生成界面的AI：它选择组件，不绘制像素

当有人听到“人工智能生成界面”时，他们脑海中的第一个图像通常是可怕的：一个模型从头开始绘制屏幕，定位像素，发明按钮，创建没有人审查过的布局。如果是这样的话，怀疑是正确的。它会不稳定、不可预测并且无法维护。

幸运的是，事实并非如此。生成式 UI 在实践中的工作方式更加严格，这正是它在严肃产品中可行的原因。该模型不会绘制松散的像素。他选择并填充他的团队已经构建和批准的组件。

理解这种区别是那些看到风险的人和看到机会的人的区别所在。

AI 选择棋子，而不是发明棋盘

想象一下，您的产品有一组现成的组件：度量卡、可排序表格、条形图、表单、操作按钮、警报。每一项都经过设计、测试、调整以实现[辅助功能0并获得批准。

在 Generative UI 模型中，这个集合就是 AI 词汇表。当出现问题时，模型的工作不是画任何东西。它正在决定：为了实现这一意图，哪种组件组合反应最好，以及每个组件应该填充哪些数据。

此人要求对两个领域进行比较。该模型选择一个条形图并为其提供正确的数字。该人要求提供详细清单。该模型选择可排序表并注入行。人工智能的创造力在于选择和构图，而不是视觉发明。

这就像给某人一盒积木和给某人一张白纸和一支铅笔之间的区别。盒子有限制，也正是有限制才使得结果可靠。

值得坚持这一点，因为它经常被误解。限制人工智能并不会让它变得愚蠢，反而会让它变得有用。只能使用经过批准的部件的模型会以可预测和可纠正的方式犯下错误，而松散的模型会以只有当用户已经看到错误的屏幕时才会发现的错误。

让人工智能创建自由布局看似强大，但却是一个陷阱。三个问题立即出现。

首先是一致性。为每个问题设计的屏幕都会有所不同，用户将失去任何参考。一款看起来毫无特色的产品是无人学会使用的产品。

第二是质量。可访问性、对比度、响应行为、错误状态：这些都是精心完成的设计工作。即兴像素模型无法可靠地实现这一点，而且您无法查看实时生成的一千个独特屏幕。

三是安全与管控。如果人工智能可以创建任何按钮，它就可以创建一个触发无人授权的操作的按钮。将人工智能限制在已批准的组件上也会将可能的操作限制在团队知道的一组范围内。

预先批准的组件可以同时解决所有三个问题。生成的界面继承了部件中已投入的所有质量。人工智能在它有帮助的地方（在构图方面）发挥创造力，但在它提供保护的地方（在执行方面）却陷入困境。

本文的中心论点是：[设计系统1]不再是审美问题，而是成为生成界面的人工智能的治理层。

将[设计系统2]视为一条轨道。火车可以快走、停车、换车，但不会离开轨道。人工智能可以构建丰富多样的界面，但仅限于经批准的目录中存在的部分。铁路不限制目的地，它限制脱轨。

这重新定位了团队的工作。该团队不是设计产品将显示的每个屏幕，而是设计一组组件并定义每个组件何时应用的规则。该团队负责管理词汇。 AI 会写句子。

目录越好、越完整，人工智能可以创建的界面就越丰富。目录越宽松，限制越多，风险也越大。对[设计系统3]的投资，许多领导者将其视为抛光成本，成为新产能的先决条件。

明确角色划分是值得的，因为它是模型的核心。

团队决定目录。存在哪些组件、它们的行为方式、它们接受哪些数据、它们可以触发哪些操作、允许谁查看什么。这是人类的工作，经过审查、版本控制和所有权。

AI决定构图。给定一个问题和可用目录，哪个组件子集以什么顺序、使用什么数据进行响应。这是每个订单的实时模型工作。

数据决定内容。组件由可信来源填充，具有明确的访问规则。界面是外壳，数据是实质，而实质的质量不是来自人工智能，而是来自你的数据工程。

当这种划分清晰时，生成式 UI 就不再是黑暗中的跳跃。它成为成熟团队已经拥有的实践的自然延伸：维护良好的设计系统、可靠的数据层，以及现在按需协调两者的模型。它与我们已经讨论过的[企业环境中的人工智能代理4]直接相关：行动的代理需要一组安全操作，这里的操作集是组件的目录。

我想诚实地对待我的努力。生成式 UI 不会因为插入模板而从天而降。它需要一个有组织的设计系统、一个许可的数据层以及模型和组件之间的明确契约。

已经完成这项作业的团队可以轻松进入。组件分散、数据不受监管和屏幕重复的团队将会感受到影响。没关系，因为进入成本才是保证安全的原因。

即使没有生成式 UI，每项投资本身都是值得的。设计系统可以改进任何产品。数据治理可以保护任何组织。生成式 UI 只是将这些基础知识立即转化为可见的功能。

如果您的组织想要转向人工智能生成的界面，请先从铁路开始，然后再从火车开始。审核[设计系统6，组织数据层，定义谁看到什么。在下一篇文章中，我将把这个讨论带到更具体、更微妙的领域：仪表板和公共管理。