AI 工具不讓設計師變廉價，但讓你一直假裝有判斷力這件事很難繼續

Core Thesis 你害怕的不是 AI 取代你，而是它讓別人看清楚你到底在做什麼。

我見過兩種 設計師 面對 AI 的反應。

兩種典型的應對模式

• 第一種：花三週學完所有 AI工具，每次 meeting 都拿出最新功能展示，但被問到「為什麼這樣設計」時說不出來。
• 第二種：沉默兩個月，然後拿出一份用 AI 生成草圖但所有決策都有論述的方案。主管在 review 說了一句：「你的東西現在更好懂了。」 💡 同樣是用 AI，結果完全不同。

主流說法：AI 壓低了設計門檻，設計師的價值在貶值。

這個論述的前提是：設計師的價值等於「做出來的東西的品質」。如果 AI 能做出好看的東西，設計師的差異就縮小了。

這個邏輯對了一半。它對的地方是可清楚描述、可被規則複現的工作確實正在被壓低價格；錯的地方是把「設計師的價值」窄化成「產出物的品質」，然後假裝這是唯一的衡量方式。

真相：AI 壓低的是 執行層 的議價空間 設計的核心從來不止執行。設計的 設計判斷力 在於：這個問題值不值得解？用哪個方向解？解完要看什麼指標算成功？這些問題 AI 不會問——它沒有你的脈絡，沒有你對使用者的理解，沒有你跟 產品經理 (PM) 吵了三個月後對業務限制的判斷。

你的價值在於你知道什麼時候不設計、什麼時候推翻需求、什麼時候說「這樣做會讓使用者更混亂」然後捍衛它。

但這也是問題所在。如果你的工作模式是「產品經理 (PM) 說做什麼、你就做什麼、交付好看的稿」，AI 的確正在侵蝕你的位置。不是因為 AI 比你厲害，而是在這個模式裡，你本來就沒有在提供判斷力——只是在執行。

為什麼判斷力這麼難被說清楚

這裡有一個更根本的問題：為什麼很多有經驗的設計師，明明做出的判斷是對的，卻常常說不出「為什麼」？

哲學家 Michael Polanyi 有句名言：「我們知道的，比我們能說出來的更多」（we know more than we can tell）。騎腳踏車或認人臉就是常見例子——你能做到，但很難把過程完整拆成精確規則。設計判斷力有一部分屬於這種默會知識：從失敗案例、被罵過的介面、跟工程端吵出來的妥協裡疊出來，未必被拆解成規則。AI 能從明文規範與大量案例中歸納模式，但組織內沒有被記錄、也沒有提供給它的經驗，它無法憑空取得。問題不只是 AI 變強，也是判斷若一直停留在「說不清楚但確實有效」的狀態，市場就很難辨認與定價。

Dreyfus 技能習得模型提供了另一個理解角度：新手依賴明確規則，隨著經驗增加，判斷會更依賴具體情境，到了專家階段常呈現難以還原成規則的整體直覺。這個模型描述的是人如何習得技能，不能直接證明哪種職位會先被 AI 取代；它比較能支持的是：越能被明確描述、驗收的執行工作，越容易交給工具加速，而情境判斷仍需要另外檢驗。

核心提問 問題不是「AI 會不會取代我」，而是「我有沒有不被取代的理由」？

AI 出現後，設計工作被切成兩層：

過去這兩層可以打包在一起賣。現在不行了。

判斷力要能被看見，得先變成論述

如果判斷大部分是默會的，它要怎麼被別人看見？

Donald Schön 區分了兩種反思：動手當下即時調整判斷的「行動中反思」，以及事後把整個歷程講清楚的「對行動的反思」。前者做得好不代表後者也會——很多資深設計師行動中判斷很準，卻從沒練習過事後講成論述，所以「為什麼這樣設計」答不出來，不代表判斷不存在，只是還沒被翻譯成能被檢視的語言。前面第二種設計師讓主管覺得「更好懂了」，是他多做了一步：把行動中的判斷翻成了行動後的論述。

行動建議 你需要做的不是學更多 AI工具，而是建立你在 決策層 的不可替代性——讓你的決策有紀錄、有論述、有追蹤。

具體來說，撐得住的決策紀錄至少要有四件事：要解的問題、被排除的方案與理由、預期結果、實際結果。少了「被排除的方案與理由」，紀錄就只是結果的說明書，不是判斷的證據。

我見過最穩定的設計師，都不是工具用得最快的，而是讓人在 review 時知道「這個選擇背後有人想過」的那種。

但要小心把紀錄寫成表演

把判斷寫成論述，會不會只是從「秀 AI 工具」變成「秀漂亮的決策簡報」，本質還是表演？這個風險有名字。Charles Goodhart 提出、後被人類學家 Marilyn Strathern 精煉成一句話的 Goodhart 定律：「當一個指標變成目標，它就不再是好指標。」一旦「有沒有寫決策紀錄」變成被獎勵的可見指標，就會有人學會產出「看起來很有道理」的事後論述——先做完，再倒著編一套講得通的故事。分辨的方法不是看有沒有寫，是看撐不撐得住反問：真正的判斷紀錄被問「為什麼不是別的方案」時答案很具體，因為那個方案真的比較過；表演性的紀錄一被追問就鬆動。

邊界要說清楚：職涯早期只會照 spec 執行不是你的錯，技能習得本來就有階段性。真正該焦慮的是這個階段被壓縮的速度——過去要花好幾年，現在留在執行層的安全期變短了。

總結 廉價的不是設計師。廉價的是沒有立場的執行力。判斷力大部分是默會的，AI 學不走，但如果你自己也從沒把它說出來，市場一樣看不見它。把它翻成撐得住反問的紀錄與論述，才是對抗 AI 壓縮的關鍵。