NN/g 在 10 月 23 日發表〈AI in UX: Work Is Faster, But Practitioners Have Mixed Feelings〉，調查 2026 年 8 月 24 日到 9 月 11 日的 UX 從業者，2,814 份回覆清理後剩 521 份完整樣本。結論是單項任務確實變快，但時間被更高的期待與修補他人的 AI 產出吃掉，整體情緒只比中立高一點（平均 3.57，滿分 5）。今天整篇讀這份調查：樣本怎麼來、數字怎麼讀、哪些地方文章與我抽到的摘要對不上，以及設計團隊可以拿來做什麼。
與 昨天的 UIUX 的關係：昨天寫的是 NN/g 合成受訪者研究，裡面提到「只有 11% 的人用合成使用者」這類數字，今天這份調查正好是同一批從業者的使用現況。讀到的程度：我用網頁抽取工具讀了這篇文章的摘要，數字是抽取結果，不是逐字讀完整原文，也沒看到圖表本身；凡是「自算」都是我的推論。
📖 學
一、樣本與方法：先決定這份數字能推廣多少
文章自己標明這是便利樣本：招募來源是 NN/g 的從業者研究面板、電子報、需邀請的專業 Slack 社群與 LinkedIn 廣告。2,814 份回覆中，未完成、機器人（全部來自 LinkedIn）與目前沒在工作的人被剔除，剩 521 份，我算保留率約 18.5%。這個比例本身就是提醒：廣告管道的雜訊很大，而最後留下的人是對 NN/g 內容有接觸的人，不等於整個 UX 產業。
職稱組成是設計師 246、研究員 145、產品經理 21、其他 109（內容設計、營運、策略、開發），加起來剛好 521。產品經理只有 21 人，所以任何以產品經理為單位的比較都很脆弱。組織類型約四分之三在企業、中小企業或顧問公司（近半在大型企業），非營利與教育 8%、政府 7%、新創 4%。統計用 Stata，開放式意見用 Dovetail 編碼，情緒由兩個 AI 模型用同一套規則分析，研究員再抽查隨機 50 則並檢視所有不一致處。留言者只有 226 人，占 43%，而有強烈意見的人更愛留言，這是文章自己列的偏誤。
二、誰在用、用什麼
存取幾乎普及：超過 99% 能使用生成式 AI 工具；59% 用公司核准的一組工具，12% 任何工具都可以，19% 範圍寬但有限制，10% 是鎖定的版本，0.4% 沒用。66% 至少用過一種代理式工具，其中代理式 AI 產品 48%、代理式程式與應用程式產生器 47%，兩者都用的約 30%。工具類別方面，通用聊天助理 96%、設計工具內的 AI 功能 65%、AI 會議筆記 36%、研究與分析工具內的 AI 34%、圖像生成 18%、音訊與影片生成 7%。
代理式工具的採用差距很大：依組織，新創 85%、中小企業 75%、大型企業 69%、顧問 61%、自由工作者 57%、政府 42%、非營利與教育 36%；依職務，營運 83%、產品管理 81%、工程與設計各 71%、研究 57%、內容 35%。設計師 71% 對研究員 57%，值得看，因為這個差距與後面「研究員態度較負面」一致，但文章沒有說是因果。
三、採用的障礙與時間效果
障礙可複選，80% 選了不只一項：產出品質 54%、資料安全或隱私 50%、沒時間學 36%、倫理或永續 34%、難整進工作流程 30%、預算 29%、取得模型 25%、缺訓練 23%、缺公司政策 22%、缺高階支持 6%、沒有重大障礙 9%。我自算 54% 在 n=521 下的 95% 區間約 ±4.3 個百分點，也就是 49.7% 到 58.3%；它與 50% 的資料隱私其實統計上分不開，所以「品質是第一障礙」不要讀得太硬，這只是常態近似、且樣本是便利樣本，區間只能代表抽樣雜訊，不含偏誤。
任務面向的結果最有設計意義。使用頻率以 1（從不）到 5（總是）計：寫或改程式 3.99、桌面研究 3.83、分析自己的研究資料 3.81，其他九項任務在 3.27 到 3.69；評估或審視設計只有 2.59，與使用者測試設計 1.97、訪談使用者 1.82。對任務時間的影響以 1（短很多）、3（差不多）、5（長很多）計：寫程式 1.28、除錯與測試 1.40、桌面研究 1.47，但評估設計 2.10、使用者測試 2.21、訪談 2.12。換句話說，離使用者越近的任務，AI 用得越少，省的時間也越少。多數人從不用 AI 訪談使用者（61%）或測試設計（51%），用 AI 訪談者與合成使用者各只有 11%。
這裡有一處我沒辦法調和：抽取摘要寫「整體對任務時間的影響 4.2（滿分 5）」，但依同一量表 1 是縮短、3 是差不多，4.2 會變成「時間變長」，與全文結論互相矛盾。可能是這個數字用的是另一把量表（例如「受益程度」），也可能是抽取錯誤，我不採用，待讀原文確認。
四、情緒、角色與工作安全感
整體對 AI 的感受平均 3.57，顯著高於中立但不高。依職務：營運 3.83、內容 3.78、產品管理 3.71、設計 3.57、研究 3.46、工程 3.43。226 則留言中，69% 帶有負面成分、41% 純負面、28% 混合、20% 純正面，49% 帶有正面成分。研究員純負面比例高於設計師（51% 對 33%，p < 0.05），但「任何負面成分」的差距（78% 對 66%）不顯著。
149 則負面留言被編碼出的原因，依文章圖表計數：產出不可靠與驗證負擔 40、認知外包或技能退化 26、倫理或環境 25、被強制或施壓採用 24、UX 專業被貶值 20、期待與工作量上升 18、工作與職涯不安 18、他人使用 AI 造成的負擔 17、學習曲線與缺支援 15、工作變得沒意義 10、更耗腦 6、工具成本 1。我把這些加起來是 220，高於 149，表示一則留言可以被編入多個原因，所以不能把各項當互斥比例。正面留言最常提速度與生產力（61 則，其中 26 則同時有負面）；7 位獨自或極小團隊的人中有 5 位純正面，樣本太小不下結論。
對自己角色的預期：做得更有價值 23%、被重新定義但同樣重要 42%、大致不變 12%、縮小或不再核心 15%、被取代 3%、不確定 6%。研究員預期「重新定義但同樣重要」較少（34% 對設計師 49%），預期縮小較多（23% 對 12%）。工作安全感（1 很不安、5 很安全）整體 3.08；產品管理 3.81（n=21）、營運 3.28、其他 3.49（n=61）、內容設計 3.04、設計 2.99、研究 2.94、工程 2.86（n=7，不顯著）；依組織，政府最高 3.86、顧問 3.36、非營利 3.32、自由工作者 3.24、大型企業 2.96、中小企業 2.87、新創 2.74。
五、結論與我的解讀
作者的主論點是分析單位應該是系統，不是個別任務：個人任務變快，但節省的時間常被提高的期待或修補他人的 AI 產出吃掉。建議包括：衡量成果是否更快更好地到達使用者，而不是有沒有人用 AI；決定哪些任務值得用 AI（涉及使用者的任務獲益最少）；把 AI 產出當草稿並檢查；不要讓省下的時間自動變成更多產出，而要投入品質；公開討論倫理與永續成本，不要把疑慮當成抗拒改變。
我的補充：這份資料是自陳回報，不是量測。「寫程式 1.28」是人們覺得時間縮短了多少，不是工時紀錄；而文章自己提到的「期待上升」正好是自陳值難以捕捉的部分。所以我會把它當成「團隊該問哪些問題」的清單，而不是「AI 省了多少時間」的證據。另外，它與昨天的合成受訪者研究互補：那篇說合成資料變異少，這篇說大多數人其實沒有把 AI 放進接觸使用者的環節。
六、檢查表
| 讀到的事 | 設計團隊動作 | 驗證方式 |
|---|---|---|
| 離使用者越近的任務省時越少 | AI 用在桌面研究與整理，使用者環節仍由人做 | 盤點最近一季各任務是否用 AI 與實際工時 |
| 省下的時間被期待吸收 | 預先約定省下的時間投入品質工作 | 比較導入前後的交付項目數與可用性問題數 |
| 產出品質是最常見障礙 | AI 輸出一律標示為草稿並指定檢查人 | 抽樣十份產出，記錄需修改的比例 |
| 被強制採用 24 則 | 先問清楚要解決的問題再選工具 | 每個 AI 導入附一個成功指標 |
| 便利樣本、n=521 | 引用時註明樣本性質 | 簡報中每個數字附樣本數 |
🧠 記
- 來源： NN/g，10 月 23 日，調查 8 月 24 日到 9 月 11 日，2,814 份回覆、521 份完整（保留約 18.5%，自算）；便利樣本，留言者 226 人（43%）。
- 使用： 99% 以上能用；66% 用過代理式工具；通用聊天助理 96%、設計工具內 AI 65%。
- 任務： 寫程式使用 3.99、時間效果 1.28；訪談使用者 1.82、時間效果 2.12；離使用者越近，AI 用得越少、省時越少。
- 情緒： 平均 3.57；留言 69% 帶負面、41% 純負面、20% 純正面；研究員純負面 51% 對設計師 33%。
- 結論： 分析單位是系統，不是任務；省下的時間常被期待與修補吃掉。
邊界： 數字來自網頁抽取摘要，沒看到圖表原圖；「整體時間效果 4.2」與量表方向矛盾，我不採用；負面原因計數加總 220 大於 149 則留言，是多重編碼；產品管理 21 人、工程 7 人樣本太小。自算區間只含抽樣誤差。
✍️ 實踐
用 40 分鐘替自己的團隊做一次「AI 任務盤點」。
- 列出你上週做的十個任務，標出離使用者的距離（直接接觸、間接、完全內部），再標有沒有用 AI。
- 每個用過 AI 的任務，粗估省了幾分鐘、花在檢查與修補的分鐘，算淨值。
- 找一個「淨值為負或接近零」的任務，寫下為什麼，決定下週是否繼續。
- 與團隊約定：省下的時間，一半固定投入使用者接觸或品質檢查，並在週會回報做了什麼。
- 把這份調查的 521 人樣本性質寫在你要引用它的簡報備註裡。
🔗 延伸學習
- AI in UX: Work Is Faster, But Practitioners Have Mixed Feelings（NN/g）：10 月 23 日，本篇主角，我抽取過一次。
- NN/g 文章列表：我讀過列表頁，10 月 9 到 23 日還有 Context Libraries 與 UX Disciplines 詞彙表。
- Synthetic Users vs. Human Respondents（NN/g）：昨天的主題，10 月 16 日。
💬 問 AI
我要評估 NN/g 2026-10-23 發表的〈AI in UX: Work Is Faster, But Practitioners Have Mixed Feelings〉。請嚴格分成「文章說的」「你查證到的」「你的推論」三區回答,不確定就直說,不要編造連結、數字或引文,也不要給任何投資或財務建議。
背景(請當待查證主張):
1. 調查期間 2026-08-24 到 09-11,2,814 份回覆清理後 521 份完整;便利樣本;職稱為設計師 246、研究員 145、產品經理 21、其他 109。
2. 對任務時間影響以 1(短很多)到 5(長很多)計:寫程式 1.28、評估設計 2.10、使用者測試 2.21、訪談 2.12;整體對 AI 感受平均 3.57。
3. 我看到一個「整體任務時間效果 4.2 / 5」的數字,與量表方向似乎矛盾。
4. 我自算:品質障礙 54%(n=521)的 95% 區間約 49.7% 到 58.3%。
請做:
A. 逐點驗證 1 到 3,標示「成立/部分成立/查不到」並附一手連結,特別說明 4.2 的量表與意義。
B. 檢查我的區間算法,並用 Wilson 區間重算。
C. 說明便利樣本與留言者偏誤(226 人)對結論的影響。
D. 為一個 8 人設計團隊設計一個 30 天的 AI 導入追蹤方案,指標以「成果是否更快更好到達使用者」為準。
不要評論公司或人事,只談研究方法、設計實務與證據強度。