設計思考 Design Thinking 2026-04-09188

當 AI 變成創意的「簡單鍵」，你按下去的那一刻，究竟失去了什麼？

讀完這篇，你會知道：

為什麼讓 AI 替你創意，是一種危險的誤解；
設計思考的哪些能力，在 AI 時代反而變得更關鍵；
面對 AI，你需要培養哪四項新技能，才能真正掌控創意主導權。

思考的起點：你用 AI 創作，還是讓 AI 代替你創作？

兩者看起來一樣，但本質上是完全不同的事。

最近幾年，生成式 AI 工具如雨後春筍般湧現。打開 Midjourney、ChatGPT 或任何一款 AI 創作平台，輸入幾個關鍵字，幾秒內就能得到一張精美的圖、一篇流暢的文案、一段完整的程式碼。效率之高，令人咋舌。但 Stanford 設計學院（d.school）的講師 Glenn Fajardo 在長達數個月的實驗後，提出了一個讓人不安的問題：當我們把 AI 當成創意的「簡單鍵」，我們到底在做什麼？

Fajardo 觀察到一個普遍現象：有些人在 AI 生成了意料之外的結果時，感到真正的驚喜與啟發；有些人對成果反應冷淡，心想「這很酷，但不是我做的」；還有一些人，選了幾個選項，按下生成，便以為自己找到了創意天賦。這三種反應，揭示了人們使用 AI 時，對「創作」這件事的截然不同理解。

Fajardo 的結論直接而有力：當目標只是「生成一個看起來很厲害的東西」，我們就跳過了真正的學習、成長與魔法發生的那段旅程。

創意不只是我們做的事，它是我們是誰的一部分

神經科學告訴我們，創意本身對大腦是一種獎勵。

神經科學研究發現，「注意到新鮮事物」與「在意外中停留」這兩種能力，是創意的核心，而它們會激活大腦中與多巴胺相關的獎勵迴路。從演化角度來看，察覺差異幫助人類適應環境、找到新機會並存活下來。創意並非只是「遭遇新事物」，更是主動選擇面對它，在不確定中導航、塑造想法——這就是「創意能動性」（creative agency）。

心理學家 Edward Deci 與 Richard Ryan 在自我決定理論（Self-Determination Theory）中指出，能動感是驅動內在動機的核心心理需求之一。而 Mihaly Csikszentmihalyi 的心流理論（flow）則指出，深度沉浸的創作狀態，需要挑戰與技能的精準匹配。心流不等於輕鬆。當沒有挑戰時，我們就會脫離狀態。如果把 AI 當成「簡單鍵」，我們恰好會消除那個讓心流得以發生的阻力。

Fajardo 用歷史做了一個精彩的類比：1800 年代中期相機出現時，人們擔憂繪畫會就此消亡。但相機反而解放了繪畫—畫家不再需要精確再現現實，創意選擇轉向了情緒、運動與抽象。印象派、表現主義、立體派、超現實主義，因此紛紛崛起。同樣地，1970 年代嘻哈音樂剛起步時，取樣（sampling）不被認為是「真正的」音樂創作。但 Kool Herc 等 DJ 重新定義了「音樂決策」的意涵—分層節拍、循環節奏、把過去拉伸成全新的聲音。這不是捷徑，而是選擇，是具有創造性的選擇。

新工具不會消滅人類的創意，但會重新排列它。問題是：AI 會把人類的創意，重新排列到哪裡去？

AI 時代，設計思考的能力反而更珍貴

學會用 AI 工具，遠遠不夠。學會「如何思考」，才是關鍵。

Fajardo 指出，許多「AI 素養」的培訓課程，都聚焦在如何寫出好的 prompt、如何使用 Midjourney 或 NotebookLM 等工具。這固然有用，但如果止步於此，我們很可能把「工具熟練度」誤認為「創意能力」。他舉了一個令人深思的歷史例子：柏拉圖的對話錄《菲德魯斯》中，蘇格拉底曾擔憂文字的發明會讓人喪失記憶與思考能力。今天我們都同意，文字確實改變了人類思考，但它幫助的遠多於傷害。文字讓人類能夠進行分析抽象、批判性思考與歷史視角，只是我們不再那麼需要記誦、即席發言，而更需要培養分析思維與反思習慣。

套用到今天：AI 同樣在改變人類需要擅長的事。那麼，AI 時代，人類需要更擅長什麼？Fajardo 的答案，恰好是設計思考的核心能力：好奇心（curiosity）、實驗（experimentation）、觀察（noticing）、反思（reflection）。

以好奇心為例。假設你想為朋友找一份有意義的禮物，你把資訊輸入 AI，得到的卻是一堆普通建議。與其沮喪放棄，你開始對「為什麼感覺不對」產生好奇。這份好奇心成為燃料，帶你追蹤自己的反應、嘗試新方向、在過程中塑造思考。有時，一個原本感覺平淡的出發點，會引向某個出乎意料的、個人化的地方—只要你保持好奇。

此外，AI 讓「邊做邊思考」（build to think）的實驗成本大幅下降。在 d.school 早期，「快速原型」的核心理由是：比起精心規劃，做一個粗糙的原型更便宜、更快速。現在，AI 讓實驗的門檻再次降低。但這引出了一個關鍵問題：當幾乎任何人都能快速、大規模地實驗，是什麼讓一個實驗者脫穎而出？Fajardo 的答案是：提出更好的問題的能力、在意外的模式中找到洞察的能力、在選項之間創造更銳利對比的能力—以及在 AI 製造的資訊瀑布中，不讓好想法在你有機會培養它之前就悄悄流過去的能力。

心理學家 Barry Schwartz 曾提出「選擇過載」（choice overload）理論：更多選擇反而可能導致焦慮與決策麻痺。在 AI 時代，這個問題被放大了無數倍。解方，是刻意創造「有用的差異」—不只是更多選項，而是更有意義的對比。這時，設計思考中的「遠遷移」（far transfer）概念就變得格外有力：把看似無關的領域的原理，帶入你正在探索的問題。例如，用肥皂泡的物理特性來啟發 App 設計，或用單口喜劇的結構來思考氣候政策的溝通方式—讓跨域碰撞，製造「恰到好處的怪」。

面對 AI，你需要培養的四項新技能

不是更快用 AI，而是更有意識地使用它。

Fajardo 在系列文章的第三篇，提出了四項在 AI 時代尤為關鍵的新技能，超越傳統設計技能的範疇，值得每一個用 AI 工作的人認真思考。

一、適當的自動化（Appropriate Automation）

「適當的自動化」不是問「哪些事可以外包給 AI」，而是問「哪些創意選擇，值得我保留親自做的權利」。重複性、繁瑣的工作，交給 AI 無妨。但哪些決定，需要「有人真正理解背後的理由」，才能讓結果發揮它應有的效果、感受、或成為它該成為的東西？這個問題，大多數人從未認真問過自己。技能在於：清楚知道你想要哪些地方更自動化、哪些地方你要留在裡面—並且對每個選擇背後的意圖保持意識。

二、融入循環的投入（Engagement in the Loop）

和 AI 共同創作，不是在「命令」它，而是在「共同塑造」。你提問，你思考，你調整，你以不同的方式聆聽。有時，AI 給的完全不是你要的—甚至是奇怪的錯誤—但這個錯誤照亮了你原本沒想到的路。Fajardo 打了一個比方：如果你把 AI 當吃角子老虎機，你偶爾會中獎，但贏法是隨機的，你無法複製成功。如果你把 AI 當一種有自己行為與質地的新媒介，它就變成了別的東西：一個讓你發現新想法、挖掘更多自己想法的空間，而不只是一個工具。

三、對自己選擇之影響力的覺察（Awareness of Your Choices' Impact）

AI 是一種隨機性媒介（stochastic medium），它的輸出本就有某種不可預測性。但這不代表結果超出你的掌控。你的提示、你的框架、你的回應、你的編輯—它們都在累積，都在引導方向。你或許無法控制每一個轉折，但你可以培養對自己的行為如何塑造整個過程的敏感度。Fajardo 建議一個很實用的練習：在一段深度的 AI 對話進行到一半時，問它：「到目前為止，我貢獻了什麼，你貢獻了什麼？」如果你不喜歡答案，就帶著好奇心去探究為什麼。

四、媒介流暢度（Medium Fluency）

大多數人用 AI，不是為了創作給 AI 看的東西。他們在寫故事、作曲、設計遊戲、拍電影。這意味著，你仍然需要深刻理解你創作的媒介—它的形式、限制、歷史與表達可能性。即使你用 AI 來製作電影，你仍然需要理解電影的「語法」：鏡頭如何創造意義、剪輯與節奏如何塑造觀眾的感受、如何在不平淡化一個場景的前提下把它落地。Fajardo 說得很好：如果 Greta Gerwig 在 AI 時代成長，她仍然會用自己對節奏、語調與情感真實的感知來塑造故事。AI 或許能幫她，但它無法代替她說話。

我們的觀點：AI 是電動腳踏車，不是計程車

你以為 AI 替你踩踏板，但研究發現，你實際上騎得更遠了。

Fajardo 在系列文章的結尾，用了一個令人印象深刻的比喻：生成式 AI 就像創意思維的電動腳踏車。你可能以為電動腳踏車會讓人運動量減少，但研究顯示，人們反而騎得更頻繁、更遠—因為那個助力，讓他們願意出發。同樣地，AI 或許看起來像是在替你創作��但如果用得對，它反而能擴展你的創意邊界，讓你願意嘗試原本不敢嘗試的事。

我們認為，Fajardo 的三篇系列文，帶來了一個在台灣的企業環境中同樣重要的提醒：AI 的普及，並沒有讓「如何思考」變得不重要，反而讓它變得更重要。當每個人都能快速生成內容時，真正的差距，在於你能否提出更好的問題、在意料之外中找到洞察、刻意選擇在哪些地方留下你自己的判斷與品味。

這對中小企業的工作者尤其關鍵。工具的使用門檻越來越低，但思考的門檻從未降低。在一個 AI 能生成無數選項的世界裡，「知道什麼是好的」、「知道什麼對你的脈絡有意義」、「知道在哪裡停下來讓人的判斷進場」—這些，才是真正稀缺的能力。而這些，恰好是設計思考這幾十年來一直在培養的東西。

Stanford d.school 的這三篇文章，給了我們一個重新思考 AI 與創意關係的框架。不是「AI 能做什麼」，而是「在 AI 能做這些事之後，什麼是只有我能做的？」這個問題，值得每一個在工作中使用 AI 的人，認真地、反覆地問自己。