滾吧大數據，未來洞察預言家HIGER來了!!!

如果有一天 AI 已經可以幫你排時程、寫企劃、整理會議重點、分析數據，那還有什麼能力是 AI 很難完全取代的？ 我老早就知道答案了——那就是「理解人」。 這種能力，是能同時理解十幾個、甚至不同單位、不同背景、不同個性的人。為了讓學生們和我自己更能體會什麼叫做人與人的溝通美學，我特別邀請好朋友 盧佳宜 來到中原大學，分享她多年來與地方政府合作的策展與專案經驗。 老實說，我自己也有私心。除了讓學生學習外，我也很想知道：到底要怎麼維持美姿美儀地跟政府單位溝通，還能保持正向、理性，且不在中途原地爆炸？ 認識今天的女英雄：盧佳宜 盧佳宜是一位資深的自由工作者，擅長策展與專案整合規劃。她的合作對象橫跨教育部、交通部觀光局、甚至是各地方政府，參與過超過百件專案。 說巧也巧，到中原大學授課半年後，我才發現原來佳宜就住在附近。某次喝咖啡聊近況時，我才驚覺：「等等……原來妳以前也是老師？」既然如此，我二話不說直接邀約：「來中原分享一下妳的人生之道吧！」 專案管理不是「機器人流程」，而是一套變通哲學 佳宜這次分享的主題是： 《專案怎麼管理－展覽背後》 。 很多人管理專案很像機器人：流程固定、表格固定。但現實世界偏偏最愛「不固定」。長官突然改想法、廠商出問題、天氣發瘋、時間爆炸……如果專案管理只能照流程走，那它最大的硬傷就是： 不會變通 。 我一直覺得，真正強大的專案管理高手必須具備三件事： 靈機應變的執行力 快速取捨的判斷力 與人的溝通能力（最難的一環） 佳宜是我少數遇過，同時擁有這三種能力的人。聽她分享處理逾百件政府專案的經驗，身為內向人的我，光想像那種溝通強度就開始焦慮。 實戰案例：2025 台灣設計展 @ 彰化 在 2025 台灣設計展 中，佳宜團隊負責的是 「人人百貨－探索青樂園」 。這是一個沉浸式互動冒險體驗，其中最精彩的莫過於將彰化神明文化結合數位互動的「超神占卜」。 當活動遇到神明「親自上線」？ 分享中最讓我印象深刻的，是某天據說神明「有進駐」展區附近的廟宇，那天竟然連續抽出 10 支結果都是「超吉」！甚至有民眾抱怨這是假互動。這種無法解釋的奇妙事件，為展覽增添了不少傳奇色彩。 AI 的正確用法：轉化語言，而非取代思考 團隊在活動中利用 AI 進行快速解籤，讓不同年齡層的人都能看懂。這正是我在跨媒體課一直強調的： 當 TA（目標受眾）不同時，要用對方聽得懂、聽得習慣的語...

世界正在從「搜尋時代」進入「AI 回答時代」。 以前的網路時代，是人類自己找答案： Google 搜尋 → 點擊網站 → 整理內容 → 得到結論。 但現在，連家裡的長輩都開始習慣對著手機說：「ChatGPT，幫我查一下...」或「Gemini，推薦我適合的產品」。 這兩種時代最大的差別在於：以前我們是面對「資訊」，現在我們是面對「AI 處理過的專業解答」。 為什麼設計師更需要 GEO？ 如果想在未來 2～3 年脫穎而出，你必須提前佈局你的 GEO（Generative Engine Optimization） 。 對設計師來說，「搜尋得到你」已是基本功，「AI 找得到你」才是生存關鍵。因為在 AI 回答時代， AI 找不到你，就等於你根本不存在。 沒被看見，就等於失去了商業連結的機會（當然，除非你是因為做壞事被公審，那 AI 倒是找得很快）。 什麼是 GEO（Generative Engine Optimization）？ GEO（生成式引擎優化） 直白地說，就是： 「讓 AI 更容易理解你、引用你、並推薦你。」 它與傳統 SEO 最大的區別在於： SEO 重視： 搜尋排名（排名第一）。 GEO 重視： 可信任度（權威與一致性）。 AI 不只是抓取資料，它會像個超級資料整理員，判斷：你是誰？你的專業定位是什麼？你的觀點在不同平台是否一致？ AI 怎麼判斷你是誰？四個搜尋判斷關鍵 AI 會從 LinkedIn、Medium、方格子、個人網站、甚至是被引用的新聞中拼湊你的「數位身份」。要讓 AI 信任你，必須滿足以下四項判斷： 語意清晰： 內容結構化，AI 看得懂你在寫什麼。 身分一致： 跨平台的身分描述必須統一。 專業可信： 判斷你的觀點是否具有長期累積的權威性。 可被摘要： 內容邏輯清晰，AI 能快速整理出你的核心價值。 實戰教學：三步打造你的 GEO 數位身分 第一步：建立「個人專屬關鍵字」 不要只寫「設計師」，那跟沒寫一樣。請使用公式： [姓名/品牌名] + [方法論] 或 [專業定位] 。 Higer 吳立欣｜未來觀察預言家 Higer 吳立欣｜商業思維設計師 這些標籤雖然看久了會有點羞恥（笑），但這能讓 AI 快速理解你的獨特性。 第二步：建立「個人專屬金句」 AI 極度依賴 「重複語意」 。例如： 「相信設計不只是做產品，而是設計能活下...

電影《末日之戰》（World War Z）裡有一段讓我印象深刻。 布萊德彼特追查病毒源頭時來到耶路撒冷，發現這座城市竟然比其他地方更早做好防禦。 長官告訴他，因為他們採用了**「第十人法則」**。 當時看到這段，我腦中第一個想法是：「靠，這制度也太適合公司決策了吧。」 直到現在 AI 出現，我發現這個位置，不就剛好最適合 AI 嗎？ 一、什麼是第十人法則？防止「群體思維」的最後防線 所謂的「第十人法則（The Tenth Man Rule）」邏輯很簡單： 當團隊裡有九個人都認為某件事是對的時，第十個人必須「強制」站在反方。 即便他本人也認同，都必須硬著頭皮去找漏洞、找風險、找最壞情境。 它的核心目的，是為了防止 「群體思維（Groupthink）」。 人類一旦形成共識，就會進入一種奇怪的樂觀狀態。 公司開會最常發生：大家點頭、大家附和、大家說「應該沒問題」， 最後大家一起死。 而第十人法則，就是故意在這個流程裡插入一個「討人厭的角色」。 二、為什麼公司裡沒人想當「第十人」？因為黑鍋太重 在職場現實中，這角色超衰。 判斷錯了： 被說唱衰、扯後腿、沒團隊精神。 真的出事了： 大家才淡淡地說：「喔，其實他當初有提醒啦……」然後就沒了。 功勞通常不會是第十人的，但黑鍋幾乎一定是他的。久而久之，組織裡就沒人想當這號人物，這套策略也就自然失效。因為在社會本質上，大家真的沒那麼喜歡「一直唱反調的人」。 三、為什麼 AI 是「背黑鍋」的最佳人選？ 既然沒人想當壞人，那就讓 AI 當。黑鍋給 AI，功勞留給自己，這從人情世故來看超合理。 但 AI 最適合的原因，其實在於它天生具備的 「逆向推理」 能力： 不受情緒與權威影響： 它不會被老闆的眼神暗示，也不會被團隊氣氛綁架。 科學客觀的邏輯分析： 它可以快速從大量數據中推演出最壞情境、隱藏風險、公關災難或使用者漏洞。 質疑的力量： AI 最有價值的地方不一定是「幫你做事」，而是 「幫你質疑你自己」。 四、實戰策略：在決策中固定開啟 AI 「第十人模式」 現在很多公司導入 AI，還停留在生文案、寫會議紀錄等表層功能。真正厲害的用法，是把 AI 丟進會議室，強迫它當那個永遠唱反調的人。 下次決策前，請強制 AI 用反方角度推演： 這個方案最大的漏洞是什麼？ 如果市場反應跟預期完全相反怎麼辦？ 哪個數據假設最容易被打臉？ 如果消費者根本不在乎...

誰有痛點需求需要解決，自然而然就會出現對應的方案。 這也是我為什麼會說： 演算法，其實是神明最早發明的。 歡迎來到 Higer 的奇思異想系列 。 一、神明的大數據：一秒一千萬則「請願貼文」 首先，我們來想像神明每天處理信眾請願的場景。 如果一位神明平均每一秒鐘，都要接收一千萬名信眾的請願訊息，那祂首先需要一個平台來整理這些問與答。 這個平台就像是神明專用的社群軟體，讓祂可以在上面觀看信眾的「請願貼文」。但問題來了： 一秒鐘一千萬則，神明要花多久才看得完？又有多少時間能一一回應？ 大眾的想像通常是「神明萬能，一定都聽得到」。但我認為，只要神明的型態某種程度類似人類，祂的運作系統理論上也會在某種「類人行為邏輯」下運作。既然如此，祂就不可能在同一秒內處理完所有訊息，更何況下一秒還有新的湧進來。 我的邏輯很簡單：神明也需要休息與娛樂。 如果人類以為神明 24 小時都在服務我們，那人類真的滿自大的。難怪電影裡神明常想把地球「重開機」——搞不好那些末日電影就是神明投資拍來暗示我們的。   二、神明平台的「五大篩選漏斗」 既然請願訊息多到爆炸，神明的首頁一定存在某種「篩選機制」。我大膽推理出一套「神明演算法」的五大漏斗邏輯： 互動次數（活躍度）： 你跟神明的互動頻率。越常去拜拜、請願，越容易進入第一層演算法漏斗。 虔誠指數（信任分數）： 這不是短期衝出來的，而是長期累積的數值。這是系統內最公平的長期機制。 捐款／香油錢（廣告投放）： 這就像廣告下預算。當你有「資源投入」，自然會提高被看見的機率。 做好事（高品質用戶）： 幫助他人、心存善念，會讓你在演算法中被歸類為「優質創作者（User）」。 是否有傷害他人（核心過濾機制）： 這是演算法最頂層的關鍵（Safety Filter）。只要有「罪」——偷拐搶騙或造成他人傷害，就會被記錄。 這裡的因果推理非常複雜。例如像 秦始皇 或 川普 這種影響力巨大的人，一個決策牽動全球，神明不一定會直接封鎖（Ban），但一定會列入「重點觀察名單」。 三、擲筊：最古老的 Yes/No 回應系統 在這套機制下，神明真正看到的貼文一天可能也就幾百則。那我們要怎麼知道請願有沒有被看到？ 老祖宗早就發明了「回應系統」： 擲筊 。 聖杯、笑杯、陰杯，本質上就是一種 Yes / No 的二元回應機制 。 但這套系統成立的前提是： 你的請...

這陣子 AI 持續大爆發，平面與視覺設計師的情緒也跟著科技股一起高高低低。可以感受到，設計師們的態度，已經從原本的瞧不起，到吃驚、微恐慌，逐漸轉為和平共存。 前陣子期中作業，我請碩專班的學生們寫下這陣子課程中的感觸。巧合的是，很多學生都提到了 AI 對自己未來職涯規劃的影響 。 更有趣的是，有 5～6 位學生都對我說： 「雖然 AI 很厲害，但 AI 設計出來的東西缺少了人類的溫度。我要做出有溫度的設計，成為不被 AI 取代的設計師。」 此時的我有點疑惑。本來想直接開講，但想了想，與其教，不如問。讓學生們自己思考，我也能從中成長。 於是，我拋出了一個問題： 「請問，你要怎樣做出有溫度的設計？」 讓空氣凝結的瞬間：當「平安符」失效時 問完的當下，學生們的表情一開始都是「這不是理所當然嗎？」的自信。但當他們試著從嘴中講出道理，沒過多久，表情開始轉為疑惑，時間與空氣彷彿瞬間凝結冰凍了... 當這個答案從社群媒體上那種「高大上」的說法，轉變成需要你 「親自去落實」 時，這個虛有其表的 「設計溫度平安符」 ，自然就失效了。 為了解開這個結，我將問題拆解成三個階段與大家互動： 第一階段：回到問題核心 —— AI 真的沒有溫度嗎？ 設計師常嘲笑 AI 沒有感情，但現實中，有這麼多人跟 AI 交友、談戀愛，甚至無法自拔。如果 AI 真的沒溫度，這些深刻的情感連結又是怎麼產生的？ 第二階段：請舉例 —— 誰的作品讓你感到溫度？ 我請學生舉例，哪一位設計師的作品讓你感到溫度？ 大家想了很久，舉出的例子反而更像藝術家（如草間彌生、奈良美智）。當我們回歸到設計領域時，大家又卡關了。這裡看來，學生們或許無意間把 「設計的溫度」與「設計師的知名度」 畫上了等號。 第三階段：回到自己 —— 你到底要「怎麼做」？ 經過前兩階段，理性逐漸勝過感性。學生開始被迫從「自己」出發，重新檢視到底可以如何實踐。 關於設計的溫度，我的「關子」與「觀察」 至於「怎麼做」？我想資深設計師們看到這裡，心中早已有了一套適合自己的答案。這套模式必須因材施教，所以我先賣個關子，歡迎大家在底下留言討論： 你認為「人類設計的溫度」與「AI 設計的溫度」差別在哪？ 如果你對這類思辨有興趣，也歡迎報名我在 中原大學 的兩門課程： 設計創新 跨媒體專題個案專題 💡 側記：提問的溫柔 經歷過前幾年在其他大學的教學經驗，這次我全...

你覺得自己一天看了多少廣告？ 多數人會直覺回答幾十則，頂多一兩百。但實際數據比想像中更驚人：我們每天「有感」記住的約 50 到 100 則，但實際「路過看到」的次數高達 4,000 到 10,000 次 。更殘酷的是，有四成的人在過去 24 小時內，記住的廣告連接觸量的 10% 都不到。 我們泡在廣告裡，卻幾乎不記得它們。這對設計師來說，是一個巨大的警訊。 一、重新定義廣告：生活裡所有「被設計過的東西」都是干預 大部分設計系學生對「廣告」的想像過於單一，僅限於 IG 貼文、Banner 或網頁圖片。但在現代演算法的世界，廣告的定義早已模糊： 社群與搜尋： 滑到的貼文、短影音、Google 搜尋結果、KOL 的「分享」。 實體觸點： 路上的看板、捷運燈箱、店頭價格牌。 產品本身： 商品包裝、精美的盒子、甚至是手上的飲料杯。 說白話點：你生活裡幾乎所有「被設計過的東西」，本質都是在影響你做決定，這些都是屬於設計過的廣告。 二、為什麼設計系畢業生會讓企業感到困惑？ 如果設計師還停留在「把畫面做好看」，那只觸及了最表層。真正的商業設計是在處理「一整段過程」： 看到： 引起注意（社群貼文、短影音）。 興趣： 產生好奇。 相信： 降低疑慮（YouTube 評測、專業開箱）。 掏錢： 完成轉換（電商頁或實體店面收尾）。 這整段路徑才是完整的「用戶旅程設計」。多數畢業生擅長談風格、談排版、談視覺語言，但一談到 轉換率、客單價、用戶決策路徑 ，就開始保持沉默。這也解釋了為什麼很多人讀的是「商業設計系」，但最後其實並不懂商業。 三、2026 市場大變局：從「買版位」轉向「買人」 整個世界已經從「把產品做好」變成「讓產品被看見、被理解、被相信，最後被買走」。 數位廣告佔比飆升： 從 2000 年的 3% 拉升到現在的 70% 以上 。 全球支出破兆： 2026 年全球廣告支出已突破 1 兆美元。 AI 與演算法： 現在業界不再只是買版位，而是透過演算法精準「買人」；加上 AI 自動生成內容與 A/B Test 測試，獲取的效率已被極大化。 在 AI 靠背強大的年代，美感與視覺的門檻被大幅降低，設計的競爭核心已轉向 「誰比較懂得用戶心理」 。 四、結論：懂設計的人很多，懂商業結果的人才走得遠 市場真正需要的，是能把「產品轉成營收」的人才。如果你只問「這張圖好不好看」，你...