近期，Designer Fund 与 Foundation Capital 发布了一篇报告，名为《AI in Design 2026》。这份报告调研了来自 60 多个国家的 906 名设计师，结合了设计从业者和行业负责人的访谈与企业案例。
报告主要从三个方面Tools、Craft 和 Teams 进行讨论。从这三个角度它分别讨论了设计师使用的 AI 工具如何变化，设计工作的具体方式如何变化，以及设计团队的角色、协作和组织方式如何被重新调整。
报告总结到：
2025 年，设计师还在尝试 AI；到了 2026 年，他们开始围绕 AI 重建工作方式。
这里不是说设计师已经找到了一套统一的 AI 工作流。相反，报告呈现出一种变化：工具越来越多，设计产出越来越快，角色边界越来越模糊，需要设计师做出的判断也越来越多。
一、Tools：设计工具正在发生什么变化
从工具的角度来分析，报告显示，设计师每周使用 AI 的比例，从 2025 年的 54% 上升到 2026 年的 91%。其中也有一个观察，Claude 的使用率超过 ChatGPT，大家会更偏向于用Claude来做设计。同时这也说明AI 编码工具开始进入设计师的常用工具栈。
从数量上来看，设计师使用的 AI 工具数量，也从 去年的3 个增加到了 7 个。
但是工具变多了，工作流却没有自动成熟。
根据调研显示，接近一半的设计师仍然在寻找自己的常用工具。设计师最看重 AI 工具能否稳定地产出高质量结果，但输出不稳定、缺少控制、缺少产品上下文，正是目前最主要的问题。
主流设计工具的变化
Figma 仍然是设计师中使用最广泛的工具，但它在工作流中的位置正在变化。
有些设计师保持着在 Figma 设计的习惯；但有些设计师则倾向于用AI制作原型，再回到 Figma 处理视觉细节；还有一些团队，已经基本不使用 Figma 。
Superhuman 的 AI 设计负责人 Phil Vander Broek 说：
Figma 已经从主要的设计工具，变成了一个用于快速探索和精修细节的画布，并作为 Claude Code 的输入。
但是这并不是说Figma已经被替代了
更准确的是说：
设计工具不再自动决定设计流程，设计师需要自己决定工具应该在什么阶段介入。
二、Craft：设计工作如何走向代码和原型
在今年的调查中，创意和设计领域的设计师们表示，50%的设计师已经将AI生成的代码投入生产环境。而且随着AI模型的进步，越来越多的设计师来说用AI写代码。
一位受访者说：
“我们直接在代码库、真实的产品体验和真实的客户数据中制作原型，这样设计师可以看到设计在具体账户环境中会如何表现。”
原型不再只是用来展示视觉方向，也开始成为验证产品逻辑的工具。
设计速度更快，但质量问题更加明显
AI 可以更快地生成方案，但生成速度并不等于判断速度。
Miro 的 AI 设计负责人 Mark Boyes-Smith 提到：
“很容易输入提示词，得到一个答案，快速调整一下，然后觉得：这很好，完成了。”
但他并不希望设计师停在这里：
这也是 AI 设计中一个容易被忽视的问题：
AI 让方案生成变得便宜，但也可能让设计师过早接受第一个看起来不错的方案。
视觉完整，不等于产品成立
AI 很擅长补齐一个页面：
导航齐全
卡片齐全
表格齐全
但页面看起来完整，并不代表信息架构和产品逻辑是成立的。
它可能仍然存在各种错误。
三、Teams：设计团队如何重新组织
AI 改变的不只是工具和设计产出，也在改变团队中的角色关系。
65%的设计师表示，用了AI后，他们承担了更多原本属于产品经理、工程师或设计工程师的工作。而有40%的采访者提到，产品经理和工程师也在做更多设计工作。
设计师开始更多地参与：
产品问题定义 数据查询和研究分析 原型和代码实现 用户验证 前端质量检查
从积极的一面看，设计师拥有了更大的自主权，可以更完整地推动一个想法。
但角色边界变模糊，也不代表协作自动变好了。
报告显示，34%的设计师认为团队协作和职责变得更加混乱。认为团队协作减少的人数，也从 2025 年的 5%上升到了 2026 年的 20%。
一位受访者说：
“每个人都在尝试独自构建自己的东西。Figma 曾经通过协作把我们连接起来，改变了整个行业。但 Figma Make、Cursor、Builder、Lovable 以及其他工具，反而让我们彼此隔离。”
这形成了一个新的矛盾：
个人执行更快
但团队共识不一定形成得更快
设计师、产品经理和工程师可能各自在不同的 AI 工具里工作。每个人都生成了自己的方案，但上下文、版本和判断标准不一定能够共享。
但是报告也指出一些团队的策略进行了调整，一些组织内举办的活动，可以在大大激发团队使用AI的积极性。
但是不得不关注一个问题
组织支持增加，但制度更新滞后
报告显示，企业对设计师使用 AI 的支持正在增加。设计师主要通过自主探索、同伴学习和内部社区掌握新的工具和方法。
但很多企业还没有同步更新：
招聘标准 绩效评价 职级体系 团队分工 设计交付标准
设计师的工作期待已经发生了变化，正式的组织机制却还没有完全跟上。
四、报告案例中的几种 AI 设计实践
报告还通过 Anthropic、Framer、Linear、Notion、Shopify、Sierra 和 Stripe 等公司的案例，展示不同团队如何应对 AI 带来的变化。
这些公司并没有采用完全相同的 AI 工作流。
Anthropic：代码不再是主要瓶颈
Anthropic 的案例关注的是：当代码生成变得更容易之后，设计团队应该如何重新安排探索、决策和实现。
报告中的总结是，设计师需要成为能够参与构建的人，但也需要判断什么值得被构建
Linear：先理解问题，再让 AI 参与探索
Linear 将 AI 用于查询用户反馈、寻找历史上下文和探索不同方向，而不是直接把 AI 生成的第一个界面当作最终方案。
Linear 的创始人 Karri Saarinen 说：
“设计最难的部分通常不是生成形式，而是充分理解问题，知道某个东西为什么应该存在，以及它应该以什么方式存在。”
Sierra：把设计能力沉淀进基础设施
Sierra 的设计团队没有只关注如何更快地修正单个页面，而是把设计能力放进组件、模式和系统中，让更多工程师能够从一开始就使用更可靠的设计基础。
设计师的影响力因此不再只是：
把这个页面做好
也包括：
让更多页面从一开始就更容易做好
Stripe：把质量标准嵌入工具
Stripe 通过 ProtoDash、Dante 等内部工具，把设计系统、内容规范和质量要求放进日常工作流。
Stripe 的设计负责人 Katie Dill 说：
“我们的团队做了 ProtoDash，一个内置 Stripe 设计系统的 AI 产品 playground。现在任何人都可以在几分钟内制作出逼真的原型。”
这类工具的价值不只是提速，更重要的是把一部分设计标准提前嵌入工作流。
不同公司的做法虽然不同，但它们共同面对的是同一个问题：
当 AI 降低了执行成本，设计团队如何保留判断、质量和协作？
五、设计师的工作正在重新分布
从 Tools、Craft 到 Teams，这份报告讨论的并不只是设计师要不要使用 AI，而是设计工作本身正在如何被重新组织。
工具变多了，设计师开始自己搭建工作工具；代码和原型变得更容易，设计师开始更接近产品实现；角色边界变得模糊，设计师、产品经理和工程师需要重新建立协作方式。
AI 确实让很多执行工作变得更快、更便宜。但它没有自动解决三个问题：
什么问题值得解决 什么结果才算足够好 团队如何围绕同一个问题形成共识
AI 时代，设计师不只是页面的生产者，但是也不需要把自己变成一个什么都做的人。
设计师需要参与判断：哪些工作应该交给 AI，哪些过程需要被保留，什么样的结果值得继续，以及如何把质量标准带进工具、流程和团队协作中。
所以，AI 正在改变的，不只是设计师的工作速度，也不只是设计工具的形态。它正在重新定义：
设计师如何工作，团队如何协作，以及设计判断如何继续影响一个产品最终成为什么。
相关文章
