当 AI 将混乱的简要说明变成可运行的原型
我们团队第一次认真使用 AI 原型工具时，最突出的不是它给我们的界面，而是我们的设计阶段停止看起来像幻灯片而开始像一个系统的速度。
我们从一贯的起点开始：销售电话的零散笔记、竞争对手流程的截图、充满半吊子想法的 FigJam 板。几年前，那堆混乱会变成线框，然后是高保真界面，然后是一条关于没人真正考虑过的边缘情况的无休止评论线程。这一次，我们做了不同的事。我们把那些混乱当作一组代理的输入，这些代理的工作不是“制作 UI”，而是产出一些我们真正可以去尝试打破的东西。
几个小时内我们就有了一个可运行的原型：权限、基本状态、一个不太稳定但可用的顺利流程。它看起来比我们的思考更完善——正如我们发现的那样，这既是 AI 的承诺，也是陷阱。
从静态产物到可执行的设计循环
AI 正在改变设计阶段，但不是投融资演示文稿所承诺的那种方式。有趣的并不是我们能更快制作更多屏幕，而是设计阶段本身正变得可执行。
在那些与代理协作而不仅仅使用工具的 SaaS 与平台团队中，设计不再是一系列静态产物——人物角色、旅程地图、线框、样机、移交。它变成了一个循环：研究、假设、可运行原型、评估、系统约束、迭代。设计师的产出不再是一堆 Figma 文件，而更像是一本关于产品及其内部代理被允许如何行为的操作手册。
为何相比 AI 采用，工作流程重构更重要
大多数公司还未达到那一步。麦肯锡 2025 年《AI 状况》调查报告称，88% 的组织现在至少在一项业务职能中使用 AI，但对大多数组织来说，AI 仍然是附加在旧有工作流程上的实验。表现最好的公司几乎有三倍可能性已经围绕 AI 重设计工作流程，并在扩展 AI 代理方面走得更远。
这种差别对设计很重要。如果流程不改变，AI 只会在同样的旧瓶颈上加一个聊天框。当流程改变时，设计阶段本身就会被重写。
本文讨论的就是那种重写——专门针对从事 SaaS 与平台产品的人。它讲的是当原型开始具有行为、当界面既为人类也为 AI 代理服务、当设计系统变得可被机器读取、以及设计与工程之间的移交坍缩成共享的可执行产物时会发生什么。它也讲述了像 Aliyeh 这样的高级设计师在 AI “清理混乱”并不止步于此时，实际会被留下做些什么。
传统设计产物的局限
在传统的 SaaS 项目中，设计阶段会生成大量证明事情在推进的证据。我们会采访五到十个用户并把他们的语录转成角色画像。我们会用便签和箭头绘制旅程。我们会草绘流程、线框、高保真 UI。也许我们会拼接一个原型来安抚那些需要“看到它运作”以信服的干系人。
所有这些产物在某种程度上都很有用。它们帮助团队讨论产品。但它们本身就是不完整的。
旅程地图无法告诉你当自动化静默失败时会发生什么。静态流程图不会展示当 AI 助手的置信度是 60% 而不是 95% 时它应该如何响应。即便是美观的原型也很少编码那些枯燥但危险的东西：权限、审计记录、可逆性、失败恢复。
让行为可见的 AI 原生工具
AI 原生工具不会自动修复这些问题，但它们能把问题更快暴露出来。
当设计师使用像 Figma Make、v0 或 Bolt 这样的系统时，输出不再是平面的模型，而是你可以真正去触碰的产物。按钮会响应、表单会提交、数据会以某种方向流动。
在 Figma 分享的一个内部示例中，一个团队使用 Make 在大约一个半小时内为一个复杂的网格交互制作了原型——而之前这需要几天的编码原型开发。真正的故事不是“1.5 小时做出网格”，而是设计师能够在任何人承诺架构或提交工单之前，测试一段产品行为的感觉。
可运行原型如何改变设计讨论
一旦你能感受到行为，空谈就变得更难。你不再争论仪表盘布局“看起来是否干净”，而是会问一个 AI 生成的摘要是否被允许在未经人工确认的情况下更新底层记录。你不再为按钮颜色争论，而是在决定如果代理连续三次错误分类工单，客户的数据会发生什么。
AI 在这里提供帮助，但不是作为美学师。它的作用是让将行为的初稿快速、低成本地呈现给所有人。
精美界面与脆弱行为之间的差距
有一个陷阱。prompt-to-app 工具能在制作一个 Figma 页面命名所需的时间内给出看起来像成品的东西。一项针对这些系统的人本基准测试——对 Replit、Bolt、Firebase Studio 等工具基于 96 个提示生成的 288 个应用进行测试——发现视觉润饰与功能可靠性之间存在持续的差距。参与者在尝试使用后对他们看到的东西信任度下降。界面很光鲜；行为很脆弱。
对设计团队来说，正是这个差距让事情变得有意思。AI 比以往任何时候都更容易在行为未形成之前创建看起来像产品的东西。这并不会使设计师变得不必要，反而使他们承担更多责任。
必须有人来决定体验是否连贯、状态是否覆盖现实世界的混乱、以及人类是否会真正信任代理到足以让它代表自己行动。
