上週我讀到 Jakob Nielsen 最新一期的 UX Roundup，題目落落長，掛了七、八個主題 —— AI個人化、企業獲利落差、代理人委任、進度可視化、AI透明度，還有「免費」這個詞為什麼會讓人腦袋當機。乍看是隨手整理的雜記，但這幾個主題湊在一起，其實是同一件事的不同切面：AI已經不是「你問它答」的工具，它正在變成一個要幫你「做決定」的角色。而角色一變，介面設計的整套規則都得重寫。
我把這幾個主題拉出來，配上這陣子讀到的其它調查跟報導，在這裡一個一個聊。
一、AI 要學會「認人」，但學得會嗎？
Nielsen 這期提到，有幾種不同的做法可以幫助 AI 學習如何服務個別使用者 —— 說白話一點，就是讓 ChatGPT、Claude 這類工具記得你是誰、你習慣怎麼問問題、你要的答案通常長什麼樣子。
這個方向聽起來理所當然，但實際做起來很尷尬。個人化做得太少，AI 永遠像第一次見面；做得太多，又容易變成同溫層機器，你問什麼它都順著你講。業界目前比較常見的解法，是把記憶跟推論分開處理：系統記住你的偏好與背景，但每次生成答案時仍然獨立判斷，不讓「記憶」直接汙染「事實」。這也是為什麼 Anthropic、OpenAI 最近陸續把「記憶」做成可以開關、可以檢視、可以刪除的功能 —— 設計者心裡都清楚，個人化跟隱私、跟答案可信度是綁在一起的，不能只做半套。
二、獲利的 AI 公司，到底在做什麼不一樣的事？
這是整篇讓我停下來想比較久的一段。Nielsen 提到一份調查，講的是「有從 AI 賺到錢的公司」跟「其它公司」差在哪裡。這剛好呼應了今年稍早麥肯錫跟 Deloitte 的兩份大型調查。
數字講起來滿殘酷的：麥肯錫2026年的調查發現，八成受訪者說 AI 提升了自己的工作效率，一半的人說 AI 幫助他們做出更好的決策。但轉到公司層級，只有百分之三十七的受訪者說 AI 對公司的稅前息前獲利（EBIT）有實質貢獻，這個比例跟去年幾乎沒有變化，而真正能把 AI 帶來的效益量化到營收占比超過五%的「高績效」企業，一直維持在大約六%左右。
換句話說：個人用得爽，公司不一定賺得到。這中間的落差，PwC 另一份研究講得更直白 —— AI 創造的經濟價值高度集中，全球約七成四的 AI 經濟效益，被前二成的企業拿走。差別在哪？不是模型選得好不好，而是願不願意把整個工作流程重新設計過，而不是把 AI 硬塞進舊有的流程裡當裝飾品。這句話我覺得對 UX 設計師特別受用 —— 你不能只在既有的畫面上加一個「AI功能」按鈕，然後期待使用者行為跟著改變。真正有效的 AI 導入，往往需要把整個任務流程砍掉重練。
三、AI 設計建議終於要「內建」了，不再是外掛
Nielsen 也提到，設計工具正在把 AI 建議「整合」進工作流程本身，而不是做成一個獨立視窗讓你另外去問。這點我完全同意，而且觀察到的趨勢比想像中快 —— Figma、Framer 這類工具已經把 AI 建議放進元件屬性面板旁邊，你調整間距的同時，AI會即時提示對比度或無障礙問題，你不需要切換到另一個聊天視窗去問「這樣設計好不好」。
這背後的邏輯，其實跟 Nielsen 三十年前提倡的「就地回饋」（in-context feedback）一脈相承：使用者在做A的當下，得到跟 A 直接相關的建議，比做完 A 之後再跑去問一個通用助理，體驗完整很多。AI 只是把這個老原則，實現得更即時、更貼身而已。
四、慢工作要有進度條（Progress Bar），AI也不例外
「進度可視化」這個主題聽起來很基本，卻是這一兩年 AI 介面設計裡被討論最多的問題之一。當 AI 開始執行需要幾分鐘、甚至幾十分鐘的任務（深度研究、寫報告、生成影片），使用者面對的不再是「等一下就好」的體感，而是「我到底該不該相信它還在動」的焦慮。
有意思的是，業界對「進度條該長怎樣」意見並不一致。有些團隊主張用細節換信任 —— 把 AI 正在做的每一步都攤開來給你看，例如「正在搜尋來源」「正在比對三個網站的資料」；也有團隊主張相反，認為過度暴露細節反而讓人分心、甚至覺得 AI 笨手笨腳，建議只給一句簡短的階段性摘要，細節按需展開。這兩派立場，某種程度上呼應了 Nielsen 長年強調的「使用者控制與自由」——重點從來不是資訊給多給少，而是使用者能不能在需要的時候，自己決定要看多深。
五、把工作「委任」給AI代理人，經濟學要重寫
這是我認為整篇文章裡最有份量的一段。Nielsen指出，人把任務委任給 AI 代理人的行為，跟傳統經濟學對「委任」的假設不太一樣。傳統模型假設委任人（principal）跟代理人（agent）之間存在資訊不對等跟誘因衝突，所以需要契約、監督、罰則去約束代理人。但 AI 代理人不是有自己利益的人，它的「誘因」全部來自訓練方式跟系統提示 —— 這代表傳統的委任—代理理論，套用在人跟 AI 之間，很多假設其實不成立。
現實中的委任行為也證實了這個落差。EY 在2026年做的 AI 情緒調查發現，在二十三個市場中，八成四的受訪者過去半年用過 AI，其中一成六已經用過可以自主行動、不需要人介入的AI系統。而在領先的新興市場,像印度、中國大陸、巴西、墨西哥等地，有高達九成四的受訪者用過AI，將近四分之一的人已經用過自主型AI。有趣的是，實際被委任的任務大多還很「瑣碎」—— 根據一份分析數億筆匿名互動紀錄的研究，使用者委任給 AI 代理人的任務，大多是查資料、編輯文件、搜尋商品、管理帳號這類日常瑣事，而不是外界想像中的重大決策。
這說明一件事：人對 AI 代理人的信任，不是一次到位，而是從最不痛不癢的小事開始試探。設計上與其一開始就給使用者一個「全自動」的開關，不如做成漸進式的委任 —— 先讓AI做建議，使用者確認之後再放手讓它自己做，慢慢把權限交出去。
六、AI 要「show its work」，不能只給結論
Nielsen 這期特別提到，AI 介面應該要把答案背後的脈絡、資料來源、判斷規則攤開來給使用者看，而不是只丟一個結論。這點跟這一兩年聊天機器人介面設計的主流方向完全吻合。
有廠商做過實測，加入可點擊的來源引用之後，客戶的信任度提升、客服詢問量下降，系統的錯誤來源也能更快被抓出來。不過也有人持保留態度。有篇文章直接唱反調，主張AI與其硬裝出一副什麼都知道的樣子,不如老實承認「我不確定」—— 因為聊天機器人常常帶著十足的自信講出錯誤資訊，讓人誤以為那是事實，卻完全沒有傳達背後其實缺乏證據支持。
我自己的看法是，這兩派其實不衝突：來源引用解決的是「這個答案哪裡來的」，不確定性標示解決的是「這個答案有多可信」，兩者是互補的，而不是二選一。真正做得好的AI介面，應該同時具備這兩種訊號。
七、「免費」這兩個字，會讓人的計算能力當機
最後這個小主題，雖然聽起來像花絮，但其實很犀利。Nielsen 說「免費」的價格，會壓過人的算術能力 —— 這呼應了行為經濟學裡一個老掉牙但屢試不爽的現象：只要選項裡出現「免費」，人會不理性地放大它的吸引力，即使付費方案明明比較划算。這對現在一堆 AI 服務用「免費試用」「有限額度免費」當入口的策略來說，是一記提醒：免費不是單純的行銷手法，它會扭曲使用者原本理性的比較行為，設計者得對這個效應負責，而不是拿它當漏洞來鑽。
最後
把這幾個主題串起來看，我覺得今年 AI 跟 UX 的交會點，已經從「這個功能好不好用」，悄悄轉移到「我該不該相信它、該放多少權限給它」。個人化、透明度、進度可視化、委任經濟，講的其實都是同一件事：AI 從工具變成代理人之後，信任才是真正的介面。
至於企業獲利落差這件事，我倒覺得對做產品的人是好消息 —— 代表這場遊戲的門檻，不是誰的模型比較強，而是誰願意把流程砍掉重練。這件事，人人有機會。