本期 2026-W40

涵蓋期間:2026-09-28 – 2026-10-04

每週從一份人工挑選的學術來源清單抓取,只收有真實受試者的研究。全部保留原文標題與官方連結。中文摘要由模型生成,僅供快速判斷是否值得點進去讀。

搜尋與篩選

本週 AI 影響人的研究

最新發布優先

符合條件:36 則

探討人格特質在人機互動中的影響:基於人類聲音特徵的用戶-代理同步性研究

原標題Exploring the Effects of Personality in Human-Agent Interactions: A Study on User-Agent Synchrony with Human-based Vocalics

AI 摘要研究利用具備已知人格特質的真人聲音生成虛擬代理,測試用戶感知差異。結果顯示外向型代理較受喜愛,用戶與代理之間的同步性對感知無顯著影響;反之,用戶自身人格特質較能預測其對代理的感知。研究建議設計時應更重視代理與話題的同步性,而非單純追求用戶-代理同步。

電腦科學學生如何判斷作弊?自我效能與冒充者現象的影響

原標題When Does It Become Cheating? Exploring the Roles of Self-Efficacy and the Impostor Phenomenon in Computing Students' Perceptions of Academic Dishonesty

AI 摘要研究針對美國東南部大學 443 位修習入門至中階計算課程的大學部學生,以線上非同步問卷蒐集自我效能、冒充者現象(Clance 量表)及對 13 種潛在作弊情境的判斷。結果顯示自我效能與冒充者現象呈顯著負相關;冒充者現象越強烈,越傾向將涉及 AI 的情境視為嚴重作弊。冒充者現象亦與感知課程投入度、曾擔任助教經驗相關,自我效能則與種族背景有關。

大學生如何在中日蒙三地運用生成式 AI:從取得工具到實際可用的差距

原標題From Access to Realized Affordances: University Students' Generative AI Engagement across Linguistic and Sociotechnical Contexts

AI 摘要研究以半結構訪談 42 位中國、日本、蒙古三地大學生為對象,輔以 KH Coder 共現網絡與對應分析,比較他們在探索、產出、修飾三階段如何接觸、融入並評估生成式 AI。結果顯示:中國學生在國產與全球模型間切換,日本學生以日語使用全球模型為主,蒙古學生因母語輸出品質不佳常改用英語。學生普遍關注準確度、隱私、依賴風險與批判性思維影響。研究指出單純擁有技術存取權不等於同等教育可用性,並提出「實現化賦予」框架,強調社會技術條件、語言資源、學術實踐與評估判斷交互作用,才能將潛在功能轉為實際可用的教育可能。

有色年輕成人共同設計 AI 心理健康支援:需求、期待與 AI 素養啟示

原標題Co-Designing AI For Mental Health Support With Young Adults of Color (YOC): Needs, Expectations, and Implications for AI Literacy

AI 摘要研究邀請 13 位 18 至 24 歲的亞裔、黑人與西班牙裔/拉丁裔年輕成人,進行為期兩天的共同設計工作坊。參與者認為通用聊天機器人的建議會抹平他們的生活經驗,期望有更多機會進行身份知情的揭露,而非讓 AI 做錯誤假設。他們也對以有色年輕成人為中心的個人化提出隱私與 AI 素養的缺口,並協商聊天機器人的治療角色,要求更強的 AI 問責機制與使用者自主權,凸顯臨床與非臨床 AI 支援界限的模糊。

同樣表現、不同歷程:AI 輔助教育中的認知所有權

原標題Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education

AI 摘要研究分析 150 筆學生與生成式 AI 的對話紀錄,以「認知所有權」的三個面向——方向、整合、評估——為框架,觀察認知歷程的可見軌跡。結果顯示,相同的作業分數背後,學生與 AI 之間的認知參與模式可能截然不同。現行評分僅反映產出品質,無法還原認知工作在互動中如何分配,提供實證基礎供未來評量設計參考。

LearnAdapt Praxis:職場學習的五階段工作區與可檢視證據追蹤

原標題LearnAdapt Praxis: Controlled AI Assistance and Evidence Traces for Adult Workplace Learning

AI 摘要研究團隊開發 LearnAdapt Praxis,一個包含架構、學習、建構、驗證、轉移五階段的職場學習工作區,並實作專案層級的伺服器控制,限制教練介入、歷史紀錄存取與匯出功能,以區隔受助與獨立產出。技術報告記錄 120 個合成專案情境、四種供應商條件與 3,990 項自動化檢查,驗證工作流、權限、失敗恢復與來源追蹤等工程屬性皆通過測試;同步發現並修正一項認證逾期缺陷。作者強調此為工程驗證階段,尚未證實學習成效、模型品質、無輔助評估效度、族群易用性或生產擴展性。

誰先思考?設計「參與解鎖」生成式 AI 的建設性摩擦

原標題Who Thinks First? Designing Productive Friction with Engage-to-Unlock GenAI

AI 摘要研究招募 398 位參與者進行寫作實驗,分為純人工、標準聊天機器人、參與解鎖、時間匹配解鎖四組。參與解鎖機制要求使用者先投入寫作才能啟用 AI。結果顯示,該組參與者花更多時間寫作、較少時間評估,總耗時未增加,提示次數最多,且評估準確率與時間比最高,證實前置人類參與能產生建設性摩擦。

蘇格拉底式脚手架對話 AI 助教:跨學期效能、使用者感知與認知負荷特徵

原標題Designing and Evaluating a Socratic-Scaffolded Conversational AI Assistant for Educational Tasks: Cross-Cohort Effectiveness, User Perception, and the Effort Signature

AI 摘要研究團隊在台灣北部大學的入門程式設計課程,設計並跨三個學期評估一套以蘇格拉底式提問為預設模式的對話 AI 助教。系統結合教材檢索、布魯姆分類法追蹤互動層級。任務效能研究(N=82)發現前後測效果量大(d=1.20)且跨學期可重現,但缺乏非脚手架對照組無法推論因果。感知研究(N=203)顯示易用性、接受度與滿意度正向(常態化平均 75–79%),且無學期衰退。互動模式研究(N=90)驗證預期的「努力特徵」:使用者覺得蘇格拉底模式較費力,但認同其帶來較深理解。

跨電腦科學子領域探討大學生使用大型語言模型情形

原標題Understanding Student Use of Large Language Models Across Computer Science Subfields

AI 摘要研究分析 211 位大學生在一門刻意設計結構化教學與反思的解題課程中,跨越七個教學模組(涵蓋演算法、網頁開發、軟體工程等子領域)使用 LLM 的事後反思資料。結果顯示:LLM 採用率隨作業類型差異極大,演算法與網頁開發較高、軟體工程較低;學生多視 LLM 為輔助工具而非權威來源,且普遍採取多重驗證策略;驗證方式亦隨作業情境不同,結構化任務偏好測試,開放式任務偏好網頁搜尋。發現作業特性在單一教學設計下仍主導學生與 LLM 的互動與評估行為。

縱向研究:AI 生成程式碼與學生作業相似度隨時間上升

原標題Correctness, Convergence, and AI-Generated Code Detection: A Longitudinal Study of Student and Large Language Model Code in Introductory Programming

AI 摘要研究分析 2021、2023、2025 年十門 Python 入門實驗課共 29,970 份學生繳交程式碼,並由三款前沿 LLM 事後產生 90,000 份參考解。結果顯示:模型多能產出正確解答且趨同於少數實作;學生作業與生成參考解的重疊比例隨年份上升,甚至包含全通過隱藏測試的作業。嚴格規格函數的 AST 形式在模型與學生端皆收斂,開放性函數則保持多樣。多數重疊片段較短,最小比對長度對審查影響大。建議教師先建立參考庫以識別易趨同任務,並重新設計作業要求測試、推理與中間產出;單憑比對無法認定個別學生使用 AI,需結合提示詞、修訂紀錄等證據。

LeanSide:結合自然語言與形式驗證的共同推理系統

原標題LeanSide: A Formally Verified Co-Reasoning System for Natural-language Proofs

AI 摘要研究團隊開發 LeanSide,讓大學生以自然語言撰寫數學證明,系統自動將其形式化為 Lean 程式碼並回饋可讀的驗證結果。課堂部署研究發現,形式化後端能協助學生釐清邏輯漏洞,但過度細碎的回饋與自動形式化錯誤會阻礙進度。研究據此提出人機共同推理系統的設計建議。

美國父母對 AI 參與兒童假裝遊戲的矛盾觀點研究

原標題Understanding Parents' Complex Views of AI for Children's Pretend Play

AI 摘要研究者對 10 位育有 4 至 15 歲孩童的美國父母進行半結構式訪談,並提供 AI 輔助假裝遊戲的概念與故事板。結果顯示,父母同時看見 AI 扮演角色、即時回應與適應性可能讓遊戲更普及、促進親子共玩,卻也擔心喪失想像力、產生情感依附、減少人際互動、出現不當行為以及難以管控使用。父母將 AI 視為遊戲工具、社會行為者與家庭動態干擾者,認為除技術防護與家長控制外,AI 與孩童互動的適切性亦為必要條件,並呼籲未來進行縱向研究。

Referential Uncertainty in Human--AI Collaboration

來源原文摘要Effective human-AI collaboration requires partners to establish references through interaction, which becomes fragile when descriptions are ambiguous, similar referents compete, or partners see different things. We study referential uncertainty - uncertainty over which candidate object a description refers to - in a collaborative puzzle task where a human Helper instructs an AI Worker to place…

醫療 AI 介面如何影響醫師代理感與責任歸屬:放射科醫師實證研究

原標題Cognitive Friction and the Illusion of Control: An Empirical Study on Sense of Agency and Responsibility Attribution in Medical AI Interactions

AI 摘要研究招募 60 位放射科醫師,採 2×2 組內實驗設計,讓他們分別操作「指令型」與「對話型」介面,並搭配具功能或無功能的控制項。結果顯示,無功能控制項雖提升顯性代理感,卻削弱意圖綁定效應;在指令型+無功能控制組,醫師將 62% 責任歸屬自己。對話型介面能將錯誤 AI 建議的拒絕率從 31.8% 大幅提升至 70.3%。研究指出介面設計會依條件改變代理感指標、診斷決策與責任歸屬,但功能控制與回饋可預測性同時變動,導致意圖綁定減弱的成因仍待釐清。

對話式新聞推薦:感知愉悅與個人化如何影響信任

原標題Exploring trust in a conversational news recommender through perceived enjoyment and personalisation

AI 摘要研究以線上實驗比較 595 位參與者在傳統新聞網站與對話代理人(CA)兩種介面下的信任差異。結果顯示,參與者對 CA 的信任度較低,主要受感知愉悅度中介;感知個人化則是影響推薦信任的重要前因。研究建議新聞機構若採用對話式推薦,應優先設計愉悅的互動體驗並提供相關內容以建立信任。

生成式 AI 搜尋打破資訊茧房:華郵實地實驗顯示集體注意力更多元、共同閱讀增加

原標題Breaking News Out of the Filter Bubble: Generative AI Search Diversifies Collective Attention and Raises Shared Information Consumption

AI 摘要華盛頓郵報針對 37,561 位讀者進行隨機實地實驗,對照組僅用傳統搜尋,實驗組額外獲得帶引文的 AI 回答。結果顯示,AI 搜尋讓熱門主題觸及更廣、讀者間主題重疊度上升,同時消費分佈更分散、轉向較冷門主題。共同資訊多來自 AI 回答本身(無需點擊),被引用文章也推動冷門主題曝光。讀者行為從點擊傳統結果轉向引用文章與追問,單次搜尋閱讀文章雖減,但搜尋頻率上升抵銷差距,人均文章消費量微增,單位時間資訊攝取總量亦增。

AI 複製聲音辨識情緒:熟悉度是助力還是阻力?

原標題A barrier or a booster? Familiarity effects on Mandarin emotion prosody recognition using AI-powered voice cloning

AI 摘要研究招募說華語的成人,安排受試者聽取真人與 AI 複製聲音並辨識情緒,同時記錄正確率、反應時間與心率變異度。結果顯示真人聲音的辨識正確率顯著較高、反應時間也較快,但心率變異度在兩種聲音間無顯著差異,顯示解碼合成語音受限於自上而下的社會認知,目前 AI 語音合成技術仍有局限。

正面評分背後的隱憂:AI 輔助組織聆聽中的員工發聲揭露

原標題Positive Ratings, Hidden Concerns: Employee Voice Disclosure in AI-Mediated Organizational Listening

AI 摘要研究在一家全球管理顧問公司進行田野調查,分析 44 位員工在同一階段完成預先問卷與適應性 AI 語音訪談的 132 組配對主題觀察。發現 20% 至 41% 的階段中,員工在問卷給出正面評分,稍後在 AI 訪談卻提出實質關切。經 Gioia 方法分析 65 份階段、158 段保護性引語,員工鮮少毫無保留揭露,而是軟化措辭、轉移責任、限制揭露深度,且此類保護行為隨聆聽結構的感知正當性而變化。研究建構「有界揭露」扎根模型,提出四項命題,指出沉默可能持續存在於表達之中。

AI 語音代理人的人設與說服框架:兒童實地實驗

原標題Persona and Persuasive Framing in AI Voice Agents: A $2\times2$ Field Experiment with Children

AI 摘要研究在德國聖誕老人電話專線進行 2×2 隨機實地實驗,將 1,072 通來電隨機分配給四種 LLM 語音代理人,變因為人設(聖誕老人高權威 vs. 助手低權威)與框架(說服性推動親社會願望 vs. 中性)。符合條件的 89 通對話(中位年齡 6 歲)顯示,說服性框架將親社會願望機率從 11.6% 提升至 45.7%,人設權威效果接近零;但人設影響參與度,兒童在第一分鐘內掛斷助手的比例(65%)顯著高於聖誕老人(39%)。

AI 陪伴者自我描述審計:使用者判斷與系統記錄的落差

原標題Where the Evidence Lives: Auditing AI Companions' Self-Descriptions

AI 摘要研究團隊建構並部署主動式 AI 陪伴者「Lita」供九位同事使用一個月,提出審計程序將代理人的自我描述、使用者判斷與系統實作記錄三方對照,將每項宣稱標記為支持、矛盾或無法判定。結果顯示參與者認同風格相關宣稱,對關係性宣稱保留態度,記憶評分達中點或以上,但三層記憶機制中有兩層從未執行累積步驟,顯示流暢的自我描述與正向評分無法證明底層機制確實運作。

Afterglow:為寵物喪親設計的 AI 紀念生態系統

原標題Afterglow: A Place-Based Memorial Ecology for AI-Mediated Pet Bereavement

AI 摘要研究團隊透過「設計導向研究」,開發行動應用程式 Afterglow,結合私人追思、人類見證與象徵性寵物訊息,探討生成式 AI 如何在不將懷念轉化為義務的前提下,支持喪主與亡寵維持連結。研究先以問卷(N=57)蒐集需求,再進行兩輪原型迭代與六場線上圓桌走查(共 20 位參與者),分析出「可回應的連結與情感義務」、「可辨識相似度與本體清晰度」、「保護性介入與監控權威」三組張力,並提出跨層級設計需求「可讀的克制」與時間導向原則「為再見而設計」。

AI 介入線上連署平台:改變文本產出,未改連署結果

原標題Introducing AI to an online petition platform changed outputs but not outcomes

AI 摘要本文為 Nature Human Behaviour 期刊論文的參考文獻列表,內容僅包含 2015 年至 2026 年間關於生成式 AI 對生產力、創造力、說服力、同質化效應、線上連署平台等主題的學術引用,未提供具體研究對象、方法與發現。

MBA 考前 21 天日誌研究:生成式 AI 使用與信任、驗證、重寫行為的關係

原標題Trust, Verification, and Reworking in Generative-AI-Supported MBA Comprehensive Examination Preparation: A Daily Diary Mixed-Methods Study

AI 摘要研究追蹤 110 位國際 MBA 學生在綜合考試前連續 21 天的備考狀況,採用貝氏多層縱貫模型分析。結果顯示,隨著天數增加,主觀備考進度上升、考試壓力下降;扣除時間趨勢後,單日 AI 使用與進度或壓力無明確關聯,信任、驗證、重寫等調節行為雖隨天數增加,但其對進度的間接路徑在統計上不顯著。訪談進一步揭示,相同的「驗證」與「重寫」標籤實際包含外部錨定查核與 AI 對 AI 比對、概念重構與表面修飾等質態不同的做法。

生成式 AI 重塑 Stack Overflow 知識生產與消費角色

原標題Navigating the Changing Landscape of Online Knowledge Consumption and Production in the Age of Generative AI: Evidence from Stack Overflow

AI 摘要研究分析 ChatGPT 發布前後 Stack Overflow 用戶行為變化,發現原本只提問的「消費者」開始嘗試回答問題,但其回答被採納率下降,地位未因此提升;長期回答者「生產者」提問數不變,卻轉向詢問新興主題,回答量雖減但獲得更多認可。結果顯示生成式 AI 並未帶來平等的參與機會。

生成式 AI 輔助批判性思考:大學統計課程的思考夥伴介入試驗

原標題Critical Thinking with Generative AI: A Constraint-First Design Pilot of a Thinking-Partner Intervention

AI 摘要研究在 2025 年春季一門大學研究方法與統計課程(N=14)中,讓學生把 ChatGPT 當作思考夥伴,採混合方法測量統計學習(AASCDM)、AI 素養(MAILS)與批判性思考(WGCTA)的前後測變化,並分析師生筆記、學生成果與互動紀錄。量化結果顯示所有統計學習維度與九項 AI 素養中的八項顯著進步,但標準化批判性思考百分位數未變。質性分析歸納出四大主題:學生將 LLM 定位為答案產生器、驗證者或共同思考者;參與深度分為程序性與概念性;偶爾將工具人格化;課程設計影響上述三者。結論指出:一學期介入能提升領域學習與自我報導 AI 素養,卻無法移動標準化批判性思考,且主流學生-LLM 關係偏向驗證而非對話。

流暢卻無證據:限制優先設計與 AI 輔助學習中自我報告的極限

原標題Fluency Without Evidence: Constraint-First Design and the Limits of Self-Report in AI-Assisted Learning

AI 摘要研究團隊在兩門研究所級研究方法課程中,讓學生使用採「限制優先」序列的 AI 教學夥伴——必須先陳述並論證立場,才能獲得提問。前後測顯示 AI 素養(特別是理解 AI 面向)顯著提升,但批判性思維、元認知覺察與知識分數未變;互動紀錄則揭露對話極短、限制優先流程執行不均、且有資料遺失。作者指出自我報告增長可能僅反映自信而非能力,強調需以互動紀錄作為更可靠的設計依據。

跨國對話層級分析:印度、奈及利亞、巴西、巴基斯坦用戶如何使用 ChatGPT

原標題How People Use ChatGPT: Conversation-Level Evidence from India, Nigeria, Brazil, and Pakistan

AI 摘要研究收集 1,252 位用戶在 2022 年 12 月至 2026 年 2 月間匯出的 202,590 筆完整 ChatGPT 對話,並搭配自報年齡與性別,進行首個跨多個非西方國家的對話層級、具人口統計基礎的比較分析。結果顯示,個人用途佔各國對話 55% 至 64%,課業與工作用途比例相當,職場生產力非主流;無監督主題發現揭示各國特有用法:印度與巴西偏向健康與健身、巴基斯坦常用烏爾都語-英語翻譯、奈及利亞關注時事與宗教、巴西則多自我反思。三年來資訊查詢比例僅略降、任務委派未明顯增長,但表達自我類對話從個位數上升至約五分之一以上。研究指出同一產品在各國連結不同在地需求,理解採用意義需以對話層級、國家敏感度的測量補足全球總覽。

學生與 AI 互動的三條路徑:以限制優先設計促進高階思維

原標題Three Pathways of Student-AI Interaction: Constraint-First Design for Higher-Order Thinking

AI 摘要研究分析大學研究方法課程 50 筆學生與 AI 對話紀錄,歸納出三種互動模式:被動審閱(46%)、直接提問(18%)、策略性對話(36%)。兩位人工編碼者路徑層級一致性 68%(κ=.48),GPT-5 作為第三編碼者產生相似分布並新增一個人類未定義的類別。第二組描述性資料顯示教學框架可能影響學生採取的路徑,研究並提出「新一層教學藍圖」三階段設計,嘗試引導學生進入策略性對話。

超越生產力:測量 GenAI 輔助開發時開發者的認知負荷

原標題Beyond Productivity: Measuring Developers' Cognitive Load During GenAI-Supported Software Development

AI 摘要研究在 SAP 兩個據點進行為期四天的現場研究,21 位專業開發者佩戴 EmbracePlus 手環,記錄任務、時長、GenAI 使用情況與主觀認知負荷。結果顯示,主觀認知負荷與 GenAI 使用及任務情境皆有關聯,生理指標僅提供有限的補充資訊。建議評估 GenAI 輔助開發的認知負荷時,應結合具體工作情境,將可穿戴生理數據作為輔助參考。

多代理 LLM 對話引發認知動搖與真實感悖論

原標題Shaping Opinion: Quantifying the Psychological Impact of Autonomous Multi-Agent LLM Interactions

AI 摘要研究建構 FORMS 架構,讓具備不同人設的多代理 LLM 即時進行合成辯論,並招募 120 位青少年與 25 位成人現場觀看。結果顯示,高能力多代理系統會導致使用者既有共識破碎(認知動搖),並因互動過於自然而產生更強的外部監管需求(常態悖論);成人組雖知生成式 AI 風險,卻將合成辯論評為比人類對話更真誠(真誠悖論,Cohen's d=2.04)。

生成式 AI 重塑設計師專業權力:縱向研究揭示動態邊界協商模型

原標題Extending hybrid intelligence theory: dynamic boundary negotiation in professional human-AI collaboration within design practice

AI 摘要研究追蹤三位資深設計師與生成式 AI 合作六個月,分析工作日誌與訪談。發現專業人士透過能力、角色、控制三層邊界維持能動性,並隨任務與技術變化動態重組邊界,形成 DANCE 模型。出現「效率悖論」:即便操作困難,設計師仍深化合作,專業價值從「執行力」轉向「架構力」。

AI 放大專家產出,而非專業本身

原標題AI amplifies experts, not expertise

AI 摘要這是一篇發表於《Nature Human Behaviour》的 World View 觀點文章,作者李昇墩指出 AI 工具能放大專家既有的產出能力,但可能阻礙下一代專業知識的養成過程。文中未提供實證資料或具體研究方法,僅提出理論論點供參考。

LLM 普及不等於採用:首代低收入大學生的採用深度落差與設計原則

原標題Accessible, but Not Adopted: Increasing LLM Adoption among First-generation, Low-income (FGLI) College Students beyond Expanding Access

AI 摘要研究訪談 61 位受試者(含 15 位首代低收入大學生、3 位非首代學生、3 位項目主管與 40 位攔截訪談對象),發現這類學生雖已使用 ChatGPT 等聊天機器人,但僅侷限於窄義用途,缺乏工具增強、代理開發與程式整合等深度應用。阻礙因素包含低感知價值、自我效能感低估、缺乏起手點、同儕接觸少及資源限制。研究據此提出四項設計原則,並將 LLM 採用重新定義為四種工具使用模式的深度漸層。

「黑鏡成真?」:大眾對 AI 生命記錄裝置的初期解讀

原標題"Black Mirror?": Public Sensemaking of AI-Powered Lifelogging

AI 摘要研究分析中英雙語社群媒體 5,053 則留言,探討大眾對 Looki L1 等 AI 生命記錄穿戴裝置的早期理解。發現用戶普遍聯想反烏托邦監控、表達隱私無力感與旁觀者擔憂,並爭論輔助價值與消費邏輯。英文討論較聚焦人際權力、證據用途與駭客風險;中文討論則較強調勞動剝削、治理監控與技術必然性。

人設驅動聊天機器人提供社會支持,能否促進線上心理社群持續求助?

原標題Does Social Support from Persona-Driven Chatbots Encourage Continued Help-Seeking? The Role of Emotional Relief in Online Mental Health Communities

AI 摘要研究對象為中國 326 位線上心理健康社群用戶,採問卷調查並以偏最小平方結構方程模型與類神經網路分析。結果顯示,聊天機器人提供的資訊、情感與陪伴支持顯著提升使用者感知情緒釋放,並部分中介支持與持續求助意圖的關係;類神經網路進一步指出情感支持與陪伴支持是預測情緒釋放的最強因子,而情緒釋放則是預測持續求助意圖的關鍵。

生成式圖像 AI 輔助建築師與客戶早期溝通的可行性研究

原標題Exploring the Affordances of Generative Image AI for Supporting Early-stage Architect-client Communication

AI 摘要研究邀請 11 組建築師與客戶配對,透過視訊會議共同使用生成式圖像 AI 產出「夢想住宅」的早期渲染圖。結果顯示,AI 能快速提供具體視覺素材,幫助雙方建立共同理解,並讓客戶更主動參與設計方向討論。但也發現 AI 輸出存在風格偏好,且生成結果的不可預測性可能導致設計方向突變。