2026 UX 訂閱制學習計劃｜陪你把 UX 技巧與經驗，淬鍊為精準判斷力

八月

曾有志

Stanley Tseng

・

Mr.PM

產品增長顧問

・

・

08/27 (四) 19:30-21:00

《打造產品經理的 AI 第二大腦，提升產品規劃品質》

在哈佛擔任講師，也是暢銷書《跳脫建構陷阱的》作者 Melissa Perri，在 2026 六月做過一個調查，讓產品經理們選出 AI 對他們工作最有幫助的領域。

・

48% 的人選擇工程與開發、30% 的人選擇設計與原型製作、做規劃則為 7%。AI 對於做出產品幫助很大，但對於「究竟該做什麼」這件事，卻幫助不大。

・

有些人覺得這很正常，因為做的速度變快了，自然就不用花太多時間規劃，先上線再說。但這還是沒回答一個問題「為何做的速度變 10 倍，但營收卻連 2 倍都沒有。」我覺得這個問題的答案是，因為你的「規劃能力沒跟上」。這也為是為什麼我想跟大家分享， AI 如何提升我的產品規劃品質。

・

確實，AI 現在確實沒辦法直接告訴我們「究竟該做什麼？」，但可以把 AI 當第二大腦，來幫助我提升「規劃品質」這件事。
這不單單只是讓 AI 不只是幫你做討論、知識管理、整理資料、產 PRD、做自動化，而是要讓 AI 扮演第二大腦，幫你找出最有價值的事情，並且說服老闆與團隊。
・

用 AI 打造產品經理的「第二大腦」，來幫助你：

• 建構真正有商業影響力的產品點子，抓出 backlog 中的盲區

• 抓出產品現在重點應該放在哪，並做出取捨

• 快速建構具說服力的提案框架，不再花太多時間做提案，而是花時間做產品

・

講座中，Stanley 老師也會分享幾個自己打造的 Skill，讓大家帶回去，來幫助大家將 AI 形塑成自己的第二大腦，提升產品規劃的品質。

・

九月

陳宥瑾

Alvis Chen
・
Hytech

Data Analyst

・

・

09/24 (四) 19:30-21:00

《數據到決策：AI 時代的產品策略分析，讓提案更有影響力》
・
好的產品優化提案，往往卡在「有想法、沒數據」或「有數據、沒判斷」。講座中，將帶你從 User Journey 出發，練習拆解可驗證的假設、設計指標與分析架構，並示範如何與 AI 協作，加速這個過程。

・
當 AI 可以做的事情愈來愈多，我們也要小心 AI 生成指標可能踩到的坑，像是時間窗口不一致、歸因模糊、定義不清等常見陷阱。

本次透過「流失使用者預警」的真實案例解析，帶你一步步看見從商業問題到分析架構、再到落地決策的完整過程。讓你的提案更有數據支撐，對產品產生實質影響力。

• Part 1｜從 User Journey 到假設：分析的起點

• Part 2｜建立指標與分析架構：AI 能加速，但不能取代判斷

• Part 3｜實戰案例：流失用戶預警的完整拆解

・

十月

設計師勞哥

maylogger
・
SOTA Design

設計師

・

10/22 (四) 19:30-21:00

《如何設計好用的數位產品？用設計基礎支撐每一個方法論》

・

每談到設計，許多人總以為，只要找到一位有品味的設計師，就能做出好的設計。然而，一樣產品設計的好壞並非來自設計師個人的喜好而決定，而是使用者覺得這個產品是否符合他當下的情境與需求。一個在對的地方發揮作用的設計，才是真正的好設計。

・
所以，每一種設計所提供的功能，以及它存在的理由，都會成為你的工具包。當面對不同的情境與需求時，你能夠判斷哪些工具最適合解決眼前的問題。

・
這些工具包含大家熟悉的資訊架構、設計模式、互動設計、視覺層級、無障礙設計、效能最佳化，以及許多經過驗證的設計原則與方法。

・
但這些方法不會憑空實現，而是必須透過字體、色彩、間距、比例與版面等最基礎的設計技巧，一層一層堆疊而成。如何運用這些底層能力，真正完成我們所談論的各種「好設計」，就是本次講座想與大家分享的內容。

・

• 為什麼設計很難學？

• 所有設計，都建立在「規則」與「對比」

• 觀察，是設計的開始

• 方法論，到底在解決什麼問題？

• 設計基礎，如何支撐所有方法論

・

十一月

蕭健興

Joshua Hsiao

・
首席AI/UX 架構師暨顧問

・

・

11/26 (四) 19:30-21:00

《AI/UX 實踐者如何把自己的證據與判斷，做成可運行、可稽核的 POC 工作流》

・

Part 1：第二大腦越養越貴、越來越亂？

・

你大概聽聞 UX 第二大腦了—一份自己的知識庫、一疊整理過的設計活動筆記與 prompt/skills。但真正卡住的通常是下一步：還養得起嗎？它跑出來的東西驗證過嗎？以及交付風險？一次結構化、多輪重用。

・

第二大腦最昂貴的，不一定是 token，而是每次開新案都重新找資料、重新解釋訪談、重新問一次已經做過的判斷。品味的設計師，就能做出好的設計。然而，一樣產品設計的好壞並非來自設計師個人的喜好而決定，而是使用者覺得這個產品是否符合他當下的情境與需求。一個在對的地方發揮作用的設計，才是真正的好設計。
・

Part 2：AI 做出來的研究／原型不敢交付？

・

再者，現實中，你手上就是有限的訪談片段、舊專案材料、客服紀錄或設計經驗—這正是UX預算被壓到最低時的真實處境。在沒有外部合成資料、只有有限個案與極低研究預算時，如何在不偽稱研究證據的條件下，做出可被挑戰的 POC。

・

Part 3：合成使用者畫像結果怕被當真實研究？

・

最終，POC 合成用戶測的是「行為的形狀」，是 heuristic 驗證，不是用戶研究的替代；任何對外報告都必須依揭露範本標注來源。也回答一個現場常問的問題：為什麼 Agent 工作流主線是「UX 文件 → UI」，而不是「截圖 /skills 組合→ UI」：前者留下設計理由與約束，後者通常只留下看起來合理的結果。

・

Take aways：想做 agent workflow，但不知從何落地？

・

不僅是課堂經驗分享，還有產業專欄案例、可以帶走的 html 實作畫布，讓身組織 AI 轉型中的你，AI/UX 的下一步，不是讓 AI 替你做更多，而是讓你的知識、判斷與證據，在每次專案裡都能被更有責任地重用。以最小揭露範本建立可稽核的交付鏈：誰提供了什麼材料、模型做了什麼、誰判斷可以使用、哪些結論不能外推。
・

十二月

姜乃文

Nai-Wen Chiang
・
天下雜誌股份有限公司

主任分析師

・

侯怡君

Lydia Hou
・
漸強實驗室

產品經理

・

12/23 (三) 19:30-21:00・
《AI 時代的產品落地：誰做什麼不重要，怎麼一起做出成果才是關鍵》

・

當 AI 能幫你寫規格、做原型、跑驗證、生出上線用的儀表板，一個尷尬的問題浮現了：如果執行的門檻大幅降低，PM、設計、工程，甚至市場團隊之間，「誰負責做什麼」還重要嗎？

・
這幾年身在 SaaS 公司第一線，我們經歷 AI 實打實戰，我的答案是，不重要了。負責任的說，現在從事產品工作最可貴的能力，從誰會做，變成誰有好的判斷力。

・

就像貫穿今年 UX 訂閱制的主題，上下半年都有許多與「判斷力」相關的討論。從產品層次的、從設計層次的，方方面面都暗示任何角色都能借 AI 跨出守備範圍，決定成敗的不再是分工表，而是問對問題、做對取捨、把成果一路推向市場。
・

回到 PM 的工作桌，這次我將拆解 AI 如何嵌進發想、原型、驗證到落地與上市的每個環節，哪些環節被壓縮到幾乎無痛生成，哪些反而讓人的判斷變得更關鍵。此外，當職能邊界模糊後，團隊該怎麼建立對成果的共同標準，讓產品、設計、工程與市場朝同一個目標收斂。

・

• 執行變便宜之後，什麼變貴了？

• AI 如何嵌進產品從發想到上市的全流程

• 當邊界模糊：從「一個人做」到「指揮一支 AI 團隊」

• 判斷力，是 AI 時代不會貶值的能力，但對 PM 而言，究竟指的是什麼？

・

三月

葉致宏

CH Yeh

・

悠識數位

體驗研究總監

・

林依柔

Zonnie Lin

・

悠識數位

體驗研究員

・

🎥 錄影已上架

・

《好研究從哪開始？使用者研究的問題拆解思維》
・
研究的起點，來自於對「問題」的精準拆解。當研究員能站在對的位置定義問題、研究方法與工具，才能發揮真正得價值。
・
在 UX 研究的實務現場，研究往往始於一個待釐清的需求，也許是一句尚未對齊的商業目標、一個快速成形的假設，或是來自多方利害關係人不同的期待。
・
今年訂閱制學習計劃，將由悠識研究總監阿葉 & 研究員 Zonnie 打頭陣，他們都有甲方企業與乙方顧問的研究經驗。本次分享將 對照甲乙方在研究情境中的差異，說明即使服務的產品與對象不同，研究員在解題時，其實共享著一套核心思維。

・

• 研究員在甲方與乙方工作的差異

• 拆解問題的方式、經驗與案例

  • 案例 1：甲方產品開發型｜在企業內部，擬定研究規劃並讓產出發揮影響力

  • 案例 2：乙方專案型｜在抽象需求中，逐步梳理核心目標

  • 學員練習：10 分鐘的拆解問題思考

・

Part 2 - AI 工具導入研究流程之應用
・

• 訪談前：Gemini｜透過 AI 練習與外國人訪談、同步測試訪綱架構

• 訪談前：Apps Script｜確認約訪後，同時發送會議給客戶與受訪者的流程優化

• 訪談後：NotebookLM｜進行 debrief、分析，簡化倒資料流程

・

四月

蕭喬尹

Joey Hsiao
・
引鹿創新體驗研究室

UX 總監

・

🎥 錄影已上架

・

《研究員獨自升級：用 AI Agent 重構自己的 UX 知識系統》
・
身為研究員，我們每天都在與資料搏鬥、咀嚼資訊、驗證假設。這些累積而來的經驗逐漸轉化為我們的產品直覺與決策能力。但隨著能力成長，我們也越有可能總是走著老路而忽略自己的盲區。
・
面對這樣的專業成長難題，Joey 用 AI Agent 打造了一個「第二大腦」。它會追蹤 Joey 的觀點、結合 UX 時事，拋出問題挑戰他的想法。讓 Joey 每天從這些提問中檢視自己的直覺，甚至推翻原本的判斷。
・

在這場講座中，Joey 將分享他如何透過「觀察—比較—反思—輸出」的反覆循環，用第二大腦磨練自己作為研究員的判斷力，構成一種全新的專業成長方式。

・

• 你的學習為什麼沒有累積？

  • UX 專業的核心競爭力：持續成長的個人觀點

  • AI 時代的個人知識管理：從「第二大腦」的概念到實際運作

• 打造一個會成長的數位第二大腦

  • 自動收集資訊：定義你的判斷框架，讓 AI 執行篩選

  • 淬煉文字想法：AI 作為思考陪練，把模糊的觀察轉化成清晰的洞察

  • 跨域連結洞察：讓三個月前的閱讀在今天的專案中發揮價值

• 今天就可以開始的起步方式

  • 釐清你的觀點方向

  • 如何善用 AI 降低門檻

・

五月

王靖然

Should Wang
・
17LIVE

Product Design Manager

・

🎥 錄影已上架

・

《判斷力是你的護城河：產品設計主管的 DesignOps 與人才觀察》

・

AI 可以加快產出，卻無法替你走過那些理解使用者、面對資源限制、跨團隊溝通、在模糊中做出判斷的過程。那些你曾經在專案裡練習過的觀察、取捨、協作與反思，並不會因為工具出現而失去意義。

・

相反的，當畫面變得更容易被生成，設計師如何思考、如何判斷、如何讓他人理解自己的選擇，反而會變得更加重要。

・

本場講座想陪伴設計師一起回頭看見這些累積：

・

哪些能力其實已經在你身上，只是還沒有被好好說出來；哪些經驗可以重新整理成更清楚的作品集與職涯敘事；以及在 AI 與市場變動之中，如何不只是追趕變化，而是更確信自己的專業價值。

・

• 為什麼是現在 Why Now？

• 三個 AI 無法替代的能力

• Junior 設計師該怎麼準備

• Mid-level 設計師怎麼往上游走

• 作品集在 AI 時代要怎麼看

• DesignOps 在 2026 的轉變

• Bouns：一小段設計 + AI 工作流 live demo

・

六月

郭心喻

Hsinyu Kuo

・
miido 知漸設計研究室

服務設計總監

・

🎥 錄影已上架

・

《生成很快，打造體驗很慢：AI 時代，以服務設計守住品牌價值》

・

服務設計 (Service Design) 的價值，不只存在於設計方法與流程圖，更是一種看待互動體驗、規劃品牌與服務策略，以及創造商業產值的思維方式。

・

好的服務體驗，源自於前台互動與後台運作之間的緊密配合，使用者感受到的體貼與細心，其實建立在看不見的流程設計、角色分工與組織協作上。

・

在加拿大擁有豐富服務設計經驗的心喻，將分享他從事服務設計多年的感觸，透過一個知名的全球運動品牌當作演講案例，帶你了解服務設計如何協助品牌重新認識消費者樣貌、實體到虛擬通路的串連，從而讓使用者體驗更一致且更貼近人心。

・

• 服務設計師如何整合顧客心智與行為

• 當實體與數位服務交會，視覺化體驗的全貌

• 研究發現到解法，服務設計師的拋磚引玉

• Bonus：服務設計應用的產業觀察＆反思

・

七月

謝舒婷

Lindsay Hsieh
・
獨立顧問

IxDA 副理事長

・

李德俊

D.J.Lee
・
李德設計

體驗策略總監暨創辦人

・

🎥 錄影已上架

・
《從研究到落地：「毛孩森活探險隊」轉譯洞察的設計實踐》

・

本次分享聚焦專案中研究到提案的關鍵設計轉譯方式，如何收斂成決策者一眼看懂、願意投入資源的方案？

・

我們將從利害關係人研究談起，說明如何借助 AI 協作將訪談整理時間縮短 75%，讓研究員專注於萃取洞察，在眾多洞察中重新定義設計挑戰。

・

為何要建立體驗設計原則，這對後續設計方案有哪些幫助？我們如何把 23 個發想概念，以價值/投入矩陣收斂，作為長官點頭支持的兩大核心方案（實體體驗活動與線上故事卡平台），以及在公私協力情境中，如何用彼此在意的角度切入，取得高度授權與資源支持。

・

• 從龐雜訪談資料到關鍵洞察：AI 協作與洞察萃取方法

• 重新定義問題：從利害關係人痛點到設計挑戰與設計原則

• 讓決策者買單：用價值/投入矩陣收斂提案，說對方聽得懂的語言

• 公私協力的溝通眉角：如何取得長官支持與充分授權

• 從提案到落地驗證：以實際成果回頭強化信任

・