AI 圖大氾濫，會摧毀大眾審美嗎？「AI味」又是什麼？怎麼用 AI 放大工作產值？ft. AI導演 林思翰《強者我朋友》EP 236｜志祺七七

這場訪談的核心問題是：「AI會摧毀設計美學嗎？」主講人林三岸（資深動態設計導演、AI應用顧問）給出的答案是：不會，因為場景差異和工作思維遠比AI本身更重要。

首先，AI圖像應用的適配度取決於場景。在電商領域，AI生成的產品圖、宣傳海報效果很好，因為這類工作本來就是「吃量」的——傳統設計師根本不想花時間做大量標準化設計，AI完全解決了這個痛點。但問題出現在真實性場景：有些餐廳用AI生成的食材、牧場圖來宣傳新鮮食材，消費者看到會反而懷疑「為什麼要用假圖證明真實性」。安全帽廠商用AI生成防撞測試圖也是同樣邏輯——一旦內容涉及真實驗證，AI生成反而傷害信任度。所以關鍵不是「AI好不好」，而是「這個場景適不適合用AI」。

關於常見的「AI味」批評，林三岸分析了其根源——AI訓練素材混合了動畫與真人照片，導致生成物呈現「2.5次元」的不真不假感。但這是當前模型的暫時特徵，不是永久問題。他用實例說明，加上模糊、手抖這類「真實缺陷」的濾鏡處理後，AI生成的完美圖反而變得更逼真，因為現實照片本來就有這些不完美。而且隨著模型迭代——ChatGPT已經大幅改善文字辨識和中文漢字準確性——「手指問題」、「文字模糊」這些破綻在快速消失。他預計不用3年，AI就能達到90分水平，屆時「降低美學」的擔憂根本不存在。

工作方法學的進化是這場訪談最關鍵的部分。傳統做法是Prompt Engineering（提示詞工程），每次都手寫指令，效率低。進階是Hernis Engineering（編排工程），設定好完整的工作流規範、SOP、驗收標準後，AI就像公司員工一樣按流程執行，人類只負責最終驗收。最高階是Loop Engineer（回圈工程），連驗收都交給AI自動完成——設立驗收標準後，AI自己檢查輸出品質，不通過自動重跑。核心邏輯不在「AI有多聰明」，而在「人類懂不懂怎麼交辦工作」。

他用真實案例說明：某半導體客戶要做30週年宣傳片，初期需求很虛（「給我有創意的想法」），但他沒直接亂生成提案。而是讓AI系統地挖掘品牌30年歷史中所有跟「30」相關的數據——辦公地址編號、晶片製程（3奈米）、各種數據關聯——然後從這些真實數據反向開發創意。最後提案中包含客戶自己都不知道的洞察，客戶非常滿意。這展示了AI的真正價值：不是速度快，而是數據視野的放大。

關於「客戶改稿無限迴圈」的問題，林三岸說這根本不是AI的問題，而是選客戶、設制度的問題。某些客戶有「吃到飽心態」——反正AI快速完成，就多做幾個版本。但這違反基本工作邏輯：目標是滿足需求，不是無限迭代。更重要的是管理學原理：如果一個主管需要經常跳下去救火補救，代表他是失敗主管。問題不在於AI出錯，而在於規範設定不夠清楚，應該優化系統而非事必躬亲。

林三岸自己就是這套方法論的實踐者。他用AI知識庫自動化後台數據管理（數據太複雜，交給AI爬取分析）、用AI爬取外包網站找到真實商機（哪些客戶願意付錢就代表痛點真實）、自動生成和發送開發信。他甚至為自己的iPass英文考試需求自己寫了網站工具，後來成為台灣同類關鍵字搜索流量第二大的網站。他的新課程核心就是教人建立「AI分身」——不是簡單堆知識庫，而是設定判斷邏輯、工作規範、變現路徑，讓AI真正像員工一樣思考和執行。而且用開源框架(Hernis Agent)，甚至可以完全離線在本地運行，不被雲端綁架。