AI 時代的 UX 新契約：從操作者到監督者，我們如何設計「意圖」而非「介面」？

AI 正在重塑我們與電腦的互動契約。過去，使用者體驗（UX）設計專注於打造直覺的操作介面，引導使用者一步步完成任務。如今，隨著 AI 承擔越來越多複雜的執行過程，UX 的核心正轉向一個全新的範式：使用者只需定義高層次的「意圖」，並在 AI 完成後「監督」結果。這種從「操作者」到「監督者」的角色轉變，我認為是自 1960 年代命令列誕生以來，人機互動領域最根本的變革。這不僅是技術的演進，更是一場關於信任、委派與責任的重新定義。

為什麼說「直接操縱」的時代正在落幕？

回顧過去數十年的人機互動史，主流的設計哲學是「直接操縱」（Direct Manipulation）。從滑鼠點擊圖示、拖拉檔案，到在觸控螢幕上滑動，我們習慣於透過具體的、一步一腳印的指令來控制電腦，並期待系統提供即時、可預測的視覺回饋。這個模型的成功，在於它給予使用者完全的控制感與確定性。你知道點擊「儲存」按鈕就會儲存檔案，過程透明且直接。

然而，大型語言模型（LLM）與生成式 AI 的崛起，正從根本上挑戰這個基礎。

試想，當我們要求 AI「幫我規劃一趟為期五天的東京家庭旅行，預算三萬，包含至少一個適合小孩的博物館」，我們並未指定它要去哪個網站爬取航班資訊、如何比較飯店價格、或用什麼邏輯安排行程。我們給出的不是一連串精確的指令，而是一個模糊的、高層次的「意圖」。AI 則像一位專業助理，在我們看不見的「黑盒子」中完成所有繁瑣的執行步驟，最後直接呈現一份完整的行程草案。

正如 UX 領域泰斗 Jakob Nielsen 在其文章 〈Intent by Discovery〉 中所精闢指出的核心轉變：使用者體驗正從「命令導向」轉向「意圖導向」的委任。這場變革的規模，堪比 1960 年代從批次處理（Batch Processing）走向互動式命令列（Interactive Command Line）那樣的巨大飛躍。

AI 將執行過程「黑盒化」了，這對使用者意味著什麼？

「黑盒化」究竟是什麼意思？簡單來說，它指的是執行過程對使用者變得不透明。在傳統軟體中，使用者是駕駛，清楚知道每一個按鈕、每一次轉向會帶來什麼結果。但在 AI 驅動的產品中，使用者更像是乘客，告知司機目的地，卻不完全清楚司機選擇哪條路線以及為何如此選擇。AI 的內部決策鏈、它所參考的資料、它在多個步驟間的權衡，對終端使用者來說是隱藏的。

這種黑盒化並非全然是壞事。它將使用者從繁瑣的微觀操作中解放出來，讓我們能專注於更高層次的策略與目標。正如我們委託會計師報稅，我們信任他的專業，而無需親自研究每一條稅法細則。AI 產品的 UX 價值，正建立在這種有效的「認知卸載」（Cognitive Offloading）之上。

當系統承擔了所有執行的苦差事，使用者的主要任務就變成了清晰地表達意圖、提供必要的上下文，並在最後對結果進行批判性的評估。

這個新的互動契約，對使用者的能力提出了截然不同的要求。過去，我們需要學習軟體的操作技巧；未來，我們更需要培養定義問題、提供優質輸入（Prompting）、以及鑑別結果品質的能力。

新契約下的使用者：如何扮演好「監督者」的角色？

在 AI 時代，一個稱職的使用者不再是熟練的操作員，而是一位敏銳的監督者與管理者。這份新工作包含幾個核心職責：

• 清晰定義意圖（Intent Definition）：能夠將模糊的想法轉化為 AI 可理解的目標。這不僅僅是下指令，更是設定目標、約束條件與成功標準。
• 提供關鍵上下文（Context Provisioning）：AI 的表現高度依賴輸入的品質。使用者需要提供足夠的背景資訊、個人偏好、或相關檔案，才能引導 AI 產出個人化且精確的結果。
• 批判性評估結果（Result Evaluation）：由於 AI 可能產生幻覺（Hallucination）或帶有偏見的內容，使用者必須扮演最終的品質守門員。這需要具備領域知識，能夠判斷結果的正確性、合理性與可用性。
• 迭代與修正（Iteration and Refinement）：很少有複雜任務能一次到位。監督者需要根據初步結果提供回饋，引導 AI 進行修正，透過多輪對話逐步逼近理想的目標。這也是 史丹佛大學的「生成式代理人」（Generative Agents） 研究所，便生動展示了這種協作模式。

從這個角度看，AI 產品的 UX 設計，其實是在設計一個高效的「委派—監督」工作流程。如何讓意圖的表達更順暢？如何讓結果的評估更直覺？這成為了設計師面臨的新挑戰。

設計師該如何打造「意圖導向」的體驗？

面對這個全新的互動範式，產品設計師與開發者需要調整自己的工具箱與思維模式。過去我們執著於像素級的介面完美，未來我們可能更需要關注對話流的順暢與結果的可靠性。

我認為有幾個設計方向至關重要。首先是「探索式介面」（Discovery-oriented Interface），系統應主動提供選項與建議，幫助使用者探索可能性並釐清自己的真實意圖。其次是「可解釋性」（Explainability），雖然執行過程是黑盒，但適時地向使用者展示關鍵決策點或資訊來源（如 Perplexity AI 的引用來源），有助於建立信任，也方便使用者進行驗證。這也正是 DARPA 長期推動 XAI（Explainable AI） 的核心目標之一。

此外，強大的「修復與編輯」機制變得不可或缺。當 AI 的產出不完美時，使用者需要有簡單直觀的方式來進行局部修改，而不是推倒重來。這正是自 2017 年的 Transformer 架構 問世以來，整個領域持續努力的方向：讓模型不僅能生成，更能理解後續的修正指令。

最終，這是一場關於「控制權轉移」的設計。我們正從一個使用者擁有 100% 控制權的時代，走向一個使用者與 AI 共享控制權的時代。這個新的平衡點究竟在哪裡？如何在賦予 AI 高度自主性的同時，又能確保使用者的最終決定權與安全感？這將是未來十年，所有 AI 產品建構者必須深思並回答的核心問題。

延伸閱讀

• Jakob Nielsen, Intent by Discovery: Designing the AI User Experience
• Park, J.S., O'Brien, J.C., et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior
• DARPA, Explainable Artificial Intelligence (XAI) Program

我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。