负责拓展设计的“可能性空间”，探索超越人类直觉的结构与形式；人类设计师作为“意义解释者”则在复杂的环境中赋予生成结果以方向与意义。人机双方在这一过程中不断交互、学习与修正，形成动态共生的创造机制。由此，设计的本质也发生了转变——它不再仅仅是“为人设计”，而是“人机共同生成的意义系统（MeaningSystemCo-GeneratedbyHumanandAI）”。（2）HAICD的三项原则为了使“共创智能”在设计实践中真正落地，HAICD的实现依赖于三项相互支撑的基本原则：互补认知、循环共创与伦理嵌入。第一，互补认知。人类与人工智能的协作应建立在认知互补的基础之上。人工智能承担模式识别、生成与计算任务，而人类设计师负责赋义、取舍与价值约束。第二，循环共创。人机共创并非一次性的协作，而是持续演化的动态过程。HAICD将“生成→筛选→再学习→反馈”视为最小的共创闭环单位，该单位会出现在整个设计流程的任一过程中。第三，伦理嵌入。在人工智能技术能够深度参与设计的时代，伦理不再是外部的约束条件，而应成为设计系统的内在结构。伦理嵌入要求在关键节点引入可解释性与公平性审查，使每一次算法介入都在明确的价值约束中发生。（一）HAICD的核心框架：思想与原则8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织HAICD的实践体系可从三个互相关联的层面加以理解：工具层、流程层与组织层。这三者构成了一个从操作到治理的整体框架，使传统以人为中心的设计方法在人工智能的支持下实现了智能化升级。在流程层面，以DDSCRR流程（Define–Discover–Synthesize–Construct–Refine–Reflect）为例，HAICD通过融入人机协作机制，使传统设计流程呈现出新的动态性与生命力。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（1）流程层：基于DDSCRR的人机共创路径流程层是HAICD的核心结构，对应设计实践的主要环节。DDSCRR（Define–Discover–Synthesize–Construct–Refine–Reflect）流程在引入人工智能后，各阶段的角色与分工得以拓展，逐步形成一个“人机共创”的循环体系。在整个DDSCRR人机共创流程中，HAICD在“定义、综合与反思“三个阶段设置了“伦理与可解释性步骤”，以确保人工智能介入的透明、公平与安全，从而保持人机协作的价值平衡。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（1）流程层：基于DDSCRR的人机共创路径阶段设计目标人类设计师的任务人工智能的辅助与增强作用（1）定义（Define）明确设计问题与目标，界定用户与情境。识别问题域，提出初步假设与设计挑战。利用大语言模型与语义聚类，从调研数据中总结用户痛点；生成问题陈述。（2）发现（Discover）研究用户、收集数据、理解潜在需求。观察用户行为、收集案例与语境。通过情感分析、图像识别或数据挖掘，从社交媒体或日志中识别模式与趋势。（3）综合（Synthesize）将信息整合为洞察与设计机会点。建立用户画像与场景模型，识别创新方向。人工智能通过聚类与语义网络分析，发现数据间隐性关系，自动生成Persona、用户旅程图等。（4）构建（Construct）创意发想与原型构建。进行概念设计、界面草图与交互逻辑创作。生成式人工智能快速生成视觉、文案与交互原型，支持多样化方案探索。（5）精化（Refine）测试方案、优化体验。收集反馈、修正交互细节。人工智能可模拟用户测试（A/B测试、偏好预测），评估界面表现并提供优化建议。（6）反思（Reflect）回顾设计过程与结果，总结经验与伦理影响。分析项目得失，沉淀知识。人工智能通过过程数据分析生成项目报告，识别偏差与伦理风险。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射工具层是HAICD框架的基础支撑部分，代表了人工智能在设计实践中的具体功能表现。它并不指代单一的应用软件，而是一系列可被调用的人工智能能力模块，包括分析、生成、模拟、评估与反思等不同类型。这些人工智能能力模块在设计流程的各个阶段中提供支撑，使人机协作形成连续、可解释的操作链条。在工具层的逻辑下，人工智能的作用并非替代设计师，而是通过“智能增强”扩展设计活动的边界，形成“人工智能能做什么—人如何接管”的协作闭环。不同类型的人工智能能力与设计流程相互适配，共同构成完整的支撑体系。在本小节中，工具层的支撑作用以本书第一章介绍的DDSCRR（Define–Discover–Synthesize–Construct–Refine–Reflect）流程为例进行说明。人工智能的不同智能能力分别对应于流程中的不同阶段，从问题识别到创意生成，再到测试优化与反思沉淀，构成一条智能化的设计支撑链。通过这种映射关系，人工智能能力被嵌入到设计操作的每一个关键步骤，使HAICD的共创过程具备可执行性与可持续性。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射定义阶段：语义理解与趋势聚合能力的人工智能工具。在定义阶段，设计的重点是识别问题与界定目标。人工智能应具备语义分析、知识抽取与趋势聚合等能力，能够从调研数据、历史案例或市场文本中识别共性主题与潜在矛盾。这些工具帮助团队建立结构化的问题空间。设计师则在其中确立伦理边界与设计假设。人工智能的分析扩展了问题定义的深度与维度，使初始阶段的判断更具数据依据。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射发现阶段：数据洞察与行为分析能力的人工智能工具。发现阶段的核心是理解用户与情境。人工智能应提供模式识别、情感分析与多模态数据融合能力，从大量的使用日志、评论文本或图像资料中发现行为特征与潜在需求。例如，DeepSeek可对市场研究报告、用户评论文本、使用场景描述及相关图像资料进行多模态融合分析，从中识别高频关注要素、情绪倾向与潜在需求痛点，为后续的概念定义与产品定位提供数据支持。该过程并不替代设计师的判断，而是通过数据驱动的洞察，拓展其对用户行为模式与使用情境的理解边界。设计师据此进行语境化校正，使数据洞察转化为人本洞察。这一阶段的人工智能支撑使研究不再依赖单一观察，而成为“算法分析+文化解释”的双向互动过程。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射综合阶段：信息整合与关系建模能力的人工智能工具。综合阶段需要把分散的信息转化为结构化的洞察与设计机会。人工智能应具备聚类分析、语义网络构建与可视化映射能力，帮助设计师识别数据间的隐含关系与逻辑结构。人工智能提供的可视化结果能揭示问题的系统性与层次性。设计师则在此基础上判断价值与方向，从而形成兼具逻辑与意义的洞察框架。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射构建阶段：生成与原型构成能力的人工智能工具。在构建阶段，人工智能的能力主要体现在创意生成与原型构建方面。生成模型可根据自然语言提示生成文本、界面、结构与视觉概念等内容，为设计师提供多样化的方案探索。在构建阶段（Construct），人工智能的能力主要体现在创意生成与原型构建方面。基于生成模型，人工智能可根据自然语言提示与图形参照，自动生成文本、界面结构与视觉概念，为设计师提供多样化的方案探索空间。在界面与交互设计层面，Pixso中集成的生成式设计模块可依据设计需求描述，快速生成界面原型与多版本布局方案帮助设计师在早期阶段高效验证设计方向，并加速从概念到可交互原型的转化过程。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射构建阶段：生成与原型构成能力的人工智能工具。在产品与工业设计层面，面向当下及未来办公场景的座椅设计需求，人工智能技术可在产品族设计DNA的约束下，探索性生成办公座椅三维设计方案，并完成从二维渲染到三维造型的自动化生成。相关能力已在浙江大学AIGID实验室开发的AIGID系统中实现，并通过本地化部署快速响应“市场需求—设计创意—商务意向”的业务流程，支持企业实现高质量、高效率的产品创新设计。设计师在此过程中承担筛选与赋义的角色，对人工智能生成的结果进行取舍、组合与文化化修正。人机之间形成“生成—评估—再生成”的循环，使创意探索既高效又具方向性。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射精化阶段：偏好预测与优化评估能力的人工智能工具。精化阶段关注方案的优化与验证。在该场景下，人工智能技术具备用户偏好预测、行为模拟与性能评估等能力，能够通过A/B测试仿真、热力分布预测或用户模型评估，提前预判方案的可用性与体验表现。这些工具帮助设计师发现潜在问题并快速调整方案。人工智能的预测结果为人类决策提供依据，而最终的取舍仍由设计师基于体验与其它相关标准完成。浙江大学AIGID实验室提出了一种用于评估汽车造型感知视觉复杂度的方法。该方法从汽车外观三维模型中提取几何、比例和视觉显著性等多层次特征，并通过学习模型对造型的视觉复杂程度进行量化分析，为设计方案的优化与决策提供支持。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（2）工具层：能力模块与流程映射反思阶段：回溯分析与知识沉淀能力的人工智能工具。反思阶段是设计循环的闭环与学习起点。人工智能应提供过程追踪、数据归纳与偏差检测等能力，帮助团队回顾整个设计路径，识别算法偏差与决策风险，并自动生成报告或复盘文档。设计师在此阶段承担价值评估与知识提炼的任务，将人工智能输出的结果转化为组织经验与学习资产，推动设计体系的持续进化。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（3）组织层：人机共创的管理与文化体系组织层是HAICD实践体系的管理基础。它的任务是为人机共创活动提供制度保障、伦理约束和文化支撑，确保人工智能在设计过程中的介入既高效又符合人本价值。通过建立系统的管理与治理框架，组织层为设计活动提供了规范的运行环境，使智能协作成为可管理、可解释、可持续的设计机制。在组织层的建设中，重点包括角色体系、流程治理与文化建设三个方面。角色体系确保协作结构清晰、责任分工明确；流程治理建立起透明、可追溯的管理机制；文化建设为智能设计注入学习性与伦理意识。8.3应对问题的方法框架：从UCD到HAICD的演化（二）HAICD的实践体系：流程、工具与组织（3）组织层：人机共创的管理与文化体系角色体系：建立人机共创的组织分工。人工智能的引入改变了设计团队的传统角色构成。在以往的用户体验设计中，设计师主要负责从用户研究到原型实现的全过程；而在HAICD体系中，人工智能成为新的协作主体，设计团队也需要引入相应的支