2026 AI 設計趨勢報告：當設計師開始「寫規則」，而不只是畫畫面

先講一個數字：91%

2026 年 6 月，設計創投 Designer Fund 與 Foundation Capital 發布了第二屆《AI in Design Report 2026》，訪談了來自 60 多個國家、906 位設計師（其中六成擁有 10 年以上設計資歷），得到一組讓人很難忽視的數字：91% 的設計師現在每週都用 AI 工作、75% 每天都用，而且有一半的人，已經把 AI 生成的程式碼推上了正式環境。一年前，每週使用的比例還只有 54%。

換句話說，這不是一個「未來會發生」的趨勢，而是「已經發生」的現實。過去這段時間，我們替一個公部門單位改版一套大型表單系統——欄位龐雜、規則彼此牽動，又有嚴格的法規與一致性要求。在這個專案裡，我們幾乎把報告描述的每一條趨勢，都親身走過了一遍。

基於保密協定，這篇文章不會出現任何客戶名稱、真實畫面或資料——但這恰好不影響重點。因為報告最有價值的發現，從頭到尾都不在「做出了什麼畫面」，而在設計師「怎麼工作」這件事本身。

設計師正在變成 toolmaker，而不只是工具使用者

報告的工具篇（Tools）有幾條很關鍵的線：78% 的設計師使用 Claude、65% 使用 Claude Code，AI 編碼工具首度超越過去的通用工具王者；設計師的工具箱也從平均 3 個膨脹到 7 個。但最關鍵的一句話是——設計師正在從「使用工具的人」，變成「製造工具的人（toolmaker）」。

設計師從「用工具」變成「做工具」，正是我們整個專案的核心做法——但一開始並不是。專案初期，我們也是老老實實地用 Figma 和 Pencil 一張一張畫畫面。問題是，這個案子從設計到開發完成只有短短幾個月，期間除了畫圖，還得不斷和業主來回協調、訪談、修改需求，而最後做出來的前端畫面，還要能接上真實的後端資料。在這種時間壓力下，「一張畫面一張畫面慢慢畫」很快就撐不住了。

於是我們換了個做法：與其畫每一張畫面，不如先把設計系統與設計判斷本身，寫成一份 AI 讀得懂的規則。這些原本只存在資深設計師腦袋裡的「品味與默契」，被一條一條外顯成可執行的規範。

舉幾個例子，這份「判斷 → 規則」大概長這樣：

有了這份規則，AI 產出的每一個畫面，顏色、間距、元件就天然一致——一致性不再靠人一個個盯，而是寫在規則裡。

於是 AI 不再是「幫我畫一張圖」的工具，而是「讀我的設計系統、照我的規則產出」的協作者。這其實呼應了我們先前的一個觀點：設計系統真正該整理的，不是元件，而是判斷方式。

• 延伸閱讀：設計系統不是元件庫，是團隊的共同語言

交付的是「能動的原型」，不是靜態稿

報告的工藝篇（Craft）講得更直接：50% 的設計師已經把 AI 生成的程式碼推上正式環境；43% 的公司現在期待設計師交出「能動的原型」，而不是靜態 mockup。一位受訪設計師的話很傳神：「做一個原型可能要花兩週，但花兩週的並不是『想清楚』，而是要花工夫使用工具，把每一個必要的細節做到位。」

我們的專案也走過同樣的轉變。前面提到，最初我們是用 Figma 和 Pencil 畫靜態稿；但很快就發現，靜態稿只能讓人「看」表單長什麼樣，看不出實際「用起來」會發生什麼。於是交付物逐漸從靜態稿，轉向可互動的高保真原型——能點、能切換狀態、能走完整個流程。可互動原型能讓人「用」，那些藏在流程裡的狀態、條件顯示、邊界情況，就在做的當下被逼出來、被討論、被修正，而不是等到開發後期才爆炸。

實際上，很多問題是「點下去」才看得到的：

這些都是靜態稿上「看起來沒問題」、真的用下去才會發現的細節。提早做成能動的原型，等於把問題從開發後期搬到設計階段解決，省下的往往是整個團隊的時間。

還有一個我們在這個專案裡很有感的好處：業主常常不希望只看到「一種設計」，而是想在 demo 當下比較不同呈現、再決定哪個適合。可互動原型剛好能滿足這件事——同一筆資料，現場一鍵切換不同版型給對方挑，而不必事先備好一疊靜態稿、改一版就重畫一次。例如同一份列表，就能在「表格」和「卡片」之間即時切換，讓業主自己選：

AI 不會替你做判斷：速度與品質的拉扯

報告沒有把這件事講得太浪漫，我們也不想。工具篇（Tools）誠實點出：62% 的設計師認為「output 不一致」是最大障礙；工藝篇（Craft）則說，80% 的設計師，品質與創意方向最終仍然靠自己的判斷。換句話說，AI 把「執行」加速了，但「要做對的東西」這件事，還是人的責任。

這也是那份規則文件真正的用途——它不只是給 AI 的指令，更是我們把品質「固化」下來、對抗「快，但不一致」的護欄。AI 產得越快，越需要一個明確的標準告訴它「什麼叫做『對』」。而那個標準，是設計師的品味，不是模型的預設值。

實務上，我們會清楚切開「交給 AI」和「人來把關」這兩件事：

AI 把「做得快」這件事解決了，但「做對的東西」還是人的責任。而且這不只關乎設計師——在 AI 時代，PM、FDE、RD 各自把關的判斷，反而更難被 AI 取代。

• 延伸閱讀：AI 搶走了寫 code 的飯碗，卻開出一個它自己幹不了的職缺？

至於怎麼把 AI 真正接進產品工作流、而不是只做一個漂亮的 demo，我們在另一篇談得更細。

• 延伸閱讀：把 AI 工作流真正放進產品，而不是只做 Demo

一張數據快照

把報告裡幾個最有力的數字放在一起看，會更清楚這股浪潮的方向：

這些數字背後其實是同一件事：設計師的價值，正在從「產出畫面」往上移動到「定義什麼是對的」。

把判斷寫下來，是 2026 設計師的新手藝

AI 沒有取代設計，它只是把設計師的價值，從「產出畫面」推到「定義什麼是對的」。當畫面可以被快速生成，設計師唯一不能外包的，就是那份「知道什麼好、為什麼好」的判斷。把這份判斷寫下來、變成規則、交給 AI 去執行——這大概就是 2026 年的設計師，正在學會的新手藝。

Luffy Design 在做的，正是把「設計 × AI 工作流」直接做成能上線的真實產品，而不是停在一份漂亮的設計稿。如果你也想把這套做法用在自己的產品上，歡迎看看我們怎麼做產品，或直接跟我們聊聊。

• 看看我們怎麼做產品
• 跟我們聊聊你的專案

引用出處

本文數據與觀點引用自《AI in Design Report 2026》（由 Designer Fund 與 Foundation Capital 於 2026 年 6 月發布）：

• 工具篇（Tools）— stateofaidesign.com/chapters/tools
• 工藝篇（Craft）— stateofaidesign.com/chapters/craft

文中所有專案描述均經去識別處理，不包含任何受保密協定保護之客戶身分、畫面、欄位或資料。