科技業設計師壓力山大！OpenAI高管拋「少做一點」求生心法，為何千萬別跟工程師硬比產能？
- 原文標題：科技業設計師壓力山大！OpenAI高管拋「少做一點」求生心法，為何千萬別跟工程師硬比產能？
- 作者：李先泰
- 發布時間：2026-08-17 17:20 +08:00
- 修訂時間：2026-08-17 17:20 +08:00
- 來源：數位時代 BusinessNext
- 擷取方式：BusinessNext
NewsArticle.articleBodyJSON-LD；以下保留目前 canonical 頁面的正文與文字，不加入衍生摘要。 - Canonical URL：https://www.bnext.com.tw/article/91891/openai-design-lead-best-time-designer
- Source scope：BusinessNext
/categories/aiapproved surface
原文擷取
一場訪談裡擺著兩個互相打架的事實。《Lenny’s Newsletter》在 2026 年 7 月 7 日公布第二屆科技業從業者情緒調查，由成長顧問 Noam Segal 與主持人 Lenny Rachitsky 執行，樣本約 6,000 人，結果顯示設計師幾乎在每一項指標上都墊底：63% 覺得被變化的速度壓垮、61% 覺得疲累、61% 認為自己被要求拿同樣的薪水做更多事，三項都是所有職務裡最高，而且他們是最不願意把這份工作推薦給新人的一群。2026 年 8 月 16 日，同一份電子報的 podcast 請來 OpenAI 產品設計負責人 Ian Silber，他自 2023 年 8 月起擔任這個職位，主導 ChatGPT 與 Codex 的產品設計；加入 OpenAI 前，他曾任職於由 Instagram 兩位共同創辦人 Kevin Systrom 與 Mike Krieger 打造的新聞 App Artifact，更早之前在 Instagram 待了八年。而 Silber 在節目裡的說法是：「現在是史上最適合當設計師的時候。」何以在設計師怨聲載道的時候，他會有這種觀點？
為什麼他說設計師「沒有跟著 10 倍速」先給結論：問題不在設計師變慢，而在提速沒有平均落在每個職務上。Ian Silber 說 OpenAI 內部做過類似的員工調查，設計團隊反覆提到同一件事，工程師的生產力已經拉高 10 倍、他有時形容是 100 倍，但設計團隊沒有。這組倍數是他對 OpenAI 內部狀況的觀察，他認為原因在設計流程本身沒有被壓縮。
他描述的迴圈是：你以為想到一個好主意，做出來很糟，再試一次還是很糟，拿去給用戶或內部看，方向錯了，整段重走。他承認 AI 確實改動了其中一段，想法可以更快被生出來。但驗證那一段沒有變快，在大公司裡把一群人的方向對齊，成本也沒有變低。換言之，AI 主要壓縮構想與原型生成所需的時間，但使用者驗證、內部回饋與跨團隊對齊仍然需要時間。
而他認為真正壓在人身上的不是速度，是另一件事：現在沒有人清楚，對一個設計師的期待到底是什麼。要不要每天交程式碼？受過傳統訓練的那套做法還算不算數？Silber 強調，這種模糊本身就夠讓人不安。而那份調查的結論恰好接得上：一個人怎麼定位自己與 AI 的關係，是職涯樂觀度最強的單一預測因子，強度超過職務、職級與公司規模三者相加。
他給團隊的建議是「少做一點」
他沒有把建議簡化成要求設計師每天交付程式碼；他反而鼓勵團隊把想法直接丟進 Codex、Claude 這類代理工具，快速做出原型。第一層是他給團隊的原話：just do less，能不做就不做。如果已經有現成的系統、元件或機制可以延伸，就不要重新設計一個，甚至可以先回頭問，這個功能到底需不需要存在。
第二層是系統思考。他說 OpenAI 在做的是一套帶著各種能力的系統，要往下想的是能互相疊加的底層積木，而不是一堆各自獨立的一次性體驗，他拿 Notion 早年那套可組合積木當對照。這件事在 AI 產品上還多一個理由：模型必須能自己推理出怎麼把這些能力拉在一起用，零散的功能它組不起來。
第三層是把力氣分兩檔。他說 ChatGPT 有些功能他們會磨到底，試一百個丟掉九十九個，最後才出一個，輸入框幾乎每天都在改；另一些東西則刻意公開地邊做邊試，從想法到上線四小時。分野是技術會不會很快讓這個設計失效，還在變的東西不值得雕，等到確定它不會被下個月的技術推翻，才把它做到最好。然後他自己補了一句：難的是判斷哪一個是哪一個。
Anthropic 的 Claude 設計負責人 Jenny Wen 在同一檔節目說過，傳統那套「原型、視覺稿、測試、研究、迭代」已經沒有時間跑完。Ian Silber 說他們也是這樣工作，但補了條件：要看階段，像 ChatGPT 該怎麼更深地嵌進生活這種題目，還是會在白板與內部試用之間磨很久。
AI很好，但人仍有2大核心能力無可取代
Silber 也說「AI 現在已經是一個很好的產品設計師」，而且真正厲害的地方是每個人都用得到。但他緊接著畫線，那不代表它是最強的視覺設計師，在資訊層級、字體排印或互動設計上也不是。
Silber認為機器最缺的是沒有先例的東西：設計的本質是做出還不存在的東西，而還不存在的東西沒有訓練資料。他舉的例子都是互動範式層級的發明，iPhone 的多點觸控開出一整套新的操作語言、Snapchat 用當時被認為奇怪的互動設計翻掉了人們溝通的方式。Silber解釋，這次又輪到同一種處境，例如怎麼用聲音跟 AI 說話、怎麼讓代理人替你辦事，都還沒有太多前例。
負責 OpenAI Codex 桌面應用開發的 Andrew Ambrosino 在同一檔節目補過另一個理由，AI 研究員本身不見得擅長設計，也就不一定知道怎麼訓練模型把設計做好。他列的另外兩項留在人手上的能力，一是看真人實際使用、理解他為什麼卡住的回饋迴圈；二是「這是某個人做的、某個人對這件事有觀點」。他認為在誰都能做出東西的環境裡，設計師最該練的就是回答我的觀點是什麼、我為誰而做。
這些取捨已經長在產品上
他描述的難題是使用者光譜寬到沒有前例。主持人以十億月活躍用戶形容 ChatGPT 的規模，Ian Silber 說這批人的需求分佈是他職涯裡沒見過的，一端問今晚煮什麼、下次剪什麼髮型，另一端拿它去自動化日本的農場。他們內部管這叫 capability overhang，可以理解為能力溢出，也就是說絕大多數人只拿到產品真正能給的價值裡的一小片。
做法是主體驗維持極簡，最前沿的東西確實放出來、也讓在意的人拿得到，但不推到所有人面前。實驗場放在重度用戶那一側，桌機版、Codex，以及 2026 年 7 月 9 日發表的 ChatGPT Work。而收斂的標準他講得很直白：真正變成十億人在用的東西，是使用者不必去想有個開關、有個模式、自己跑在哪個模型上。任何在重度端跑得通的設計，最後都得被蒸餾回主體驗，否則不算完成。
至於空白輸入框那個老問題（聊天機器人終究只是包裝過的終端機這類批評），他們的解法不是換掉輸入框，是讓對話本身長出能直接操作的區塊：請它寫一封信，信會裝進一個他稱為 writing blocks 的區塊，可以直接改字、改局部、只複製那一段。他認為介面接下來會往「依身分與情境給不同操作元件」走，一個設計師看到的 ChatGPT，和資料科學家看到的，不見得該長一樣。
把注意力放回「產品」
被問到要給焦慮的設計師什麼建議時，他在訪談中反覆強調、最具體可操作的一句是：我們不是來打造流程、不是來衝 token 用量，是來做出人們喜歡的軟體。把注意力放回產出，不是放回流程。
Lovable 成長負責人 Elena Verna 寫過一篇〈Please Stop the AI Confidence Theater〉，講許多人在表演自己已經摸透 AI，實際上沒有。Ian Silber 對此的回應是承認自己也還在學，他在節目裡三度說「我們都還很早」，也承認剛進 OpenAI 時很長一段時間覺得自己做不好這份工作。因此面對因為AI獲得的賦能，設計師群體也許只能一邊拿它當機會，一邊拿它當壓力來源，來看是否能在之間獲得足夠的試錯空間。
資料來源：Lenny’s Podcast 訪談 Ian Silber、《Lenny’s Newsletter》2026 科技業情緒調查、Lenny’s Podcast 訪談 Jenny Wen、Lenny’s Podcast 訪談 Andrew Ambrosino、Elena Verna〈Please Stop the AI Confidence Theater〉、《Bloomberg》、OpenAI ChatGPT Work 官方文件、OpenAI 方案與可用範圍說明、Ian Silber LinkedIn
本文初稿為AI編撰，整理．編輯/ 李先泰
Source notes
- 本 raw capture 保留 BusinessNext canonical article 對 Lenny’s Newsletter 調查、Lenny’s Podcast 訪談、OpenAI 設計／產品工作與 ChatGPT／Codex 產品取捨的整理。
- 設計師情緒調查、OpenAI 內部生產力倍數、使用者規模、產品能力與訪談觀點均屬 Lenny／OpenAI／受訪者／BusinessNext 等來源 attribution；本文不是獨立的設計生產力或產品成效 benchmark。
- 可重用的抽取是：AI 先壓縮構想與原型生成，不會自動壓縮使用者驗證與跨團隊對齊；設計工作應先問功能是否需要存在，再以可組合的系統積木、不同成熟度的投入速度與人類觀點／使用者回饋做取捨。這不代表設計師必須學寫程式，也不代表「少做」普遍等於少雇人或降低品質。