Private Study Edition

UX for AI

這個網站把書的內容重組成 lesson-based 的靜態學習體驗。首頁先呈現全書的 4 個 parts，再提供建議起點與閱讀路徑。

先看全書地圖，再進 lesson

這本書的結構其實非常清楚：先定義問題，再談設計模式，接著進入 research，最後收束到 bias 與 ethics。因此首頁先把 4 個 parts 當成第一層資訊架構，再往下展開 lessons。

目前網站已整理完成全書 lessons。若你想照原本的認知節奏讀，建議從 Part 1 開始：先把題目、故事、系統模型與價值判斷整理成一套能拿來決策的方法地基。

Currently adapted

先把 AI 專案的題目定對，再把故事、系統模型與價值判斷整理清楚。這一段是整本書的方法地基。

本 part 對應 Chapter 1–5，已整理成一組 framing toolkit：先看失敗與選題，再把故事、系統模型與價值判斷變成可討論的決策材料。

Currently adapted

當題目成立後，這一段開始處理 AI 產品該怎麼被設計，從 copilot 到 reporting，再到 search、forecasting、agentic AI。

本 part 對應 Chapter 6–15，整理成一個 pattern library：從 SaaS copilot 的工作路徑，到 reporting、LLM patterns、搜尋與 IA、預測、異常與 agentic workflow。

Currently adapted

這一段會把 AI 專案的研究與驗證工作整理成方法鏈，從 brainstorming、AI-inclusive UCD，到 UX research 與 RITE。

本 part 對應 Chapter 16–20：先用 bookending 產生方案，再用 AI-inclusive 流程把 UI/模型/資料一起迭代，接著用 research 與 RITE 讓假設回到現實，最後用 vision prototyping 問出棘手問題。

Currently adapted

最後一段把整本書收束到風險、偏誤與責任，提醒 AI 產品的設計判斷不能只停在功能與效率。

本 part 對應 Chapter 21–23：先用實作方式檢查偏誤，再把倫理問題拆成可檢核的設計清單，最後用全書主題收束 UX 的角色與責任。

Recommended Start

Part 1 先把 framing 工作講清楚：用例是否值得做、故事是否成立、系統模型是否抓對、價值是否真的划算。讀完再往 Part 2 會更順。

Lesson 1

用一個失敗專案看見五個早期警訊，學會把 AI 題目拆成可檢核的風險清單。

Part 1 · start here

Lesson 2

先用例子看見選題錯誤的代價，再用一套可討論的選題方法把題目收斂到可落地。

Part 1 · start here

Lesson 3

先用 storyboard 例子看見缺口，再用可重做的步驟把 use case 畫到可討論。

Part 1 · start here

Lesson 4

用 digital twin 把資料、狀態、UI 與 AI 推論關係畫成可討論的模型。

Part 1 · start here

Lesson 5

用 value matrix 把成本與效益放進模型評估，讓 outcome 成為共同語言。

Part 1 · start here