[大衛選讀] 話說這一兩年我參加了不少設計培育競賽的評審，常常會遇到同一種失望。提案簡報打開，視覺震撼得不得了。Midjourney 生成的概念圖、Figma Make 跑出來的原型、Sora 做的情境影片，一個比一個還精緻。
但只要稍微追問一下：
「這個長照裝置，照服員加班到晚上 10 點還會想用嗎？」
「這個流程總共有七步，使用者如果中途放棄了會怎麼辦？」
整個提案就塌了。
這不是學生不認真，而是他們從來沒有被逼著，去好好想過這些問題。接下來我想聊的是：這件事為什麼在 AI 時代會變得特別嚴重，以及這些年親手帶人、做設計之後的一點反思。
沒了摩擦力，設計的判斷力也容易一起弄丟
做設計這件事，以前有一層很重要的摩擦力。
你腦袋裡想到一個很炫的概念，這時候必須手繪、必須做模型、必須用繪圖軟體一頁一頁刻出來。過程中會自然遇到各種「做不出來」、「邏輯不通」、「比例怪怪的」。
這些卡關，會逼你在動手的過程中，默默把腦袋裡的概念打磨修調成真正的現實。
換句話說，設計師的判斷力不是讀理論讀出來的。它是在一次又一次「做出來發現不對、再改、再做」的過程中長出來的。沒有這些過程，你永遠不會知道什麼叫「這個比例怪怪的」、什麼叫「這個互動用起來腦袋會打結」。
AI 來了之後，把這層摩擦力幾乎全部拿掉了。
Nielsen Norman Group 去年一篇文章標題下得很精準：「Good from Afar, But Far from Good」，意思是：遠看很好，近看完全不行。AI 產出的原型外觀上像成品，但底下缺乏真實產品需要的結構、邏輯和實用考量。
說白了，這就是大家常常感覺到的「AI 很豐滿，但現實很骨感」。
科技圈追求無縫流暢的使用體驗，追了十幾年，確實一切越順越好、越無感越好。但把同樣的邏輯套到學習上，災難就發生了。
當你想到什麼、AI 就給你什麼，一路超順的狀況下，你根本沒機會發現「這個想法哪裡不太對」。
久了，你不只是沒學到，而是連「分辨什麼是真的好」的能力，都一起弄丟了。
AI 是好是壞，取決於你踩過了多少坑
講到這裡，你可能會想問：那 AI 到底是不是壞東西？
當然不是。我自己每天都在用 AI 輔助設計跟研究，從訪談分析、初期 brainstorm 到簡報潤稿，全都在用。
但我有一個前提：那是在踩過很多年的坑之後，才開始用 AI 的。
所以我會知道，什麼叫「這個介面怎麼改都不對勁」、什麼叫「使用者訪談做完，發現一開始的假設全錯了」、什麼叫「設計提案很漂亮，但是工程上應該做不出來」。
因為這些坑都踩過，所以當 AI 給我一個看起來很棒但其實不成立的提案，我能很快看出哪裡虛、哪裡實。
但對一個還沒踩過坑的學生呢？
AI 給他什麼，他們就只能信什麼，因為沒有判斷的基準線。更糟的是，AI 讓提案「看起來很像樣」，於是他們幾乎不太有機會去撞牆跟反思。
同一個工具，在有經驗的人手上是「加速器」，在沒經驗的人手上就只是「柺杖」。這才是問題的核心。
其實 100 年前，Bauhaus 就處理過一模一樣的問題
這個「新工具來了，該怎麼教學生」的困境，不是今天才有的。
1919 年的德國也在經歷一樣的轉折。當時工業化把手工活全部自動化了，設計師面臨的問題跟今天很像：「如果機器能做出任何東西，那設計師還要會什麼？」
這時候有一位德國建築師站了出來，他叫 Walter Gropius。他自己就在技術變革的最前線，設計過當時最前衛的工廠建築、也是現代主義設計的開創者之一。
面對這個時代大哉問，Gropius 端出的解法很反直覺。他沒有先教學生用新機器，而是設計了一堂為期一年的「預備課程, Vorkurs」。
所有新生，不管後來要進哪個工作坊，都必須先修這堂課。
內容很奇怪：不教你設計東西，而是讓你跟材料搏鬥一番。像是把紙搓揉、撕扯、燒；研究玻璃、金屬、木頭的物理特性。學生要先花一年體會「材料會反抗你」這件事，才被允許進入工作坊，用那些漂亮厲害的新機器。
不得不說，Gropius 當年真的抓到了關鍵：東西做得出來不難，真正難的是，判斷這東西值不值得做。
而這種判斷力，只能從實作當中反思出來。
這件事後來有位社會學家也觀察到了。他叫 Richard Sennett，花了一輩子在研究「人怎麼在工作中，長出能力」這件事。他有個觀察我一直記得：
真正的手藝，是你跟材料之間一來一往磨出來的。
木頭會刮手、顏料會跑色、螢幕上的介面會讓使用者卡住。這些抵抗不是阻礙，反而是你學會判斷力的重要管道。
AI 把這些抵抗全部拿掉了。跟真實世界的對話沒了，判斷力自然也很難長出來。
評審的新任務：從挑漂亮，到看穿漂亮
讀到這裡你可能會想：那這件事到底是誰的責任？是學校、老師，還是學生？
我會說，這不是單一的問題，而是一個結構性的時代難題。
我自己做為評審，能觀察到的是「最後交出來的提案長什麼樣」。然而這兩年看下來，AI 生成的華麗簡報越來越多，但追問下去能站得住腳的比例，卻沒有等比例提升。
至於學校裡到底發生了什麼，老實說我沒有立場評論。每間學校的情況都不一樣，用一句話概括並不公允。不過真要誠實，我想先問自己：做為評審，我們是不是也在不知不覺中，獎勵了那些「看起來很厲害」的提案？
以前「看起來很厲害」有一個隱形的保障。要做出漂亮的東西，本身就需要時間和功力的累積，所以光鮮某種程度上就等於實力。
但 AI 把這個連結打斷了。
現在一份「看起來很厲害」的提案，可能是三個月打磨的心血，也可能是昨晚 AI 生出來的。攤在評審桌上，很多時候分不出來。
所以這件事最大的挑戰，其實不在學生那端，而在我們這些看提案的人身上。當「光鮮」可以一個晚上生出來，評審的任務就不再是「挑出做得最漂亮的」，而是「看穿哪些漂亮背後有真東西」。
這比以前難太多了。我常常評完一份提案回家，心裡還在問：面對這一個世代的設計師，我們到底該用什麼眼光去給他們真正好的建議？這真的是頗難。
我的實務建議是，找到那些 AI 幫不上忙的練兵場
那實務上要怎麼辦？
這些年我帶過不少年輕設計師，觀察到一個現象：真正成長最快的，往往不是各類工具學得最快的那個，而是願意去撞牆的那個。
撞牆的意思是，願意跑去現場看客戶實際怎麼做、願意跟客服坐兩小時聽使用者抱怨、願意被工程師洗臉五次把提案改到真正可行。
這些過程都很慢、也很挫敗。但真正的判斷力，就是從這裡開始一點點磨出來的。
所以如果你是年輕設計師，我的建議很簡單：先讓自己在沒有 AI 的狀態下做完一個完整的專案。從訪談、研究、原型、被退件、改版、到交付。整個流程走完一次，再讓 AI 進來幫忙。
這時候 AI 就不會是你的柺杖，而是你的加速器。因為你已經知道什麼叫「這個提案哪裡不成立」，自然看得懂 AI 產出哪裡虛、哪裡實。
如果你是帶人的主管，我的建議是：給年輕設計師一些「AI 幫不上忙」的任務。派他去跟使用者聊、去看實際場域、去跟工程師討論每一項設計限制。
說到底，AI 代勞不了的那些場景，反過來其實就是最好的練兵場。
結語：AI 時代，什麼才是設計的真本事？
設計師在 AI 時代的新功課，其實不是做得更快、做得更漂亮。
是看得更準。
看準一個題目值不值得做、看準一個解法撐不撐得住、看準一個團隊跑不跑得動。這些事決定了產品會不會上線被罵、決定了專案會不會做到一半要重來、決定了一個設計師能走多遠。
弔詭的是，這種看得準的能力，AI 還真的幫不上忙。
AI 可以把你要三個月做的事壓縮到三天，但「看得準」這件事，沒辦法從三年壓縮到三個月。它沒有捷徑，只能靠一次次真實的經驗、一次次真實的失手，慢慢養出來。
這也是 AI 時代一個很微妙的落差：每個人的「產出速度」都被拉到差不多的水準，但每個人的「判斷水準」還是差很多。這個落差，就是藏著真本事的地方。
所以下次你覺得 AI 很強、什麼都能做的時候，不用焦慮。真正值得擔心的，不是 AI 會不會取代你，而是你有沒有在 AI 讓你覺得很爽的同時，還願意去做那些讓你不爽、但長得出判斷力的事。
AI 的豐滿是免費的。而現實的骨感，才是真本事。
