生成式AI「快轉」設計週期！企業解鎖生產力，麥肯錫：導入AI有這5件必做的事

生成式AI雖仍處於萌芽階段，但已翻轉了產品和包裝的構思、創新及設計方式。從產品包裝到汽車零件和零售貨架展示，生成式AI讓工業設計師能探索更多想法，甚至是以前未曾想像過的概念，設計師也能比傳統方法更快地開發初步設計概念。

透過生成式AI，公司可以在設計的早期階段將產品概念高度擬真地視覺化，進而在調整用戶體驗的各環節時，從消費者那裡獲得更準確的反饋。麥肯錫估計，光是在產品研發與設計方面，生成式AI就能解鎖600億美元（約新台幣1.92兆元）的生產力。

儘管生成式AI工具可以產生非凡的成果，但它們無法取代人類專業知識。就像電腦輔助設計（CAD）和後來的3D列印和擴增實境等技術問世時，業界就已認知到產品設計的方法會進步，但設計專家的存在仍不可或缺。

專家在進行消費者研究的過程通常會發現影響關鍵設計選擇的見解。他們能從AI生成的圖像中找到最佳概念——並從美學、可製造性和用戶研究的角度來評估——這樣的能力是產品設計能夠與用戶產生共鳴的關鍵。

儘管生成式AI是新工具，但它們對生產力有顯著的影響。如果在產品開發週期中正確使用AI工具，開發週期時間可減少達70％。這讓設計團隊有更多時間進行消費者測試、微調設計、驗證供應商和優化產品的可製造性和可持續性。這些工具最終將成為成長和創新的載體，促進更快地開發出更優秀的產品。

重新定義創意開發、市場用戶研究

工業設計師在創造或重新設計產品時，他們的創意過程通常有幾個階段：市場和用戶研究、概念開發及概念測試和修正。生成式AI可以在每個階段帶來巨大的附加價值，使設計師能更快迭代、用新的方式將點線面串連起來，並激盪出不同的想法，創造出改變用戶日常體驗的產品。

幾乎所有成功的產品設計都始於市場研究。設計師需要了解哪些特質是潛在消費者最重視的、消費者偏好如何轉變，市場還有哪些缺口可以用新產品來填補。在大型語言模型上訓練的生成式AI工具賦能，使設計師可更快地蒐集、綜合和分析現有的市場和消費者數據，並從多樣化的數據源中提取見解，揭示未開發的市場機會和被忽視的消費者需求，幫助設計師建立更豐富的知識基礎，作為和利害關係人討論和消費者訪談的基礎。

例如，一家消費品公司使用生成式AI強化市場和用戶研究，獲得有關消費者情緒和品牌價值的新見解。這幫助設計團隊擴大其人物訪談的範圍，並獲得有關重要設計元素的反饋，從而為後續的概念開發和修正提供資料。

在概念開發階段，設計師和工程師創造新的產品設計或對現有設計進行迭代。生成式AI工具，特別是文字轉圖像生成器，提供了一個強大的靈感和創新媒介。這項技術是根據專家的提示生成新穎、逼真的圖像，它可以啟發設計師更勇敢的探索新概念，並引入獨特的、可能具有突破性的想法。這些視覺化的結果加上數據和其他資料（粗略草圖、研究分析見解和消費者情緒）生成的產出結果，可以大幅加快概念開發階段。

然而，人類介入仍是驗證、測試和修正AI生成結果所不可少的一環，這樣才能確保這些結果是有意義的、可製造的和有影響力的。AI生成的圖像在初始狀態下通常不能使用，它們可能不符合公司的願景、無法反映設計師的理念或可以生產製造。就像以前的技術進展一樣（如CAD和3D列印），生成式AI讓專業設計師可以擺脫單調的任務，專注於更具創造性和策略性的工作。

例如，一家汽車製造商的工業設計師使用生成式AI在僅僅2小時內就創建了25種下一代汽車儀表板的初步設計概念。這些概念（包括觸控螢幕、充電表面和儀表板）透過圖像編輯軟件修正後，就能讓利害關係人更清楚看到最新電動車款的零件界面、外形、材料和飾面的變化。沒有生成式AI，這樣的圖像至少要1周和更多的迭代才能達到同樣的細節與品質。

概念測試、實境優化，AI未來只會更迅猛

生成式AI也能將粗略草圖或初步設計理念提升為實境式的視覺效果，加強概念測試和修正。設計師能因此和業務領導人及消費者進行更有意義的討論，徵詢他們對新概念和未來願景的意見反饋。例如，設計師可以使用AI生成的圖像結合補充視覺內容來說明新格式、產品、服務和體驗的故事板，讓博物館的管理層能夠更有效地設想增強展覽可近性的方法。

在與利害相關方進行初步概念測試後，設計師可使用生成式AI修正產品樣式、進行潤色並將未來概念映射到產品路線圖上，有時只要幾小時，不需要數星期就能完成。這簡化了設計修正、工程概念和製造設計之前的流程。

希望進一步將生成式AI整合到產品模擬和測試中的領導者，應該密切關注這項技術的快速發展。我們預計將會有更多新的技術來簡化設計與工程之間的交接，大幅加快工程過程。目前市面上已有生成式AI軟體可以幫設計師和工程師快速將產品概念轉化為CAD模型，從而更快地開始建模和工程過程。

此外，未來的工具可以快速分析設計的可製造性及可維修性，例如確認產品是否能用工廠現有的工具進行製造。

生成式AI也為模擬工程問題帶來革命性轉變，像是優化結構性能。一些生成式AI工具可以根據作用力、壓力和環境條件等標準生成數百種更優化的零件設計方案。我們可以預期生成式AI的能力更臻全面，包括將粗略草圖轉化為詳細的工程模型、輔助原料選擇，以及找到提高可製造性和降低成本的方法。

專家監督仍必要，實現商業價值5須知

生成式AI的產出結果或許令人驚豔，但要將它們轉化為可以製造符合用戶喜好、解決痛點和滿足期望的理想產品，需要的不僅是按下按鈕這麼簡單。實現商業價值需要在以下幾個關鍵領域中具備工業設計和工程專業知識：

❶ 進行消費者研究：

生成式AI可提供有價值的見解，但這些工具也可能產生不準確的資訊。設計團隊須進行初步的研究驗證假設和調查新趨勢，以全面了解用戶偏好。

❷ 開發有效的提示：

製作合適的提示對生成相關輸出至關重要。設計師須提供詳細的上下文，包括主題、媒介、環境、照明和構圖，以生成有意義的圖像。

❸ 精煉生成式AI的輸出：

AI生成的圖像通常需要大量後期編輯來微調顏色、字體和圖案。設計師和工程師仍需要在CAD中創造細緻的概念，以確保符合製造規範和限制。

❹ 策畫最佳概念：

生成式AI可快速生成大量概念，但過多的選擇可能會使利害相關方和消費者不堪重負。專業設計必須能識別最佳想法並將其精煉以進行概念測試。

❺ 添加人類共情：

AI工具受限於其訓練數據，可能會延續偏見並簡化解決方案。工業設計師和工程師必須確保考慮產品使用的所有方面，從美學到人體工學和可用性。

單一試點、避險，導入AI必做的5件事

為了有效地將生成式AI整合到產品設計的工具中，設計團隊應考慮以下幾個行動：

❶ 騰出時間進行學習和探索：
鼓勵團隊在日常活動中測試生成式AI，並分享他們的學習成果以提高他們的熟練程度。

❷ 確定並啟動在高價值領域的試點專案：

一次專注於單一試點專案，才能創造可觀的價值，價值來自在設計週期中使用創新技術，或是通過簡化特定流程。

❸ 評估風險並建立防護機制：

建立管理法律、道德和聲譽風險的政策，確保負責任地使用生成式AI技術。

❹ 教育商業利害關係人新的流程：

對AI生成圖像的使用和限制保持透明，以管理預期。

❺ 提升工業設計師的未來角色技能：

培訓設計專家成為，兼具故事講述能力、嫻熟數位工具的「創意策展人」，並具備以人為中心的設計技能與生成式AI技術。

生成式AI顛覆了產品設計，設計師在創造解決用戶需求的產品時變得更具生產力、創造力和策略性。

雖然技術的產出結果令人驚嘆，但要實現商業價值，需要將生成式AI與設計專家的技術能力和敏銳眼光相結合。

隨著愈來愈多的設計師和工程師將這一技術整合到工作流程中，我們可能會看到革命性的設計和工程解決方案的出現，迎來創造力、效率和創新都更上層樓的新時代。

延伸閱讀：全球100大AI工具排行榜！除了ChatGPT，還有哪些必收AI也上榜？
「AI長」是什麼？為什麼職缺暴增兩倍？懂AI只是基本，還要會這4件事

責任編輯：蘇柔瑋