「AI 設計師」這個頭銜，正在出賣你站在最便宜的那一格

NN/g 把 AI 設計拆成四種工作。最多人擠的那一格，剛好也是最容易被換掉的那一格。

NN/g 用一台車比喻四種 AI 設計工作：產品是車身、使用者是駕駛、模型是引擎、基礎建設是道路。

開會的時候有個畫面，你一定看過。有人說「我們得想清楚 AI 設計策略」，全桌的人點頭。問題是，這幾顆頭點的根本不是同一件事。

一個人腦中浮現的是用 AI 生成設計系統的元件變體。另一個想的是設計一個聊天介面。第三個在想怎麼把資料結構化，好讓 AI agent 讀得懂。第四個想的是替一個語言模型定義它該怎麼回話。四個人嘴上都說「AI 設計」，手上做的卻是四份不相干的工作。半年後大家都很挫折，因為那個「AI 設計專案」根本不是自己以為的那個。

NN/g 資深設計副總 Sarah Gibbons 這個月把這團混亂拆開了。她的結論很簡單：「AI 設計」這個曾經模糊的單一名詞，已經分岔成至少四種彼此獨立的工作。而我讀完最大的感受不是「原來有四種」，是另一件她點到、但沒講透的事 — — 這四格不是平等的四格。你站在哪一格，正在悄悄決定你的市場價值還剩多少。

一個詞，四種根本不同的工作

Gibbons 借了一個好用的比喻：AI 模型是引擎，但幾乎沒人直接開引擎。大多數人是在一台「車」裡體驗 AI — — 儀表板、方向盤、安全帶，那些把生硬算力變成「人能開」的零件。沿著這台車，她拆出四種設計工作。

第一種，用 AI 來設計。你是駕駛。拿 AI 跑發想、做原型、生文案、整理競品研究、甚至請它幫你 critique 自己的稿。這是今天絕大多數設計師待的地方。

第二種，設計 AI 產品。你是造車的人。你設計那個把引擎包裝成人能駕馭的介面 — — Claude、Cursor、Perplexity 是從零造一台車；Notion AI、Gmail 的 Smart Compose 則是在一台已經上路的車上硬接一個新零件。

第三種，為 AI agent 設計。你是土木工程師。你設計的內容、資料、互動，讀者不是人，是 agent。你在鋪它們要跑的高速公路、畫車道線。

第四種，設計 AI 本身。你是技師，在調引擎。你和工程師一起決定模型該怎麼表現、用什麼標準評估它、在哪裡該拒絕、在哪裡該說「我不確定」。

四種工作，四種使用者，四套「什麼叫做得好」的定義。Gibbons 的提醒很中肯：大多數團隊只配了人做其中一種，卻以為自己在做全部。

你站的那一格，正好是最便宜的一格

這裡是我想接著講的地方。

第一種 — — 用 AI 來設計 — — 是現在最擁擠的一格。LinkedIn 上的「AI designer」十個有九個指的是這件事。Gibbons 自己也點破：老闆說「我們把 AI 帶進設計流程了」，翻譯成白話通常是「我們的設計師現在會用 Claude Code 了」。

問題在於，會開車從來不是稀缺技能。

把它放進更大的脈絡看會更清楚。2026 年有份產業盤點直接把今年的 AI 職稱叫做「整個產業生產過最糟的命名災難」 — — 光是模型相關就冒出超過四十種頭銜變體。Prompt Engineer 這個 2023 年被捧成「未來工作」的職位，到今年大多被安靜地改掛成 AI Engineer。一個頭銜的價格跌得這麼快，說明的不是技能不重要，而是「人人都會」的那層皮，市場不再願意付溢價。

「用 AI 設計」正在走同一條路。當生圖、生稿、生原型變成每個設計師的預設能力，它就從加分項變成及格線。你把它寫在履歷最上面，不會讓你更值錢，只會讓你看起來跟其他每一個人一樣。

這不是說這層不重要。它當然是起點。但把起點當成終點，是這幾年我看到設計師最貴的一個誤判。

沒人在鋪的那兩條高速公路

真正的價差，藏在第三和第四種 — — 也就是最少人站的那兩格。

先看第三種，為 agent 設計。聽起來離 UX 很遠，但它已經悄悄變成生意。2026 年超過六成的搜尋互動帶有 AI 生成的成分，於是出現一門新顯學叫 GEO（生成引擎最佳化）：你的內容不再只是給人看、求排在藍色連結裡，而是要被 ChatGPT、Perplexity、Google AI Overview「引用」進它生成的答案。

換句話說，agent 已經是你網站的使用者了，只是大部分團隊還沒有任何人為這位使用者負責。Gibbons 講得很直接：這件事要嘛沒在發生，要嘛正在某個工程師手上「不小心地發生」，完全沒有設計介入。哪些資料該被 agent 看到？怎麼結構化？哪些動作 agent 能自己做、哪些得停下來等人確認？這些全是設計決策，只是退到了介面後面一層。

四種 AI 設計工作的人力分布：絕大多數設計師在「用 AI 設計」，少數在「設計 AI 產品」，極少數碰「為 agent 設計」與「設計 AI 本身」 — — 而後兩者的需求成長速度，遠快過會做的人增加的速度。

這張圖是整篇最該盯著看的一張。供給最少的那兩格，需求成長最快。Gibbons 的判斷我完全同意：這是一個正在擴大的機會缺口。而缺口會擴大，只是因為大家還在前兩格裡互相擠。

設計 AI 本身：工程師正在替你做的那些設計決策

第四種最反直覺，也是 peak 所在。

「設計一個模型該怎麼表現」聽起來像純工程。定義評估標準、和工程師一起整理 finetune 資料、寫出對抗測試的原則 — — 模型該拒絕什麼、該在哪裡表達不確定、面對互相矛盾的指令該怎麼權衡。這些事，產業到現在還習慣丟給工程師。

但它們根本是設計決策。

舉一個具體的例子。Anthropic 去年底開源了一套叫 Bloom 的框架，專門替模型做「行為評估」 — — 你給它一句行為描述，它自動生出一整套評估情境，模擬使用者、模擬工具回應、再讓一個裁判模型替每段對話打分，判斷目標行為有沒有出現。聽起來是工程？但它的核心其實是在問:「我們希望這個模型在什麼情境下、表現出什麼樣的性格?」 — — 這是不折不扣的體驗設計，只是設計對象從畫面變成了一個會說話的系統。

Gibbons 說得很準：能做這些決策的不只設計師，倫理學家、文案、心理學家都能貢獻。但設計師被訓練出來的那個本事 — — 把零散的決策整合成一個連貫的體驗，再拿去對使用者需求做驗證 — — 剛好是這件事最缺的能力。現在這些決策大多由工程師「預設」做掉了。它本來可以、我認為也應該，由設計師來做。

停止當「AI 設計師」，開始說出你到底在做哪一格

讀完 Gibbons 這篇，我會給每個設計師同一個動作：把 LinkedIn 上那個「AI designer」拿掉。

不是因為它假，是因為它太模糊，模糊到沒有資訊量。它沒告訴別人你會開車、會造車、會鋪路、還是會調引擎 — — 而這四件事需要的技能、能換到的薪水、未來五年的稀缺程度，差距大到不該共用一個詞。

用 AI 設計的本事是 prompt 素養和流程整合;設計 AI 本身的本事是模型評估、原則設定、和 ML 工程師協作。它們不是同一條成長曲線。市場現在還很寬容，因為真正跨多格有深度的人幾乎不存在。但這扇窗不會開太久 — — 一年內會有一大批設計師都拿到「有 AI 經驗」這張入場券。到那時候，能拉開差距的，只剩你在某一格鑽得多深。

所以別再含糊地當一個「AI 設計師」。先誠實回答自己一句話：在 Gibbons 畫的這台車上，你想成為駕駛、造車的人、鋪路的人，還是那個調引擎的技師？

這個月，最值錢的設計師，是第一個說得出答案的人。

Sources 延伸閱讀

• NN/g（The Four Design Jobs AI Created (So Far)）
• AI Job Titles in 2026: A CTO’s Guide to the Naming Chaos
• Anthropic — Introducing Bloom: an open source tool for automated behavioral evaluations
• Mastering generative engine optimization in 2026, Search Engine Land

我是設計師 Riven，專注於 AI 時代的設計實踐與工具策略。

更多 AI × 設計的實作分享都在我們家的設計學院官網 ⬇️

[embed]RAR 設計攻略 設計師 Riven 的設計攻略｜線上課程｜設計方法｜軟體教學rar.design