當AI開始“干活”，設計公司該重新設計自己了

這是設計聯的第4737期分享

靖哥的第149篇AI日記

最近幾天，我重新整理了過去幾年的AI課程文檔、歷史課件和項目資料。

從2023年開始做AI培訓，到2026年，AI已經從一個“會聊天、會生成內容的工具”，逐漸變成能夠讀取資料、理解項目、調用工具并參與執行任務的工作助手。

今年6月，我們又完成了一期面向設計公司老板的28天AI課程。這次密集實踐讓我發現，我們需要重新討論的，已經不只是提示詞怎么寫、圖片怎么生成、哪款工具更好用，而是：

AI正在進入設計公司的哪些環節？它會改變哪些崗位、流程和組織方式？設計公司又該提前準備什么？

這次復盤中，我也讓AI智能體重新讀取和整理了過去幾年的資料。它幫助我把分散在不同階段的內容串聯起來，梳理出AI能力的變化，以及這些變化正在怎樣影響企業。

但這個過程也讓我再次確認：AI可以整理資料、發現關聯、形成初稿，真正決定內容價值的，仍然是人對行業的理解和判斷。

于是有了這篇文章。

我想討論的不是“AI會不會取代設計師”，而是一個更現實的問題：

當AI從“會生成”走向“能參與工作”，設計公司該如何重新設計自己的業務、流程與組織？

2022年年底，ChatGPT逐漸進入公眾視野。

對于很多中國用戶來說，那可能是第一次如此直觀地感受到：原來AI不只是識別人臉、推薦商品、計算數據，它真的可以跟人對話、寫文章、做方案、回答專業問題。

我們從2023年5月開始做AI培訓。

那時候，大家最常問的是：

?提示詞應該怎么寫？

?AI能不能幫我寫文案？

?AI畫圖能不能替代效果圖？

?哪個AI工具最好用？

?設計師會不會被AI淘汰？

轉眼到了2026年7月。

三年多過去，我們越來越清楚地發現：AI真正帶來的變化，遠遠不只是“多了一個更聰明的軟件”。

它正在改變知識工作的成本，改變人與人的分工，也在改變一家公司的組織方式。

對于設計公司來說，接下來真正值得關注的，不是哪款AI工具又更新了，

而是：當AI從“回答問題”變成“參與工作”，一家設計公司的業務流程、人員結構和核心競爭力，應該如何重新設計？

一、2022年年底：AI第一次讓普通用戶感受到“機器會表達”

2022年年底，中國大量用戶開始集中接觸生成式AI。

那個階段的AI，最讓人震撼的是“會說話”。

以前的軟件需要用戶學習菜單、按鈕和操作步驟；生成式AI讓人第一次可以直接用自然語言表達要求。

你可以對它說：

?幫我寫一篇文章

?幫我整理一份會議記錄

?幫我解釋一個概念

?幫我想十個選題

?幫我修改這段文案

這次變化的意義，不只是AI會寫字，而是人機交互的門檻突然降低了。

過去，不懂編程的人很難讓計算機按照自己的想法工作；現在，普通人只要能把問題說明白，就能調動一部分機器能力。

所以，2022年年底到2023年，大家學習AI的重點主要是：

如何與AI對話，如何寫出更好的提示詞。

二、2023年：AI從聊天工具變成內容生成工具

我們在2023年5月開始做AI培訓時，市場上的主流需求還是內容生成。

企業希望AI幫助自己：

?寫公眾號文章

?寫短視頻腳本

?整理課程內容

?生成營銷文案

?制作方案說明

?提煉會議紀要

?生成基礎圖片

設計行業則更關注AI繪圖。

很多人第一次意識到，原來設計師輸入一段文字，AI就能生成看起來非常專業的空間畫面。

因此，2023年可以理解為“生成階段”。

這個階段，AI主要幫助人完成一項相對獨立的工作：

人提出要求，AI生成一個結果，人再進行修改。

但問題也非常明顯。

AI雖然能快速生成內容，卻經常出現：

?不了解項目背景

?結果看起來正確，實際上不能落地

?同一項目的風格不統一

?忽略預算、現場和施工條件

?編造不存在的信息

?無法持續維護項目上下文

所以，2023年的AI很像一個反應很快、知識很多，但不了解公司和項目的臨時助理。

三、2024年：AI開始理解圖片、文件和多種資料

到了2024年，AI不再只處理文字。

它開始能夠同時讀取：

?圖片

?PDF

?Word

?Excel

?PPT

?網頁

?錄音

?視頻

?項目文件

這意味著AI第一次具備了進入真實工作場景的基礎條件。

因為設計公司的工作從來不是只靠一段提示詞完成的。

一個真實項目通常包含：

?客戶聊天記錄

?現場照片

?CAD圖紙

?項目需求表

?報價文件

?材料清單

?品牌資料

?參考案例

?會議紀要

?修改意見

當AI能夠讀取這些資料之后，它的角色開始發生變化。

它不再只是“幫你寫一段話”，而是可以先讀資料，再進行整理、分析和生成。

這時候，企業開始從“學習提示詞”轉向“管理上下文”。

也就是：

AI最終能做出什么結果，越來越取決于你給了它什么資料、什么背景、什么規則和什么判斷標準。

四、2025年：AI從生成內容走向推理和工作流

2025年最重要的變化，是推理模型和AI智能體開始成熟。

過去的AI更像一個問答工具。

你問一次，它回答一次。

新的AI則開始能夠：

?理解任務目標；

?把任務拆成多個步驟；

?讀取不同資料；

?調用搜索、代碼、瀏覽器和文件工具；

?執行中間任務；

?檢查結果；

?根據反饋繼續修改。

AI開始從“生成一個答案”，走向“完成一段工作”。

例如，以前你需要分別讓AI：

?整理會議記錄

?提取客戶需求

?生成待確認清單

?編寫項目任務書

?輸出下一步工作計劃

到了智能體階段，這些工作可以被組織成一條連續流程。

AI可以先閱讀聊天記錄，再識別已確認內容、待確認事項和風險，最后形成任務書初稿。

這時候，真正重要的已經不是某一句提示詞，而是：

誰來設計這條工作流？AI在哪一步工作？人在哪一步確認？出現錯誤以后由誰負責？

五、2026年：AI開始進入軟件、項目和組織內部

到了2026年7月，AI正在發生三個更深的變化。

第一，模型之間的能力差距正在縮小

過去大家關心的是哪個模型最聰明。

但隨著不同公司的前沿模型逐漸接近，企業選擇AI時開始更加關注：

?成本

?穩定性

?響應速度

?是否能連接公司資料

?是否能調用現有軟件

?是否適合具體行業

?是否方便團隊協作

?是否能夠控制權限和風險

斯坦福《2026年AI指數報告》指出，前沿模型之間的競爭重點正在轉向成本、可靠性和專業領域表現。

這意味著未來真正決定企業AI能力的，不再只是“買了哪個模型”，而是：

公司有沒有自己的資料、標準、工作流和反饋系統。

第二，AI開始從輔助工具走向執行角色

AI已經可以承擔越來越長的連續任務。

它可以在獲得授權后：

?創建和修改文件

?查詢資料

?操作網頁

?整理表格

?生成報告

?比較多個方案

?檢查結果

?持續跟進任務

但它仍然不穩定。

2026年的AI可以在復雜專業任務上表現得非常優秀，也可能在一些看似簡單的問題上犯錯；AI智能體在結構化任務中仍然存在明顯失敗率。

所以，現階段更準確的定位不是“無人公司”，而是：

人負責目標、邊界、判斷和責任，AI負責資料處理、生成、執行和過程輔助。

第三，AI開始改變組織分工

AI不再只影響某個員工的效率，而是開始改變團隊為什么需要這些崗位、崗位之間如何協作。

例如，過去一個設計公司可能需要不同的人完成：

?整理客戶資料

?編寫會議紀要

?制作項目任務書

?搜集參考案例

?整理匯報內容

?生成運營文案

?歸檔項目經驗

未來，這些工作中的大量基礎環節都可能由AI先完成。

人的工作則逐漸轉向：

?確定目標

?提供專業背景

?處理復雜溝通

?判斷方案質量

?控制風險

?進行價值取舍

?獲得客戶信任

?為最終結果負責

國際勞工組織的研究認為，生成式AI更可能先帶來職業轉型，而不是讓所有崗位直接消失。

但“職業不會馬上消失”，不代表崗位不會減少，也不代表原來的工作方式可以繼續保持不變。

六、AI真正改變的，不只是效率，而是五種底層結構

1. 改變知識工作的成本

過去，整理資料、查找案例、生成初稿、比較方案都需要大量人工時間。

AI正在降低這些工作的邊際成本。

當基礎內容越來越容易生成，單純依靠“做得快、做得多”獲得的價值就會下降。

2. 改變專業能力的價值分布

過去，很多專業人員的價值來自“掌握信息”。

未來，信息和基礎生成能力越來越普及，真正值錢的會變成：

?定義問題

?判斷重點

?設定邊界

?識別風險

?驗證結果

?推動落地

3. 改變個人與團隊的關系

一個懂業務、會組織AI工作流的人，可能獲得過去一個小團隊才能提供的生產能力。

相關實驗已經發現，在部分專業創新任務中，一個人配合AI，可以達到沒有AI的人類團隊的表現。NBER：AI重塑團隊協作

這不一定意味著團隊會消失，但意味著小團隊可以承接更復雜的工作。

4. 改變公司的核心資產

未來設計公司的核心資產不只是案例圖片和員工數量，還包括：

?客戶需求模板

?項目判斷標準

?報價邏輯

?風險檢查表

?材料知識庫

?設計語言系統

?項目復盤

?可調用的工作流

這些原來藏在員工腦子里的經驗，必須逐漸變成公司可以沉淀、調用和更新的知識。

5. 改變管理方式

未來管理者不只需要管理員工，還需要管理AI：

?AI可以讀取哪些資料？

?可以執行哪些動作？

?哪些結果必須人工確認？

?出錯以后如何追溯？

?客戶隱私如何保護？

?誰對最終結果負責？

AI管理將逐漸成為公司管理的一部分。

七、未來AI會改變設計公司的哪些環節

AI對設計公司的影響，不會只停留在效果圖。

它很可能沿著一條完整項目鏈進入公司。

1. 獲客與運營

AI會幫助設計公司：

?分析市場和客戶關注點

?將項目復盤轉成公眾號和短視頻內容

?根據不同平臺改寫發布文案

?整理案例故事

?維護內容選題庫

?形成穩定的品牌表達

未來客戶尋找設計公司時，也可能先通過AI搜索和咨詢，再決定聯系哪家公司。

設計公司的網絡內容、專業資料和公開案例，將逐漸成為“被AI理解和推薦”的信任資產。

2. 客戶接洽與需求整理

客戶語音、聊天記錄、問卷和會議內容，可以自動整理為：

?項目背景

?核心目標

?功能需求

?客戶偏好

?已確認內容

?待確認事項

?潛在沖突

?下一步動作

但AI只能整理和發現矛盾，設計師仍然要判斷客戶沒有直接說出來的真實問題。

3. 項目診斷與任務書

AI可以基于客戶資料和項目經驗，生成：

?項目診斷

?初步建議書

?項目邊界

?風險清單

?勘察重點

?正式任務書初稿

?客戶確認清單

這會讓項目啟動從“憑感覺開工”，轉向“先形成證據和任務定義”。

4. 現場勘察

AI可以幫助：

?整理現場照片

?將錄音轉成勘察記錄

?標記待復尺位置

?對照任務書檢查遺漏

?形成現場問題清單

?提醒消防、機電和結構風險

但AI不能替代現場復尺，也不能把圖片推測當成施工依據。

5. 空間策略與方案比較

AI可以參與：

?提煉空間矛盾

?生成功能組合建議

?比較不同流線

?梳理方案優缺點

?形成決策表

?識別方案與客戶目標之間的偏差

未來設計師可能不再只提交一個方案，而是讓AI輔助組織多個方向，再由團隊完成專業比較和取舍。

6. 平面深化

AI會越來越多地輔助檢查：

?功能面積

?動線沖突

?家具尺度使用距離人體工學

?設備條件

?空間之間的邏輯關系

但CAD、現場尺寸、消防、機電和施工圖結論，仍然需要專業人員復核。

7. 設計語言與視覺系統

未來AI效果圖的重點，不再是“能不能生成”，而是“能不能持續生成屬于這個項目的畫面”。

設計公司需要先建立：

?項目設計理念

?空間價值排序

?視覺基因DNA

?材料與色彩邊界

?家具和燈光規則

?攝影語言

?禁止出現的元素

?統一的驗收標準

AI根據這一套系統生成不同空間，才能避免每張圖都好看，但放在一起不像同一個項目。

8. 效果圖與視覺表達

AI會進一步降低概念圖、方向圖和匯報圖的制作成本。

設計師的價值將從“親自完成每個像素”，轉向：

?定義視覺方向

?選擇關鍵畫面

?判斷空間是否合理

?檢查項目一致性

?控制誤導性表達

?向客戶解釋設計邏輯

AI效果圖仍然不能替代施工圖，也不能自動證明方案可以落地。

9. 報價、材料與供應鏈

AI可以協助：

?整理材料清單

?比較供應商報價

?識別缺項和異常價格

?形成預算變化說明

?記錄材料替換原因

?維護供應商資料

?生成客戶確認單

未來，報價可能從一次性表格，變成隨著設計變化自動更新的項目數據。

10. 甲方匯報與決策

AI可以把復雜資料整理成圍繞決策的匯報：

?這次需要客戶確認什么？

?每個方案有什么差異？

?預算、體驗和風險如何變化？

?如果不確認，會影響什么？

?下一階段需要什么輸入？

未來的匯報不應該只是效果圖相冊，而應該成為幫助甲方做決定的工具。

11. 施工配合

AI可以輔助整理：

?現場會議紀要

?問題照片

?責任人

?截止時間

?變更記錄

?材料確認

?待辦事項

?版本差異

但施工現場涉及真實安全、成本和責任，AI只能輔助記錄和提醒，不能代替項目負責人簽字確認。

12. 項目復盤與知識沉淀

項目結束后，AI可以幫助公司回答：

?哪些需求判斷準確？

?哪些問題反復出現？

?哪些報價容易漏項？

?哪些客戶確認環節需要提前？

?哪些材料存在交付風險？

?哪些經驗值得寫進標準流程？

設計公司可以把一次性項目逐漸變成可復用的公司能力。

八、未來三年，設計公司可能出現的變化

第一階段：每個崗位都有AI助手

設計師、項目經理、商務、運營和公司負責人，都擁有各自的AI輔助工作流。

第二階段：一條項目鏈上出現多個AI角色

例如：

?客戶需求整理助手

?項目任務書助手

?設計策略助手

?平面檢查助手

?視覺系統助手

?匯報整理助手

?項目復盤助手

這些AI角色共享經過授權的項目資料，但承擔不同任務。

第三階段：公司從“人力組織”變成“人＋AI工作流組織”

未來設計公司的規模不一定繼續以人數衡量。

更重要的可能是：

?一個團隊能管理多少項目

?有多少標準化工作流

?有多少可復用知識

?AI可以承擔多少基礎執行

?人工確認點是否清楚

?項目質量是否穩定

?客戶是否愿意持續信任

九、設計公司現在最應該做的，不是繼續追工具

面對AI快速變化，設計公司現在可以先做五件事。

第一，整理公司的基礎資料

把散落在聊天記錄、個人電腦和員工腦子里的資料整理出來。

第二，把高頻工作寫成標準流程

先選擇需求整理、任務書、匯報或項目復盤中的一個環節進行驗證。

第三，建立人工確認點

明確哪些內容AI可以生成，哪些結論必須由專業人員確認。

第四，沉淀自己的判斷標準

把“我感覺不對”進一步寫清楚：

?什么叫好方案？

?什么叫資料完整？

?什么叫風險不可接受？

?什么情況下不能繼續推進？

第五，培養會使用AI的業務負責人

未來最稀缺的不只是AI技術人員，而是既懂設計業務，又能組織AI完成工作的人。

從2022年年底到2026年7月，我們經歷了四個階段：

AI會聊天 → AI會生成 → AI會讀取資料 → AI會參與工作和執行任務。

接下來，AI還會繼續變強。

但設計公司真正的機會，不是等AI變得完美，也不是幻想用一個工具替代所有員工。

真正的機會是：

趁AI還在進入行業的過程中，提前整理自己的資料、標準、判斷和工作流，把設計經驗從個人能力變成公司資產。

未來被改變的，可能不是“設計”這件事本身。

客戶依然需要空間，依然需要審美，依然需要理解、溝通、信任和專業責任。

真正被改變的，是設計公司完成這些事情的方法。

以前，一家公司主要依靠人記住經驗、傳遞信息、重復勞動。

未來，一家公司可能由人來確定方向、理解客戶、做出判斷和承擔責任，再由AI幫助整理信息、生成方案、執行流程和沉淀知識。

所以，AI帶給設計公司的最終問題不是：

AI能不能替代設計師？

而是：

當越來越多基礎工作可以交給AI之后，設計師和設計公司準備把自己的專業價值放在哪里？

如果讓AI先進入一個環節，你會選擇哪里？

看完這篇文章，我也想聽聽設計公司老板和設計師的真實判斷：

如果現在只能選擇一個環節，你最希望AI先進入公司的哪項工作？

?獲客與內容運營

?客戶溝通與需求整理

?項目診斷與任務書

?方案策略與匯報PPT

?報價、材料與供應鏈

?施工配合與項目管理

?項目復盤與知識沉淀

歡迎在留言區告訴我。你們遇到的真實問題，也會成為設計聯接下來研究、課程和文章的重要方向。

關于作者

張靖，設計聯創始人，行業里很多朋友叫我“靖哥”。

我做了20多年室內設計，也做了14年設計類新媒體。近三年，我一直在研究AI如何真正進入設計師和設計公司的工作，而不只是停留在寫文案、畫效果圖和學習工具。

現在，我更關心的是：

如何幫助設計公司把經驗整理成資料，把判斷沉淀成標準，把高頻工作變成流程，再把AI真正組織進公司。

設計聯正在做什么

設計聯正在從“教設計師使用AI”，進一步走向“幫助設計公司組織AI”。

我們希望幫助設計公司逐步建立自己的AI工作系統，讓AI進入客戶溝通、項目診斷、任務書、方案策略、匯報交付、施工配合、內容傳播和項目復盤等真實業務環節。

我們并不追求用AI替代設計師，而是希望讓設計師把時間重新放回那些真正有價值的事情：

理解客戶、定義問題、判斷方案、控制風險、推動落地，并為最終結果負責。

新一期28天課程

我們正在準備新一期面向設計公司老板、合伙人和核心管理者的28天AI課程。

這門課不會圍繞某一款工具展開，而是結合設計公司的真實項目，帶著大家逐步完成：

?梳理公司定位、經驗和基礎資料；

?建立客戶溝通與項目診斷流程；

?把任務書、方案策略、匯報和交付組織成工作流；

?明確哪些工作可以交給AI，哪些環節必須人工確認；

?形成一套能夠在公司內部持續使用和迭代的AI工作系統。

課程結束后，學員還可以進入設計聯「AI運營實驗室社群」，繼續圍繞真實項目交流、實踐和復盤。

如果你也在思考，如何讓AI真正進入自己的設計公司，可以關注我的微信

設計聯張靖寫于2026年7月22日