全球 8 個市場、2,541 位創意工作者參與的一份調查裡，83% 的人說自己已經把生成式 AI 用進日常工作，74% 連私人生活也在用。這個規模常常被講成兩種極端說法：要嘛是「設計師快被取代了」，要嘛是「這只是又一波炒過頭的工具熱」，兩邊都繞過了真正該問的問題。
AI 真正改變的不是「用不用」這道選擇題，而是設計流程裡哪一段被壓縮、哪一段完全沒有變。把這個落差搞混，團隊很容易把不該省的判斷步驟一起交出去，也可能把明明能省下來的時間繼續耗在重複性的手工作業上。
分清楚哪些環節真的變快、哪些仍然只能靠人拍板，才知道要把 AI 擺進協作流程的哪個位置。
生成式 AI 已經內建進主流設計軟體，不是要不要用的問題
那份由 Adobe 主導的調查涵蓋美國、英國、德國、法國、日本、韓國、澳洲與紐西蘭 8 個市場，各國採用率落差不小：日本最低，49% 的創意工作者在用；美國最高，來到 87%。差距這麼大，代表生成式 AI 不是單一市場的流行現象，而是跨市場、跨產業都在發生的轉變。用過的人裡，66% 說做出來的內容變得更好，58% 說產出量增加了；20% 的人甚至表示，是公司或客戶要求他們使用某種生成式 AI 工具，不是自己主動想用。
這股採用不只發生在行銷或內容產業。Nielsen Norman Group 針對 841 位 UX 專業者做的調查發現，92% 的受訪者用過至少一種生成式 AI 工具，其中 63% 每週使用至少數次，包含 24% 每天都在用。UX 設計這個高度仰賴脈絡判斷的領域都有這麼高的採用率，代表這件事已經很難再用「還在觀望」來形容。
效率變化的幅度也一樣顯著。Adobe 後續與研究機構 Advanis 合作的一份調查裡，受訪創意工作者平均在超過 40% 的專案裡使用 AI，94% 表示用 AI 產出內容更快，其中多數人快了至少 50%，平均每週省下 17 小時。17 小時接近兩個工作天，這種等級的效率差距，解釋了為什麼採用率會衝這麼快；只是規模數字證明的是「很多人在用」，證明不了「它接手了整份工作」，這兩件事不能劃等號。
AI 接手的是生產動作，設計判斷仍握在人手中
同一份 NN/g 調查把 UX 專業者實際用 AI 做的任務歸成四種角色，使用比例差距相當明顯，分別是：內容編輯（改寫文案、調整語氣）有 75% 以上的受訪者用過，是四種裡比例最高的；研究助理（案頭研究彙整、訪綱起草）約半數受訪者用過；發想夥伴（探索內容變體、發想情境）31% 受訪者提及；設計助理（生成或修改圖片影片、人物誌、線框稿、原型）只有 24% 提及，是四種角色裡比例最低的一類。
這個落差不是巧合。NN/g 的解讀是，一般用途的生成式 AI 工具目前對「設計專屬任務」的支援有限，任務愈複雜、需要輸入的背景脈絡愈多，AI 能幫上忙的比例就愈低。調查裡只有 6% 的受訪者用過 AI 產出人物誌雛形，用它畫使用者旅程圖的比例更只有 0.5%。換句話說，AI 被大量使用的地方，幾乎都集中在「產出與編輯」這一端，愈靠近「設計判斷本身」的任務，使用比例就掉得愈快；這個分界，在發想、執行、找參考這幾個環節就看得特別清楚。
從空白稿到十個草案的時間差距
過去從一個模糊的想法走到三、五個可以拿出來討論的視覺方向，得靠人手動畫草圖、翻參考圖庫，少說也要半天。現在只要幾分鐘，就能產出多個方向當起點。NN/g 調查裡，31% 的受訪者提到用生成式 AI「拿到一個起點，克服卡在空白頁的狀態」，並把 AI 當成協作對象，在彼此的產出上疊加發展；有受訪者的說法是，ChatGPT 把發想的起手時間從原本要花的時間壓縮到 30 秒，讓自己能繼續往下推進。
Adobe 那份跟 Advanis 合作的調查裡，也有創意工作者提到類似的感受，覺得用 AI 讓自己更能量產內容，不必把時間耗在瑣碎的事情上。這兩份調查其實在講同一件事，AI 解決的是「打破空白頁」這道門檻，不是「決定哪個方向對」這道判斷。十個草案產出得再快，還是得有人從裡面挑出值得往下走的那一兩個。
去背、生成變體與重複性執行不再需要外包給人力
另一塊被明顯接手的是執行端。去背、批次生成不同尺寸或配色的變體、圖片修圖強化，這類過去要嘛自己重複手動做、要嘛外包給助理或接案者的工作，現在可以直接由工具產出。Adobe 的調查顯示，創意工作者使用生成式 AI 最主要的用途第一名是生成圖片影像，美國創意工作者有 78% 的圖像製作流程用到 AI；使用動機裡，「自動化任務省時間」佔 44%、「創造更多內容」佔 42%。
這類任務有一個共同特徵：規則清楚、可模板化、重複性高，正是生成式 AI 最擅長吃下的類型。NN/g 的設計助理任務清單裡也列出類似的用法，把生成的視覺素材匯入 Photoshop 做進一步微調，是常見的操作模式。這種「先產出、再微調」的分工，把原本要花整個下午的重複性執行，壓縮成幾個回合的來回調整。
找參考從地毯式搜圖，變成直接產出示意圖
找靈感、找參考這個動作本身也變了形。過去要在圖庫、社群平台上大量瀏覽篩選，才湊得出一份完整的情緒板；現在可以直接用生成式工具把腦中的方向具象化，當成跟團隊或客戶溝通的起點。NN/g 調查裡，有受訪者提到自己要幫客戶準備一份呈現視覺方向的情緒板時，用 Midjourney 生成圖片、參考其他圖片，再匯出可以在 Photoshop 做最後微調的示意稿。
省掉的是「地毯式搜尋」這道工序，不是「判斷這個方向適不適合」這件事。示意圖產出得再快，團隊還是得回頭問一句：這個方向符不符合品牌的調性、對不對客戶的胃口。找參考的效率提升，跟找到對的參考，從來就是兩回事。
設計判斷仍是 AI 反覆遇到的瓶頸
前面幾個環節省下來的時間都真實存在，但這不代表設計判斷這件事也一起被接手了。Nielsen Norman Group 在 2025 年針對真實設計情境做的系統性測試，反覆得出同一個結論。AI 能快速產出一份看起來完整的畫面，細看卻抓不住脈絡裡真正該優先處理的東西，用該篇作者的話說，產出的方案「乍看完整，細看卻不到位」。這不是單一角度的主觀感受，Adobe 的調查裡，創意工作者自己也點出同樣的擔憂：84% 擔心無法維持品牌一致性，64% 擔心產出同質化。一份是客觀測試，一份是使用者自己的顧慮，兩邊指向同一個地方。
同一份提示詞餵出的 AI 方案容易大同小異
NN/g 的測試發現，沒有給細節規格時，AI 生成的畫面會偏向同一種通用、極簡的視覺風格，像是無襯線字體加極簡排版，而且經常直接套用主流前端元件庫與框架的預設樣式，像 Shadcn 這類元件庫、Tailwind CSS 這類框架。作者的解讀是，AI 系統的本質是模式匹配，會被拉向訓練資料裡最常見的做法，而不是這個情境下最合適的做法。
結果就是畫面看起來扁平、可以互相替換，缺乏辨識度。這正好呼應 Adobe 調查裡 64% 創意工作者自己也擔心的同質化問題。當愈多人用同一批工具、給的提示詞又差不多具體，產出自然會往同一個方向靠攏。品牌要的是辨識度，靠模式匹配跑出來的通用外觀，天生就跟這個目標對著幹。
AI 抓不到品牌脈絡與版面細節的取捨依據
NN/g 也發現，即使給了詳細的文字規格，AI 產出仍然卡在細節，像是視覺層級不清楚、留白不一致、配色對比度不夠、相關元素沒有被適當分組。作者舉的例子是，某工具把「取得課程材料的密碼」跟「材料連結」隔了一大段空白，這兩個資訊本該放在一起，才容易讓使用者理解它們之間的關聯。
這些問題的共同點，不是「做錯」，而是「沒有理由地做選擇」。AI 不知道為什麼這個層級比那個重要、為什麼這裡該留白，因為它沒有這個品牌、這個產品的判斷依據，這正好對應 Adobe 調查裡 84% 創意工作者擔心的品牌一致性問題。規格寫得再細，AI 也補不上它對這個品牌沒有累積過的理解。
參考素材給得愈完整，AI 才愈準，設計工作其實已經做了一半
NN/g 測試裡還有一個容易被忽略的反諷。附上視覺參考（手繪草圖、現成設計稿、Figma 連結）的提示詞，產出明顯比純文字提示更貼近需求，作者更直接點出：「透過提供這些參考，其實已經完成了大半的設計工作。」
這代表版面邏輯、層級關係、視覺風格這些設計判斷，在餵給 AI 之前就已經在人腦裡做完了，AI 只是把它具體化、跑得更快。同一份研究也提到，要精準操控 AI，得先懂版面、字體排印、元件命名這些設計專業詞彙，這代表 AI 降低的是「動手做」的門檻，卻拉大了普通結果跟真正優秀結果之間的差距。判斷沒有消失，只是移到了「準備給 AI 的輸入」這一步。
決定權沒有跟著工具轉移，把關的責任還是留在人身上
前面幾個卡點收攏成一個實務問題，誰要為這個選擇負責。AI 可以在幾分鐘內產出一份看起來能拿給客戶看的示意稿，但那份示意稿代表什麼、現在該不該把它當真、跟客戶那場「這個方向為什麼可行、為什麼還沒定案」的對話，都還是要有人主動扛起來，不會因為工具變快就自動有人接手。
NN/g 提醒，把還沒有適當說明脈絡、看起來已經很精緻的 AI 原型直接拿給利害關係人看，容易讓討論偏離重點，像是視覺層級都還沒定案，對話卻先卡在按鈕顏色這種次要細節上。原型呈現得愈完整，愈需要有人事先講清楚這只是概念驗證，不是定案。
即使 AI 產出的原型表面上看起來接近完成，底層的結構、邏輯與可用性考量往往還沒到位，仍然需要人手動驗證、迭代、修飾，才能真正進入生產階段。這篇研究收在一句定調：跟 AI 工具合作，要像帶一個實習生——它能畫出版面、拼裝元件、複現熟悉的樣式，但要權衡取捨、做出有意義的東西，仍然需要人的判斷。
把這幾個環節放在一起看，判準其實很清楚：發想起點、變體量產、去背修圖、找參考示意，這幾個生產環節，AI 能明顯省下時間；一旦碰到「這個方向適不適合這個品牌」「這個取捨背後的理由是什麼」「跟客戶這次要對齊的期待是什麼」，判斷權就該留在人身上。不是因為對工具有情感上的不信任，而是這幾件事目前就是它做不到的。
這也是為什麼，把 AI 講成「設計師要失業了」或「這只是個玩具」都太簡化。工具變快了，不代表判斷變簡單了，反而因為產出的量與速度都上去了，誰來把關、誰決定放不放行，比以前更重要。把生成式 AI 擺進協作加速器的位置，而不是外包整案的對象，這條界線劃清楚，才是這波轉變裡真正該搞懂的事。