ChatGPT自發布以來，新消息層出不窮。 但作為一個沒有技術背景不會訓練模型的設計師，有點好奇，如果我們和ChatGPT肩并肩走完整個設計旅程，體驗是怎樣的呢？

ChatGPT畢竟是一個語言模型，暫時在輸入和輸出上不能接受除了文字以外的其他內容，包括圖片、文件（圖片輸入還在研究預覽版本）……

恰好有個設計驅動的項目，所以在這些設計步驟里進行嘗試。

01/

我們的使用體驗

項目背景 · 3星

推薦詢問：溝通大綱（產品目標、產品定位、產品階段、產品規劃、使用人群、使用場景等）

關鍵幫助：更全面地制定訪談計劃，溝通不反復

注意事項：往往需要補充預計排期、預期跨部門合作方式的問題

作為設計驅動項目，需要探索設計上的發力點，于是想預先和產品進行聊聊背景，來保持方向的一致。

我建了一個表格，邀請我們6名設計師共同寫下問題，然后整合并提取核心問題，當然我也讓ChatGPT寫了一份作為補充。

它一共提供了10個問題——顯然缺乏產品特性的輸入（基于經驗，很難三言兩語給ChatGPT講清楚），很難提出針對問題；但他在市場營銷和推廣策略方面的給我們做了一些問題補充。可能受限于設計經驗背景，這是我們沒想到，但卻是整個鏈路中的重要一環。

分析問題 · 3.5星

推薦詢問：用戶分析（目標用戶特征、接觸用戶途徑、用戶調研方法、創建問卷），數據分析（數據指標選取、數據分析方法、數據評價合格維度），競品分析（競品名稱、競品分析方法、競品優缺點）

關鍵幫助：紅海市場的用戶和競品問題可以直接問結果，數據分析幫助補充指標更全面

注意事項：明確告知產品所在行業，描述清楚具體想得到什么，否則答案很容易大而泛。

在這中間，我們問了一些有點挑戰性的問題，發現ChatGPT的回答很有意思。

·加好限制詞是一門學問：比如對于一些國際通用問題，如“怎么可以接觸到用戶”，建議增加“在中國”，否則答案很容易不匹配國人行為，比如通過國外常用平臺或者郵件的方式。對于一些細分領域，一定要加領域名詞，比如問“直播數據指標”和“招聘數據指標”，它才會給你定制化的答案。

·想方設法幫你達到目標：對于很難直接回答的問題，比如“一個產品指標要達到多少才叫合格”這種不了解細節很難解答的門外漢問法……ChatGPT非常聰明地告訴你，這個數據指標高不代表產品做的好（說的沒錯，終極目標并不是數據好看），并告訴你怎么可以衡量數據好不好。真人對話感拉滿。

·機器人也“要面子”：一些似乎超出知識范疇的問題，他不會委婉表達“我不會”，但會說一些說了好像沒說，或者“亂說”。比如“目標用戶的類型”，告訴你“既有高中及以下”“也有本科以上”……好像很有道理的樣子。我還問了他關于“東方甄選”直播間的特點，猜測他的數據庫沒有這個信息，但發現我一直在問招聘直播相關的問題，所以大概兩者直接相關，于是說“東方甄選是一個專業的招聘直播平臺”，企圖蒙混過關……

解決策略和設計執行 · 2.5星

推薦詢問：解決策略（設計模型、解決思路），設計執行（設計資源、界面文案、設計組件）

關鍵幫助：寫文案一絕，其他就當百度用

注意事項：ChatGPT-4的圖片輸入未來可期，當前涉及圖形產出可以求助于圖像界的ChatGPT

到了問題的針對性解決環節，受限于ChatGPT不能快速了解背景和限制、不能圖形展示，所以整體幫助度一般，但對于擴展思路還是可以的。

我當時就很想知道有什么可用的設計模型，但是如果關鍵字只是“設計模型”，他可能就告訴你用戶角色、用戶旅程地圖這些基本人手一個的方法。如果不想要這種通用的怎么辦？建議描述不清就舉個例子，比如增加“有沒有類似AIPL這種模型”，他就會給你推薦同維度的具體模型了。

當然，雖然不能圖形化產出，但如果想問有什么合適的組件來承載某些信息，ChatGPT也可以通過文字描述給你推薦。

02/

與GPT同行的感受

如果要用一句話概括，什么設計節點適合通過ChatGPT幫助提效呢？

我認為是，市場越接近紅海，方法論越成熟，信息越準確、越能幫助提效，甚至直接提供答案。

畢竟它的生產內容依賴“搜索”和“拼湊”，做不到前瞻和決策，因此在以下兩個部分很難代勞。‍‍‍‍‍

*人際上的管理和決策

從我們的小故事也可以發現，讓ChatGPT做針對性建議是一件比較有挑戰的事。而人際的管理決策是這個難點的升級，因為在設計的過程中需要理解和滿足多方需求，這需要實際的溝通理解、目標制定、計劃拆解、人員安排、實際排期。

尤其是多方理解這種復雜的探討平衡點的決策部分，和人員安排排期這種需要根據興趣和能力進行評估的部分。

畢竟充分理解場景，形成特有的模型，以取代人類經驗的判斷，這種富有場景特殊性還需要一些感性決策的事，對于AI來說還有很長的路要走。

*設計上的思考和創新‍‍

所謂思考，并不是我們上學答題做理性推理那么簡單。

思考既涵蓋了推理，也包含了非理性的心理加工構成，諸如創新、解決問題、分析、綜合和評估，而非理性模型本身就有很高的門檻。

其中比較有爭議的是創新，因為很多人認為AI不會創新。

但其實早在AlphaGo在對戰李世石時，就有一些在人類看起來很創新的棋步——雖然達成創新的方式和人不太一樣。所以如果創新是舊元素的新組合，那么部分簡單結合——比如把兩種交互模式拼合在一起的創新，未來相對AI的暴力窮舉可能并沒有那么大的優勢，或許需要重新審視價值。

當然，ChatGPT是個很棒的語言模型，為了解決復雜問題進行窮舉創新還有很長的路要走。但是作為一個會呼吸的人，我們的獨特之處在于對生活的體驗和經驗，基于這些對自己和他人的洞察，從而產生或許有效的、但之前沒有嘗試過的方案，才是我們很難被取代的地方。

比如讓AI基于人對工具的使用方式，洞察出在界面上進行擬物表達，從而讓用戶進行無障礙使用，好像真的比較困難。

最后，對于以上推薦詢問的問題，如果大家在實際設計過程中沒有思路、想找參考，還是可以去問問ChatGPT的，往往比直接百度更高效。

但在體驗中，也要反思不要把自己當成一個會呼吸的機器人，因為很多地方機器人已經比你做得好了，那么作為人的特點和高價值產出到底是什么。