分類: Education 教育

在設計競賽評審桌上，我發現 AI 時代最缺的是「摩擦力」

[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？

閱讀全文 在設計競賽評審桌上，我發現 AI 時代最缺的是「摩擦力」

設計師怎樣才算資深？

[大衛選讀] 設計師怎樣才算資深？這大概是每半年做績效評估時，都會被反覆詢問的問題。

有些團隊用做過多少案子，待了多長時間來評估。我自己則是看專業能力與實務經驗，同時去衡量設計師在團隊內外的影響力。對我來說，資深與否並不是看有多會做設計，而是能夠發揮多少設計專業的影響力。

Getting to Senior in UX 這篇分享簡報，很清楚地列出了資深設計師的幾項特質條件，以及如何練習培養。關鍵包含：形塑自己的觀點、成為他人的教練與導師、參與領導、透明溝通、積極面向大眾等。

重點摘要整理如下，全文連結：https://docs.google.com/presentation/d/1v3SlMKO5_9zrEJINhaOlT-YIA0UZi2Qpiv_gYCJMiCI/edit?usp=sharing

Getting to Senior in UX 如何晉升到用戶體驗的資深職位

資深並不等於管理。在一個資深的工作角色中，你會被期望能夠：領導他人 (lead people)，掌握設計實務 (shape practice)，以及在組織內作為設計專業的代表。有機會的話，還期待能讓設計團隊在外界有不錯的形象。

以上這些加總起來，也就等於更大的影響力 (more impact)。

至於要如何讓自己成為人們想要招募、提拔、一起合作的資深專業角色？以下是幾個關鍵的要點：

形塑自己的觀點 (Becoming Opinionated)

一位資深的用戶體驗專家，本身應該是設計實務作法的權威(their own authority on good practice)。

對於設計該如何做，他們能自信地分享深思熟慮後的看法，無論是以書面簡報呈現，還是在日常的對話當中。他們也可以自在地引述其他人的觀點，無論是否完全認同。他們對於自己言之有物、有所依據的程度，有著相當的自知。

同時，他們也知道凡事絕對不只有一種正確的作法，但他們會負責果敢地採取一個清楚的立場。(There’s never only one right way, but they take a position.)

如果想要練習如何形塑觀點，可以試著問自己：你曾見過哪些成功或失敗的設計案例，當時是在怎樣的情境脈絡下？你是否能分析解釋其中的關鍵因素？

更進一步，可以試著去對你心目中的英雄，以及身邊的夥伴，提出正向的批判 (critique)。像是：既使是你最崇拜的專業人士也還有哪些不足？跨專業的夥伴能夠合作順暢的背後，到底是什麼工作方式發揮了關鍵效果？

閱讀全文 設計師怎樣才算資深？

臨場決策是一種技能，你有好好訓練這樣的能力嗎？

[大衛選讀] 能否有效閱讀場上的比賽，往往是球員臨場表現好壞的關鍵。有時候我們會說某個球員的視野好，能有效預判情勢、有創意地打出絕妙好球。這是靠天生的直覺嗎，還是後天的經驗學習？

Decision Making Is a skill. Do you train it? 這篇文章把所謂的能讀懂比賽 (read the game)，視為是決策技能的展現，並且拆解成情境評估 (Situational Assessment) 和決策制定 (Decision Making) 的能力。

與其說這能力只特別適用在球場上，我倒覺得所有的PM, Lead, 資深專業工作者，都需要這樣的現場決策技能，才有辦法在臨場會議討論、提案簡報對談中，預測接下來可能發生什麼，並選擇正確的行動。

重點摘要整理如下，全文連結：https://www.linkedin.com/pulse/decision-making-skill-do-you-train-jack-birtwhistle/

Decision Making Is a skill. Do you train it?

臨場決策是一種技能，你有好好訓練這樣的能力嗎？

對許多運動員來說，如何下決策 (decision-making) 是一種核心技能。例如足球、橄欖球和籃球等運動，運動員需要迅速評估當下情況並選擇適當的行動。然而場上的情況是高度動態的，隊友、對手和裁判都在獨立做出決策和採取行動，每秒鐘的情勢都在改變。

人們往往會說有些選手比其他人，更能讀懂比賽 (read the game)。他們似乎能預知接下來會發生什麼，並總能比對手快上一步。這是真的，但這能力並非是天生就有的。

決策是一種技能。這些運動員不是魔術師。無論是透過天賦、經驗還是專門的學習，也可能三者兼備。這些選手都培養出了頂尖的感知認知技能 (perceptual-cognitive skills)，使他們能夠準確地進行情況評估，預測接下來可能發生什麼，並選擇正確的行動。

當他們在場上比賽時，似乎時間的流動變慢了，他們比對手有更多的時間餘裕。從某種意義上說，他們確實有，因為他們的腦袋能自動流暢地閱讀和反應 (reading and responding)，而不需要停下來思考。

那麼我們如何培養這種特殊的技能組合呢？首先，我們把它拆解成兩個部分：情境評估 (Situational Assessment) 和決策制定 (Decision Making)。

閱讀全文 臨場決策是一種技能，你有好好訓練這樣的能力嗎？

AI 即將大幅改變教育與學習，我們必須做好準備

[大衛選讀] AI 對於教育會有什麼影響？這是一個很有急迫感的問題。相較於在企業內，使用人工智能來協助工作，通常是一個正向樂觀的期待；在教育領域上，則充滿了各種挑戰跟不確定性。

史丹福大學 – 以人為本人工智慧研究院 (Stanford HAI, Human-Centered AI Institute) 在今年二月舉辦了AI+Education Summit. 在一整天的工作坊交流中，各方教育專家深入討論了 AI 改變教育的潛力，以及在這過程中可能面臨的風險。

在教育上，AI 可以帶來的改變是很巨大的。用得好的話，將給予老師前所未有、高度個人化的即時支援；同時也逼著學習者必須去重新思考，什麼才是真正重要的東西。

然而，這才剛剛開始。一切都開始快速變化中；現在是時候，在教育上要去做正確的努力了。可以好好細讀想想，怎樣跑在前面，幫我們的孩子去更好地走在 AI 的浪頭上。

重點摘要整理如下，全文連結：https://hai.stanford.edu/news/ai-will-transform-teaching-and-learning-lets-get-it-right

AI 即將大幅改變教育與學習，我們必須做好準備

在 AI+Education Summit上，史丹福的研究人員、學生和產業領袖討論了 AI 改變教育的潛力，以及在這過程中可能面臨的風險。

直到2月15日峰會舉行的時候，ChatGPT已經擁有超過一億個用戶，30%的大學生已經用它完成作業，讓它成為有史以來成長最快的新科技應用，特別是在教育場合中尤其明顯。現在在教育界，教師和學校一直在思考如何應對這種新興技術。

AI+Education Summit 探討了一個核心的問題：如何善用 ChatGPT 和其他的 AI 來促進人類的學習？

很明顯地，新科技可以讓教育變得更加普及，從根本上改變、創造出全新的教學方式；但 AI 也有可能會把很糟的教學模式變得自動化、為更多人帶來負面的影響。這端看我們怎麼運用它。

首先，來看看AI的潛力：

潛力一：為大量教師提供個人化的支援

模擬學生 (Simulating students)：AI 語言模型可以作為模擬的實習生，幫助新進教師進行實務訓練。去反覆模擬教學過程中的混亂狀況，並且主動發問各種延伸問題。

即時反饋和建議 (Real-time feedback and suggestions)：AI 也可以根據實際教學狀況，結合專家教學資料庫，給台上的老師提供即時的反饋跟建議，像是當下合適的幾個引導問句等。

教學後反饋 (Post-teaching feedback)：AI 可以產生課後分析報告，總結這堂課的整體動態。像是：學生的發言時間、辨別出引發最多參與的問題等。

更新專業知識 (Refreshing expertise)：AI 可以幫助教師跟上專業領域的最新進展。例如，生物老師可以讓 AI 幫忙補充他們對最新癌症研究的了解，或利用 AI 來更新課程內容。

閱讀全文 AI 即將大幅改變教育與學習，我們必須做好準備

Don Norman談人工智能與設計

[大衛選讀] Don Norman是認知科學與使用者體驗設計的重要人物。他是 「情感設計」和 「使用者中心設計」概念的主要推動者，對設計思維、使用者體驗、人機互動等領域產生了深遠影響。

在這個課程影片裡，Don Norman談到人工智能在設計中的應用，以及在人人都可以做設計的年代，專業設計師所需肩負的重責大任。

重點摘要整理如下，全文連結：https://www.interaction-design.org/literature/topics/ai

現在的互動設計師正以各種方式，使用人工智能技術。人工智能改進了網路搜尋、串流服務和其他平台的搜尋演算法。AI 能幫助分析上兆位元組的數據，找出人類大腦無法找出的模式。

毫無疑問的，人工智能將改變用戶與產品和服務的互動方式。

人工智能語音助手和聊天機器人，就是能針對用戶的輸入，做出即時反應的介面範例。使用經驗設計師 (UX Designer) 透過設計語音助手的聲音表徵，以及功能特性，以進一步吸引用戶。儘管聊天機器人僅是以文字呈現，但它們仍然需要在產品使用情境中，貼近人們能感知的常理。就像任何介面一樣，設計師希望創造出，用戶信賴而且喜歡使用的使用者體驗。

「有一個非常簡單的公式，可靠度加上專業度，等於最後感知到的可信賴度 (perceived trustworthiness plus perceived expertise will lead to perceived credibility)。由於人工智能是為了服務人類，我無法想像在哪種情況下，用戶體驗設計會不重要…  如果搞砸了用戶體驗設計，不管你的人工智能技術有多厲害，都是沒有意義的。」- Dan Rosenberg, UX Professor at San Jose University

閱讀全文 Don Norman談人工智能與設計