【2023 Figma 大會】AI 輔助設計的新興思潮

如果讓 AI 接手重複性高的工作，對於工作效率及流程肯定助益很大。在這近 40 分鐘的演講中，兩位講者與我們分享在這段時間對於 AI 的研究，她們的觀察除了更深刻的發掘 AI 應用，還提及現階段 AI 的弱點也是我們需思考注意的，如此才能確保 AI 被正確的運用。

講者介紹

Jane Davis，現職為 Great Question 的正式研究員，過往曾在 Zoom、Zapier 主導使用者經驗研究及內容設計團隊，及帶領 Dropbox 的成長研究團隊，擁有豐富的數位轉型經驗。

Jane 首先先開宗明義地說她其實沒有到“那麼”喜歡人工智慧（還請現場的各位保守這個秘密ＸＤ），反而認為現階段還有許多問題待解決。我們首先需要認知到這些問題，才有可能繼續用正確的方式前行。

AI 會有哪些問題？

AI 讓創意性質的工作被貶低了
無法正確提供資料來源
阻礙真正的學習（Jane 找到一篇關於 Github copilot 的研究提到人們的編程能力越來越差，就是因為 AI 沒辦法告訴我們，為什麼是這樣編程、為什麼做這個決定）
帶來不切實際的期待（就像各位或許常常聽到公司上級問：「我們用 Midjourney 做不就好了嗎？」「這可以叫 ChatGPT 寫吧？」）
最關鍵的是，有時候 AI 出來的結果就是很爛

所以我們到底怎麼看待 AI？運用 AI？ AI 的前景在哪裡？

先來談談 AI 的現況，我們可以得知：

目前並不是所有人都在應用 AI
那些已在運用 AI 的人，也還是持一個保留態度
AI 不只是熱潮，AI 工具已經有實際用途了
但熱度炒作的成分還是很多，所以找到實際符合需求的應用很重要

來聊聊要如何在設計中使用 AI 吧！

Jane Davis 的研究從設計產業出發，觀摩 AI 工具的實際使用案例，研究方法為找來 12 位已在工作情境中使用 AI 參與者，針對產品設計、使用者經驗研究進行深度訪談。從研究中得到了以下結論：

如果對 AI 得出的成果沒有把握、無法評估，則不要使用 AI：在使用 AI 的同時別忘了從使用者的角度思考，確保品質的水準。
使用 AI 工具時，要有計畫性的減少偏見，而不只是修正不準確的地方：因為 AI 工具背後的數據龐大且不透明，從 input 到 output 的過程無法完全掌握，因此有必要檢視最後的成果是否隱藏著偏見。
注意！數據即產品：我們輸入的數據將成為 AI 工具訓練材料的一部分，因此在道德上是否把資料輸入是必須考量的。
保持實際的觀點：把 AI 看作是輔助工具，而非生成工具，排除不切實際的想像。

如果沒有能力評估 AI 生成的結果是好是壞，別使用 AI。

AI 給出來的成果，可能大部分是好的，但總有一小部分尚待加強。使用 AI 工具必須持續檢查、持續評估哪些是可使用、可信的，並針對有誤的部分進行修正。除了容易判斷的錯誤部分，也要注意成果是否包藏偏見。由於無法完整得知 AI 工具所提供的觀點有哪些偏見，我們也不該過度依賴。總而言之，AI 工具在使用上有諸多需考量的點，而最重要的就是：AI 的成果必須經過評估檢視。