行业观察
不少做软硬件结合、工业软件和企业服务的老板,今年都碰过同一件怪事:研发和产品团队引入新工具后,界面草图、交互方案、演示页面出得飞快,周会上演示一页接一页,可真正交给下游工程团队落地或者推给客户试用时,要么工程师还要推倒重画,要么客户试完并不买单。
前端出图快了好几倍,为什么最终交付与转化没有跟着翻倍?
看两份 Figma 官方在 2026 年下半年公开的实战数据就明白了。2026 年 11 月 20 日,Figma 在《The Long & Short of It》实战案例复盘中披露:汽车数字营销方案商 Cox Automotive 的高级产品经理 Lindsay Brechler 借助代码层与内置 Agent,仅用约 1 小时手工键盘操作就迭代出 19 版可点击原型,她估算效率比非设计人员自己在画布上硬拼高出至少 10 倍,耗时省了约 90%。但在更早一点的 2026 年 10 月 6 日,Figma 官方博客发布的基准评测也摆出了一道清醒的分界线:即便经历多轮优化,Figma Agent 在专业设计师盲测人工评估中的胜率大约在 60% 以上。

一边是 1 小时跑出 19 版、速度提了 10 倍,另一边是复杂设计任务交给专业设计师盲测,依然只有 60% 左右的过关率。我一开始以为问题只出在模型不够稳,直到把尼尔森诺曼集团(NN/g)的可用性研究和界面设计专家 Vitaly Friedman 在 2026 年 6 月的观察并排核对,才看清真正的症结:单点草图快了 10 倍,如果不绑上工程规范与客户验收门槛,多出来的速度只会批量生产半成品,把核对和返工摩擦全转嫁给下游和客户。
出图速度翻 10 倍背后,为什么专业盲测胜率仍在 60% 左右
很多人容易把“能点动的高保真原型”误当成“可以直接上线的产品设计”。Cox Automotive 那 19 版原型之所以有效,恰恰因为产品经理 Lindsay Brechler 没指望工具一步替代设计师出终稿。
她在复盘里把边界说得很直白:当时团队要就经销商新功能的 4 个分级方案对齐业务、设计和工程三方。以前要么写一份几十页的长文档,要么由非设计人员自己拼静态图,一轮就要耗几天;这次她把大型 HTML 原型导入代码层,让 Agent 承担具体的页面调整,自己集中精力推演 4 个方案的业务取舍,1 小时手工操作跑完 19 个版本,最后导出一份完整 HTML 文件挂到内网供团队点击评审。
这 10 倍效率省的是“内部对齐草图”的时间。可一旦从“内部看个方向”推进到“真要交付上线”,难度立刻完全不同。

Figma 在 2026 年 10 月 6 日博客里直接写了实话:在指令遵循和长链路任务上,即便深度集成在画布里的 Agent,专业设计师人工盲测胜率也只在 60% 左右往上。这意味着离开专业判断和规范约束,仍有接近四成的复杂输出过不了交付线。
把 Figma 官方 10 月和 11 月公开的几组实测百分比排在同一把尺子上,落差就很刺眼:前端原型构建能省约 90% 工时,往后到复杂任务专业盲测胜率落到约 60% 以上;而全球咨询公司 Merkle 落进项目全流程后的真实收益,是工单交互说明文档耗时最多减半(50%),跨部门少等交接后功能迭代与开发提速 30%。

前端发散快了 10 倍,到了研发交付端只提速 30%,中间折损掉的那一大截全烧在了“修补似是而非”上。当工具 10 分钟就能吐出十几套看起来很完整的页面时,如果缺了事前约束,评审会就得挨个挑出哪里的交互逻辑互相打架、哪个尺寸或颜色写死了代码里压根不存在的数值,后端开发接过去照样要重写。
真正把时间省出来的团队,省的不是审美,是这 50% 文档与交接
同样一套工具,为什么 Uber、Merkle、Dell 和 Atlassian 能够稳稳把效率落进账面?拆开它们在 Figma 官方实录里的做法,共同点十分明显:没人拿工具当“全自动审美大师”,反而都把 AI 摁进了最枯燥、最耗时的后台文档与规范校准里。
先看 Uber 的跨端组件账。据 Figma 官方博客 2026 年 10 月 6 日披露,Uber 设计系统团队要向 7 个平台交付组件,单个组件往往带着几十种状态、变体、插槽和开关参数。以前把设计师做好的原型拆解成开发可落地的规格文档,多人协同都要耗时数月。资深产品设计师 Ian Guisard 和 Niloo Bakhshi 自己动手写了一批定制技能脚本,让 Agent 自动提取组件结构图、映射色彩变量,一旦有人误改硬编码色值就立刻标红报错。规则写死进文件后,原本多人耗费数月的组件文档,据 Figma 官方博客 2026 年 10 月 6 日披露压缩到 1 名设计师 1 个下午即可整理发布。

Merkle 拿到的 30% 与 50% 也是同一套路。Merkle 全球体验设计副总裁 Dave Calleja 在 2026 年 11 月复盘里指出,代码层把空白构思和既有代码迭代打通之后,功能开发提速 30%,工单里的交互说明文档耗时最多省 50%。省的不是画几笔线框的时间,而是设计师写长篇规格书、开发等排期再回头反问交互细节的那一长串来回等待。
跑通交付的另外几家公司,动作更是先立规矩再放手生成:Dell Technologies 直接把研发线上用的 React 代码组件接进画布,设计稿从第一秒就和真实代码同源;Rocket Money 的首席产品设计师 Derek Onay 要求 Agent 必须按团队现成组件名重建界面,几分钟加两轮清理指令就能定下无障碍和交互细节;Atlassian 把“在护栏内生成”当底线,规定生成品牌动效必须绑定设计系统变量;就连强调快步试错的笔记应用团队 Granola,设计师 Paavan Buddhdev 也是用工具整理会议批注、清理组件连线并生成 30 组按钮文案备选,好让自己腾出手尽快把原型推到真实用户面前压测。
做快 10 倍却没人买单:把核对幻觉的 6 步成本转嫁给了客户
看清后台怎么省钱之后,再来看为什么不少企业赶工推出来的“AI 新功能”,客户依然不买单。
尼尔森诺曼集团(NN/g)研究报告《“Powered By AI” Is Not a Value Proposition》直白指出:好的产品定位承诺的是“帮用户省钱省时解决什么事”,而不是“我底层用了 AI”。很多团队在“必须上 AI”的压力下,最偷懒的做法就是在软件界面塞一个宽泛的聊天窗。NN/g 明确写明,这种全能聊天框在各类交互模式中采纳门槛最高,因为它把“如何把工具嵌进日常工作”的摸索负担整块甩给了客户;该文同时引述 Mesut Cicek 等人于 2024 年 6 月的研究数据,指出单是在产品说明里强调 AI,就可能触发用户对不可控风险的疑虑,拉低转化意愿。
界面设计专家 Vitaly Friedman 在 2026 年 6 月 15 日的《No, People Don’t Want More AI In Their Life》里,把这笔隐性摩擦拆解得更具体。他指出,许多硬塞出来的 AI 功能留存率低、交付成本高,还带声誉受损风险。表面上看让工具吐出一份结果省力了,实际上强迫使用者承受起 6 步核对幻觉的苦差事:通读全文输出、挑出重点区域、逐条核实事实、检查前后推理、写出修改意见重新生成,然后再反复复核几轮。

Vitaly Friedman 还提醒了一条常被管理层忽略的事实:AI 极擅长放大企业原本的数据短板、技术债和部门推诿。它洗不掉组织内部的混乱,只会把原本藏在幕后的错漏直接打包端给客户。
所以黑板上的账才会写得这么绝:草图速度乘以 10 不等于最终交付翻倍。真正卡住投资回报的,是 60% 左右的专业盲测质量线,以及全流程有没有压扁交接摩擦。聪明团队把 AI 退居二线,在后台替员工吃掉写文档、查参数、扩状态的重复苦力;糊涂团队才把半成品直接端到客户眼前。
写给制造与软件企业老板:买设计研发工具前先对齐这 3 件事
写春秋管理咨询成立于 2005 年,20 年来在深圳和珠三角服务过 600 多家制造业及软硬件关联企业。我见过太多研发和产品改造项目走到一半卡住,原因几乎如出一辙:老板看重前端出图快、方案出得多,却忘了后端的标准零部件库、工程交接标准和客户验收闸门还按十年前的老规矩在跑。前端速度飙到 10 倍,后端工程师加班拆雷救火,客户试用完照样摇头。
我更关心的是老板在批准下一笔研发与设计工具预算前,能不能先把这 3 件事对齐:
第一,优先拿工具砍掉后台 50% 的文档与交接摩擦,别拿半成品在客户端硬装“智能招牌”。先查研发和设计每月有多少工时耗在写接口说明、改多端规范表和对齐演示版本上,学 Merkle 和 Uber 先把这块重复劳动接管下来,再去谈前端多加什么炫酷按钮。
第二,先写死规范文档和标准零件库,再放开批量出图。Figma 团队用 Markdown 规范说明和代码组件给 Agent 上了“护栏”,才把胜率从裸跑的 60% 多拉进可用区间。制造业和软件企业也一样,没有先把企业的标准件库、工艺红线和设计变量放进底座,放手让各自生成草图只会多出一堆无法量产复用的非标件。
第三,用“下游工程一次通过”和“真实客户试用留存”考核研发,不能只数出了多少版原型。如果还按交了多少页方案、跑出多少个演示版本记工分,团队就会顺手把 1 小时出的 19 版半成品全倒给下游和客户去承担 6 步核对成本。速度只有顺着标准件库流进真实交付,才算真正变成公司账上的利润。
常见问题
AI 设计工具能做到 1 小时出 19 版原型提速 10 倍,为什么很多研发团队仍觉得没省下时间?
Figma 官方案例显示 Cox Automotive 高级产品经理借助代码层 1 小时产出 19 版原型,速度较手工搭建高出约 10 倍,但 Figma 官方博客披露 Agent 在复杂任务上的专业设计师人工盲测胜率目前约在 60%+。如果上游缺少清晰边界、工程规范和验收门槛,多出来的速度只会批量产出半成品,下游工程和产品经理不得不替剩余约四成偏差花更多时间复核与返工。
真正拿到 ROI 的海外研发团队,是用新工具替代设计师画图,还是改造哪个环节?
重点集中在交接规范、组件护栏和重复文档环节。例如 Merkle 通过减少等待与交接把功能迭代开发提速 30%、交互工单说明等文档耗时最多节省 50%;Uber 覆盖 7 个平台的设计系统借助定制技能将组件文档从多人耗时数月缩减至单人一下午完成;Atlassian 和 Dell 则把设计变量护栏与真实 React 代码组件直接接入画布来约束输出。
软硬件和制造企业的研发负责人,引入原型与代码辅助工具前应先立哪三条规矩?
第一,先用标准化物料、接口与规范文档立住生成护栏,不让模型自由发挥破坏一致性;第二,把人工核对的 6 个步骤(通读、标注、核实、查逻辑、提改写、复核)显性化并纳入工时考核,避免把核对成本转嫁给测试和客户;第三,优先把工具用在工单说明、多规格对齐文档和已有标准件拼装,而非一味追求概念草图数量。
写春秋管理咨询 · 顾问直连(自 2005)
扫码领《同行业人效数据表 / 咨询签约核查单》
微信扫码添加写春秋顾问企业微信,发送「核查单」即可领取本文配套工具表。如企业已有明确改善计划,请直接留言「所在城市 + 行业 + 人数 + 当前卡点」,资深顾问本人对接。
自测工具: 97 家企业人效对标计算器 · 计件改计效与调薪保本测算 · 人效分位与咨询选型对照表
首席顾问:刘新珍(国防科大工程师出身 · 中国首位女性 ICMC 认证咨询师 · 20余年管理咨询经验) · 地址:深圳市光明区招商局光明科技园 B2-1402