撰稿人/ 台灣設計研究院 設計研發組 黃柏倫 研究員


AI 能產出研究內容不等於適合協作，Design R&D Lab 在「產品小助手」的第一階段研發中，透過競品、功能、使用情境與痛點分析，以及五位設計師實際測試，逐步整理出 3 個人機協作原則：

• AI 要讓人看得出答案有多可靠

• 在關鍵判斷上保留設計師的選擇權

• 把分析結果設計成可快速閱讀、也能回溯證據的資訊

生成式 AI 正快速滲透設計工作。Goldman Sachs 於 2023 年的分析指出，設計相關產業有 26% 的工作內容可能被 AI 自動化，但這個數字說的是「AI 能做到什麼」，沒說「用不用得順」。

這一年多，我們一直在嘗試把 AI 放進設計研究流程。第一階段先處理一個很基本的問題：AI 能不能穩定找到資料、完成分析，並產出設計師可以使用的研究結果？

當這件事逐漸做得到之後，使用者測試也把問題帶到了下一層：分析能產出，不代表它已經形成一個適合設計師的協作方式。


 

AI 給出的答案，設計師怎麼知道可不可靠？

圖 1｜ 讓設計師看得出資料從哪裡來，也看得出 AI 知道到哪裡。

設計研究本來就常常發生在資料不完整的情境裡。第一版 workflow 因此先採取較嚴格的資料檢核，希望確保進入分析階段的資料具有足夠完整度；但當測試逐漸擴大到更多產品類別，我們也看到「流程真的失敗」與「研究資料本身有限」需要被分開處理。

市場上只有少數案例，不代表整份分析沒有價值。現在如果資料不足，我們會讓分析繼續進行，同時清楚標示樣本與資料限制。

隨著分析再往使用情境、痛點甚至設計機會前進，我們也開始注意「不可推論邊界」：有資料，不代表每一層結論都能直接成立。

例如使用者明確抱怨掃地機器人會卡在地毯邊緣，這可以被視為一個觀察到的痛點；但從這句話一路推成特定 Persona、生活型態甚至產品功能，就需要更多證據。

因此 Citation 對我們來說，不只是報告最後有沒有附網址，而是能不能讓設計師看得出：哪些是資料、哪些是推論，以及從資料到結論之間走了多遠。


 

AI 應該自己往前走，還是停下來問設計師？

圖 2｜ AI 協助展開可能方向，但關鍵選擇仍保留給設計師。

競品分析其中一個版本裡，我們曾測試讓 AI 在輸入較模糊時主動收斂範圍，希望降低使用者反覆補充資訊的操作成本。

實際測試後，我們看到另一面：在設計研究前期，「還沒有收斂」有時本身就是設計師當下的狀態。

輸入「筆電」，可能是想看整體市場，也可能還在比較遊戲、商務與輕薄等不同方向。因此我們逐漸把原則調整為：AI 可以整理可能性、說明採取的假設，但真正會大幅改變研究方向的選擇，應保留給設計師。

訪談也讓我們看到，設計研究並不存在唯一固定的分析順序。有人先看競品，有人從情境開始，同一位設計師面對不同專案也可能改變順序。

這讓我們更傾向把競品、功能、情境與痛點視為可以重新組合的分析能力，而不是一條寫死的流水線。

真正需要拿捏的，不是「人要不要介入」，而是什麼時候值得讓人介入：明確、低風險的工作可以讓 AI 往前完成；遇到資料衝突、推論跨度太大，或會改變研究方向的判斷，再交還給設計師。


 

AI 已經分析完了，為什麼還需要設計輸出？

圖 3｜ 先看重點、再深入細節，最後回到原始證據。

第一階段我們刻意先讓四種分析產出相對完整的報告，保留足夠多的研究內容，才能透過實際操作觀察設計師怎麼閱讀、哪些資訊會被採用、哪些地方需要再往下找。

測試很快讓我們看到：分析能產出，跟分析能不能被順利使用，是兩件不同的事。

當摘要、洞察、案例、數據與引用都出現在相近層級，即使內容很多，設計師仍然可能不知道先看哪裡，也難以快速找到值得深入的地方。

因此下一階段的問題不再只是「AI 能產出多少內容」，而是「不同深度的內容，要在什麼時候被看到」。

我們現在更傾向把分析分成兩層：

• 上層依照當下問題整理成摘要、比較、圖表或幾個探索方向。

• 下層保留完整、結構化、可以追溯來源的研究素材。

設計師不需要一開始看到全部內容，但當某個判斷真的要被拿去做設計決策時，應該能一路往下找到分析依據與原始證據。

對我們來說，資訊設計因此不是單純把內容刪短，而是：讓第一眼看到的東西夠聚焦，同時讓背後可以追的研究內容夠完整。


 

我們真正想研究的是什麼？

圖 4｜ 可信度、判斷空間與資訊設計，構成設計師與 AI 的協作基礎。

回頭看這三件事，產品小助手對我們來說也慢慢不只是一個要被完成的工具，而是一個反覆測試 AI 與設計師協作方式的研究載體。

透過一次次把分析做出來、交給設計師使用，再把使用結果帶回下一輪設計，我們才有機會知道哪些事情適合交給 AI、哪些判斷需要留給人，以及不同分析能力該怎麼被組合。

我們現在還沒有最終答案，但至少有一件事越來越清楚：
AI 可以幫設計師做更多事情，而要讓這件事真正產生價值，我們也需要同時把「怎麼一起工作」設計好。



參考資料：
Goldman Sachs Global Investment Research（2023 年 3 月），"Arts, design, entertainment, sports, and media" 產業自動化曝險 26%，整理見 Visual Capitalist: Ranking U.S. Industries by Their Potential for AI Automation