Salesforce 的生成式画布，证明了 AI 在产品界面设计中的可行性？

Mon, 04 Nov 2024 10:34:56 +0000

TL;DR

Salesforce 的 Generative Canvas 给生成式 AI 在产品界面设计中找到了一条可行路径：它不是凭空生成 UI，而是基于成熟的 Lightning Design System 做约束式生成。

这恰好回答了过去两年 AI UI 工具失败的核心原因：缺乏可依赖的设计标准、缺乏对业务逻辑的理解。

设计系统才是 AI 生成 UI 的真正前提。

在上一期的专栏文章中，我们讨论了生成式 AI 在产品界面设计中遇到的问题（详见产品界面的 AI 生成式设计，为什么没人关注了？），以及为什么还无法运用到日常的设计工作中。

生成式 AI 在界面设计中遇到的问题

总的来说，主要体现在两个方面：

01.缺乏可依赖的设计标准

界面设计不仅仅是视觉上的创意，它更需要强有力的逻辑支持。

我们可以明确地定义一只猫或一辆汽车的外观，但对于购物车界面或下单支付流程，缺乏具体而明确的定义标准。在缺少这些明确规则的情况下，生成的 UI 可能只是各种组件的简单堆砌，缺乏逻辑性和良好的用户体验。

相比人类设计师的成果，生成式 AI 产出的界面往往不够稳定，难以达到企业级的需求标准。

02.缺乏对业务逻辑的理解

我们日常的设计工作都是围绕着具体的业务开展的。而如今现有的设计模型都只是通用模型，无法理解具体某个业务的特性和复杂度。这就导致 AI 的生成结果难以满足设计要求，无法直接应用到具体业务生产环节中去。

这两个问题是当前生成式 AI 在界面 UI 设计方面发展的最大挑战。然而，我们也注意到，生成式 AI 在一些特定的业务场景中已经取得了显著的进展。比如，Salesforce 的生成式画布就是一个很好的例子，展示了生成式 AI 在企业环境中应用的潜力。

本期的文章，我们将从 Salesforce 的生成式画布开始，与大家来一起看看当生成式 AI 与业务进行融合后，会给我们的设计带来哪些变化，给用户又带来哪些帮助。

Salesforce Generative Canvas

Generative Canvas（生成式画布）是 Salesforce 今年 10 月发布的一个新功能。它能够在 CRM 系统中基于用户的提示词，结合系统内实时业务数据来动态生成 Dashboard 的界面 UI。

产品界面的 AI 生成式设计，为什么没人关注了？

Mon, 21 Oct 2024 00:00:00 +0000

TL;DR

国内一年前还热闹的 AI 生成式 UI 设计工具，今年明显"冷场"了。

原因有四：AI 生成能力不足以应对真实业务复杂度、设计需求本身的业务深度、国内付费环境差、政策监管影响。

出海寻找新机会的公司，市场表现也并不乐观。

生成式 AI 在界面 UI 领域不是没机会，而是要重新定位场景。

不知大家是否有察觉到，曾经大受关注的界面 UI 的生成式设计，现在似乎有些“冷场”了。

一年多前，国内的几家设计工具平台纷纷砸钱入场搞生成式 AI，准备在产品界面 UI 领域大展拳脚。而一年后的现在，大家都渐渐没了声响，产品界面 UI 貌似已不再是大家在 AI 方面的重点。

这个曾经的热点是被大家抛弃了吗？其实也并不是，只不过是大家都默默地调转方向，转向了海外市场。尝试去寻找商业化和技术发展更大的空间。有的平台选择专注于相对容易入手的“官网”型界面设计，以满足中小企业的基础设计需求；有的则退回到设计助理的定位，专注于通过 AI 来辅助设计师更高效地工作。

为什么会发生这样的变化？

我认为主要有以下几点原因：

01. AI 生成能力尚且不足

虽然每一款产品都给我们展示了一些看上去还很不错的生成界面，但这些“不错”还是仅限于 Demo 中。对于真实的复杂设计需求，如今的生成能力还是不太能达到预期。

如果大家仔细试用过这类工具，就会发现，除了官方展示的几个经过优化的案例外，用户在实际操作中无论如何调整提示词，生成的界面效果都不太好，甚至出现一些非常低级的设计错误。这使得生成式 AI 还是很难参与到真实的工作中。

02. 设计需求的业务复杂度

在真实的设计工作中，我们的设计需求通常会包含很多复杂的业务逻辑和用户流程，而这些都是当前的系统无法理解的。

于是，在真实的业务需求面前，这些通用的 AI 模型基本就派不上用场了。

03. 国内的付费环境不佳

国内的付费环境相较于早几年的确有很明显的改善，但也仅限于刚需类的工具产品。其他的产品在缺少真正核心竞争力的情况下，都经营得非常艰难。

但从企业的视角来看，它并没能直接替代设计师的工作，大家明显对于回报信心不足，因此企业很难愿意为其买单。

主要原因在于生成式 AI 的效果仍不够理想，无法满足真实场景的复杂设计需求。在付费环境不佳的情况下，企业难以看到明确的投资回报，自然很难愿意为之付费。

04. 政策监管影响

随着国家对生成式 AI 技术的监管力度的不断加强，大模型的开发和应用受到了诸多的限制。很多优秀的大模型能力很难被应用到产品中，这样使得产品的能力建设也受到不小的影响。

在这样的大背景下，大家纷纷选择了将产品出海，去探索更多的机会。海外市场尤其是欧美等发达国家，对于新兴设计工具和生成式 AI 的付费意愿显著更高，这为 AI 产品的商业化提供了更大的潜力。同时，海外的政策相对更加宽松，为产品的快速发展提供了更好的条件。

这些公司出海后的表现如何呢？

这些产品在上线初期，都在 ProductHunt 上获得了非常大的曝光，引起了不少用户的兴趣。通过 ProductHunt 的平台，它们迅速积累了一批早期用户和初步的市场关注。

生成式 AI on Hi, I'm 5key