實際案例也開始顯示效率差距。一項自行車專案利用AI整合市場、競品、使用者、法規及技術需求，研究分析時間減少超過50%；寵物用品專案透過AI與3D數位分身預先測試不同方案，則把開發期從18週縮短到6週。

但AI快速產生更多選項後，新的工作反而是「選擇」。張文櫻認為，AI可以幫助人做得更快、知道更多、探索更多，設計仍必須回到人的需要，找到真正值得解決的問題。

圖／台灣設計研究院研發長張文櫻於「2026 APEC AI驅動設計創新研討會」上分享AI導入四個設計階段。設研院提供。

達梭副總裁Anne Asensio：別只看AI工具，設計師也要進入治理 

WDO區域顧問、達梭系統設計策略副總裁暨DESIGNStudio創辦人 Anne Asensio，把討論尺度拉得更大。

她從達梭系統長年發展3D與虛擬世界的經驗談起，認為產業已進入「生成式經濟」階段。數位化的範圍從產品、企業一路擴張到城市與人的需求，虛擬和真實世界的界線持續模糊。

因此，AI時代的設計不能停在學會生成圖片或操作新軟體。Asensio提醒：「不能只看工具，你必須重新思考工作流程。」例如汽車設計過去往往先完成造型，再進行空氣力學測試，如今可先建立模擬環境，讓氣流數據反過來影響造型設計。

她也把設計師的角色推向治理層次。當AI參與更多即時判斷，設計師不能只把自己視為作品「作者」，還得理解產品對社會、生態與使用者的長期影響。她最後留下的一句話是：「我們需要希望。」

圖／WDO區域顧問、達梭系統設計策略副總裁暨DESIGNStudio創辦人Anne Asensio出席「2026 APEC AI驅動設計創新研討會」。設研院提供。

太刀川英輔：AI給的是平均答案，人要提出夠不一樣的問題

NOSIGNER創辦人兼執行長、WDO理事會成員太刀川英輔，則從「演化」理解AI與創造力。

太刀川長期關注防災、永續等社會議題，也將自己定位為「演化設計師」。AI出現後，他花近一年學習如何與AI協作，甚至跨進程式與應用開發。

他觀察到，AI正在大量吸收設計內容。光是自己的網站，24個月內就被AI爬蟲造訪約3.6萬次，意味著設計作品早已成為模型學習的資料來源。

但他更關心創意本身。他認為「AI本質上會生成平均答案」，如果希望得到具有差異性的結果，人就要像生物演化中的「突變」一樣，提出更不尋常、更具挑戰性的問題，再從大量結果裡判斷與篩選。

圖／NOSIGNER創辦人兼執行長、WDO理事會成員太刀川英輔出席「2026 APEC AI驅動設計創新研討會」。設研院提供。

聚陽：10天、5部門的工作，AI縮成2天1人

當討論回到工廠端，AI的矛盾變得更具體。

聚陽實業股份有限公司總監程麗如形容成衣製造每天的工作：「我們每天做的，就是把文字和數字變成一件衣服。」

一張漂亮草圖送到工廠只是開始。尺寸、布料垂墜、縮率、人體差異，都會改變最後成品；聚陽產品又橫跨泳裝、睡衣、成衣與運動服，每一季的客戶、產地、供應商及規格可能全部不同。

生成式AI的確帶來驚人效率。過去一份約10至15款的設計提案，要歷經趨勢研究、設計草圖、紙樣、虛擬或實體打樣，至少橫跨5個部門、約10個工作天；如今部分流程可縮到「2天、1名設計師」。

問題是，每一個人變快，不代表公司整體變快。

聚陽很早就讓各部門使用AI，結果設計師可能生成「看起來很美、卻做不出來」的衣服；業務用AI整理出漂亮數據，來源卻可能是幻覺；工廠自行採用的工具，也未必能與總公司系統交換資料。「每個個體都變快了」，卻暴露出資料治理與流程整合的新瓶頸。

聚陽因此開始回頭整理不同工廠、客戶與規格留下的資料，以API打通資料流、建立數位決策邏輯，再讓AI接上產業累積的真實知識。程麗如期待的最後狀態，是讓「科技消失」，員工只需用自然語言表達需求，複雜系統則在背後自然運作。

圖／聚陽實業總監程麗如於「2026 APEC AI驅動設計創新研討會」分享AI導入服裝設計流程。設研院提供。

有AI卻沒成效？Sigit Setiawan看見另一種「AI落差」

印尼國家研究與創新署研究團隊主管 Sigit Setiawan，從APEC新興經濟體的經驗談中小微企業導入AI的困境。他們觀察到「adoption without impact」現象：政府投入資源鼓勵中小企業採用AI，但有些企業雖然「用了AI」，營運績效沒有改善，甚至出現下降。

Sigit Setiawan認為，新一代AI落差不完全是硬體取得問題，而是企業缺乏資料素養、AI認知，以及把技術接上商業問題的能力。有些業者甚至把OCR辨識包裝成AI轉型；另一些企業不信任演算法，AI做完後仍由員工人工檢查一次，反而增加工作量。

他因此提醒，導入AI前應先「把水管修好」，得先補齊ERP、資料庫、資料管線與人才能力，政策也不能只追求「今年導入幾家企業」，而應回頭檢視AI到底有沒有真正改善營運。

Stefano Marinelli Tagliavento：AI改變中小企業的「可能性經濟學」 

秘魯 FutureLab 合夥人暨總監 Stefano Marinelli Tagliavento，則從中小微企業的成長機會切入。他指出，中小企業的限制往往不在沒有創意，而是無法像大型企業一樣投入大量資源進行市場研究、打樣、產品測試與反覆實驗。

因此，AI的價值不只在提高效率，也能降低探索新市場的成本。企業可以先利用AI整理買家需求、材料規格、生產限制與銷售測試條件，再透過低成本實驗累積證據，最後決定是否投入正式開發。

他形容，對大型企業而言，AI改善的是「創新的經濟學」；對中小微企業而言，更接近改變「可能性的經濟學」，讓原本負擔不起的嘗試，有機會在真正量產前先被驗證。

Stefano Marinelli Tagliavento也提醒，企業必須逐步把資料制度化管理，機密與策略性資訊可留在本地端，只把必要工作交由雲端AI處理，以兼顧算力與資訊安全。

設計師會消失嗎？人的工作正從「做」轉向「判斷」

釜山市總設計師、WDO理事會成員 Ken Nah則把設計拆成「發散」與「收斂」。AI在資料搜集、創意生成等發散工作進步極快，到了定義問題、設定意圖、判斷方向的收斂階段，人仍有重要角色。

他用一句公式形容：「設計＝意圖＋視覺化。」當2D、3D與圖片生成愈來愈容易，「意圖」的重要性反而提高。

圖／釜山市總設計師、WDO理事會成員 Ken Nah於「2026 APEC AI驅動設計創新研討會」談到設計意圖的重要。設研院提供。

WDO區域顧問、仁寶電腦資深副總經理陳禧冠則提醒，比起追問AI會不會取代設計師，更值得問：「你能把自己作為設計師的能力擴張到多遠？」

美商台灣微軟首席技術長花凱龍則從技術演進觀察，AI已從ChatGPT帶動的聊天階段，走到Copilot，再往多代理人系統發展。未來複雜工作可能像一個數位團隊，由不同Agent分別搜尋網路、分析檔案、寫程式，再由Orchestrator協調工作。

AI正模糊公司裡的專業邊界，未來企業可能需要更少部門，但每個人的能力半徑必須更廣，從市場、策略一路理解到製造與落地。

AI讓實驗變便宜，真正競爭的是企業能否留下知識

對資源有限的中小企業而言，工研院執行副總胡竹生認為，AI最大的機會之一，就是降低「實驗成本」。

生成式AI可以先產生多個方案，再放進數位孿生環境測試，甚至讓另一個AI擔任評論者，在真正投入模具、材料與產線前先篩選方向。

圖／研討會也透過分組討論，讓各國專家學者從中小微企業面臨的關鍵缺口出發，進一步思考區域合作與AI驅動設計創新的對策。。設研院提供。

從Anne Asensio談治理、太刀川英輔談觀察與提問，Sigit Setiawan提醒政策不能只看導入數字，到Stefano Marinelli Tagliavento談低成本實驗，再回到聚陽的製造現場，這場APEC研討會最後逐漸收斂出同一個問題。

當生成成本愈來愈低、工具愈來愈容易取得，企業真正的競爭力未必在於「用了多少AI」，而在資料是否可靠、流程能否互通、知識能否累積，以及人是否還具備定義問題與判斷結果的能力。

AI負責加速可能性，人則必須更精準地決定，什麼值得被做出來。

👉 加入城市學 LINE 官方帳號，追蹤 IG ，最新城市議題不漏接！