人工智能技术与我们以往接触过的任何技术都截然不同。它要求我们采用更快速、更灵活、以用户为中心的思维方式，并具备即时调整能力——这正是这张全新流程图所诠释的核心要义。
演进之路：从线性流程到混沌现实
最初，我们采用线性流程图来解释UX设计流程，主要是为了让管理层和客户更容易接受这个新兴领域。这类早期流程图（如下图所示）呈现出清晰的递进关系：从需求定义到原型开发再到产品发布，每一步都井然有序。
图片来源：powerslides.com
理想很丰满。
现实却很骨感。
如果坦诚面对，真正的设计流程更像这张据称出自苹果早期设计团队成员的示意图——充满创造性的混沌状态：
图片来源：Greg Nudelman
当然，对于非设计人员而言，图中那个”创意漩涡”确实令人望而生畏。于是我们尝试将其简化为更易理解的循环模型，例如我最推崇的UX设计方法之一：RITE（快速迭代测试与评估）流程图：
图片来源：slideshare.net
然而，这些传统流程图越来越难以准确描述AI驱动型产品的设计现实。
传统UX流程的局限性
问题的根源在于：现有流程图折射出设计行业长期存在的惰性思维。多年来，UX从业者可以心无旁骛地专注用户体验设计，将技术实现完全交由开发团队处理——这在云计算时代确实可行，只要实现路径基本合理，后端运行机制往往无需深究。
但AI技术的出现彻底颠覆了这种工作模式。
以用户为核心的新型思维框架
为阐明这种变革性差异，我们开发了”AI包容型UX流程”，如下图所示：
该流程以战略目标与市场分析相结合产生的创意为起点。在项目启动阶段，通过跨职能的头脑风暴会议快速构建原型。
当创意获得立项后，便进入新型工作模式的核心：快速迭代的问题定义与方案开发循环。这个循环机制与传统RITE方法相似，但新增了一个关键要素——定期进行的AI专项”尖峰项目”。
▶ 解密”尖峰项目”
在敏捷开发语境中，”尖峰项目”指通过极简代码验证概念可行性的快速实验。其核心特征在于轻量化与粗糙性——与正式产品代码截然不同。对于AI项目，最佳实践是使用Python notebook搭建基础I/O框架，旨在回答一个根本问题：该模型能否达成预期目标？这种概念验证有助于快速明确问题边界。
▶ 数据要素的双重作用
循环机制的另一个支柱是数据。数据不仅用于训练AI模型，更是验证模型有效性的关键。值得注意的是，AI系统实质由模型与数据两个相互依存的组件构成，从UX设计视角应将其视为有机整体。
流程核心运作机制：当基于初始创意的UX设计迭代产生新的模型需求时，通过”尖峰项目”验证模型可行性可能暴露数据缺陷（如关键特征缺失、存在偏见或法律限制）。这些数据问题将影响模型可用性，继而制约UX设计方案，最终触发新一轮创意调整与模型验证的迭代循环。
用户研究的战略前移
客户始终处于流程的核心位置。与传统模式相比，新流程更早引入用户反馈——在开发初期就通过纸质原型与Python notebook的组合方案获取精准洞见。这种高效率的验证机制能显著提升决策质量，在快速迭代的环境中尤为重要。
UX角色的进化图谱
UX的职责始终包含三个维度：消除用户障碍（现有产品可用性测试）、创新与竞品分析、以及整合用户需求、商业价值与技术实现。在AI时代，技术整合者的角色将愈发重要，因为：
- 新兴AI技术存在诸多不确定性
- 传统原型设计难以准确模拟AI输出
- 需要建立技术可行性研究与用户体验设计的协同机制
下图清晰展示了UX角色的演变轨迹：
延伸思考：UX从业者需要掌握AI知识吗？
答案是肯定的。虽然不需要成为数据科学家，但必须具备与技术团队深度对话的能力，能够提出切中要害的专业问题。
开发移交的全新范式
流程图最终阶段的”开发移交”具有特殊意义。与传统并行开发模式不同，新流程明确区分概念验证与正式开发阶段。从UX视角看，关键变化在于：
- 将移交节点显性化
- 建立生产系统的反馈回路（涵盖用户反馈、模型优化、新数据生成）
- 强调AI产品的持续进化特性
迎接持续变革的时代
AI技术正在开创前所未有的可能性。在这个新常态下，快速适应能力将成为领导AI驱动型UX项目的关键竞争力。正如流程图所揭示的：这不是终点，而是持续进化的起点。