我是一个设计师 该如何转型才不能被ai时代淘汰呢

提问

AI根据立正公开的文章和视频整理,不是他本人回复

设计师的转型方向不是补更多工具技能,而是从“交付一张图”转向“对结果负责”:能判断好坏、能把设计标准说清楚交给 AI 执行、能端到端把东西做出来。

值钱的是判断和收口,不是会几个新工具

立正反复讲,AI 已经能完成大部分执行动作,剩下最稀缺的是判断结果好坏、给反馈、把事情收口的人。他举过法律 AI 的例子:AI 能检索、总结、写初稿,但最后哪个答案更好、错在哪里,必须由懂行的人来定;没有专业深度的人连“哪个更好”都判断不了,AI 反而会放大盲区⁠1。对设计师来说,这意味着你的审美和用户判断本身就是资产,但前提是它能被说清楚。只会说“这个感觉不太对”的反馈,AI 和工程师都没法执行;能说清是层级、间距还是信息密度的问题,才算把判断交出去了⁠2。

把设计规范变成 AI 能用的上下文

立正主张,更高价值的位置是负责设计整个系统如何用 AI 把结果做出来,而不是亲手做某一段执行。他列出的能力里,第一条就是把模糊的业务问题翻译成 AI 能消费的上下文,后面才是设计评估标准、编排流程、判断什么该自动化⁠3。放到设计上,就是把你脑子里的配色原则、品牌语言、交互偏好、审美标准外化成规则、模板或技能,让 AI 在这些基础上持续产出符合团队标准的东西⁠2。这件事的价值在于:你不在场时,团队和 AI 仍能做出接近你水准的结果。

先做一个小实验,看自己卡在哪一层

AI推演

如果只是想知道自己离“能收口”有多远,可以先挑一个你熟悉的小需求,从概念到能跑的原型自己走一遍,中间尽量用 AI 而不是 Figma 静态稿。立正提到,软件真正的材料是代码,设计稿只是展现形式,直接做能跑的东西意味着你触达了更深的业务逻辑⁠2。走完这一遍,你会看到自己是在“判断”上卡住,还是在“把判断变成可执行的东西”上卡住——前者要继续深耕专业,后者是接下来最值得补的。

这些判断主要来自立正对通用岗位和设计师的讨论,没有针对你所在行业、团队规模或职级的具体条件;不同处境下优先级可能不同。

回到3份原文

我现在已经转型成品牌策划总监 不知道下一步该怎么走 但我不是资深的品牌总监 我应该要补齐什么

追问

AI根据立正公开的文章和视频整理,不是他本人回复

你缺的不是更多品牌知识,而是把品牌判断变成可执行标准、并对业务结果负责的能力;先补“定规则、排优先级、说清因果”这三件事。

总监的价值在定规则,不在亲手做

立正讲管理时提到,真正需要管理者亲自抓的往往是定赏罚、定规则,并且不要让自己太影响规则本身的执行⁠1。放到品牌总监的位置上,这意味着你的产出不该是更多方案和物料,而是让团队能反复用的一套判断标准:什么样的品牌表达算合格、什么情况下该换方向、谁在什么环节拍板。你自认不够资深,最容易犯的错是继续用执行来证明自己,结果团队等你出图、等你改稿,你反而成了瓶颈。可以先挑一件团队反复返工的事,把你心里的判断写成几条可检查的规则,看别人照着做能否少问你。

要能说清哪个动作带来哪个结果

立正批评过一类市场负责人:做了一堆事情,但看不出这些事产生了什么结果⁠2。他还强调,分析如果只停留在给业务提供参考,价值有限,真正有价值的是能说清因为自己的判断,业务选了 A 而不是 B⁠3。品牌工作天然难归因,这恰恰是你要补的:把“提升品牌调性”这类说法,换成能观察的中间指标和因果假设,比如这次改包装预期影响哪类人的认知、用什么信号验证。哪怕证据不完整,你也要对方向有自己的判断,而不是把决策推回给老板。

往设计系统、对结果负责的位置走

AI推演

立正谈组织内转型时主张,不要原地补技能,而要往更接近结果的位置走:把模糊的业务问题翻译成可执行的输入,设计评估标准和反馈回路,判断什么该自动化、什么该人来做⁠4。品牌总监正好处在这个位置:把资深策划脑中的隐性判断变成团队可复用的显性资产,而不是每次靠个人直觉⁠5。另外,升职这类事不要等公司把定义清楚的机会递到手上,要主动去找老板谈自己还差什么⁠6。你可以约一次上级,直接问他认为你距离成熟品牌总监还差哪一两件事,用他的回答校准你补的方向。

现有材料没有专门讲品牌策划岗位的能力模型,以上是从管理、结果归因和转型的通用判断迁移过来的。

回到6份原文

确实有往设计系统走 但是现在团队执行很差,审美技能都不行,先要指导一段时间建立审美和标准的界限,才能试着让他们自己运行

追问

AI根据立正公开的文章和视频整理,不是他本人回复

先带一段时间建立审美和标准是合理的,但目标不该是让团队“学会审美”,而是把审美变成可写下来的验收标准,让标准替你反复把关。

审美要落成可检查的标准,才带得动团队

立正提到,美并不完全是主观的,它背后有共识和可循的规则,所以审美可以被说出来、被检查,而不只是靠资深的人现场感觉。他也强调,判断质量需要明确、可执行的验收标准,比如是否满足某个条件、是否避开了某类错误、是否覆盖了关键边界,而不是“看起来还行”。放到你的团队,指导期真正要交付的不是“他们看多了就会了”,而是一份能逐条对照的清单:哪些是硬性底线,哪些是风格取舍。这样你不在场时,标准仍然能起作用⁠1,2。

标准写进流程,比靠人盯更容易执行

执行差往往不是态度问题,而是标准只存在于你脑子里,每次都要靠你亲自判断。立正讲 context 架构时提到,团队最重要的做事标准——设计规范、审核清单——可以写成 AI 能理解的规则注入工作流,让 AI 在产出时先按规则自查,效果接近让最资深的人出现在每一次具体工作里,但不占用他的时间。他还指出,管理难常常不是因为没标准,而是执行标准太耗精力;把规范交给 AI 去检查,会容易得多。你可以先挑一类最常返工的设计产出,把“什么算过”写成几条规则,让 AI 先筛一遍,你只看它标出的问题⁠3。

先让团队在真实产出上练判断

AI推演

如果目标是让他们以后自己运行,指导期就该逐步把判断权交出去,而不是你一直做最终审核。一个可试的做法:选一个真实的小任务,你先给出标准和几个正反例,让他们自己产出并对照标准自评,你只回应他们判断错的地方。观察两件事——他们能否说出“哪里不达标、为什么”,以及返工是否集中在同一类问题上。如果反复卡在同一处,说明那条标准还没写清楚,需要补进清单,而不是继续靠口头纠正。立正也提到,能定位问题根因、针对性修复,才决定一个人能不能持续进步,这比多试几次更重要⁠2。

这些材料讲的是通用原则,没有针对设计团队带教的具体方法;团队规模、产出类型不同,落地方式会有差别。

回到3份原文

这些事情我有在做 但是返工的厉害

追问

AI根据立正公开的文章和视频整理,不是他本人回复

返工多通常说明验收标准还留在你脑子里,没变成执行前就能检查的规则;先把“什么算对”写下来,让每次产出都对着同一把尺子改。

返工是在替你补没写下来的标准

如果每次都要你亲自看一遍才知道哪里不对,说明判断标准还没外化。有材料提到,团队最重要的做事标准——设计规范、审核清单这类东西——可以写成 AI 能理解的规则注入工作流,让 AI 在做事时自动拿这些规则做检查,效果接近让最资深的人出现在每一次具体工作里,但不占用他的时间⁠1。返工频繁,往往就是这一步缺位:标准只在你脑子里,别人(或 AI)只能先做出来,再等你指出问题。可以先挑一类反复返工的产出,把你这几次改动的理由归纳成几条可检查的条件,下次执行前就交给对方或 AI 对照。

把目标从“过程对”换成“结果对”

有材料主张,与其把步骤、分支和异常都预先规定好,不如把要达到的结果和验收标准讲清楚,让执行方在运行中自己处理没预料到的情况;确定性来自对结果的检查与修正,而不是事先穷举路径⁠2。这正好对应返工:如果你把流程卡得很细,遇到没写到的情形仍然要回来补规则,返工不会减少;如果给出清晰的验收条件,执行方可以先自查再交付。判断标准是否够用,可以看一个信号:对方交付前能不能自己说出哪里可能不达标。

先改一处最常返工的环节

AI推演

可以选最近一次返工最多的那类产出,在动手前写下三条“什么样算通过”,交付后对照这三条看返工是否减少、减少的是哪一类问题。如果返工集中在审美判断上,说明标准还偏模糊,需要把“哪里不对”具体成可指认的差异;如果集中在需求理解上,则要补的是目标与边界,而不是更多细节规定。这个尝试能帮你分清返工来自标准缺失还是标准没被执行。

出处 1 2

不清楚你返工集中在审美判断、需求理解还是流程衔接,上述原因需按你的实际情况核对。

回到2份原文