昨天的原型整合測試讓我從技術孤島成功建立了系統協作，但當我在瀏覽器中模擬門市使用情境時，卻發現了一個更深層的問題：技術整合完成不等於使用體驗優良。AI可以完美實現我描述的每個功能，卻無法告訴我哪些設計決策是錯誤的。這讓我意識到AI協作中一個根本性的盲點：UX無法由AI決定。

AI無法決定什麼是好的使用者體驗

AI在設計協作中展現了驚人的實現能力，但在UX判斷上存在根本性局限。當我告訴Claude/Curosr「設計一個報價系統」時，它會產出功能完整的介面，但無法判斷「48px按鈕是否適合門市站立操作」或「80cm距離下客戶是否能清楚看到價格」。AI缺乏真實使用情境的感知能力，無法體驗操作時的手指疲勞、視覺疲勞，或理解客戶等待時的心理狀態。它只能基於一般性設計原則產出合理的介面，但無法做出情境化的UX判斷。

人類觀察的不可替代價值

真正的UX問題只能透過仔細的使用情境模擬被發現。當我在瀏覽器中模擬店員操作流程時，才意識到商品搜尋結果太多時需要大量滑動、數量調整按鈕需要多次點擊很麻煩、重要資訊在螢幕下方可能被忽略等問題。這些都是AI無法預見的真實痛點。AI可以告訴我「按鈕應該48px以上」，但無法告訴我「這個按鈕的位置會讓客戶看不到」或「這個操作流程會讓客戶等太久」。人類的觀察力、同理心、情境感知是UX設計中不可替代的核心能力。

實作案例：從UX問題到AI改善指令

以訂單系統的實際使用為例，我發現了具體的UX問題並學會如何轉化為AI能理解的改善指令：

發現的問題：調整商品數量時需要重複點擊「+」按鈕12次才能從1調到12

錯誤的改善描述：「數量調整不好用，請優化」

正確的改善prompt：
「優化數量調整功能，具體要求：
- 加入數字輸入框，支援直接輸入數量
- 保留+/-按鈕作為微調選項
- 輸入框48px高度，適合觸控操作
- 數量變更時右側金額要即時更新
- 請保持現有三區塊Layout不變，只優化互動方式
- 要求HTML、CSS、JS檔案分離」

關鍵在於將模糊的「不好用」轉化為具體的設計要求，讓AI理解「為什麼要改」和「要改成什麼樣」。

建立人機協作的UX設計分工

基於這些發現，我建立了新的協作模式：人類負責觀察和判斷，AI負責實現和調整。具體分工是：人類透過情境模擬發現使用痛點和改善需求；將發現的問題轉化為精確的技術要求和設計指令；AI根據明確的改善要求進行技術實現；人類在原型中驗證改善效果，持續迭代優化。這種分工讓各自的優勢得到最大發揮：人類的洞察力確保設計方向正確，AI的實現力確保改善快速到位。

突破局限：建立UX導向的Prompt策略

為了突破AI在UX設計上的局限，我發展出UX導向的prompt策略。關鍵原則包括：情境化描述優於抽象要求，要具體說明使用場景和使用者狀態；問題導向優於功能導向，要明確指出現有設計的具體問題；測量化標準優於感覺描述，用具體的數值和行為來描述期望的改善效果；保持性優於重建性，要求AI在現有基礎上改善而非重新設計。

優化prompt範例：
「基於門市使用情境模擬發現以下問題：
1. 客戶觀看距離下價格數字可能不夠清楚（現在14px）
2. 店員單手操作時按鈕位置不便（靠近螢幕邊緣）
3. 金額計算完成沒有明確的視覺提示

請針對性改善：
- 價格字體改為24px，加粗顯示
- 重要按鈕移到螢幕中央區域
- 加入金額確認的動畫提示
- 保持現有功能邏輯不變」

重新定義AI協作中的角色分工

經過這次UX優化的深度實踐，我深刻理解到AI是強大的實現工具，但不是設計決策工具。真正的UX設計需要人類的洞察、同理心和情境判斷，這些是AI無法替代的核心價值。最有效的協作模式是：人類觀察真實使用情境，發現具體的體驗問題，制定明確的改善目標；AI根據精確的指令快速實現技術改善，提供多種實現方案。當我們接受這種分工，既不期待AI替我們做UX判斷，也不低估AI的實現能力時，才能建立真正高效的設計協作關係。在原型設計階段，這種分工模式讓我們能快速發現和改善設計問題，為未來的真實用戶測試奠定良好基礎。

AI協作的最大陷阱是期待AI做出人類才能做的判斷。UX設計的核心在於理解人性、洞察需求、感受情境，這些永遠需要人類的親身體驗和深度思考。AI的價值在於快速實現我們的設計洞察，而不是替代我們的設計判斷。