UX 没有整体衰退，而是在分化
美国官方预测 Web 与数字界面设计岗位 2025–2035 年增长 6%，图形设计则下降 2%；WEF 同样把 UI/UX 列为增长较快职位，把 Graphic Designer 列入下降阵营。不能把两者混成一句「设计正在消失」。[E3]
INDEPENDENT RESEARCH REPORT · AI × UX CAREERS
AI 时代，设计师要成为什么？
工具正在压缩界面生产，却没有替团队决定什么值得做。这份报告研究 UX / Product Designer 的工作流、scope、职业上升通道与真实转型路径。
THE VERDICT
核心判断
核心判断
AI 没有为 UX 指定一个继任职位。它正在压缩执行层、放大决策层，并把一种宽泛职位拆成数条不同的职业路线。
对大多数设计师，默认答案不是转 PM，也不是把自己改名叫「AI Designer」，而是成为一名 Expanded Product Designer：继续拥有 craft，同时向问题定义、产品判断、原型实现、AI 行为、效果验证与业务结果扩展。
EXECUTIVE SUMMARY
先把结论说透
生产变便宜，判断成为瓶颈
生成页面、文案、代码和变体越来越快；真正稀缺的是选择问题、策展 context、定义「什么叫好」、解决 tradeoff、接触真实用户并对结果负责。
默认路径仍是 Product Designer
但职位内涵已变：不再以 Figma 交付物为边界，而是成为能从问题走到上线、从用户价值走到业务结果的产品设计者。
Design Engineer 是最具体的相邻路线
Cursor 等公司的公开岗位已经把「同样熟悉 Figma 与代码编辑器、能用 React / TypeScript 构建」写成明确要求。这条路线真实，但前提是工程能力，而不只是会提示 AI 写代码。[E3]
AI / Agent Experience 真实，但岗位仍薄
概率性输出、信任、失败恢复、eval 和人机分工会形成专门能力；但目前真实岗位集中在前沿团队，不值得所有人追 title。
转 PM 只适合明确想换工作内容的人
扩大产品责任不等于成为 PM。只有当你更想拥有 roadmap、指标、商业决策与跨团队协调，而不再把 making 与 craft 当核心满足感时，才值得转。
WHAT THE EVIDENCE SAYS
市场不是塌了，是裂开了
目前最稳妥的读法不是「需求上涨」或「UX 已死」，而是：设计活动扩张，传统执行岗位受压；需求向 senior、AI-fluent、能跨越设计与实现的人倾斜。
需求向 senior 倾斜
Figma 的 2026 hiring-manager 调研称，56% 看到 senior 需求增加，junior 只有 25%；73% 认为 AI 工具熟练度需求上升，79% 认为 AI 产品设计知识需求上升。它是厂商自报调研，适合看方向，不应当作全市场岗位统计。[Vendor survey · E2]
边界正在混合
Figma 的跨职能调研显示，一年内参与开发的设计师比例增至 41%，参与设计的开发者从 44% 增至 60%。这说明工作边界在重写，不代表每位设计师都必须成为工程师。[Vendor survey · E2]
Senior-biased change 不只发生在设计
Indeed 对软件岗位的分析发现，2025–2026 年新增岗位中 71% 来自 senior roles。它不能直接证明 UX 市场，但支持一个更广泛的判断：AI 暴露较高的知识工作正在偏向经验与复合能力。[Primary labor analysis · E3]
THE ROLE SHIFT
从交付物拥有者，到判断层拥有者
OLD CENTER
Artifact Owner
- 页面与流程
- 高保真原型
- 规范与 handoff
- 可用性问题
价值重心上移→
NEW CENTER
Judgment & Outcome Owner
- 选择值得解决的问题
- 定义产品行为与质量标准
- 组织人、AI 与系统协作
- 验证用户行为与业务结果
“Design is either becoming more strategic or completely irrelevant.”
— Anuj Adhiya，经 NN/g《The Future-Proof Designer》[E2]不变的核心
理解真实的人、降低摩擦、组织信息、塑造交互、保护自主权与信任。这些不是 AI 以前的怀旧技能，而是 AI 产品更不确定以后更重要的基础。
正在扩大的 scope
产品策略、AI behavior、context architecture、evaluation、快速实现、度量与组织能力。设计师的边界不再由一个文件格式决定。
WORKFLOW, REDRAWN
自动化、增强，以及必须保护的环节
正确的问题不是「哪一步能用 AI」，而是「哪一步可以交给 AI 跑、哪一步需要人作决定、哪一步一旦外包就会失去学习与责任」。
AutomateAugmentProtect
阶段
Automate · 机械层
Augment · 协作层
Protect · 判断层
发现Discovery
资料整理、转录、竞品初筛
扩大假设、发现模式、形成提问
接触用户、选择问题、判断优先级
研究Research
招募操作、记录、初步编码
访谈提纲、主题线索、跨研究检索
追问、情境理解、sense-making
设计Design
变体、基础文案、重复生产
快速原型、边界场景、实现探索
方向、taste、tradeoff、信任
构建Build
脚手架、组件初稿、文档
代码原型、design QA、系统生成
架构边界、工程审查、上线责任
评估Evaluate
回归测试、日志整理、基础 lint
生成测试案例、重复 eval、异常聚类
定义“好”、校准标准、解释失败
度量Measure
报告生成、数据摘要
洞察线索、实验分析、指标监控
因果判断、成功定义、结果问责
!
Research 不能被“自动化完成”
合成用户适合案头研究与生成假设，不适合替代真实用户做最终决策。NN/g 的对照实验发现，合成回答往往浅、过度正面，也无法提供真实人生情境中的 why。[Structured evaluation · E2]
THE NEW SCOPE
设计产出不再只给人看
Context
把 research insight、术语、用户模型、交互标准与使用情境写成 AI 可以消费的约束，而不只是一份没人再打开的报告。[NN/g · E2]
Evaluation Criteria
为概率性输出定义可检验、但不武断的“好”：准确性、透明度、用户控制、失败模式和场景适配。[NN/g · E2]
Working Prototypes
原型从展示界面变成验证真实行为的实验介质；可以连接模型、真实数据和错误状态，但必须明确它用于学习还是准备上线。
Systems & Guardrails
设计系统开始服务人和 agent：语义、token、组件规则、示例与治理共同决定生成结果是否稳定、可访问、符合品牌。
Outcome Narrative
把“可用性更好”翻译成用户行为、信任、留存、采用率和业务结果；设计师需要解释为什么这个方向值得组织投入。
CAREER ARCHITECTURE
不是一条阶梯，而是一组分岔
下面不是职位热度榜。先用你愿意长期承担的工作内容筛选，再看市场。点击筛选器，观察哪些路径更接近你的动力。
DEFAULT PATH推荐起点
Expanded Product Designer
保留设计身份，把 scope 扩展到问题、策略、AI behavior、原型、验证和结果。
- 适合
- 仍热爱 craft，同时希望拥有更完整产品责任的人
- 补足
- AI fluency、业务语言、可运行原型、度量
- 风险
- 只扩大任务量，没有扩大决策权
STRONG SIGNAL真实岗位
Design Engineer
消除设计与前端之间的 handoff，用代码塑造并交付体验。
- 适合
- 重视交互细节、喜欢构建、愿意维持工程深度
- 补足
- React / TypeScript / CSS / performance
- 风险
- 只会生成代码，不会审查或维护
FRONTIER岗位较薄
AI / Agent Experience
设计概率性系统、agent autonomy、人机交接、信任与失败恢复。
- 适合
- 喜欢新交互范式、系统行为和复杂边界
- 补足
- 模型限制、eval、tool use、human-in-the-loop
- 风险
- 追逐 title，实际只做普通界面
INFRASTRUCTURE向上迁移
Design Systems & Context
把设计原则、token、组件与研究知识变成人和 agent 都能使用的基础设施。
- 适合
- 喜欢语义、规则、一致性和规模化影响
- 补足
- machine-readable metadata、治理、系统集成
- 风险
- 只维护组件，不参与产品行为
DIFFERENT CRAFT不是升级
Product Manager
拥有 roadmap、优先级、商业指标和跨职能交付，而不是设计执行。
- 适合
- 更享受决定 what / why，而非持续 making
- 补足
- 市场、商业、指标、资源与冲突管理
- 风险
- 为了逃离窄 scope，换到并不喜欢的工作
UPSTREAM更少更深
Research Strategist
从交付研究报告转向塑造决策、混合方法、研究 enablement 与 AI 评估。
- 适合
- 对人和证据的兴趣高于视觉产出
- 补足
- quant、SQL、实验、组织影响与工具边界
- 风险
- 基础分析被自动化，仍停留在报告交付
COMPLEXITY行业相关
Service / System Designer
设计跨渠道、跨组织、数字与人工共同组成的完整服务。
- 适合
- 对 app 页面感到太窄，喜欢复杂系统与 facilitation
- 补足
- 运营、政策、组织设计与端到端度量
- 风险
- 岗位集中在咨询、政府、医疗和大型企业
LEVERAGE席位变少
Design Leader
通过方向、人才、质量标准与组织机制放大团队，而不是远离工作。
- 适合
- 从他人成长和集体结果中获得满足的人
- 补足
- player-coach 能力、业务影响、AI operating model
- 风险
- 只管理流程，不再拥有判断和 craft
THE PM QUESTION
设计师应该转 PM 吗？
通常
不用。
不用。
如果你真正想要的是更大的产品影响力，先扩大设计的责任边界；不要把组织不给设计师 scope，误判成「只有换成 PM 才能成长」。
PM 是一门不同的 craft：更多 roadmap、指标、商业取舍、资源协调与组织责任，更少持续的界面与体验制作。它适合动力不同的人，而不是资历更高的设计师。
值得转，当这三条同时成立
- 你更享受决定做什么、为什么做，而不是怎样把体验做好。
- 你愿意对指标、优先级、商业结果和跨团队冲突负责。
- 你已经用真实项目验证过这种工作，而不是被 title 或薪资吸引。
先别转，如果你其实在逃避
- 当前公司只把设计当 production resource。
- 你想要战略参与，却仍然喜欢 craft 与 making。
- 你只是担心 AI，觉得 PM 看起来更安全。
BY CAREER STAGE
同一个变化，对不同资历不是同一道题
0–3
Junior · 先建立判断的训练场
入口竞争最强，基础 production 又最容易被 AI 吸收。作品集不要只证明会走流程，要证明你能发现问题、使用 AI 但不盲信、做出可运行结果，并解释取舍。团队也不能把所有基础工作自动化后，期待未来凭空长出 senior。
3–6
Mid-level · 从“被保护的执行”里出来
这是最需要主动选择的阶段。至少形成一个可辨认的楔子：代码与实现、AI behavior、研究策略、design systems，或强产品判断。没有必要全会，但不能继续只拥有 Figma 中间段。
6–10
Senior · 把经验变成可复用的判断
市场更偏爱能立即承担复杂问题的人。你的价值不只是做得快，而是能说明哪些东西不该做、在不确定里选择方向、把质量标准传给人和 AI，并让结果可验证。
10+
Staff / Principal · 建造产生好工作的系统
从自己交付好方案，升级为创建 context、工具、原则、评估机制和跨团队模型，使别人也能持续做出好工作。
LEAD
Manager · 重写组织，而不只是催大家用 AI
明确哪些工作自动化、哪些判断保留、junior 如何获得 reps、设计师如何进入产品决策。工具部署不是 transformation；角色、权限、评价和学习机制一起改变才是。
PERSONAL FIELDWORK
不要先改 title，先做三个实验
NEXT 30 DAYS
重画自己的工作
- 列出一周任务，分成 automate / augment / protect。
- 选一个重复任务自动化，把省下时间放到用户、判断或验证。
- 记录你实际做出的 tradeoff，而不只记录产出。
DAY 31–60
做一个相邻路径实验
- 想走 Design Engineer：部署一个可运行原型。
- 想走 AI Experience：设计 plan、tool action、confidence 与 recovery。
- 想走 PM：拥有一次指标与优先级讨论，而不是旁听。
DAY 61–90
把能力变成证据
- 写一篇围绕结果与失败的 case study。
- 展示你如何推翻自己、保护用户和改变方向。
- 让作品集证明“我拥有了什么”，而不是“项目发生了什么”。
12 MONTHS
一年后，你应该拥有的不是更多工具，而是更清楚的职业形状
一个楔子：在 code、AI behavior、research、systems 或 strategy 中形成真实深度。
一个上线结果：能展示真实约束、用户反馈和可观察结果。
一套判断语言：说清楚什么叫好、为什么、如何验证。
一个拒绝清单：明确哪些热门 title 与你的动力不匹配。
FOR DESIGN LEADERS
如果你管理设计团队，真正要改的是 operating model
别把速度当成唯一收益
如果 AI 只带来更多需求和更短 deadline，团队得到的是 work intensification，不是能力升级。
保护 apprenticeship
基础任务被自动化后，主动设计 shadowing、critique、用户接触和逐级责任，否则 junior 没有形成判断的训练场。
给 scope，也给 accountability
要求设计师战略化，却仍在所有产品决定结束后才让其进场，是组织矛盾，不是个人能力问题。
更新评价标准
不要只数页面和交付速度。评价问题质量、决策影响、context 复用、eval 质量、验证证据和结果。
按能力组合设计团队
Product Designer 是主体；Design Engineer、Research、Systems、AI Experience 是可共享或嵌入的深度能力，不必人人变成同一种复合人。
METHOD & LIMITS
这份报告如何形成
证据优先级
E3：政府数据、原始报告、直接岗位描述、当前页面实读。
E2：有方法说明的行业研究、结构化专家评估、可信二手。
E1：聚合、营销性调研、单一从业者判断，只作线索。
主要限制
大部分硬数据偏美国；职位名称不统一；设计工具厂商的调查有利益关系；前沿公司岗位不能代表整个市场；2026 年的新 title 数量小、变化快。
我们没有采用
未经原始数据支持的「UX 岗位下降 70%」「junior 工作自动化 60–70%」「所有设计师都应写生产代码」等强断言。
SOURCE LIBRARY
核心来源
- E3U.S. BLS — Web Developers and Digital Designers
2025–2035 employment projection、薪资和 AI 对增长的限制。
- E3U.S. BLS — Graphic Designers
−2% 预测及自动化工具对岗位需求的影响。
- E3World Economic Forum — Future of Jobs Report 2025
UI/UX 与 Graphic Design 的不同方向，以及技能变化。
- E2NN/g — The Future-Proof Designer
七位产品与设计专家讨论战略 scope、storytelling、outcome 与判断。
- E2Figma — Why Demand for Designers Is on the Rise
Hiring manager 调研；厂商来源，已在正文披露。
- E2Figma — State of the Designer 2026
906 位数字设计师自报的 AI 使用、速度、质量与自主权。
- E2Figma — 2026 AI Report
8,403 份问卷与 639 次访谈累积研究，关注跨角色协作。
- E3Cursor — Design Engineer Job Description
设计与代码交叉岗位的直接要求。
- E3Indeed Hiring Lab — AI and Job Postings
AI 暴露岗位的 senior-biased rebound；不直接等同于 UX。
- E2NN/g — UX-Context Design
把研究与设计知识转为 AI 可消费 context 的假设与方法。
- E2NN/g — The Core Skill of Design in the AI Era: Critique
Judge–evaluate–iterate 与定义评估标准。
- E2NN/g — Synthetic Users
真实研究与合成用户对照，界定合理用途与风险。
- E2NN/g — State of UX 2026
竞争市场、AI fatigue、UI 标准化、深度与判断。
- E2AI in Design 2026
900+ 设计师与 20+ leader 访谈；行业自报研究，已谨慎使用。
- E3Figma — AI Model Designer Job Description
AI model design principles、heuristics 与 design evaluation 的直接岗位证据。
FINAL NOTE
未来最危险的不是不会某个 AI 工具，
而是仍把自己的价值定义成工具正在变便宜的那一段。
先扩大设计，再决定是否离开设计。用真实项目验证自己的职业方向，而不是用焦虑选择 title。
回到顶部 ↑