一句話總結 TL;DR
AI 已能生出平均水準的設計稿，但都有小毛病無法直接上線。用 70 年設計研究累積的量化工具能把設計推到及格線，但決定保留哪個偏離的「品味」工具教不了，正是人最值錢的價值。
三個 AI 設計工具的現況與通病
- 同一電商需求丟三個 AI：10 分鐘出三稿，都專業卻有既視感 00:00
- Stitch 最好看但最難改：圖庫多，改按鈕要重畫整頁 00:32
- Figma 系統完整可手改：貼近工作流，但有每日 MCP 呼叫上限 01:03
- Claude Design 輸出可用程式碼：可畫框溝通，但微調同樣麻煩 01:03
- 三者都有小問題：跑版、對比不夠、字級不一、CTA 位置怪 01:03
問題在人不在 AI：只會給平均答案
- 設計本質沒有標準答案：配色、間距、圓角都無對錯 01:35
- AI 擅長有標準答案的題：數學、翻譯、程式邏輯，設計不是 01:35
- 沒標準答案就挑最不出錯的：AI 永遠給你平均的版本 01:35
- 覺得怪卻說不出原因：憑直覺亂改越改越糟 02:07
- 沒有語言就沒有修正能力：但不必是設計師才能破局 02:07
壞設計有標準訊號：四個量化問題
- 好設計沒答案，壞設計有訊號：70 年研究累積出避雷法則 02:39
- 設計研究早有學術撐腰：眼動 1960、可讀性 1948、WCAG 20 年 02:07
- 先拆成功能與視覺兩面向：會不會出問題、清不清爽 03:15
- 再拆成四個具體問題：看得到、看得懂、會行動、夠一致 03:15
- 不必當設計師：只要知道工具存在並把它們串起來 03:15
工具一、二：看得到嗎、看得懂嗎
- DeepGaze IIE 眼動預測：丟截圖秒出注意力熱力圖 03:46
- 重要的要亮、次要的要暗：不是整個畫面越亮越好 03:46
- 按鈕落暗區就沒人看到：直覺看不出，工具 10 秒抓出 04:19
- Flesch-Kincaid 判閱讀程度：文案到 14 年級，看 3 秒就關 04:19
- 中文無公式改用 LLM 質化：具體指出哪句太抽象 04:52
- WCAG＋Sa11y/axe-core 自動查：抓對比不足、圖片缺 alt 04:52
工具三、四與閉環：會行動嗎、夠一致嗎
- AI agent 模擬使用者：自己開瀏覽器點按鈕，回報卡在哪 05:23
- 抓所有人都會卡的結構問題：如 CTA 被彈窗擋住 05:56
- Playwright 讀每個元素 CSS：秒統計幾種灰、字級、按鈕樣式 06:27
- 跨頁比對揪不一致：設計系統沒落地最強的訊號 06:27
- 四工具串成閉環：分析出結構化報告，標出問題與嚴重度 07:00
- 報告丟 Claude Code 出修正計畫：跑 3-5 次分數往上走 07:00
平均臉的啟示與人的三層價值
- 平均臉客觀好看卻沒人記得：因為它不是任何真實的臉 07:32
- 評分最高的是偏離平均的臉：稜角下巴、稍大的眼睛讓人難忘 08:05
- 工具本質是把設計推向平均：給的是清單，不是答案 08:05
- 留哪個偏離叫品味：品味是工具教不了的 08:05
- 設計分執行、評估、定義三層：執行 AI 完勝，定義只有人能做 08:37
- 越外包給 AI，品味越值錢：畫圖有課上，品味卻沒有 08:37
金句與關鍵數據 Quotes & Numbers
- 好設計沒有標準答案，但壞設計是有標準訊號的——影片核心論點 02:39
- Figma 股價從去年八月高點跌去 87%，市場判斷 AI 能直接做設計 00:00
- 一個網站被驗出用了 47 種灰色、13 種字級、15 種按鈕樣式 06:27
總結與行動建議 Takeaways
- 別憑直覺亂改：先用工具找出明顯的壞偏離
- 把四個工具串成閉環：產出報告再交 Claude Code 出修正計畫
- 循環跑 3-5 次：把設計穩定推到及格線
- 及格之後靠品味：自己決定保留哪個偏離
- 時間投資在評估與定義：執行層放心交給 AI
- 刻意培養品味：它最稀缺，也最值錢