隨著全球經濟形勢的變化與技術革新的加速，未來就業市場前景撲朔迷離，洞悉並適應新技術趨勢顯得尤為關鍵。
而在世界經濟論壇 (World Economic Forum, WEF) 釋出的“未來就業報告”中也指出，在2023-2027年間：
“全球企業預計創造約6900萬個新的崗位，同時，受自動化與產業結構影響，8300萬個崗位將被淘汰，崗位數量下降1400萬個！”
另外，WEF也給出了“未來五年增長最快的十大崗位”，「人工智慧與機器學習專業人員」榮登第一。
在人工智慧（AI）大行其道的今天，幾乎所有的行業都在一夜之間就要面臨被重新洗牌的境遇。
好在對於藝術設計專業的同學來說，伴隨挑戰的，是新的機遇。
以融合了時尚設計、材料科學、平面設計三大學科領域的紡織品設計行業為例，
隨著“智慧紡織品生產”概念的提出，AI如今已經可以連結海量的款式庫、版型庫和引數庫，實現不同花樣、編制、布料的設計組合，精準匹配多樣的設計需求，實現數字樣衣、3D線上打版等內容。
這一方面解決了很多公司面臨的“選布難、找布難”的問題，滿足了快時尚背景下“服裝永遠有新款、紡織品永遠有新樣”的要求；
另一方面在模型構建成功後，版樣如需調整，各方人員可共同在“雲版房”中協同審版，並直接給出多種解決方案，大幅提高修改的效率。
同樣，一系列AI工具也正在大幅提高建築空間類設計師的效率：
無論是各種風格迥異的建築設計，尺度或大或小的景觀設計，場景功能各異的室內空間設計……
很多時候設計師只需要在提示詞 prompt“/imagine”後輸入想要的關鍵詞，就能在幾秒鐘內獲得一幅傳承大師風格的效果圖。
相比於其他專業領域對“AI能否取代人工”的恐慌，建築空間設計行業的從業者們大多持樂觀態度。
比如設計師 Stephen Coorlas 就表示：“我將（客戶想要的）這些要點加入Midjourney，它就可以直接匯出客戶想看到的效果；使我無需花費數小時進行圖片搜尋。”
休斯頓大學的 Andrew Kudless 教授也表示：“AI 生成的影像更像是草圖，建築師需要根據不同需求，將這些草圖轉化為具體的圖紙、模型和建造資料。”
面對前所未有的技術革命，不只同學們需要做好準備，連院校方面也在積極應對。
如今，國外無論是綜合大學還是藝術學院，都在積極主動地擁抱人工智慧和其他前沿科技，力求讓藝術設計與之聯動起來，增加學生的職業競爭力。
以香港理工大學為例，該校QS藝術設計學科排名全球第19，同時在USNews排名中高居“港前三”。
作為以藝術學科聞名的院校，港理工也十分重視藝術設計與人工智慧的結合，並與皇家藝術學院（RCA）合作成立了人工智慧設計實驗室（AiDLab）。
AiDLab利用多學科融合的方式為市場提供智慧設計解決方案，為學生提供了從不同學科視角探討設計專業的契機。
比如前面提到的“智慧紡織品”就是AiDLab的研究課題之一，其在2022年末還曾研發出世界首款非接觸式手勢識別發光紡織品，可用於軟系統織物設計當中。
英國方面，大多數的AI專業還是隻針對理工科背景同學招生的，不過約克大學是個例外。
約克開設的 MSc Artificial Intelligence for the Creative Industries 專業隸屬於該校藝術與創意技術學院，並不限制學生的學術背景。
該專業有關AI部分的內容相對基礎，更側重於“如何靈活使用AI”而不是“如何調教AI”，上手門檻較低，不過依然需要有基礎的程式語言能力。
透過案例學習和個人探究相結合的模式，學生畢業後將主要在視覺製作、社交媒體、沉浸式影院、UI/UX設計等領域工作，幫助專案提高效率，有效規避風險。
相比於英國，美國的不少綜合大學都更願意將AI技術與藝術設計融合在一起。
比如康奈爾大學的 MS Design and Technology (MSDT) 設計技術課程的研究方向就覆蓋了人工智慧、數字工具、產品設計、建築材料等課題，
課程為藝術設計背景的學生提供了一個將設計與AI技術相結合的廣闊平臺，使他們能夠在設計與AI交叉領域取得顯著成就，提高職業競爭力。
康奈爾大學 MSDT 課程也是美國目前爆火 STEM 專業之一，
而此類專業在羅德島設計學院、帕森斯設計學院、薩凡納藝術設計學院等院校中也都有開設。
AI的發展日新月異，將來會取代哪些行業和崗位都不好提前下結論；
但是AI畢竟是需要人工調教的工具，根據其底層邏輯：越不容易找到規律的專業往往越難被AI取代。
以使用者體驗 (UX) 設計為例，由於“體驗”是非常主觀的感覺，因此UX設計師們會在專注互動行為的同時，對人因工程學進行探索，來研究使用者痛點；
這就需要進行大量case-by-case的研究，需要消耗大量時間進行總結，而且每一個case之間都很難找到必然的聯絡，因此也不容易被AI總結出規律。
再比如音樂專業，雖然AI現在已經可以生成一些音訊片段，甚至能根據既有的樂庫生成不同風格、不同音域的聲音，
但音樂學科本身更加注重與不同文化、不同國籍、不同風俗背景的人的接觸和交流，
這不僅是AI難以複製的，甚至沒有類似經歷的人也很難從這種知識積澱中獲取靈感，進而去調教AI的資料庫，到知名的音樂學院踏踏實實學習依然是音樂生效率最高的選擇。
