[83] AI 原型工具（NN/G）：远看还行，近看稀碎的风险与用法

• 原始来源：https://www.nngroup.com/articles/ai-prototyping/
• 对应章节：第 4 章（原型与信息架构）、第 5 章（验证与打磨）、第 6 章（UI 设计）

一句话摘要

AI 原型工具很擅长产出看起来像成品的界面，但它经常在信息层级、状态细节、可访问性与异常流上漏得很狠，适合发散，不适合直接交付。

你应该从这里带走什么

• 把 AI 原型当探索材料，不当开发稿：进入交付前必须由人做结构收敛与细节补齐。
• 用更具体的输入提高上限：给组件、状态、示例数据、约束与参考图，比一句现代风格有效得多。
• 把异常流与状态当硬门槛：没有空态、失败态、无权限态的原型，等于没画。

落地要点（可执行）

• 用 AI 做两件事：快速生成多个方向、快速补齐示例内容与占位数据。
• 用人做三件事：确定信息架构、补齐状态与异常流、做可访问性与一致性检查。
• 把探索即抛写进流程：每次 AI 生成都要能丢弃，不把随机产出当资产。

常见误用提醒

• 用高保真掩盖结构问题：越像成品越容易让团队跳过走查，最后返工更贵。
• 把生成速度当进度：没有门槛与验收，速度只会把你带向更大的偏航。