來自 Cowork 設計主管的 Claude Cowork 教程（40 分鐘）| Jenny Wen
💡 心得摘要
這部影片讓人最有感的地方，不是單純展示 AI 工具多厲害，而是很清楚地指出一件事：工作方式本身正在改變。
以前很多產品設計或知識工作，常常是先花很多時間整理資料、寫規格、做簡報、畫靜態稿，最後再交給別人往下執行；但在 AI 時代，這種流程正逐漸被改寫成：先快速做出能看、能用、能討論的版本，再一邊使用、一邊修正。
影片裡最值得思考的是，AI 並不只是幫忙「加快速度」，而是讓人重新分工。過去需要人類自己花大量時間做的整理、歸納、初稿、原型，現在可以先交給 AI 完成第一版；而人真正最重要的價值，反而變成判斷方向、做取捨、定優先順序、看出真正問題在哪裡。
看完之後，我的感想是：
未來真正有競爭力的人，不一定是最會手工完成每一步的人，而是最會和 AI 協作、最會把想法快速變成成果、也最能從混亂資訊中抓出關鍵的人。
🎯 重點一：設計不再只是交付稿件，而是直接參與把產品做出來
影片最核心的一點，是設計工作不再只是做出漂亮的畫面或完整規格，而是越來越像和產品、工程一起「把東西做出來」。也就是說，設計師不只是畫圖的人，而是推動產品成形的人。
📋 流程的改變
- 傳統做法：需求討論 → 規格文件 → 設計稿 → 工程實作 → 上線
- AI 時代做法：有想法 → 用 AI 快速做原型 → 團隊一起看 → 立刻改 → 再驗證
這種改變非常重要，因為 AI 把「做出第一版」的門檻大幅降低了。以前光是畫 mockup、寫規格、來回溝通就可能花很多天，現在可以先把一個可操作版本做出來，再直接討論。
📌 實際例子
例如一個團隊要做「旅遊行程助手」功能。傳統做法可能是 PM 寫需求，設計師畫好幾頁畫面，工程師實作，兩週後才看到結果。而在 AI 時代的做法可能是，設計師先用 AI 做出一個可點擊的原型，裡面已經有「推薦行程」、「預算切換」、「地圖排序」等功能雛形。大家當天就能直接討論：到底是卡片式比較好，還是時間軸比較好。
差別在於：不是先講很多，而是先做出來再講。
🔍 重點二：AI 最大價值不是聊天，而是把雜亂資訊變成可決策的內容
影片提到的一個很關鍵觀念，是 AI 最有用的地方，不只是回答問題，而是可以把大量零散資訊整理成團隊真的能拿來決策的內容。
🧠 整理成有結構的洞察
很多工作最花時間的，不是「想不到」，而是「資料太亂」。例如大量的客戶訪談、社群留言、問卷回覆或會議紀錄。這些資訊很有價值，但人很難在短時間內整理出優先順序。AI 在這裡的角色，就是把「大量雜訊」轉成「有結構的洞察」。
📌 實際例子
假設你經營電商網站，收到很多回饋。把留言給 AI 分析，它可以幫你整理成：
- 最常見問題：付款流程步驟太多
- 第二大問題：訂單查詢入口不明顯
- 影響轉換率最高的痛點：折價券使用規則不清楚
- 技術層面問題：APP 某版本載入速度異常
這樣團隊看到的就不再是一堆抱怨，而是可執行的優先順序。
📖 重點三：好的 AI 輸出，建立在好的上下文，不只是靠 prompt
影片中有一個很值得記住的觀念：AI 是否好用，很多時候不是取決於你那一句 prompt 多厲害，而是它有沒有足夠上下文。
🌐 建立專屬知識環境
如果 AI 對你的工作背景一無所知，它的回答通常就會停留在泛泛而談。但如果你平常就把會議紀錄、想法、產品目標、訪談摘要、個人筆記整理在同一個系統裡，AI 就比較能理解你正在做什麼，也更能產出貼近需求的內容。
這其實是在提醒大家：未來的競爭力不只是會下指令，而是會整理自己的知識環境。
📌 實際例子
同樣是請 AI 幫忙寫一份產品提案。只輸入「幫我寫旅遊 App 的提案」內容多半空泛。但如果先提供：目標客群、最大痛點、競品分析、以及提案重點等上下文，AI 產出的內容就會實際很多。
真正重要的不是「神 prompt」，而是「神上下文」。
⏳ 重點四：看起來很快的產品，背後通常是很長時間的試錯
很多產品外表看起來像突然爆紅、突然推出，其實背後往往已經經歷很長時間的原型測試與失敗版本。
🔄 真實的迭代過程
外界常常只看到發布那一天，覺得某個團隊很神、很快。但事實上，真正的速度，通常是建立在很多前期迭代之上。
不要迷信表面的「快」，真正有效的快，是前面已經試過很多次；好產品不是一次想對，而是多次修正後才慢慢清楚。
📌 實際例子
像你看到一個 AI 筆記工具，介面很簡潔、體驗很好，可能會覺得團隊 10 天就做出來了。真相反而是：半年前做過第一版太複雜，後來第二版使用者看不懂，第三版功能太多，最後才收斂成現在看到的樣子。
你看到的不是「10 天的成果」，而是「10 天推出 + 1 年摸索」。
⚖️ 重點五：未來更值錢的不是執行細節，而是判斷力
這部影片最後最深的一個啟發是：AI 越強，人類越不能只停留在做流程上的執行者。
🧠 高層次的人類能力
因為很多重複性高、整理型、初稿型的工作，都會越來越容易被 AI 接手。那麼人剩下最重要的價值，就是：
- 問題定義得準不準？
- 判斷優先順序是否正確？
- 有沒有看出真正的機會點？
- 能不能做出對的取捨？
也就是說，未來不是不需要人，而是更需要高層次的人類能力。
📌 實際例子
同樣要做一個新功能，AI 可以寫初版需求、產出幾種 UI 方案、彙整用戶意見甚至生成 prototype。但 AI 不一定知道到底該不該做、策略方向為何、或是先追求成長還是留存。這些判斷仍然需要人來做。
未來真正強的人，是能讓 AI 先跑，再自己做最後決策的人。
結語與延伸思考
這部影片帶來的最大啟發可以濃縮成一句話：
「AI 時代最重要的能力，不只是會使用工具，而是會重新設計自己的工作方式。」
🔖 懶人版結論
這支影片讓我看到三件最重要的事：
- 工作流程正在從「先想完再做」變成「先做出來再優化」。
- AI 最有價值的地方，是把複雜混亂的資訊整理成能做決策的成果。
- 未來真正拉開差距的，不是誰最會做初稿，而是誰最會判斷方向。
不要再用舊時代的工作邏輯，去使用新時代的工具。把心力留給更重要的判斷與決策，才是 AI 帶給我們最大的價值槓桿。