AI 對設計產業的影響

如果把 2023–2026 視為一個分水嶺，那麼設計產業現在面對的，已經不是「要不要用 AI」的問題，而是「哪些工作應該交給 AI 加速、哪些判斷必須由人保留、團隊要用什麼治理方式把風險降到可控」。台灣端的訊號很明確：台灣設計研究院指出，2024 年台灣設計產業營業額約新台幣 1,900 億元，但同時面臨「產業擴張、人才供給收縮」的結構性矛盾；其 2025 人才調查也直接把「AI 共創能力、跨域整合能力、持續學習能力」列為關鍵職能。國際端則出現同步加速：Microsoft與 LinkedIn 的 2024 調查顯示，75% 的知識工作者已在工作中使用生成式 AI；Stanford HAI 彙整的 2025 AI Index 也指出，2024 年有 78% 的受訪組織已使用 AI，71% 已在至少一個業務功能導入生成式 AI。這代表 AI 已經不是工具選配，而是新的工作底盤。

對設計師、設計主管與產品經理來說，真正的變化不在於「一鍵生圖」本身，而在於工作價值從單次產出，往三個方向移動：更快地探索多個方案、更穩定地維持系統一致性、更能負責地處理資料、版權與品牌責任。這也是為什麼未來 3–5 年，設計競爭力不會只看美感與執行速度，而會更看重問題定義、研究判讀、設計系統、法務與資料治理素養。從人才市場來看，PwC 2025 報告顯示，具 AI 技能的職缺平均薪資溢價可達 56%；Figma 2026 年的研究又指出，54% 的招聘主管已把「用 AI 設計」列入設計人才前五大需求技能。另一方面，經濟部智慧財產局 已在 2025 年多份函釋中重申：若創作過程有可辨識的人類實際創意投入，成果仍可能受著作權保護；若完全由 AI 演算獨立完成，則通常無法取得著作權。這些訊號合起來看，說明 AI 不是把設計變得不重要，而是把「有判斷力的設計」變得更重要。

導言

這篇文章想回答的，不是「AI 會不會取代設計師」這種過度簡化的問法，而是更實際的三個問題：第一，AI 已經在哪些設計工作中創造實際價值；第二，哪些工作雖然被加速了，但反而更需要人的判斷；第三，台灣設計團隊該怎麼在效率、品質、版權、資料與品牌責任之間取得新的平衡。之所以現在特別值得談，是因為設計產業正同時受到兩股力量夾擊：一邊是內容需求與產品迭代速度持續上升，另一邊則是設計教育與人才供給收縮。台灣設計研究院 2025 調查指出，產業正在穩定成長，但教育端出現學生減少、科系縮編與學用落差；同時，Adobe 2024 的創作者研究顯示，90% 創作者認為生成式 AI 能幫助節省時間與激發新點子，但也有 56% 認為它可能傷害創作者，主要原因正是未經同意拿作品訓練模型。也就是說，AI 對設計的影響，從一開始就同時帶著效率與焦慮兩面性。

若要把這幾年的變化看成一條清楚的時間線，關鍵不是單一工具爆紅，而是「設計工作流」與「治理邏輯」一起改寫：從 2019 年歐洲文本與資料探勘規範的基礎鋪陳，到 2023 年台灣公部門發布生成式 AI 參考指引，再到 2024–2026 年間各大設計平台把 AI 從外掛變成內建能力，同時把透明標示、內容來源、授權與責任分配拉到前台。

AI 不再只是「產圖工具」，而是逐步併入內容供應鏈、產品原型、設計系統、法遵與人才培育機制。2019 年歐盟 DSM 指令為 TDM 與權利保留奠定制度背景；2023 年台灣行政院啟動生成式 AI 使用參考指引；2024 年 歐盟 AI Act 生效；2025 年 Figma Make 普及、美國著作權局正式整理「提示詞不足以構成充分人類控制」的實務觀點；到 2026 年，AI literacy、GPAI 與高風險系統義務已逐步進入可執行階段。對設計產業而言，這不是一波短期工具潮，而是制度、流程與能力結構的再分配。

AI 已經在哪些設計工作發生價值

設計端最常見的誤解，是把 AI 想成一個「自動幫你做完設計」的代理人；但目前真正穩定創造價值的場景，其實是三種：先把探索速度拉高、再把跨媒介轉譯自動化、最後把大量重複的調整與變體生成外包給系統。換句話說，AI 最強的地方不是單次做出完美稿，而是讓團隊更快看見更多方向、更早拿到可討論的半成品、更容易把既有設計系統與品牌規範擴散到多個接點。這也與 DIS 2024 對 24 位 UX 從業者的訪談相符：他們普遍會把 GenAI 用在個人化、前期、寫作與整理型工作，但對 wireframing、原型與高判斷密度設計任務仍認為需要更多人為把關與訓練。

視覺設計與品牌設計

在視覺與品牌設計上，AI 最成熟的應用不是「直接產出品牌識別全案」，而是把原本最花時間的前期探索與後段延展壓縮到更短：例如 moodboard、風格測試、KV 方向變體、商品去背、局部補圖、畫面延展、多尺寸版位與多語系改版。Adobe Firefly 的重點能力在補圖、延展、文字轉圖／影片與 Content Credentials；Canva Magic Studio 則把寫文案、翻譯、改圖、品牌模板與多人協作放進同一工作區；Midjourney 則持續強在氛圍圖、概念視覺與風格世界觀的快速探索。這些工具最適合做第一輪發散與提案變體，而不是在沒有品牌策略與人工審稿的情況下，把輸出直接當成品牌最終稿。

實務上，如果你是接案設計師，AI 最有感的不是「少掉設計師」，而是「少掉多次從零開始的重工」。如果你是品牌端主管，AI 最有感的則是內容供應鏈：相同 campaign message 可以更快被轉譯為社群貼文、短影音、簡報首頁、活動頁首圖與不同市場語系版本。但這也帶來一個管理上的新要求：品牌方要更早把 tone of voice、色彩、構圖原則、不可碰觸的風格紅線與法務審稿規則系統化，否則 AI 只會加速產出不一致的內容。這也是為什麼 Canva 把 Brand Kit、翻譯與協作流程放進核心產品，而 Adobe 持續強調素材來源、商業安全與透明標記。

產品設計與 UX/UI

在產品與 UX/UI 工作流裡，AI 的價值正在從「幫你畫畫面」轉向「加速想法驗證」。Figma Make 已經把 prompt-to-prototype、可編輯 UI、設計系統上下文、甚至連接 Supabase 的真實資料模擬整合進去；Uizard 的 Autodesigner 可以從文字提示直接生成多畫面 mockup；Relume 則很適合網站型產品與內容站改版，從 sitemap 直接連動 wireframe；Framer Wireframer 的定位更清楚，是把頁面結構與流程先搭起來，讓團隊不必從空白畫布開始。這些工具最適合做 onboarding flow、dashboard 假設、landing page、資訊架構與 proof-of-concept 的前中期驗證，能把 PM、設計、工程第一次對焦的速度大幅拉快。

但要特別注意，現在的 AI UI 工具比較像「可互動的思考夥伴」，還不是「自動保證好 UX 的設計師」。DIS 2024 的研究很值得設計主管放進團隊規範：受訪 UX 從業者普遍認為，GenAI 在寫作、整理與前期 ideation 的幫助比在高品質 wireframe、原型與研究判讀更明顯，很多限制仍在輸出過度通用、脫離脈絡或無法反映企業風格。也就是說，產品設計真正被放大的，會是研究摘要能力、資訊架構能力、interaction logic、設計系統治理與設計說服力，而不只是畫面產出本身。

動態設計與內容在地化

在動態設計上，AI 已經很適合拿來做 previsualization、分鏡草案、5–15 秒提案影片、素材變體與簡單的 video editing。Runway Gen-4 強調可控制、可與 live action 和 VFX 並置的視覺生成；Aleph 則把加物件、換角度、調光線、改風格這類過去非常花工的剪修工作變得更像「導演式指令」。如果你的工作包含 pitch video、社群短片、產品說明片頭、內部提案動態稿，AI 能把「想像」更快轉成可播放的 demo。對品牌與全球化團隊來說，Canva 與 Framer 的翻譯、網站與資產延展能力，也讓在地化不再只是文案翻譯，而是連同畫面與版型一起調整。

下表挑選了設計產業目前最常被討論的幾個工具，涵蓋 Adobe、Figma、Canva、Runway、Midjourney、Uizard、Framer 與 Relume。功能與方案依官方文件整理；優缺點與適用情境則是依官方能力、授權模式與實務工作流做的編輯判讀。

如果你要把這張表濃縮成一句話：品牌與行銷設計團隊，會更偏向 Canva、Firefly、Runway、Midjourney 的組合；產品與 UX/UI 團隊，會更偏向 Figma Make、Uizard、Relume、Framer；真正成熟的團隊，則不會只押單一工具，而會依資料敏感度、設計成熟度、品牌風險與交付型態，建立一個「已核准工具矩陣」。這類矩陣比「全公司都用同一套 AI」更實際，也更安全。

工作流程與職能正在怎麼變

真正的改變，不是設計軟體多了一個 prompt 欄位，而是工作流被切成了新的節點。以前常見的設計流程是 brief、研究、探索、第一稿、修正、交付；現在則更像是 brief、資料餵給 AI 做多案探索、人工批判與收斂、補上設計系統限制、做法務／資料檢核，再進入正式製作。換句話說，AI 把「第一稿」往前推，也把「審稿」與「治理」往前拉。這讓設計師少做了部分重複生產，但多做了方向設定、品質判讀、變體篩選與風險控管。Adobe 2024 的研究指出，近四分之三創意工作者與 83% 非創意工作者都認為生成式 AI 已提升工作效率；但學術研究也提醒，速度不等於品質：一項 2024 年視覺 ideation 實驗發現，AI 圖像輔助可能讓參與者更容易產生設計固著，甚至使想法數量、變異性與原創性下降。這兩件事一起看，才是成熟團隊應該面對的真相：AI 幫你更快，但不保證你更好。

有幾個趨勢已經可以量化或至少穩定觀察。第一，AI 已是日常工作介面的一部分：Microsoft 與 LinkedIn 的 2024 調查顯示，75% 知識工作者已使用生成式 AI；Stanford HAI 2025 AI Index 又指出，2024 年有 78% 受訪組織在用 AI，71% 已在至少一個業務功能用生成式 AI。第二，設計師對 AI 的評價比工程師更保留：Figma 2025 AI 報告顯示，設計師對 AI 工具的滿意度為 69%，低於開發者的 82%；認為 AI 提升作品品質的設計師占 54%，也低於開發者的 68%。第三，市場對 AI 技能的回報正在實質反映在招聘與薪資上：PwC 2025 報告估計 AI 技能平均帶來 56% 薪資溢價；104 也指出，台灣 AI 相關職缺平均待遇比非 AI 職缺高出 53%。第四，這波改變不是半年熱潮，而是組織級的技能重組：世界經濟論壇預估，到 2030 年有 39% 的核心技能會改變，且每 100 名員工中，29 人需要在現有職務中 upskill，19 人需要 reskill 並在組織內重新部署。

這些趨勢會直接重寫設計職能。台灣設計研究院 2025 調查已經講得很直接：設計師角色正從單純創意輸出，轉向策略整合、資料洞察與跨域協作；職場最需要強化的能力，甚至已經偏向商業談判、商業模式創新與專案管理。換句話說，未來最吃香的設計師，不會只是會做出漂亮畫面的人，而會是能把研究、商業、技術、內容與風險治理串起來的人。把它翻成更具體的能力包，大概就是這些：能把模糊需求轉成好的 prompt 與驗證流程、會整理 reference 而不是只會堆圖、懂設計系統與元件約束、懂基本資料敏感度分級、能把 AI 產出講清楚「為什麼要採用／為什麼不能採用」，以及能帶著 PM、工程與行銷一起做判斷。這也是 Figma 2026 報告所說的「designing with AI 正在變成 table stakes」，不只設計師要會，PM、開發者、行銷與內容職也都要會。

法律、倫理、版權與責任不能晚點再談

台灣目前在 AI 與著作權上的實務，還不是大量判決，而是以函釋、Q&A 與行政解釋逐步堆出輪廓。智慧財產局在 2025 年的多份函釋中重申：如果只是把 AI 當作輔助工具，而創作者對構圖、元素安排、修改與最終呈現有可辨識的實際創意投入，成果仍可能受著作權保護，且原則上由實際投入創意的自然人享有；但如果內容是由 AI 演算獨立完成，沒有可辨識的人類創意投入，則生成內容通常無法享有著作權。更重要的是，智慧財產局也明白表示，個案是否達到「有人類實際創意投入」，仍需依具體事實由司法機關認定。對設計實務來說，這代表你不能只保留 prompt，還要保留 reference、迭代過程、人工修改紀錄與最終決策依據，因為未來真正能保護你的，不是「我有用 AI」，而是「我怎麼把 AI 納入我的創作過程」。

另一方面，「AI 生成」絕不等於「沒有侵權風險」。智慧財產局在 2025 年針對生成式 AI 課文教學使用的函釋中提醒，即使 AI 生成成果與原著作實質近似的機率不高，也不能完全排除；若直接作為商業性使用，仍可能涉及著作財產權侵害。這個邏輯放到設計工作，同樣成立：不管是 logo、插畫、包裝視覺、角色、活動主視覺，還是網頁 hero image，只要它與既有作品過於相近，法律風險就不會因為「是 AI 生成」而自動消失。這也是為什麼 Canva 的官方安全指引會特別提醒，不要未經授權引用知名品牌、角色或人物，也要確認自己有權使用原始素材；Adobe 則持續以授權資料集、Content Credentials 與商業安全訴求作為風險緩解方案。這些做法都不是保證零風險，而是把舉證與審查拉回到可以管理的範圍。

再來是很多設計團隊容易低估的資料問題。當你把使用者訪談逐字稿、客服截圖、Figma 檔案中的真實姓名、CRM 匯出資料、可識別畫面截圖，甚至尚未公開的產品 roadmap 餵進第三方 AI 服務時，你做的不只是「工作方便一點」，也可能同時觸及個資與商業機密。依台灣個資法，個人資料的蒐集、處理與利用，必須有特定目的、不得逾越必要範圍，且應告知目的、類別、使用期間與對象；資料外洩還有通知義務，跨境傳輸在一定情況下也可能被限制。這意味著設計團隊不能再把 AI 使用視為個人習慣，而必須納入正式流程：哪些資料可餵、哪些只能去識別化後再餵、哪些只能在企業版或封閉環境處理、誰有權核准、誰要留紀錄。對 B2B、金融、醫療、教育與政府專案來說，這尤其重要。

最後，若你的客戶在美國或歐洲，國際規則更不能忽略。美國著作權局 2025 報告明確表示，人類作者性仍是美國著作權保護的核心條件，且在當前技術下，「提示詞本身」通常不足以構成充分的人類控制；同時，若人類對 AI 輸出有創作性修改、選擇、編排與整合，這些部分仍可能受保護。歐盟 AI Act 則已於 2024 年 8 月生效，AI literacy 與禁止性規範自 2025 年 2 月起適用，GPAI 模型義務自 2025 年 8 月起適用，並將於 2026 年 8 月進入更完整適用階段。對台灣團隊的實際意義是：如果你服務的是跨境客戶，合約裡應該提前寫好可使用哪些工具、產出是否要標示 AI、如何保存 provenance、誰負責法務審核、是否需要廠商 indemnity，以及哪些資料不得上雲。Figma 已為 Organization／Enterprise 客戶提供 AI copyright protection；Adobe 則用 Firefly 的授權資料來源與 Content Credentials 強化商業安全與可追溯性。這些都值得納入供應商評估。

公司與學校現在可以怎麼做

如果你是公司端，最務實的做法不是宣告「全面擁抱 AI」，而是先做一張可落地的 AI 設計工作流地圖。這張地圖至少要有四層：第一，工具分級，區分哪些工具可用於公開資料、哪些只能用企業版、哪些完全禁止處理敏感資訊；第二，流程分工，把 AI 放在探索、整理、變體生成與前期驗證，但把最終決策、法務審查、品牌定稿與研究結論交回人；第三，證據留存，保存 prompt、reference、草稿、人工編修與決策紀錄；第四，教育訓練，讓設計師不只學 prompt，還要學如何驗證輸出、如何辨識資料風險、如何避免品牌與法務事故。這其實與台灣現行政府 AI 參考手冊、數位發展部的人才架構與 DIS 2024 對 UX 團隊需求的結論很一致：AI 導入的關鍵不是偷跑，而是流程可控、責任可追。

組織設計與招聘也該一起調整。與其新增一個模糊的職稱叫「AI 設計師」，更好的做法，是把 AI 素養拆進既有角色能力模型。對個人貢獻者來說，要看的是：是否會把研究摘要成好問題、能否在 AI 產出後做系統性 critique、是否懂設計系統與元件約束、能否與 PM／工程一起快速驗證假設。對設計主管來說，要看的則是：是否能建立已核准工具矩陣、能否替團隊設定品質門檻、是否能把法務與資料治理前移。Figma 2026 的研究顯示，設計與非設計角色正在一起被要求具備 AI 協作能力；台灣設計研究院則進一步提醒，未來高需求能力已往商業思維、跨域整合與專案管理傾斜。這意味著招聘 JD 不能再只寫「熟悉 Figma／Photoshop／Illustrator」，而要明確寫出：具備 AI-assisted workflow 經驗、能管理 reference 與來源、能與跨職能一起做驗證與定義。

如果你是學校端，課程設計也該從「禁用或不限用 AI」這種二分法，轉向「清楚定義在哪些學習目標中可以用、用了要揭露什麼、哪些能力不能被 AI 代作」。教育部 學術倫理資源已整理出台灣大專校院對生成式 AI 多採開放但有原則的態度，並提到行政院自 2023 年起就有生成式 AI 使用參考指引。對設計教育更具體一點的做法，可以是：把 AI 共創工作坊放進視覺設計課，但要求學生提交 prompt、選圖邏輯與人工修改說明；把設計研究、資訊架構、設計系統、資料倫理、個資與著作權纳入必修核心；讓 PM、工程、內容與設計一起做 studio project，而不是只做單人美術作業。因為未來職場真正需要的，不是「最會下 prompt 的學生」，而是「最懂得何時該用、何時不該用、用了如何負責」的設計人才。

未來三到五年趨勢與風險

未來 3–5 年，我認為最重要的變化，不會是再多幾個能生圖或生影片的工具，而是 AI 生成的起點從「空白 prompt」變成「帶著企業脈絡的系統」。Figma Make 已經往這個方向走，把 design library、frame、真實資料與限制條件帶進生成；Framer 明確把 Wireframer 定位為「先做結構，不先綁風格」；Relume 也把 sitemap 與 wireframe 直接綁在一起。這意味著真正的競爭優勢，會逐漸從「誰先學會 prompt」轉成「誰的 design system、內容規範、資料結構與決策準則更清楚」。設計系統、研究資料庫、品牌規範與元件治理，不再只是效率工具，而會變成 AI 時代最關鍵的護城河。

但機會越大，風險也越不是抽象的。第一個高機率風險是同質化：2024 年有研究發現，AI 圖像輔助在視覺 ideation 任務中可能提高設計固著，導致更少、更不多樣、原創性更低的點子。第二個高影響風險是版權與訓練資料焦慮：Adobe 2024 創作者研究顯示，56% 創作者認為 AI 可能傷害創作者，主要原因正是作品被拿去訓練而未經同意；同時 89% 支持 AI 生成內容應被標示。第三個高頻風險是技能空洞化，尤其對 junior 設計師最明顯：如果初階工作全部被 AI 吸收，而團隊又沒有刻意設計 critique、研究與系統訓練路徑，新人就可能只會「出圖」，不會「判圖」。這也是 DIS 2024 訪談中資深 UX 從業者已經在擔心的事情。

如果把未來 3–5 年的機會與威脅濃縮成一句話，我會這樣說：AI 會讓設計產業更分化，而不是更平均。會被放大的，是那些能把 AI 接進研究、系統、品牌、產品與法務流程的人；會被壓縮的，是只靠操作速度、卻沒有脈絡判斷與治理能力的工作。高機率、高影響的風險包括資料外洩、品牌一致性崩壞、供應商鎖定與法遵延誤；高機會區則包括多語系品牌延展、產品驗證加速、內容供應鏈重整與設計系統價值上升。對主管來說，最值得問的問題已不是「團隊有沒有用 AI」，而是「團隊有沒有把 AI 用進正確的位置」。

結論

AI 對設計產業的真正衝擊，並不是把設計價值拿走，而是迫使設計價值重新排序。過去設計師最容易被看見的是產出速度與畫面完成度；接下來更重要的，會是問題定義、系統化思考、研究判讀、品牌治理、跨部門協作與法務資料意識。台灣設計研究院看到的是角色從創意輸出轉向策略整合；世界經濟論壇看到的是 2030 前 39% 核心技能將改變；智慧財產局看到的則是 AI 輔助創作與純 AI 生成之間，法律責任需要更細緻地區分。這三條線索其實在講同一件事：設計工作沒有消失，它只是往更高責任、更高判斷密度的位置移動。

所以，對設計師來說，現在最值得投資的，不只是「學會哪一個 AI 工具」，而是建立一套可證明價值的工作方法；對設計主管來說，關鍵不是買更多工具，而是建立更好的流程、訓練與治理；對產品經理與關心職涯的從業者來說，重點也不是焦慮 AI 會不會取代你，而是你能不能比別人更早把 AI 放進正確的位置。未來贏的團隊，通常不會是用 AI 最多的團隊，而會是把 AI 用得最有邏輯、最有證據、也最有責任感的團隊。