為什麼 AI 工具很強，團隊卻很累？反思設計界的「生產力悖論」

[大衛選讀] 當我們試圖拿通用的工具，去解決高度專業問題；繼續用傳統績效管理的指標，去衡量新的創意價值時，我們就迷路了。

過去這一年，如果你待在設計顧問公司或產品設計團隊，很可能都有這種矛盾感：明明已經導入了一整套強大的 AI 工具，每個人也多少學會了 Prompting，專案執行起來卻沒有變得比較輕鬆，公司的利潤也沒有因此明顯改善。甚至，花在修圖、校對、整理檔案，以及在各種軟體之間來回切換的時間，比起過去反而更多。

別懷疑，你並不是一個人。經濟學家早就替這種現象取了名字，叫做「生產力悖論」(Productivity Paradox)。

就像 90 年代個人電腦剛普及，或更早電力首次導入工廠的年代一樣，新技術剛上線的那幾年，生產力往往不是立刻飛升，而是會先下滑一段時間。

我們正處於那條著名 J 型曲線的底部：已經訂閱了一堆付費服務 、上了各種 AI 線上課程 (投入了成本)，卻還沒真正學會如何重組整個工作流 (尚未回收價值)。

為什麼會卡在這裡？多份研究其實已經點出，設計產業普遍遇到兩個結構性的錯位：一方面，硬是想用「水平式工具」去處理各種「垂直型問題」；另一方面，又把「做得快不快」誤當成「做得好不好」。這兩件事疊在一起，就構成了今天的生產力悖論。

問題一：試圖用「水平式工具」解決「垂直型問題」

這大概是目前設計團隊最常見、也最隱性的痛點。

當我們說要在團隊裡「導入 AI」，在實務上往往只是：幫設計師開了 ChatGPT、Gemini 帳號，然後再配一套給視覺團隊用的 Midjourney、Stable Diffusion 或其他繪圖工具。

但這些，其實都屬於水平式的 Horizontal AI。

它們就像一把功能琳瑯滿目的瑞士刀，什麼都能做一點：寫信、畫圖、改文案、做前端，看起來無所不能。但它們有一個關鍵特性：這些工具本質上是「缺乏脈絡」(Low Context) 的。

對 ChatGPT 而言，你客戶那本厚達 200 頁的 Brand Guidelines 根本不存在；對 Midjourney 來說，它既不知道這個專案必須避開哪些競品配色，也不理解你們公司過去十年累積下來的視覺資產與風格演變。

在它們眼裡，每一個新專案一開始都像是一張完全空白的白紙。

於是，設計師變成了 AI 的「真實世界轉接頭」。我們把大量時間花在提示工程上，一次又一次地嘗試，用文字把所有規則、限制、偏好重新說給一個什麼都不懂、卻又異常聰明的 AI 聽。

結果往往是：畫面乍看之下很厲害，但細節處處錯位誤解；風格也東一塊、西一塊，無法直接商用，最後仍得回頭重修。

解法：擁抱垂直式 AI (Vertical AI)

真正能帶來質變的方向，或許是開始建立或採用 Vertical AI，也就是為特定領域量身打造的「專用大腦」。

這裡談的，已經不再只是一個通用聊天機器人，而是一個帶有足夠「脈絡」與「記憶」的系統：它理解你們公司的 Brand Guidelines，知道客戶的法規限制，熟悉歷年得獎作品與既有風格，甚至內建檢查機制，可以自動避開社會道德上的紅線。

想像一下，你不再需要每次從頭輸入 Prompt，而是面對一個已經讀過你們所有歷年產品、理解 Design System、熟悉元件庫、知道要避開暗黑互動模式的「Design Agent」。

當你要求它產出介面稿時，它不會只給你一張用色鮮亮、卻無法落地的概念圖，而是生成一份遵守 layout grid、沿用既有 token、互動邏輯正確，且符合無障礙規範 AA 標準的介面設計初稿。

現在已經有不少實際導入的案例。像是 Work & Co 幫 Gatorade 用 Adobe Firefly 微調出只「懂」開特力品牌的影像引擎，產出的每一張圖都能符合品牌規範；Zaha Hadid Architects 建築事務所則把 AI 接上自家的參數化設計工具與 NVIDIA Omniverse，讓模型同時理解造型、結構與環境數據，生成真能蓋得出來的方案。

這些例子都在說同一件事：當 AI 被垂直整合進特定領域的工作流，它就不再是玩具，而會變成團隊的第二顆專業大腦。這也是從「小打小鬧玩新工具」跨越到「重構整個設計流程」的真正分水嶺。

問題二：用「工業時代的 KPI」衡量「AI 時代的創意」

第二個問題，牽涉到組織文化與管理制度。如果企業主仍然用傳統工時表，或「產出數量」來評估設計師績效，那麼 AI 的導入幾乎肯定會歪樓。

回到根本，AI 的核心優勢在於「快速生成」。如果你只獎勵速度，AI 就會很忠實地幫你的團隊，以更快的速度生產大量垃圾。過去在工業時代，最重要的是效率，單位時間內產出越多越好；但在 AI 時代，執行的邊際成本幾乎趨近於零。

在這樣的環境裡，「產出」本身已經不再稀缺，真正稀缺的是「策略判斷」與「獨特品味」。

很多團隊喜歡引用聽起來很厲害的數字報告：比如 AI 幫我們節省了多少小時、減少了多少工時成本等等。但如果這些「被節省下來」的時間，實際上只是被重新消耗在更多反覆溝通與重工，那這樣的數字，就只是另一種形式的虛假指標。

解法：轉向認知型 KPI (Cognitive KPIs)

在 AI 時代，設計師的角色，正從 Creator 演化為 Curator。我們需要的，不再只是一套衡量「使用了多少 AI」的標準，而是一套能衡量「如何使用 AI」的新指標，也就是更貼近思考與判斷過程的認知型 KPI (Cognitive KPIs)。

與其只看畫得多快，不如開始關注以下幾個更關鍵的面向：

一是「決策品質」：當 AI 一口氣生出一百個方案時，設計師能否快速辨識哪一個最符合品牌策略與專案目標，而不是只挑自己最順眼的那張，還說不出個所以然來？真正重要的不是產出幾張，而是選得好不好、客戶會不會買單。

二是「策展加值幅度」：在人類設計師介入之後，是否真的能把 AI 的初稿推升到新的層級？如果 AI 給你的初稿已經有 80 分，你又能把它往上拉到幾分？若始終拉不上去，設計師就要意識到，自己很可能已經成為設計創新的瓶頸。

三則是「創意探索廣度」：我們究竟有沒有善用 AI 去探索那些過去因時間與預算所限、根本無法嘗試的創意邊界，還是只是用它來加速生產線，一再複製同一套視覺語言？

這些新的認知型指標，會逼著設計師回到一個核心問題：我們是被 AI 推著跑，還是能利用 AI 主動拉開與其他人的差距？

從對工具的焦慮，到真正的價值再造

有人說「AI 終究不會取代設計師」，我覺得這是一句 100% 的幹話。

真正不會被取代的，是那些「懂得垂直整合 AI，又具備策展思維的設計團隊」。如果你還在拿通用工具拚手速，那確實是該好好想想，下一步要怎麼走。

現在正是最痛、也最關鍵的轉型期。與其期待 AI 像魔法一樣，隔天就讓所有工作變得簡單，不如把這一次衝擊，當成一次「設計流程重構」的契機：開始建立屬於團隊自己的垂直資料庫與品牌大腦，同時把 KPI 從傳統的產出指標，調整為能衡量思考品質與策展能力的 Cognitive KPIs。

當我們不再一味追求「讓設計做得更快、更省時間」，而是把注意力轉向「如何讓設計更精準、更獨特」，生產力悖論的陰影就會漸漸退去。

德國工業設計大師 Dieter Rams 曾說過：好的設計，是盡可能少的設計（Good design is as little design as possible）。

在大量生成的年代，這句話更值得好好反思。」