AI 時代的服務設計研究筆記——當使用者從「操作者」變成「委託人」
AI 出現，大幅度改變人類行為，相信大家都知道了，但有一些數據正透露一些消息，這也是在做使用者研究的夥伴，不得不注意的事情。
在一份 KPMG 報告（橫跨 47 國、48,000 人的全球調查）：
方便性、效率（還有人類的惰性），是 AI 用量很大的原因；但也因著惰性，就懶得驗證，導致錯誤變多，接下來就造就了信任度的危機。這篇想整理的，是面對這樣的行為轉變，服務設計在做使用者研究時，不得不注意的六個議題。
這篇你會看到：
- 從數據看 AI 時代真實的使用行為：用得多、信得少、還不驗證
- 醫療現場的縮影：有責任，卻無權力
- Job to be Done 沒有過時——變的是「僱用」的對象
- 三題問使用者：委託範圍、信任與驗證、人的邊界
- 三題問營運端：可接受錯誤率、責任歸屬、工作流壓縮
- Persona 與旅程圖，需要跟上的描述維度
用得多、信得少、還不驗證，造就了信任危機
數據來看，我認為：方便性、效率（還有人類的惰性），是 AI 用量很大的原因，但也因著惰性，就懶得驗證（特別是內容產出速度快）、導致錯誤多，那接下來就造就了信任度的危機。
因此，最近我經常在一些場合都會面臨，AI 的誕生，大幅度解決了過去想做但做不到的事情，卻也製造了過去不存在的問題：AI 給的答案，到底可不可以相信？出了問題，誰負責？
醫療現場已經真實上演。臨床醫師被要求為「AI 輔助的決策」負責，卻對工具怎麼被打造、驗證、部署毫無控制權——有責任，無權力。
結果是：多數臨床 AI 工具在導入 72 小時內，被醫師默默棄用。不是開會決議不用，是大家安靜地繞過它。
任務沒有變，變的是「僱用」的對象
服務設計常用 Job to be Done：搞清楚這個人到底要完成什麼事。
這個概念在 AI 時代沒有過時——人們的任務是穩定的，人們十年前需要找資料、出計畫，十年後還是需要。
真正變了的是：過去我們「如何僱用」工具來完成任務（以前，軟體幫我打字，報告是我寫的）；現在 AI 被僱用來「直接完成」任務（它直接把報告寫完）。國外把這個轉變稱為 Service-as-Software：賣的不再是工具，而是完成的工作。
操作者在意好不好用；
委託人在意的是：敢不敢交給你、怎麼知道你做對了；更甚者，若是像醫療健康的 AI 診斷工具，給使用者的時候，還會被問做錯了算誰的。
所以，研究的議題必須擴充。原本的「任務」探索都還必須存在，但要加六個問題：三題給使用者，三題給營運端。
- 1委託範圍你願意放手到哪裡？哪一段堅持自己來？
- 2信任與驗證有哪些條件出現，你才敢信賴、使用？
- 3人的邊界什麼時候，你希望出現的是「人」？
- 4可接受錯誤率能容忍它錯在哪、錯多少？
- 5責任歸屬出了問題，誰敢簽名？
- 6工作流壓縮這段工作消失後，角色怎麼重組？
給使用者的三題
一、委託範圍：你願意放手到哪裡？
同一個任務，每個人的界線不一樣：要特別注意受訪者什麼時候希望 AI「只提建議、不動手執行」，什麼時候能接受全自動。
這條線就是服務該設計的線。
二、信任與驗證：有哪些條件出現，你才敢信賴、使用？
國外的研究，有一句話說得很好：
他們把信任拆成五個可研究的特性：
三、人的邊界：什麼時候你希望出現的是「人」？
通常是出錯的時候、例外的時候、有情緒的時候、要有人負責的時候。這條邊界，就是未來服務在發展時，「人」需要出現的位置。
問營運端的三題
四、可接受錯誤率：能容忍它錯在哪、錯多少？
評估可接受錯誤的兩個構面：
五、責任歸屬：出了問題，誰敢簽名？
要研究的不是「AI 做了什麼」，而是「AI 取代了哪個決策、這個決策原本是誰的、錯誤的代價誰負責」。
沒有人敢簽核的流程，就是會卡住的流程。
研究時把「簽名的人」找出來，聽他的顧慮。（我想以後要簽名的工作，還是會存在的，因為需要有人畫押。）
六、工作流壓縮：這段工作消失後，角色怎麼重組？
AI 對工作流的影響不是加速，是消除，甚至某些環節直接不見。
原本做的工作，當 AI 取代，是被架空？還是角色重組。
如果角色沒有重新設計，抵抗就會出現，而且往往以「這個 AI 不好用」的形式出現。
而在導入之前，還有更前面的一層要問：這件事到底該不該自動化。這個部分我另外寫過一篇——便宜 AI 正在結束：自動化之前，先問清楚 5 件事，可以搭配著看。
最後，Persona 的描述維度，也會需要跟上
Persona 要加上委託人的維度：風險承受度、信任門檻、驗證習慣。
涉及到 AI 使用的旅程圖，可能會改為「委託旅程」：
→
→
→
結語：從「好用」到「敢用且會被使用」
任務是穩定的，解法在換代。但在 AI 帶來的行為劇烈轉變，服務設計的研究議題，也需要因應迭代。
下次在討論 AI 使用的議題、或產品服務跟 AI 有關，建議可以把六題放進訪綱檢查一遍：
- 1委託範圍、信任驗證、人的邊界問使用者
- 2容錯標準、責任歸屬、角色重組問營運端
六題都有答案，你設計的就不只是「好用」的 AI 服務，而是「敢用且會被使用」的 AI 服務。
如果你的組織正在導入 AI，想檢視這六題在你們的場景長什麼樣子，歡迎留言聊聊^^。
參考來源
- KPMG & University of Melbourne (2025), Trust, attitudes and use of artificial intelligence: A global study
- Forbes (2026), Why AI In Healthcare Has An Accountability Problem
- Forbes / Foundation Capital (2024), AI Leads A Service-As-Software Paradigm Shift
- Fentrex, Making AI-assisted UX feel trustworthy instead of clever
- Systems & Spines, The Decision Matrix: A New Framework
- Data-Mania (2026), The Jobs to Be Done Framework in 2026
