「使用者體驗」（User Experience，UX）這個名稱在 1990 年代初期出現，但真正進入科技公司的商業核心卻不過是近十年的事情。
這是因為在桌面電腦時代，人們或許可以忍受一套每天只使用幾次的糟糕軟體；但當運算裝置進入口袋、通勤、社交與日常生活，手機介面上的每一個小問題都會變成持續累積的痛苦。換言之，行動裝置不只縮小了螢幕，也提高了人與軟體接觸的密度。UX 因此不再只是對介面的美化，而是技術能否進入日常生活的基本條件，甚至是產品策略與商業模式的核心。
但隨著近年生成式 AI 的發展，當越來越多的網站、App 與介面開始由 AI 生成或協助設計時，UX 這個概念還適用嗎？如果介面是由 AI coding agent 生成，使用者說出需求後不再需要親自操作每一個步驟，那麼設計師要服務的「使用者」，究竟是說出需求的人，還是替他執行任務的 agent？人與 AI 之間的設計分工，應該如何調整？
這正是在這集 a16z Deep Dives 節目裡，John Maeda 與 Paul Bakaus 試圖回應的問題。
Maeda 是設計師、藝術家與科技主管，目前擔任 Microsoft 工程副總裁，並持續發布《Design in Tech Report》，追蹤設計與科技產業的變化。Bakaus 是兼具設計與工程背景的創意技術者，曾在 Google 主導 Chrome DevTools 與創作者關係業務，現為 Renaissance Geek 創辦人。本文將以兩人的這場對談為基礎，依序討論四個議題：Maeda 提出的 UX 到 AX 典範轉移；AI 大量生成設計後出現的同質化問題（Bakaus 稱之為 AI slop）；Bakaus 開發的 Impeccable 如何試圖在人與 agent 之間建立共用的設計語彙；最後，當生成能力變得廉價，設計師的品味與技藝，為何成為 AI 時代真正稀缺的資源？
從 UX 到 AX：當軟體開始替人使用軟體
Maeda 認為，早在 1980 年代，MIT 的研究者就已在思考「自動化設計」（auto-design）的可能性，試圖讓機器承擔設計的執行工作。這個當時在實驗室裡的思想實驗，如今隨著 AI 技術的突破，在某種程度上真實降臨。他在 2026 年 3 月於 SXSW 發表的《Design in Tech Report》 中，將 AI agent 帶來的這波轉變稱為從 UX 到 AX（Agentic Experience，代理人體驗），認為設計正從「打造介面」轉向「協調結果」。
簡單地說，AX 這個概念，在兩個不同層次上改變了設計的意義。
AX 的第一層：人的角色從「執行」轉向「評估」
過去的 UX，主要處理人如何操作軟體。設計師安排畫面、按鈕與操作流程，幫助使用者逐步完成任務。想要購買一張機票，人必須輸入目的地、選擇日期、比較班次，再完成付款。設計的工作，是讓這條路徑更清楚。但 AI agent 改變了這個前提。當使用者可以直接說「幫我安排下週去東京的三天行程」，人便不再需要親自完成每一個步驟。軟體不再只是等待指令的工具，而開始替人拆解任務、使用其他工具、作出局部決定並產生結果。
Maeda 將這項變化描述為從「執行的鴻溝」轉向「評估的鴻溝」。過去的問題是，使用者如何把意圖轉化為一連串正確操作；現在的問題則是，當操作被 agent 接手之後，人如何判斷它做了什麼，以及結果是否符合原本的意圖。設計的重心因而從打造操作介面，逐漸轉向協調結果。
這也解釋了為什麼 AI 在程式設計領域進展迅速，在設計領域卻仍面臨根本限制。程式碼有清楚的回饋條件（能否編譯、測試是否通過），但介面是否「比較安靜」、層級是否足夠清楚、品牌語氣是否恰當，通常涉及情境、文化與判斷，卻沒有單一的正確答案。因此，AI 是否能生成一個設計，和它是否能判斷設計品質，是兩個不同的問題。AX 的重要工作之一，因此是建立適當的回饋與評估機制：什麼可以被當作品質訊號？哪些事情仍然需要人來判斷？
AX 的第二層：agent 成為數位系統的使用者
當 agent 開始替人瀏覽網站、閱讀文件、呼叫 API 和操作軟體時，agent 本身也成為數位系統的使用者，而這帶來了另一個設計課題。
如果使用者是人，介面通常是可以看見的。按鈕是否明顯、字體是否容易閱讀、資訊層級是否清楚、操作後是否獲得適當回饋，都是 UI／UX 熟悉的問題。但如果直接使用系統的是 agent，介面就不一定以畫面的形式出現。它可能是 API 的命名與參數結構、命令列中的 --help 說明、文件能否被正確解析、錯誤訊息是否說明失敗原因，或系統是否清楚界定它能做什麼、不能做什麼。所謂的「美學」也隨之改變。對人類而言，美學經常與色彩、比例、字體和空間有關；對 agent 而言，好的形式可能意味著清楚、一致、快速、可預測，能妥善處理邊緣情況，並在出錯時提供足以修正行動的訊息。
因此，AX 不是沒有介面，而是介面從螢幕表面下沉到資訊架構、資料格式與系統規則之中。Maeda 認為，在這過程中，設計責任正在悄悄擴展。例如，負責 API 命名規範的工程師，在 AX 的脈絡裡其實做著介面設計的工作；而撰寫技術文件的人，其實決定著 agent 能不能有效地理解並操作一個系統。這些問題看起來接近工程，但設計師反而可能在其中扮演重要角色。因為設計不只是把東西變得好看，也包括命名、分類、資訊層級、回饋、導覽，以及決定一個系統應該提供多少選項。工程實作往往從「系統能做什麼」出發，設計則會進一步追問：「哪些能力真的值得被提供？做到什麼程度就已經足夠？」
AI slop：當自動化提高下限，也生產平庸
Agent 不只開始使用軟體，也開始製作軟體。Claude Code、Codex、GitHub Copilot 等 AI coding agents，已經能依照自然語言指令生成前端程式、建立元件並修改版面，使沒有完整設計或工程訓練的人，也能迅速做出一個功能可用、視覺上大致完整的產品。
這種變化提高了設計產出的下限，但提高下限並不等於提高上限。
當不同模型從大量相似的網站、設計系統與產品範例中學習，它們也很容易產生相似的結果。Bakaus 回顧，2022 至 2023 年間，AI 生成介面經常出現紫藍漸層；他將這種傾向部分連結到 Tailwind 等廣泛流通的前端範例與預設風格。現在的主流模型則又逐漸轉向所謂的「Claude 米色」、Instrument Serif 等特定字體，以及帶有色調的背景配色。
Bakaus 將這類產出稱為 AI slop。他在節目中將它比喻成演算法生成的 Uniqlo 或 IKEA，產品看起來乾淨、合理，也符合大多數人的基本期待，但很難從中看出特定的作者、情境與立場。AI slop 因此不是某一種顏色或字體，而是模型反覆退回統計上安全答案的傾向，它所產生的未必是最差的設計，而是最不需要承擔風險的設計。
有趣的是，Bakaus 與 Maeda 都把 AI slop 視為重要問題，但兩人態度卻大不相同。Bakaus 把它視為需要從工具與生成流程主動處理的同質化缺陷，試圖改變模型的預設路徑。Maeda 則從較長的設計史觀看待這件事。對他而言，AI slop 不只是模型尚未調整好的問題，也反映出設計能力正在被普及與商品化。
Impeccable：建立人與 agent 共用的設計語彙
作為同時具有設計與工程背景，也是早期 jQuery UI 的主要創作者之一的 Bakaus，在與 AI coding agents 協作的過程中注意到，資深設計師往往比工程師更能引導模型產出較好的視覺結果。
這差異未必在於設計師更會寫提示詞，而是他們擁有一套描述設計問題的專業語彙。當一個畫面看起來不對，缺乏專業語彙的人可能只能說「讓它更好看一點」，設計師則可能說「建立更穩定的垂直節奏」、「增加負空間」、「降低這個區塊的視覺音量」。Bakaus 指出，這些詞語之所以重要，是因為它們縮小了模型的解釋空間，把模糊的不滿轉化為比較明確的修改方向。
Bakaus 開發的 Impeccable ，正是試圖建立一套人與 agent 共用的設計語彙。它是一款開源 AI 代理人技能（agent skill）與設計輔助工具，直接運行於使用者自有的程式碼庫中。從功能上看，它的做法大致可以整理成三個彼此相連的層次。
- 語彙層（vocabulary）： Impeccable 將「垂直節奏」（vertical rhythm）、「負空間」（negative space）、「更大膽」（bolder）與「安靜一點」（quieter）等設計語彙，整理成 agent 可以載入的技能與命令，使 agent 能以較明確的設計概念理解並執行指令。Bakaus 也注意到，許多採用 Impeccable 的團隊，因為工程師與設計師開始使用相同的語彙，雙方的溝通摩擦也隨之降低。
- 品質層（quality layer）： 除了告訴模型什麼是好的，Bakaus 更強調要明確告訴它什麼「不能做」。Impeccable 在這一層建立了「反吸引子」（anti-attractors），系統性地列出被過度使用的預設字型、顏色與排版慣例，先要求模型辨認並排除自己最容易採用的形式，再嘗試其他設計方向。由於 slop 的外觀會隨模型演進而不斷更新，這份清單也必須持續維護：對抗平庸，本身是一個沒有終點的工程問題。
- 視覺迭代模式（visual iteration mode）： 建立在前兩層的基礎之上，Impeccable 提供「挑選與打磨」（pick and polish）的互動方式，讓使用者能快速選取特定設計元素、比較不同變體並進行精細修改，在人與 agent 之間形成連續的視覺迭代迴圈。
此外，Impeccable 並不只依賴單次命令，也會保存產品目的、受眾、語氣與反參考案例，使 agent 在後續工作中能讀取相同的專案脈絡。當 agent 缺乏具體脈絡，它只能回到訓練資料中最常見、最安全的形式；而當產品的對象、目的與限制被明確記錄後，模型才比較可能偏離通用答案。
對於 Impeccable，Maeda 給予了相當高的評價，將其比喻為一個可能的「PostScript 時刻」。PostScript 是 Adobe 在 1980 年代推出的頁面描述語言，使文字、圖形與版面能以一致的方式被描述，並由不同設備解讀與輸出。它的意義不只是自動化排版，而是建立一套能讓視覺意圖被傳遞與執行的語言。Maeda 認為，Impeccable 真正理解了設計不僅僅是套用濾鏡，還包含了對減法（subtraction）、空間平衡與各種設計維度的深刻掌握。
當生成變得廉價，判斷是否更加昂貴？
然而，知道「負空間」、「垂直節奏」或「視覺層級」這些設計語彙，固然可以幫助 AI 執行較明確的修改，卻不能替人決定什麼情況下應該採取哪一種方向。語彙可以被編碼，品味也能被完整編碼嗎？
Maeda 從「品味」的歷史條件切入這個問題。在他的分析中，品味長期與稀缺性相連。歐洲皇室以黃金與珍稀毛皮彰顯地位，正是因為那些材料不是人人可得；丹麥與日本對待材料的精細態度，也根植於物質條件的限制。但 AI 帶來的是形式上的極度充足、快速模仿的風格、無限生成的方案。而當形式不再稀缺，品味便不能只建立在「我能做出別人做不出的樣子」之上。
Maeda 將面對這種局面所需的能力稱為「信念」（conviction）。他引用前 Meta 主管 Jay Parikh 的觀點指出，當大量局部可行的方案唾手可得，設計領導者最難的工作是為了「全局最佳」（global maximum）而下注，而不是退縮到各方都可以接受的「局部最佳」。因為局部最佳意味著選擇已知可行的方案，但全局最佳則要求承擔風險，追求一個尚未被證明但整體上更具連貫性的方向。
Bakaus 則強調編輯力與節制。他援引 Steve Jobs 作為最高的編輯標準，認為最偉大的編輯者是那個懂得說「不」的人。即使機器可以代勞繁重的生成工作，決定「什麼不該做」的主觀意圖，是人無可迴避的責任。他用 Google Maps 說明「認知委託」與「認知棄守」（cognitive surrender）的差異。當我已經決定要去哪裡，只是請導航尋找最快路線，這是認知委託；如果我連目的地都不再判斷，只因系統推薦便直接前往，那就成了認知棄守。同樣的情況也會發生在 AI 協作中。agent 可能產生一份結構完整、語氣篤定的開發計畫，但如果人只是快速瀏覽便按下同意，被外包出去的就不只是繁瑣工作，也包括編輯權、目的與判斷。
因此，「人在迴圈中」本身並不足以保證人仍然掌握設計。Human in the loop 必須確保人的意圖、品味與異議能夠實質改變迴圈的下一步，而不只是在流程末端保留一個形式上的批准節點。人保留署名卻放棄實質判斷，不是委託，而是責任的不對稱移轉。Maeda 進一步指出，agent 承擔的執行工作愈多，人愈需要清楚自己保留了哪些責任。從執行者轉向治理者，不代表人可以變得更加被動，而是要求判斷必須更加精準。
結論
總的來說，Bakaus 與 Maeda 在這場對談裡回應的是同一個現實，卻選擇了不同的切入點。
Bakaus 的回應是工具性的，建立語彙庫、品質層，讓人能夠實質影響 agent 輸出的走向。Maeda 的回應是歷史性的，把當前的轉變放進設計史的長鏡頭，辨認出每一次自動化浪潮之後，人類如何找到機器無法複製的東西重新建立稀缺性。他甚至援引 1800 年代晚期的「美術工藝運動」（Arts and Crafts Movement）作為參照，預測當 AI 填滿大眾市場的設計需求後，人類作者性、責任感與判斷力將成為願意支付溢價的消費者所尋求的「信任感」。
從 UX 到 AX，設計師不再只是製作介面的人，而逐漸成為意圖、回饋、限制與責任的編排者。如果設計師能持續以品味與責任介入 agent 的行動—結果—回饋迴圈，那這產出就是人與 AI 的協作設計；反過來說，當設計師只剩下形式上的批准，不再設定方向、辨認差異或承擔判斷，那就不再是 AI 協助人做設計，而是人已經把設計交給了 AI。
只是，這恐怕不是我們所樂見的發展。
Comments