不想被 AI 淘汰？产品设计师接下来该学这 6 件事

最近有一份产品设计师的招聘帖在 X（Twitter）上火了，22万人看过。发布的企业Ramp是一家估值百亿美金的硅谷金融科技公司。

这份招聘全篇没有提到「视觉设计」，没有提到「品牌」，没有提到「版式」——这些我们习以为常的硬性条件，一个字都没有。
取而代之的是 提到了大量关于对AI能力的要求，甚至完全颠覆了目前产品设计师的工作流。 不止是这家，TikTok、Claude、Notion等大量海外公司新招聘的产品设计师都有类似的要求，很可能这就是未来就是趋势。

如果你不想被AI搞失业，学习这份招聘要求，你的下一份工作求职才有胜算。

我花了点时间把它拆解了一遍，对照我们目前的工作方式，发现了6个值得警觉的变化。

变化1：工作流彻底重构，Figma从起点变成终点

我们现在的工作模式都是：调研 → 在Figma画线框图 → 在Figma画视觉效果图/做高保真原型 → 开发交付。

而Ramp在岗位描述之前就提到：

Ramp 的设计以 AI 为先，建设者主导。工作从大型语言模型开始，然后进入 Claude 和Corsor等工具探索流程和交互，然后进入 Figma 进行系统和打磨。设计师会早期进行原型设计，与真实客户测试，并在发布和迭代过程中保持参与。

新的流程变成了：LLM 对话理清思路 → AI 工具快速出原型 → 用户验证 → Figma 系统化。 Figma 从工作流的起点变成了终点 。

就像当年 Sketch 替代 Photoshop、Figma 替代 Sketch 一样，核心工具会持续迁移。这没啥儿说的，只能持续学习。

变化2：从设计工具使用者变成AI工具协作者

但凡哪招设计师，必然会写上： 熟练使用 Sketch、Figma、InVision等工具，但在Ramp给我们启发的不仅是 使用 工具：

• 从大型语言模型开始：使用 Claude 等工具澄清意图，起草短期 PRD，并表层风险、边缘情况和初步方法。利用这些工作快速与团队对齐。
• 使用 AI 工具进行原型开发：使用光标和 Claude 代码构建和迭代流程和简单界面。让 AI 生成代码，同时指导结构、行为和用户体验质量。与工程师合作，决定哪些内容可以融入产品。

Figma 是一个 直接操控 的工具——你画一个矩形，它就出现一个矩形。你拖动 4px，它就移动 4px，你是软件的操作者。

而用 Claude 或 Cursor 工作时，你是在 描述意图，然后评估和引导输出 。你说「我需要一个支持多选的筛选组件」，它给你一个方案，可能有 70% 是对的，但交互细节不对、边界状态没考虑。你的工作变成了判断哪里不对、怎么调整指令让它更接近你要的东西、什么时候该停止用它转去 Figma 手动打磨。

从前你是一笔一划地画，而现在不断地提要求、看结果、给反馈、再调整。可以类比成你是老板，招聘了一个初级设计师，他在你的指导下进行工作。设计师和工具之间从「手动执行」变成了「对话式协作」。

变化3：视觉技法不再重要

既然说起使用AI时要能评断AI出品的设计有没有问题，那就不得不说，Ramp招聘全篇下来 没有一句提到审美 。是的，没有要求视觉/交互设计、UX/UI、品牌与识别系统、字体排印方面的能力。就只有一句稍微与之有点关联：

你的作品集要体现出你有产品思维、懂交互设计，同时 既有品味又有手艺

也不是说视觉能力完全不重要，只是既然AI 可以快速生成看上去还不错的界面，视觉产出正在被商品化，就不能当做筛选员工的门槛。真正稀缺的变成了知道该做什么、知道怎么做才对和做出来的东西有打磨过的品质感。

变化4：重结果，不重交付物

出图只是中间手段，不是最终目的。尤其在 AI 能快速生成大量产出物的时代， 产出物本身变得越来越廉价，而「做对的事」的判断力变得越来越值钱。

以前领导评断设计师优不优秀，主要看：你这周出了几个方案、交付了几个页面、Figma 文件做得规不规范这其实这很片面。

线框图、高保真稿、原型、设计规范文档、组件库做得再漂亮，如果转化率、用户留存这些业务指标没提高，等于白做工。这也意味着你要培养看数据、理解业务指标的习惯——知道什么指标重要、怎么衡量设计的影响。

Ramp 招聘要求第一句话就很直白的说：

作为 Ramp 的产品设计师，你对结果负责，而不仅仅是工件。你与项目经理、工程师及其他设计师合作，定义正确的问题，探索和验证解决方案，并交付改变客户行为的产品体验。

变化5：用户调研是日常工作

用户研究在互联网行业一直比较尴尬，偏传统偏硬件的公司还保留有用户研究员，而且流程还挺长的：写研究计划、招募用户、做访谈、出报告，整个周期可能几周。

纯软件的互联网公司干脆没有，大部分时间靠想法假设上线看数据，这样能更快验证结论，或者产品经理和设计师兼任做一点简单的调研即可。

而现在有了AI可以快速的输出可交互的高保真原型，问卷内容也可以让AI帮忙下，要做测试成本就很低，而且可以很快的的出结果，所以Ramp要求：

用自助式研究验证假设：直接与客户沟通，进行快速测试，并用所学调整方向。把研究当作速度工具，而不是门槛。

变化6：学得快，而不是起点高

Ramp招聘里还有一条中文设计圈不常见，但是硅谷很常用的比喻：

我们看重斜率胜过截距。不太在乎你在哪里受过训练，更在乎你建造了什么

借用数学里直线方程的概念，横轴是时间，纵轴是一个人的能力。截距是你的起点——你现在在哪里，学历怎么样、之前在哪家公司、现在掌握了什么技能。斜率是你的成长速度——你学新东西有多快、适应变化有多快、能力曲线有多陡。

这句话意思就是： 我们要的是学得快的人，不是起点高的人。

现在整个行业都在快速转型，今天会的东西半年后可能就过时了。一个简历漂亮但拒绝碰 AI 的设计师，和一个非科班但已经在用 Claude + Cursor 搭原型的设计师之间，Ramp 明确告诉你他们选后者。对正在焦虑的设计师来说，这其实是一句挺鼓励人的话—— 你的过去不重要，你的加速度才重要。

---

看到这里你可能觉得要补的东西太多了。新工具要学，新流程要适应，还得懂数据、会跟用户聊、能用代码搭原型。

但话又说回来，既然 Ramp 明确说了「我们要的是学得快的人，不是起点高的人。 」，这也正是属于我们这一代人的机会。

所有人都回到了同一起跑线上。

至于Ramp强调的判断力和品味，那就是练出来！用AI更快做出一个最小原型、更快拿到一次真实反馈、更快复盘并修正。你每多跑完一轮对话澄清 → 原型验证 → 迭代打磨，斜率（成长速度）就更陡一点。