「樣樣通,樣樣鬆」?AI 時代的通才、系統思考與設計教育

「通才」在中文語境裡總是帶著貶義。「樣樣通,樣樣鬆」暗示一個人什麼都懂一點,卻沒有任何真正拿得出手的專業。即使在鼓勵跨領域的教育論述中,我們也常聽到一種線性的說法,認為一個人必須先在某個領域向下扎根、成為專才,之後才有「資格」跨到其他領域。也就是說,通才若有價值,也只是專才的延伸階段,而不是一種獨立的能力。

但 AI 似乎正在改變這件事。

在最近一集 Lenny's Podcast 中,主持人 Lenny Rachitsky 訪問了 Netflix 產品暨技術長 Elizabeth Stone。Stone 同時負責 Netflix 的工程、產品與設計部門,因此她觀察到的不只是 AI 如何提高某一項工作的效率,而是 AI 如何改變不同專業之間原有的分工。這集節目甚至直接把「系統思考的崛起」列為核心主題,Stone 也明確表示,Netflix 對「狹隘專才」的需求正在下降。

這篇文章想從「通才的翻身」這個角度整理這集節目。我們將依序討論:為什麼 AI 讓我們更需要 system thinker?為什麼系統思考不是把所有事情糾纏在一起,而是一種需要練習的決策能力?以及,為什麼「設計教育」在這裡變得重要?

當每個人都能跨界,先專後跨還成立嗎?

節目一開始談的,是 AI 造成的角色混亂。

過去,產品開發至少在組織圖上有一套相對清楚的分工。產品經理定義需求,研究人員理解使用者,設計師提出介面,工程師負責實作,資料科學家分析上線效果。實際工作當然不會如此整齊,但人們至少知道自己從哪裡開始,又在何處把工作交給下一個職能。生成式 AI 卻讓這些分界迅速鬆動。產品經理可以直接做出可操作的原型,設計師可以生成前端介面,甚至開始撰寫需求文件,工程師也能迅速分析使用者意見,更早介入產品方向的判斷。

Stone 用團隊發展理論中的「storming before forming」來形容目前的情況。也就是說,舊有的職能角色已經開始摩擦、重疊與重新協商,但新的分工方式還沒有穩定下來。這種混亂很容易被包裝成令人興奮的未來。例如,Claude 設計主管 Jenny Wen 先前在同一個節目上就直言「傳統設計流程已經死亡」。發想、設計、程式製作與測試可以重疊進行,原型能在極短時間內變成接近真實產品的形式,discovery、mock、iterate 這套經典流程正在被 AI 拆解。

Stone 對這個說法只有部分同意。她同意設計工作的形式與速度正在改變,但不同意由此推論出深度判斷已經不再需要。畢竟,任何人都可以快速做出一個介面,不表示任何人都能判斷問題是否被正確理解、局部功能是否破壞整體經驗,或者一個看似順暢的原型能不能在正式環境中長期運作。

這裡浮現的,正是通才問題的新版本。當 AI 讓「跨出去」的門檻大幅降低,跨領域不再一定發生在專業養成完成之後,而可能是工作一開始的基本狀態。於是,問題不再是一個人是否已經足夠專業、才有資格跨出去,而是當他進入陌生領域時,是否知道自己不知道什麼?能否理解不同專業所依據的證據、品質標準與責任?

AI 愈能讓個人獨立工作,組織愈需要理解整體的人

這是 Stone 強調系統思考的原因。畢竟,AI 放大了個人的行動能力,卻也可能擴大組織的碎片化。

當每個團隊都可以快速建立自己的工具、資料流程與 AI agent 時,組織可能在很短時間內累積大量各自有效、彼此卻無法協調的局部解方。在工程領域,如果每個團隊都自行決定哪份資料才是真的、如何管理權限、agent 可以採取哪些行動,AI 帶來的速度最後可能轉化成更高的技術債與組織風險。在設計領域,當非設計背景的人都能生成看似完整的介面時,每個局部介面或許都能使用,組合起來卻可能變成 Stone 所擔心的「科學怪人」(Frankenstein)。這樣的產品功能齊全,卻缺少一致的邏輯,讓使用者感覺自己不斷在不同系統之間跳動。

因此,系統思考者並不是可以一人包辦產品、設計與工程的超級工作者。他們的核心能力,是從局部需求中辨認共同結構,並把這些結構轉化成其他人可以使用的條件,例如一個共通平台、一套資料標準、一組基礎元件、一個設計系統,或者為人與 AI agent 提供的鷹架與護欄。也就是說,AI 愈讓個人能夠獨立完成更多工作,組織便愈需要有人處理這些工作「之間的關係」。

這也是為什麼 Stone 會認為,在 Netflix 裡,對狹隘專才的需求正在下降。Stone 質疑的並不是專業深度。她特別提到,在影音編碼、播放系統等領域,真正理解底層技術的人仍然稀缺,Netflix 依然需要這類深度知識。她真正質疑的,是把自己固定在單一工具、單一職稱、單一工作邊界中的專業態度。一種專業把深度當成邊界,認為「因為我只負責這一塊,所以不必理解其他部分」。另一種專業則把深度當成起點,體認到「我在某個領域具有判斷力,因此可以從這裡向外理解相鄰的問題,必要時重新學習」。

因此,AI 時代受到挑戰的不是專業本身,而是把專業等同於固定工具與固定邊界的想像。通才也就從專才的低配版本,翻轉成一種不同的能力結構。他不必取代專家,也不需要在每個領域都具有同等深度。他的價值在於能夠移動問題尺度、辨認專業之間的依賴,知道何時可以自行探索,又知道何時必須停下來尋求真正的專業判斷。

系統思考不是什麼都納入,而是知道如何縮放與決定

然而,能夠向外移動,不等於必須把所有事情都納入考慮。

談到系統思考,人們很容易想到一張龐大的系統圖,上面充滿節點、箭頭、利害關係人、制度、技術與文化,最後所有事情都與所有事情相連。這類圖表有時能幫助人們看見被忽略的關係,但它也可能製造一種錯覺,彷彿納入的因素愈多,系統思考就愈完整。Stone 在節目中提供的練習方式,恰好指向相反的方向。

第一個練習是後退一格。她建議人們在處理具體問題時,先往外退「一格」(step out one click),問自己對目前所處的更大問題空間預設了什麼。假設一個團隊正在改善 Netflix 上的某個推薦按鈕,局部視角關心的是按鈕位置、文字與點擊率。往外退一格之後,問題可能變成這個按鈕位於會員旅程的哪一個環節,它要解決的是內容發現,還是選擇過多所造成的焦慮。這個動作並沒有否定局部問題,而是檢查局部問題背後的假設。系統思考因此不是無限放大問題,而是適度調整縮放比例。畢竟,太靠近,我們只看見局部任務;退得太遠,所有事情都變得重要,反而無法辨認下一步。

第二個練習是停頓一拍,然後繼續行動。向外縮放有一個明顯風險,那就是一旦開始質疑問題邊界,人們可能不斷追問更上位的問題,陷入分析癱瘓。Stone 因此提醒,系統思考不是在行動之前先完成一套全面分析,而比較像在執行過程中停頓一拍,快速確認目前的工作是否仍朝向一個對使用者有意義的問題。不過,這個停頓不宜過長。真正具有韌性的系統,未必從不出錯,而是能夠及早發現問題、限制損害,並在失敗後迅速恢復。

第三個練習是做決定。系統思考最終仍然是一種決策能力,至少包含三種決定。首先是決定邊界,判斷哪些因素雖然相關,卻暫時放在邊界之外。其次是決定重要關係,辨認哪些連結構成關鍵依賴,哪一個局部改變會把成本轉移到其他地方。最後是決定介入點,在有限的時間、資源與權限下,選擇現在要先改變什麼。因此,系統思考不但不能取代決策,反而提高了做決定的責任。也就是說,它要求人們承認自己不可能掌握全部資訊,卻仍然必須畫出一條暫時邊界,並準備根據現實的回應修正判斷。

這三個練習說明,系統思考是可以練習、也必須練習的能力。它不是天賦的視野,而是一組關於縮放、停頓與決斷的紀律。那麼,這種能力要在哪裡養成?

設計教育作為系統思考的練習場

這正是設計教育重新變得重要的地方。

設計教育長期以來便具有跨領域性。Stanford d.school 刻意讓來自工程、商業、醫療、教育的學生共同工作。英國 Design Council 也主張,設計不應只被視為狹窄的職業技能,而是一種支撐創新、系統思考與永續轉型的基礎能力。不過,設計之所以可能成為 AI 時代的跨領域教育,並不只是因為它讓不同科系的人坐在同一張桌子旁,而是因為設計教育提供了一個讓差異進入共同工作的過程。

首先,它要求參與者把各自的知識轉化成可以被其他人看見和討論的形式。系統圖、使用者旅程、服務藍圖與原型,都不只是表達工具,而是不同專業之間協調理解的媒介。其次,它把抽象爭論轉化成暫時的行動。跨領域團隊不必先建立一套毫無矛盾的共同理論才開始合作,而可以先提出一個有限的問題邊界,做出原型,再觀察不同知識在實際情境中如何發生衝突。更重要的是,設計讓問題定義本身保持可修正。也就是說,不同角色必須共同判斷,我們面對的究竟是產品問題、制度問題、行為問題,還是多個系統交疊的結果。

這些特質,恰好對應 Stone 所描述的三種決定,也就是畫出暫時邊界、辨認關鍵依賴、選擇介入點。因此,設計教育若能訓練學生檢查局部任務背後的上位問題、理解不同專業如何切割現實,再共同決定一條足以行動的暫時邊界,它便不只是教授一套創新流程,而是在訓練跨領域工作的基本能力。

不過,設計教育並不會天然地產生系統思考,它同樣可能把跨領域簡化成便利貼、腦力激盪與快速原型,把不同專業的衝突轉化成一場氣氛良好的工作坊。如果設計方法只是加速團隊形成共識,而沒有追問共識排除了誰、簡化了哪些問題,設計反而可能掩蓋真正的專業與價值衝突。因此,設計作為跨領域教育,不能只教學生「整合不同觀點」,還要教他們辨認哪些差異可以整合,哪些差異必須保留,哪些知識可以轉化成共通平台,哪些專業判斷不能被通用工具取代。

重新定義「通才」

總的來說,AI 可能正在終結一套線性的設計流程,也正在終結「先專、後跨」這套線性的跨領域教育想像。當知識與工具愈來愈容易取得,真正困難的不再只是掌握某項技能,而是知道如何讓不同知識相遇、如何在衝突中畫出問題邊界、如何在局部行動與整體後果之間往返。

因此,AI 時代所需要的通才,不是樣樣都會的人,而是能夠組織專業、調整視角並做出判斷的人。「樣樣通,樣樣鬆」描述的是缺乏判斷力的知識拼貼。系統思考者則相反,他的每一次「通」,都伴隨著對邊界、依賴與介入點的決定。而設計教育能否承擔培養這種通才的任務,取決於它是否願意超越對固定流程與工具的傳授,真正成為一個練習跨領域協作與系統思考的場所。


Comments