ChatGPT自发布以来，新消息层出不穷。‍‍‍‍‍‍‍‍‍

但作为一个没有技术背景不会训练模型的设计师，有点好奇，如果我们和ChatGPT肩并肩走完整个设计旅程，体验是怎样的呢？

所以这篇也叫做《ChatGPT与人类设计师的观察日记》。

ChatGPT毕竟是一个语言模型，暂时在输入和输出上不能接受除了文字以外的其他内容，包括图片、文件（图片输入还在研究预览版本）……

恰好我们有个设计驱动的项目，所以在这些设计步骤里进行尝试。

一、我们的使用体验

项目背景 · 3星

推荐询问：沟通大纲（产品目标、产品定位、产品阶段、产品规划、使用人群、使用场景等）

关键帮助：更全面地制定访谈计划，沟通不反复

注意事项：往往需要补充预计排期、预期跨部门合作方式的问题

作为设计驱动项目，需要探索设计上的发力点，于是想预先和产品进行聊聊背景，来保持方向的一致。

我建了一个表格，邀请我们6名设计师共同写下问题，然后整合并提取核心问题，当然我也让ChatGPT写了一份作为补充。

它一共提供了10个问题——显然缺乏产品特性的输入（基于经验，很难三言两语给ChatGPT讲清楚），很难提出针对问题；但他在市场营销和推广策略方面的给我们做了一些问题补充。可能受限于设计经验背景，这是我们没想到，但却是整个链路中的重要一环。

分析问题 · 3.5星

推荐询问：用户分析（目标用户特征、接触用户途径、用户调研方法、创建问卷），数据分析（数据指标选取、数据分析方法、数据评价合格维度），竞品分析（竞品名称、竞品分析方法、竞品优缺点）

关键帮助：红海市场的用户和竞品问题可以直接问结果，数据分析帮助补充指标更全面

注意事项：明确告知产品所在行业，描述清楚具体想得到什么，否则答案很容易大而泛。

在这中间，我们问了一些有点挑战性的问题，发现ChatGPT的回答很有意思。

·加好限制词是一门学问：比如对于一些国际通用问题，如“怎么可以接触到用户”，建议增加“在中国”，否则答案很容易不匹配国人行为，比如通过国外常用平台或者邮件的方式。对于一些细分领域，一定要加领域名词，比如问“直播数据指标”和“招聘数据指标”，它才会给你定制化的答案。
·想方设法帮你达到目标：对于很难直接回答的问题，比如“一个产品指标要达到多少才叫合格”这种不了解细节很难解答的门外汉问法……ChatGPT非常聪明地告诉你，这个数据指标高不代表产品做的好（说的没错，终极目标并不是数据好看），并告诉你怎么可以衡量数据好不好。真人对话感拉满。
·机器人也“要面子”：一些似乎超出知识范畴的问题，他不会委婉表达“我不会”，但会说一些说了好像没说，或者“乱说”。比如“目标用户的类型”，告诉你“既有高中及以下”“也有本科以上”……好像很有道理的样子。我还问了他关于“东方甄选”直播间的特点，猜测他的数据库没有这个信息，但发现我一直在问招聘直播相关的问题，所以大概两者直接相关，于是说“东方甄选是一个专业的招聘直播平台”，企图蒙混过关……

解决策略和设计执行 · 2.5星

推荐询问：解决策略（设计模型、解决思路），设计执行（设计资源、界面文案、设计组件）

关键帮助：写文案一绝，其他就当百度用

注意事项：ChatGPT-4的图片输入未来可期，当前涉及图形产出可以求助于图像界的ChatGPT

到了问题的针对性解决环节，受限于ChatGPT不能快速了解背景和限制、不能图形展示，所以整体帮助度一般，但对于扩展思路还是可以的。

我当时就很想知道有什么可用的设计模型，但是如果关键字只是“设计模型”，他可能就告诉你用户角色、用户旅程地图这些基本人手一个的方法。如果不想要这种通用的怎么办？建议描述不清就举个例子，比如增加“有没有类似AIPL这种模型”，他就会给你推荐同维度的具体模型了。

当然，虽然不能图形化产出，但如果想问有什么合适的组件来承载某些信息，ChatGPT也可以通过文字描述给你推荐。

二、与GPT同行的感受

如果要用一句话概括，什么设计节点适合通过ChatGPT帮助提效呢？

我认为是，市场越接近红海，方法论越成熟，信息越准确、越能帮助提效，甚至直接提供答案。

毕竟它的生产内容依赖“搜索”和“拼凑”，做不到前瞻和决策，因此在以下两个部分很难代劳。‍‍‍‍‍

1. 人际上的管理和决策

从我们的小故事也可以发现，让ChatGPT做针对性建议是一件比较有挑战的事。而人际的管理决策是这个难点的升级，因为在设计的过程中需要理解和满足多方需求，这需要实际的沟通理解、目标制定、计划拆解、人员安排、实际排期。

尤其是多方理解这种复杂的探讨平衡点的决策部分，和人员安排排期这种需要根据兴趣和能力进行评估的部分。

毕竟充分理解场景，形成特有的模型，以取代人类经验的判断，这种富有场景特殊性还需要一些感性决策的事，对于AI来说还有很长的路要走。

2. 设计上的思考和创新‍‍

所谓思考，并不是我们上学答题做理性推理那么简单。

思考既涵盖了推理，也包含了非理性的心理加工构成，诸如创新、解决问题、分析、综合和评估，而非理性模型本身就有很高的门槛。

其中比较有争议的是创新，因为很多人认为AI不会创新。

但其实早在AlphaGo在对战李世石时，就有一些在人类看起来很创新的棋步——虽然达成创新的方式和人不太一样。所以如果创新是旧元素的新组合，那么部分简单结合——比如把两种交互模式拼合在一起的创新，未来相对AI的暴力穷举可能并没有那么大的优势，或许需要重新审视价值。

当然，ChatGPT是个很棒的语言模型，为了解决复杂问题进行穷举创新还有很长的路要走。但是作为一个会呼吸的人，我们的独特之处在于对生活的体验和经验，基于这些对自己和他人的洞察，从而产生或许有效的、但之前没有尝试过的方案，才是我们很难被取代的地方。

比如让AI基于人对工具的使用方式，洞察出在界面上进行拟物表达，从而让用户进行无障碍使用，好像真的比较困难。

最后，对于以上推荐询问的问题，如果大家在实际设计过程中没有思路、想找参考，还是可以去问问ChatGPT的，往往比直接百度更高效。

但在体验中，也要反思不要把自己当成一个会呼吸的机器人，因为很多地方机器人已经比你做得好了，那么作为人的特点和高价值产出到底是什么。