昨天我們看到了Claude如何協助我快速產出需求分析和prototype,那種「哇,原來可以這樣」的驚喜感還歷歷在目。但身為一個理性的工程師,我心中冒出了一個念頭:「如果換成ChatGPT,會產出什麼樣的結果呢?」
於是,我決定做一個簡單的實驗。
我用完全相同的prompt,分別餵給Claude和ChatGPT,想看看會得到什麼不同的結果。
ChatGPT產出的內容確實很詳細,但明顯偏向工程化的思維:
但缺少了一些重要元素:
相較之下,昨天Claude的產出:
當然,這也可能是因為我的prompt設計還不夠精準。要讓ChatGPT產出更好的結果,可能需要更詳細的指引和更多輪的調教。
將兩個版本的分析結果分享給團隊後,大家的反應出乎我的意料。
「原來AI可以做到這麼完整?」
這是最常聽到的驚嘆聲。團隊成員們從最初的半信半疑,逐漸轉向認真考慮的態度。原本對AI只是觀望的態度以及覺得他的妄想過多的狀態,逐漸變成「AI的時代來臨了」。
但是,興奮歸興奮,我們並沒有一股腦地就請Claude幫我們生出完整的prototype。
為什麼?
因為我們清楚知道,AI可以做這件事,但整個專案啟動程序中最重要的規劃步驟,不會因為有了AI就不需要做了。
Claude給了我們一個很棒的起點,但真正的挑戰才剛開始。
經過討論,我們開始規劃一個結合AI輔助與人工執行的混合策略:
AI可以協助的部分:
人工必須執行的部分:
AI可以協助的部分:
人工必須執行的部分:
AI可以協助的部分:
人工必須執行的部分:
AI可以協助的部分:
人工必須執行的部分:
整個規劃過程中,團隊內部有了些實驗與調整,主要集中在幾個議題:
這次的比較實驗讓我深刻體會到,同樣的需求,不同的AI工具需要不同的溝通方式。
Claude似乎更善於理解使用者體驗和介面設計,而ChatGPT在技術架構方面表現更強。但這也可能是因為我的prompt還不夠精準。
通過這次的經驗,得到了幾個重要的觀念: