Figma Make 正式全量开放，官方研究称设计效率提升 20%

Figma 旗下的 AI 提示到应用工具 Figma Make 近日结束 beta 阶段，正式向所有用户开放。与此同时，Figma 数据科学团队公布了一项随机对照试验（RCT）研究结果，量化了 Figma Make 为设计与产品团队带来的效率收益：整体设计工作平均提速 20%、难度感知降低 16%，其中产品经理（PM）的受益最为显著。

研究背景：传统方法难以衡量 AI 真实收益

在 Figma Make 等 AI 工具逐渐缩短设计周期的同时，许多团队并不确定自己究竟节省了多少时间，以及在哪些环节收益最大。Figma 数据科学团队尝试解答这个问题，但常见的 A/B 测试与因果推断方法在 AI 使用场景中存在局限：

• 在线 A/B 测试虽然能将用户随机分组，却无法控制每位用户所执行任务的具体复杂度。
• 倾向评分匹配（PSM）依赖日志数据涵盖全部混淆变量，但匿名化的用户 ID 无法反映主观设计经验。
• 工具变量法（IV）需要一个既能影响 AI 使用、又不直接影响任务速度的「工具变量」，而现有日志数据中并不存在这样的变量。

综合以上原因，团队最终选择随机对照试验这一因果影响测量的「金标准」方法。

研究设计：100 人参与的对照试验

Figma 与内部及外部的用户研究员合作，围绕产品设计师和产品经理两类角色，开展了一项 RCT 研究，量化他们在日常设计工作中使用 Figma Make 所节省的时间。

研究设计要点包括：

• 随机分组：参与者被随机分入使用与不使用 Figma Make 的两组，确保混淆变量大致均匀分布。
• 标准化任务：所有参与者完成相同任务，消除任务属性差异对完成时间的影响。
• 试验监督：由经过培训的研究团队进行过程监督，降低分组后的人为波动。
• 样本规模：参考 GitHub Copilot 等同类研究的效应量进行功效分析，最终确定 100 名参与者（50 名产品设计师 + 50 名产品经理）。

团队选择 Figma Make 作为研究对象，原因在于它在 Figma 用户中流行度高、应用场景广泛；同时为避免引入过多变量，研究范围被限定在单一工具上。

主要发现：PM 受益最为显著

研究得到以下核心结论：

• 整体而言，使用 Figma Make 后设计工作平均提速 20%，难度感知降低 16%。
• 产品经理群体的收益最为突出：任务完成速度提升 23%，难度感知降低 37%。

这一结果与 Figma 既有的用户研究结论一致——Figma Make 显著降低了产品经理参与设计的门槛，让他们能更直接地投入设计工作。本次 RCT 也为 Figma 后续优化 AI 工具与产品定位提供了可量化的依据。