📰 本日設計情報｜2026/07/09:客戶帶著AI提案走進會議室,設計師還剩下什麼判斷力

今天挑的五則,說的其實是同一件事。Halide 更新了鏡頭校正,把攝影師最後一塊手動的地盤磨得更細;OpenAI 讓 ChatGPT 學會一邊聽一邊講話,語音助理開始有了「在場」的感覺;Anthropic 行銷團隊把兩天的報表工作交給 Claude Cowork,自己去做更有價值的事。同一時間,英國一間體驗設計公司發現,客戶帶著看起來很厲害的 AI 提案圖走進會議室,卻答不出「為什麼」;而一篇長文則追問,當 AI 開始伸手碰觸「做什麼」這一層,設計師手上還剩下什麼。

工具在往前跑,判斷力這件事,今天每一則都在問。

🔥 Halide 3.1:一顆鏡頭校正滑桿,把構圖的最後一步留給你自己

Lux 旗下的 iPhone 相機 App Halide,7 月 10 日要推出 3.1「Scarlet」更新,新增「透視校正」工具,直接在 Frame 頁籤裡用一顆轉盤微調畫面的透視變形,概念跟大片幅相機用的移軸鏡校正一樣,只是現在裝進了口袋。

同一版還加了 RAW-only 拍攝模式,不再強制存一張 JPEG 備份;新的 Scarlet 色調把紅色系的飽和度往上推,拍夕陽或需要濃郁色彩的畫面特別討喜;另外還有可以自訂 App 圖示與介面主題的面板,連觀景窗裡點一下對焦、點一下曝光的手勢邏輯都重新調過,不會再誤觸。

這種把暗房動作一鍵搬進手機的思路,把攝影師原本就懂的判斷做成一顆更順手的滑桿。對做視覺工作的人來說,這種工具退到後面、手感留在前面的更新,比多一個自動濾鏡更值得留意。

閱讀原文 →

OpenAI 推出 GPT-Live:語音 AI 第一次學會「一邊聽一邊講」

OpenAI 今天推出新一代語音模型 GPT-Live,主打「全雙工」架構——AI 可以一邊聽你講話一邊組織回應,中途插入「嗯」「對啊」這類回應詞,也能在你需要思考空檔時安靜等待,不再是你講完它才開始想的一問一答。

遇到需要查資料或深度推理的問題,GPT-Live 會把工作丟給後端的 GPT-5.5 處理,結果整理好再接回對話裡,使用者感覺不到中斷。目前分成 GPT-Live-1(付費版預設)與 mini 版(免費版預設),已經開始全球推送。

對做 AI 產品設計的人,全雙工語音代表互動節奏整個要重畫——什麼時候該讓 AI 主動開口、什麼時候該安靜等待,會變成一種新的互動狀態機。用聲音跟 AI 一起腦力激盪、邊講邊調整提案的工作方式,可能比想像中更快出現在設計流程裡。

閱讀原文 →

兩天報表縮成兩小時:Anthropic 行銷團隊怎麼用 Claude Cowork

Anthropic 官方部落格分享了一個具體案例:行銷團隊的 Ian Chan 原本每週要花一到兩天,從 Dashboard、資料倉儲、Slack 訊息、甚至會議逐字稿裡把各項指標湊成一份週報。現在他排了一個週日晚上自動跑的 Claude Cowork 任務,AI 會先讀上一週報告,比對會議紀錄跟 Slack,查完資料倉儲,直接生出指標表跟建議重點,數字對不上會誠實標記出來、不會硬猜。

另一位同事 Annabel Custer 則把活動與行銷活動的建置工作拆成一整套技能:收到需求先分派給對的專才技能,自動在 CRM 建活動、寫信、生落地頁,最後還有一個獨立的稽核 agent 跑一次測試報名,確認信、資料都對了才算完工。

兩個案例的共通點,是把重複被糾正的地方直接收斂成可重複使用的技能,省掉每次重新提示的力氣。這對任何在做 AI 工作流設計的團隊都是很實際的參考動作:先做校對技能,再談自動化。

閱讀原文 →

客戶帶著 AI 提案走進會議室,體驗設計師在想什麼

英國體驗設計公司 Backlash 在 Creative Bloq 投書,說最近幾乎每週都會遇到同樣的開場白:「客戶已經生成一張 AI 視覺圖了。」畫面通常美到不真實——場景挑對了、建材質感、光線都恰到好處,但這些圖從來沒有真正回應過需求(brief)。

文中舉了一個例子:某個快閃店提案的 AI 概念圖,完全沒考慮過英國的公共安全法規、賣場的空間限制,甚至跟客戶自己的預算對不上,因為 AI 從沒被要求去想「消費者行為」「這個空間能不能實際蓋出來」這些問題,它只是把一個提示詞回答得很漂亮。

這篇文章點出的落差很清楚:AI 能回答一個提示,卻不一定能回應一個 brief——後者需要質疑、需要在多個角度之間拉扯,這正是設計師目前還沒被取代的那塊工作。

閱讀原文 →

AI 接管了「怎麼做」,設計師還剩下「做什麼」嗎?

Product Designer Francisco Barrera Aros 在 UX Collective 寫了一篇長文,說這幾年大家對 AI 的共識一直是「機器做 How,人留著 What」——你決定要做什麼,AI 幫你把它做出來。他自己一路用 AI 寫程式、蓋自動化,一開始也是這樣的體感。

但他發現 AI 漸漸開始主動分析結構、提出路徑,在他還沒講清楚意圖前就先攔下問題——換句話說,AI 也開始參與「決定要做什麼」的那一層。他借用 Wharton 教授 Ethan Mollick 的「參差前沿(jagged frontier)」概念:AI 在某些複雜任務上很強,但在某些看似簡單的地方卻莫名其妙踩空,因為它本質上是機率模型,擅長找合理、有前例的答案,卻不擅長真正打破常規的判斷。

這篇的重點,提醒設計師一件事:過去把「怎麼做」外包出去是升遷的象徵,現在 AI 連「做什麼」都開始插上一腳,真正稀缺的,會是那些靠經驗跟直覺磨出來、帶著傷疤的判斷力。

閱讀原文 →