AI 時代的產品打磨：不被說「很有 AI 感」、做出會被選擇的作品的 7 個實踐
文字、圖片、設計、程式碼，如今只要用 AI，幾分鐘就能得到像樣的成果。網站、文章、App、廣告橫幅……我們身邊充斥著借助 AI 做出來的數位作品。
另一方面，「很有 AI 感」這個說法已經完全變成了負面評價。似曾相識的設計、內容空洞的文章、不自然的圖片。使用者能敏銳地分辨出這些東西，直接滑過，有時甚至會感到反感。
那麼，是不是乾脆不用 AI 比較好？答案很明確：不是。AI 還會不斷進化，不用它的理由會越來越少。真正要問的不是用不用，而是能不能把用 AI 做出來的東西，打磨成會被選擇的東西。
本文以積極使用 AI 為前提，思考要把作品做成使用者願意接受的產品，應該做什麼、需要注意什麼。
本文重點
- AI 是應該毫不猶豫去用的工具。但人人都能用，所以用 AI 這件事本身已經不再是差異化。
- 使用者討厭的不是 AI，而是平庸、不為任何人而做、細節粗糙所透出的「敷衍和不負責任的感覺」。
- 把做素材和檢查交給 AI，提出問題、做出選擇、承擔責任則由人來負責。本文介紹為此而做的 7 個實踐。
註：本文由 GeckoFlag 的開發者撰寫。
AI 是應該毫不猶豫去用的工具
首先作為前提，AI 的用處是顯而易見的。
- 速度：幾分鐘內就能拿出多種初稿和草圖
- 數量與全面性：列出能想到的各種選項，讓你發現遺漏
- 檢查：指出文章的錯字、程式碼的缺陷、無障礙方面的問題等
- 專業以外的輔助：自己擅長領域以外的知識，也能馬上觸手可及
- 多語系化：可以作為翻譯初稿，也能為面向各國的調整提供線索
而且，這些能力每年都在提升。即使是小團隊或個人，也能挑戰過去只有大組織才做得了的規模的工作。沒有理由不用它。
不過，這裡有一點需要記住：同樣的工具，誰都能用。你能用的 AI，競爭對手也能用。用 AI 這件事本身已經不再是差異化。拉開差距的，是在 AI 給出的東西之上，你接下來又加了什麼。
為什麼「AI 感」會讓人反感
當使用者覺得「很有 AI 感」而離開時，他們討厭的並不是 AI 本身，而是從作品中透出來的幾種「訊號」。
似曾相識
AI 的輸出容易偏向所學資料的「看似合理的平均值」。大家用類似的指令、用類似的工具，結果自然越來越像。勻稱卻記不住。這是第一個訊號。
看不出是給誰的
「對誰都適用」的內容，反過來說就是「不為任何人」的內容。不深入讀者的處境和煩惱，只羅列一般論，使用者就會覺得「說的不是我」。
看似像樣，卻沒有內容
標題整齊，文字流暢。可是沒有具體的數字，沒有真實的經驗，也沒有明確的結論。讀完什麼也沒留下的文章，並不是 AI 才有的，以前就存在，但 AI 讓它的數量一下子增加了。
細節粗糙
圖片裡不自然的地方、沒有意義的圖示、不合語境的按鈕文字、沒有考慮空狀態和出錯情況的畫面。細節的粗糙，會讓人感到「沒有人從頭到尾看過」。
這些訊號累積起來，使用者就會認為「這個產品不是為我用心做出來的」。也就是說，讓人反感的不是 AI，而是敷衍和不負責任的感覺。
被選擇的產品有什麼共同點
反過來，那些雖然用了 AI 卻依然被選擇的產品，有一些共同的特點。
有第一手資訊
實際用過的結果、在現場看到的東西、從使用者那裡聽到的聲音、自己從失敗中學到的教訓。AI 沒有的資訊，本身就是價值。第一手資訊，無論 AI 怎麼進化，都無法替你準備。
有觀點和判斷
「為誰而做」「重視什麼、捨棄了什麼」都很清楚的產品，能讓人感受到製作者的意志。它選擇的不是想讓所有人都滿意的平均答案，而是能深深打動特定某些人的答案。
細節有意圖
每一個按鈕文字、每一則錯誤訊息、每一處留白的方式，都有理由。事先想到使用者可能卡住的地方，並預先處理好。這些細節的累積，會帶來「做得很用心」的信任。
有一致性
文字的語氣、設計的調性、操作的手感，無論看哪裡都統一。只是把讓 AI 分別做出來的零件拼湊在一起，很難產生這種一致性。
看得到製作者的責任
是誰在做、詢問時會不會回覆、有沒有持續改進。看得到製作者的面孔和責任，是使用者能放心選擇的一個重要理由。
交給 AI 的事，人要握在手裡的事
要在充分利用 AI 的同時做出會被選擇的產品，捷徑是把分工劃分清楚。
| 環節 | 可以交給 AI 的事 | 人應該握在手裡的事 |
|---|---|---|
| 企劃 | 列出選項，整理競品和案例 | 決定作品是為誰、為什麼情境而做 |
| 製作 | 大量產出初稿、草圖和底稿 | 選擇採用哪個、捨棄什麼 |
| 收尾 | 找出錯字、用詞不統一和可能的缺陷 | 調整語氣和細節，營造一致性 |
| 檢查 | 依檢查清單進行全面確認 | 實際用用看，確認體驗上沒有違和感 |
| 發布後 | 將回饋分類和摘要 | 決定修改什麼的優先順序，負起責任去改進 |
關鍵在於，提出問題、做出選擇、承擔責任這三件事，人不能放手。AI 是出色的製作者，也是出色的檢查員，但決定「這樣可以推出了」的，是人的工作。
打磨產品的 7 個實踐
1先用一句話決定「為誰、在什麼情境」
在請 AI 做任何事之前，先用一句話寫下「誰、在什麼情境、遇到什麼困難時用它」。例如：「第一次導入專案管理工具的、約 5 人製作團隊的負責人，正在尋找向主管說明的資料時」。這句話如果模糊，AI 的輸出也會變得平庸。
2把 AI 的初稿當作「素材」
AI 的第一份輸出，可以說就是平均值。停在那裡，就只能得到似曾相識的東西。把初稿看作不是成品，而是還要刪減、重組的素材吧。
相關如何從 AI 給出的方案中做選擇、並留下選擇的理由，在連載「與 AI 協作的團隊任務管理」第4篇「AI 給出的方案不是『成品』，而是『判斷素材』」中有說明
3加入第一手資訊
自己的經驗、真實的數字、沒做成的故事、客戶隨口說的一句話。哪怕只加入一則這樣的資訊，作品也會一下子變成「我們自己的東西」。
4刪減
AI 擅長做加法。它會增加標題、疊加說明、再補上以防萬一的注意事項。正因如此，刪減的判斷要由人來承擔。果斷拿掉與想傳達的內容無關的部分，想傳達的內容才會凸顯出來。
5在細節裡放入意圖
按鈕和訊息的文字、沒有資料時的顯示、出錯時的引導、載入中的呈現方式。越是使用者實際接觸的細節，越容易維持 AI 輸出的原樣。逐一思考「在這個情境下使用者會有什麼感受」，再動手修改。
6自己用、自己讀、自己唸出來
製作者自己以使用者的身分，把做出來的東西用用看。如果是文章就唸出聲，如果是 App 就在實際工作中使用。只在螢幕上看著發現不了的違和感，一用就會顯現出來。發現的違和感當場記下來，一個一個改。
7決定自己的「風格」和「不用的東西」
語氣、設計的調性、常用的說法，以及反過來不用的說法和表達，在團隊裡決定好並共享。把這些也反映到給 AI 的指令裡，從輸出階段起就能更接近自己的風格。不過，也要時常回顧，以免風格本身變成新的「範本」。
打磨時的注意事項
不要把「去除 AI 感」當作目的
重要的不是隱藏用過 AI 的痕跡，而是為使用者增加價值。故意加入錯字讓它看起來像人寫的、捏造虛構的經歷和使用者心得，這類「偽裝」一旦被發現，會嚴重損害信任。打磨不是掩飾。
查證事實和權利
AI 有時會信心十足地給出看似合理的錯誤。數字、專有名詞、引用、規格，一定要用原始資料查證。另外，生成的圖片和設計是否與既有作品或商標相似、是否涉及真實人物，這類權利方面的確認也不可或缺。
事先想好如何說明用過 AI
依地區和平台的不同，開始出現要求標示內容由 AI 生成的情況。與其在隱瞞和公開之間二選一，不如做到能說明「哪裡用了 AI、哪裡由人判斷、由誰負責」，這樣最終才能贏得使用者的信任。
不拚數量
用 AI，文章和頁面都能大量製作。但無論是搜尋引擎還是使用者，對只是大量產出的空洞內容都越來越嚴格。從長遠來看，10 篇有深度的文章比 100 篇平庸的文章更能持續被選擇。
不要失去打磨的能力本身
交給 AI 的範圍越大，人鍛鍊「分辨好壞的能力」的機會就越少。眼光一旦退化，就連打磨本身也做不到了。在團隊裡共享判斷的理由、持續互相審核的習慣，是保持打磨能力的最好方法。
相關如何共享判斷、如何建立審核機制，在「AI 時代的團隊溝通」中有詳細說明
打磨，就是累積小的改進
打磨產品的工作，並不是一次大修改就能結束的。用的時候發現的違和感、審核中提出的意見、來自使用者的聲音。把這些小的改進點一個個撿起來、修改、確認。這些累積，最終會變成「做得很用心」的手感。
正因如此，不讓改進點被洗掉、好好管理起來很重要。在通訊軟體裡說一句「這裡有點在意」就結束的意見，大多會被忘掉。把每一則都作為任務留下來，記下由誰處理、為什麼選了這種改法，打磨的工作就會作為團隊的資產累積下來。
相關改進點的寫法在「讓人看得懂的任務寫法」中，完成後如何留下紀錄在「怎麼收尾：決定完成的判斷基準，留下日後能回頭查看的紀錄」中有介紹（連載「團隊任務管理技巧」）
在 GeckoFlag 中可以這樣打磨
前面的 7 個實踐，用任何工具都能實施。這裡舉一個例子，介紹在自架式專案管理工具 GeckoFlag 中的運用方式。
| 實踐 | 在 GeckoFlag 中的運用範例 |
|---|---|
| 1 決定為誰、在什麼情境 | 把決定好的那句話寫在專案說明裡。加入的每位成員都能從同樣的前提出發 |
| 2 把初稿當作素材 | 把「做初稿」和「收尾」分成不同的議題，避免初稿一完成就算作完成 |
| 3 加入第一手資訊 | 把訪談和採訪中得到的內容整理到專案的 Wiki 中。照片和資料放在專案的檔案裡，方便團隊重複使用 |
| 4 刪減 | 把刪掉的內容和理由留在議題的留言裡。之後可以追溯「為什麼刪了」 |
| 5 在細節裡放入意圖 | 把「細節收尾」設為父議題，把空狀態的顯示、出錯時的引導、載入中的呈現方式等設為子議題，逐一完成 |
| 6 自己用用看 | 發現的違和感當場建立成議題。由管理員在議題類型中新增「改進」，用優先順序決定修改的順序。進展情況在看板上查看 |
| 7 決定風格和不用的東西 | 把語氣、不用的表達、給 AI 的指令整理到 Wiki 中，讓團隊所有人使用同一套。使用「用 AI 建立」時，如果由管理員事先註冊輸出範本，就能統一 AI 產生的議題說明和 Wiki 的格式 |
| 發布後的改進 | 把客戶以「訪客」身分邀請進來，只讓他們看到參與的專案。收到的意見可以直接作為議題接收。訪客也可以編輯議題和發表留言，因此公司內部的討論要放在另一個專案中 |
GeckoFlag 的「用 AI 建立」，是由 AI 根據會議紀錄、備忘、聊天截圖等，提出議題、留言、專案和 Wiki 的填寫建議的功能。它不是用來製作文章、設計等對外發布的作品本身的功能。只有管理員允許的使用者才能使用；建議中只有勾選的項目會填入表單，儲存的是人。它和本文的分工基於同樣的想法：AI 提出，人來選擇並承擔責任。
GeckoFlag 安裝在您自己的伺服器上使用，因此關於製作中產品的往來，也能在自己的管理之下持續累積（伺服器的管理由使用者負責；使用「用 AI 建立」時，輸入的文字和圖片會傳送到 Anthropic 的 API）。每次發布時，開發者都會親自進行資安檢查，並在安全性頁面上公開紀錄（這不是第三方認證或稽核）。價格為 $30 買斷，成員增加也不會加收費用（伺服器費用另計；使用「用 AI 建立」時，Anthropic 的 API 使用費也另計）。實際的畫面可以在 Demo 中試用。
總結
- AI 是應該毫不猶豫、積極去用的工具。但用 AI 這件事本身已經不再是差異化
- 使用者討厭的不是 AI，而是平庸、不為任何人而做、細節粗糙所透出的「敷衍和不負責任的感覺」
- 被選擇的產品，有第一手資訊、觀點和判斷、細節的意圖、一致性，以及製作者的責任
- 把做素材和檢查交給 AI，提出問題、做出選擇、承擔責任由人來負責
- 打磨不是偽裝，而是增加價值。也是不斷累積小的改進
AI 越多，最後由人親手打磨的部分就越顯眼，這樣的時代已經到來。充分利用 AI，把省下來的時間投入到「打磨」上。這應該會成為今後做產品的基本方式。