大迁移已经在发生，有些人已经跑起来，有些人还在门外看着，有些人还没感知，你是哪个？
设计师和人工智能是什么关系？
人工智能对设计有什么影响？
设计师怎么进入智能领域？
一、穿越时代，设计师的生存启示
设计师，你有想过时代那么快吗？
那年，上学时还是印刷还是高科技，平面设计师还是风口，大家期待进4As做个广告人，走向潮流达人。没过几年，互联网来了，带走了我们同期的好几个同学，当时还取笑他们能力不好才进了那些泡沫小企。但没过几年，风口往互联网吹，还好互联网有好几十年的窗口期，能反应过来的，都赶上车了。
更快的迁移，指数式增长时代。
好不容易赶上了互联网，结果迎来的是移动互联网，结果这次窗口期只有三年。所以这波风口，当年的同学又走丢了几个，给我们幸存者的最大启示是时代正在指数式加速。只有更快的学习能力，行业信息洞察，才能及时反应抓上时代的车票。
设计师产品化成长，追上人工智能。
没与时代并行的，最后只能被时代淘汰。平面设计到互联网，再到智能时代，可预见的是将迎来的是一批更替。我们把设计师带进智能时代分享一些经验，希望幇助更多设计师走进人工智能。
二、设计师的可用性，0到1
信息时代试错成本下降，MVP版本思维，最小化可行方案。
过去追求设计正确性，想法到提案需要完整的华丽演示。建基于印刷时代，试错成本的经验假设上，“你错了， 印刷出来是上万的错误复制品， 修正成本极高”。
而现在信息时代，技术成本建基于服务器上的代码。信息技术变化，试错成本降低，与其闭关几天，做出华丽想法，不如先来几个简单原型快速沟通， 更早动手尝试。小样本验证，再调整变量。
刻意练习，试错式成长，提升能力可用性。
在早期，专业成长关键在于技术上的熟练度。像产品可用性是否符合大众预期， 像机器学习早期的训练样本，目标是提升基础可用性和有效性。
经验是什么？加班目的是什么？
智能新人加班是阶段正确，刚开始需要用时间换取机会，获取熟练度和经验。
而经验是什么？
是信息权，是提升成功概率，提升设计方案有效性的基础资本，换取团队信心把事情托付给你的基础。 别懒，多做，聪明人的笨功夫，反复练习是把事情做实的必经之路。
故事分享：全键路体验走查，获取充分信息，提出有效创新
由新手到熟手， 三步达成有效体验增长。
Step1：争取信息权，沉淀专业判断力
用户常用路径走查：用户视角熟识产品，为后续的体验沟通完善背景信息。
前期可行性探索：尝试痛点与想法的机会点落地，换取内部动作机制信息。
业务信息背景收集：了解业务的方向，明确区分关键问题，权重分配和优先级信息。
图1：快速搭建原型， 进行全键路体验走查
Step2：追求更有效的思考维度
关键行为提取：在多轮的沟通后，获取多方的信息，区分出用户的关键行为，提升方案有效性。
路径量化分析：想法可能会出现很多，但要量化问题的体量，才能有效分配资源，游说合作方共同达成目标。体验能度量，也能帮助合作方共享利益，了解投入与产出效果比。
现况优化探索：产品是基于不同的场景目标，生命周期沉淀出当前的形态，现况是在时间上进行切片分析，过去的设计决策是阶段性正确，所以定期进行现况走查，可以保持设计与用户习惯预期相符。像经营一家酒店一样，设备是会过时的，保持良好体验需要定期更新迭代。
图2：原型进行沟通， 获取各方信完善
Step3：扎深现在建立观点，提供前瞻性的增长洞见
（1）连续咨询对话能力：了解用户体验与产品运作，ChatBot常见痛点在概率命中由一个个BadCase提案来完善。所以，人工智能的用户体验设计与传统网站不同，不只有单一的用户中心思考，这样不能达成体验的有效增长。
智能体验设计需考虑的是三方用户，提问方/需求侧（消费者），连接方/配置侧（算法），回答方/供应侧（商家/平台）。UCD的思考需要多维度的考虑互相的增长协同，才能产生最终的理想体验。
图3：UCD第三个用户，算法
（2）创新探索，扩充未来可行性：设计的过程会遇见机会点和想法，产品的产生由想像力开始，用户只能说出更快的马，想不出汽车的可能。了解技术，遇见痛点，能输出更多的设计解决可能性。
图3：提案解决算法端的用户痛点，提升消费者端的智能有效性
三、设计师的DAU，1到N
DAU的意义是什么？
有多少用户需要你的产品，如果是一个人，就是有多少人需要你的专业服务。
再进一步是什么？
市场不只有你这个产品，用户替换你的成本是多少，定义了你的市场价值。如果是一个人， 就是有多少人可以取代你的角色。
产品是怎么生存的？
建立生态系统，淘宝和支付宝绑定，想上网逛一下，买东西。淘宝占了不可取代的位置，而支付宝占了支付习惯，用户心智固化，不能支付宝的零售又反哺淘宝的不可替代。相互协同，达成体验生态闭环。
进而一步步由此基点出发，生活服务消费，商品零售消费，也连接成更大的网络触点，达至用户替换成本高门槛。放远一些，通用电器、微软、Apple等的护城河道的体验增长也相似。
所以，如果是一个人是怎么的启示？
建立专业生态网络，你的连接触点复杂度决定你的替代成本。度量产品的影响力是用户量、活跃用户、粉丝数。
如果是一个人，度量影响力是什么？
设计领导力：
内部：推动各合作方，达成体验增长的能力；
外部：对外分享或合作，达成专业增长；
专业：沉淀设计经验，通过可复制方法， 达成杠杆性解决方案。
故事分享：推进三方用户， ChatBot主路径体验优化
前期技术理解， 掌握设计可能性。
人工智能是黑盒子，网状神经-树状结构-线状表现。
陈列式产品是树状结构，盒子包着盒子，花点时间你总能搞清楚谁包着谁，逻辑清晰路径分明。而ChatBot用的是标签结构，大部分用户要找的盒子都是贴上标签扁平路径放着，按意图概率命中路径到达盒子的。
黑盒中间的路径是怎么走，连开发技术的算法也可能搞不清，技术对输出是否符合用户输入的预期，打上正确与否的标签，交付一个理想的置信值，输出对话式的一句句线状表现形态。
图4：手淘的陈列式树状结构
首页-出行-杭州-酒店，盒子包着盒子，绝对逻辑。用户切换意图由主观操作，判断决策由用户点击。
图5：ChatBot
客服小蜜的对话式网状结构，网状神经分析意图解析，上下文理解，命中树状结构进行对话互动，输出线状话术及答案表现。用户切换意图由机器概率分析，判断决策由对话触发。注意力资源由机器人协助下， 最大化集中在当前话题上。
以上， 陈述的是理想的情况。
第三个用户的痛点，算法意图串流
机器的设计由很多段剧本串联投放在一个池子中，一个个盒子扁平放着，由不同的引擎计算最大概率的意图命中。
图6：用户在询问酒店的情景
问到评分高时，机器出现意图跳转，到了售后评分的命中。
平面印刷时代要成就大师级作品没有完全不懂Pantone，凹版凸版，柯式印刷等专业技术。同样，智能时代想提升专业水平，上一些入门概念的课，了解机器学习，神经网络算法，置信度原理。
图7：例如Google的机器学习，吳恩達的公开课，学习入门的原理和关键词
图8：因此我们设计联合算法进行相关的交互模式分融设计。(具体故事待续)
总结
增长真理，个人、组织、企业、文明以至基因，终归意图都是增长。
不能在物种演化过程中生存的，將必淘汰。为了生存，只能在环境变化中持续增长。加速变化的时代，以学习应变增长。设计师和人工智能的关系是“如果你没反应， 你可能将没机会反应”， 窗口期比以往更急速，学习是抓上这班车不可缺少的品质。
期待我们能一起追上智能时代。
