AI进入设计行业之后，最明显的变化是速度。市场资料可以即时搜索，访谈录音能够自动转写，几十份文件可以在短时间内完成归纳，文案、图像、概念草图和多语言版本也能迅速铺开。过去需要团队工作数日的任务，现在几个小时就能看到初步结果。对设计公司而言，这不仅改变了工作的节奏，也正在改变成本结构和人员配置。但速度提升的同时，人的经验与判断力并没有因此贬值，反而更加稀缺。
但工具效率的提升，并不等于一家公司的专业能力同步升级。今天，大多数agency都能接触到相似的模型、软件与生成平台，工具的取得门槛持续下降，操作方式也会越来越标准化。会使用AI，很快会成为基本能力，难以构成长期差异。真正值得讨论的是，当AI进入研究、策略和设计流程之后，一家公司是否有能力重新组织工作，判断哪些任务适合交给机器，哪些节点必须由人掌握。
这正是策意象 taasdesign 正在推进的AI化转型。我们关注的不是多使用几个工具，也不以生成更多图片、文案和提案版本作为AI能力的证明。我们希望把AI真正嵌入设计思维和项目流程，重新配置人与机器之间的分工，让机器承担速度、规模和重复处理，让策略师与设计师把审美、判断、经验和以人为本的感知力集中到最关键的位置。
01 AI改变的是工作的分工
机器再强，也需要人的输入。这个输入远不只是提示词，还包括目标、边界、前提条件、评价标准，以及对真实情境的理解。AI可以根据既有资料生成大量答案，却不能独立决定企业此刻应该解决什么问题，也无法判断某个方向是否符合组织的承受能力、市场文化与长期利益。它可以提供选项，但不会替客户承担选择错误带来的后果。
人的创造力、对外部变化的感知力，以及人与人之间的共情力，都来自具体的生活经验和社会关系。AI能够识别模式，也能模仿相应的语言与形式，却没有真正进入客户的组织现场，没有经历市场压力，也不会感受到决策对员工、消费者和合作伙伴产生的影响。它能够描述这些关系，但没有身处其中。
因此，策意象要建立的是人机协作，而不是AI至上，更不是简单地去人工。AI的价值，在于减少低价值、重复性的劳动，扩大研究和创作的范围，让人把更多时间投入观察、理解、质疑、创造与决策。机器越能处理基础工作，人的专业能力越应该被集中到真正影响项目方向与结果的节点。
这也意味着，AI越能干，对人的要求反而越高。生成变得容易之后，真正稀缺的能力不再是做出更多东西，而是判断什么值得留下。使用者需要提出准确的问题，设定有效的约束，识别事实错误和逻辑漏洞，也必须拥有自己的观点，知道什么是好，什么只是看起来完整。
02 从使用工具到重构流程
设计与策略工作中，很多重要能力长期存在于个人经验里。研究顾问知道一场访谈中哪句话值得继续追问，设计总监能够看出一个方案虽然形式完整，却没有真正的识别力，策略总监也常常能够意识到，客户会议里说的需求，并不是组织真正需要解决的问题。这些判断每天都在发生，却很少被完整拆解。
AI进入流程后，我们不得不更清楚地解释自己的工作。为什么某个阶段需要继续发散，为什么另一个阶段应该停止探索；哪些动作只是资料处理，哪些动作已经涉及问题定义；哪些工作可以依据规则批量完成，哪些决定必须结合行业经验、文化脉络与组织现实。这个过程不只是技术导入，也是在重新理解设计咨询工作的本质。
对策意象而言，这是一种自我蒸馏。我们把过去十年积累的项目经验逐项拆开，辨认哪些步骤真正创造价值，哪些只是沿袭多年的习惯。过去由人完成的工作，有一部分本来就适合自动化，只是当时没有更合适的技术；另一些工作看似简单，背后却包含大量隐性的审美判断、商业判断和对人的理解，无法轻易交给机器。
这种拆解同时也是反省和优化。它迫使我们重新审视专业能力究竟存在于哪里，也让团队有机会把原本停留在个人身上的经验，逐步整理成可以说明、训练和复用的方法。AI化因此不只是提高效率，它还推动公司把隐性知识转化为组织能力。
03 让AI进入设计思维而不是停留在工具层
设计思维中的发散与收敛，为这项工作提供了一套清楚的观察框架。双钻模型是我们工作的方法论核心，它的价值在于帮助我们辨认，创新流程中哪些地方需要扩大可能性，哪些地方必须完成判断。AI特别擅长发散，可以在短时间内扫描更多资料、生成更多假设、铺开更多视觉方向与文案版本，过去受限于时间和人力而无法充分展开的可能性，现在可以更早被看见。
发散成本下降之后，工作的瓶颈随之改变。过去的问题是团队想不到足够多的方向，现在的问题是面对大量方向时，无法判断哪些真正有价值。选项增加，并不会自动带来更好的答案。缺少清楚的判断标准，团队很容易被看似完整的生成结果牵着走，最后从几十个差不多的方案中选出一个勉强可用的版本。
在前期研究中，AI可以快速整理访谈、扫描竞品与市场信息、归类非结构化资料，也能帮助团队发现反复出现的主题。顾问的任务则是判断这些信号背后的意义。客户反复提到的问题，可能只是组织长期积累的表面症状；一条不显眼的访谈线索，反而可能揭示真正的矛盾。这类判断无法仅凭词频、数据密度或模型摘要完成。
进入策略阶段，AI可以把散乱信息整理成结构，比较不同资料之间的一致性，并协助团队形成多个问题假设。真正困难的是判断哪一个问题才是根因，企业此刻应该把资源投入在哪里。一个理论上正确的方向，未必符合组织现阶段的能力与时机。策略师必须同时考虑商业目标、预算条件、内部阻力、治理结构与长期价值，再完成取舍。
设计发展阶段同样如此。AI可以快速生成视觉概念、文案方向、多语言版本和不同风格的表达，让设计师更早看到更多可能性。但方案越多，审美判断越重要。当所有人都能在短时间内生成几十个看似成熟的画面，设计工作的价值就不再来自数量，而是来自辨认差异的能力。哪个方向只是复制市场上已经存在的风格，哪个方向能够形成长期品牌资产；哪个方案满足了客户的字面要求，却没有回应企业真正的问题，这些判断仍然依靠项目团队成员的经验、眼界与文化感知力。
到了交付阶段，机器适合检查数字、术语、格式和跨页面的一致性，也能降低重复性工作中的人为疏漏。项目进入现实环境之后，预算、时间、技术条件和客户内部意见往往会同时发生冲突。哪些地方必须坚持，哪些部分可以分阶段推进，哪些看似细小的调整会破坏整个系统，仍然需要策略师、设计师与客户共同判断。
04 每个项目都是一次能力沉淀
每完成一个项目，我们都会留下新的经验。哪些研究方法能够提高资料质量，哪些信息结构有助于发现根因，哪些条件会影响策略选择，哪些人机协作节点能够提高效率，哪些检查机制可以降低交付风险。这些经验经过整理后，会重新进入下一次研究、策略与设计流程，再接受新的项目检验。
这形成了一种持续积累的机制。项目越多，策意象对行业、市场和组织的理解越深，人机协作的边界也会越来越清楚。AI在其中并不是替代经验，而是帮助公司更快整理经验、检验经验，并将一部分个人能力转化为团队可以共同使用的方法。
这些积累最终会回到客户价值上。前期研究能够覆盖更广的信息，同时保留对具体情境的理解；策略阶段能够更快比较与验证不同假设，把顾问时间集中在真正影响决策的问题上；设计阶段可以展开更多可能性，再用明确的品牌标准完成筛选；交付阶段则减少机械性错误，让团队把更多精力投入落地过程中的取舍与沟通。
AI带来的价值，因而不只是更快完成原来的工作。更重要的变化，是人的判断质量得到提升——这与我们在《AI转型现实：每周省下的8小时去哪了？》中讨论的组织能力议题，其实是同一个问题的两个切面。
05 人机协作不是保守选择
国际创新咨询行业已经开始公开讨论传统创新流程是否还能适应AI时代。Board of Innovation 从2024年前后开始提出，传统双钻模型正在过时，并推出AI驱动的 Stingray 模型。作为一家服务过沃尔玛、可口可乐、雀巢等企业的创新咨询公司，它提出的并不是外围观察，而是行业内部对工作方式的直接挑战。
Stingray 模型强调，AI能够同时探索更多问题和解决方案，也可以更早把技术可行性与商业条件带入创新流程。这个判断具有现实基础，策意象的AI转型同样不是为了维护过去的做法。传统流程中确实存在大量低效率、重复性和过度依赖人力的环节，这些部分应该被重新设计。
有意思的是，Board of Innovation 在说明 Stingray 最后的迭代阶段时，仍然保留了人的位置。人需要参与筛选方案、进行真实世界的实验，也需要引入专家意见。越想扩大AI在创新流程中的作用，越会触及同一条边界。机器可以扩大探索范围、提高速度和辅助评估，但最终的选择、验证与责任仍然回到人身上。
这说明真正的问题不在于双钻是否过时，也不在于应该换成哪一张新的流程图。关键在于，一家公司是否真正理解自己的工作如何创造价值，能否把机器放在适合机器的位置，把判断力放在最需要它的位置。
06 AI正在放大人与人之间的差距
“你不会被AI取代，你会被会用AI的人取代”已经成为一句常见说法，但它仍然低估了问题的复杂度。会操作AI工具，很快会像使用搜索引擎和办公软件一样普遍，真正拉开差距的，是有没有能力把AI用好。
AI正在加速个人与组织之间的K型分化。一端的人借助AI处理更复杂的问题，把时间投入观察、思考、创造和决策，专业能力因此被进一步放大；另一端的人把生成结果直接当成答案，省略理解、验证和判断，短期看似提高效率，长期却可能削弱自己的专业能力。
机器是一种放大器。它会放大人的能力，也会放大人的平庸。缺少判断的人，更容易被流畅的答案说服；拥有专业标准的人，才能发现答案中的错误、空洞与趋同，并把机器提供的材料转化为真正有价值的成果。
因此，AI时代对人的要求不会变低。工具越强，越需要清楚的判断；生成越快，越需要明确的立场；选项越多，越需要成熟的审美。人必须知道什么值得做，什么不值得做，也要能够解释为什么。
这正是策意象与其他agency之间希望建立的核心差异。我们的AI化能力，不取决于购买了多少工具，也不取决于能够生成多少内容，而在于能否把AI真正融入设计思维、策略判断和项目执行，持续拆解工作的本质，重组人与机器之间的关系。
机器负责扩大能力，人负责决定方向。AI提供更多可能，人判断哪些可能值得成为现实。
1995年，乔布斯在接受Robert X. Cringely采访时说过一句后来广为流传的话。
“Ultimately, it comes down to taste.”
最终，还是取决于审美。
他所说的审美，并不只是视觉上的好看。它来自一个人长期接触人类创造过的优秀事物，也来自对文化、商业、技术和人的理解。审美决定我们能否从大量选项中辨认真正有价值的方向，能否看见工具给出的答案还缺少什么，也决定一家公司最终创造出的，是平均而正确的内容，还是具有观点、差异与长期价值的作品。
AI时代，生成越来越容易。
审美，才是最后也是最重要的关卡。
