如何思考 AI 產品的創新：AI Product Canvas 介紹與應用

在 AI 技術快速發展的時代，開發一款成功的 AI 產品不僅需要技術能力，更需要有效的結合用戶需求、商業價值，才能創造 AI 產品的價值。AI Product Canvas 作為一種結構化的思考工具，可以幫助團隊更全面地進行產品策略規劃與開發。本篇文章將詳細介紹 AI Product Canvas 的背景、必要性、使用方法及具體應用，幫助讀者全面了解如何運用這個工具幫助 AI 產品的開發。

一、迎接 2025 年 AI 產品設計新紀元

AI 正以驚人的速度改變產品創新的方式，從 LLM 成本大幅下降、Edge AI 應用場景擴大，到多模態 AI 技術日趨成熟，我們看到 AI 的應用逐漸多元。根據 IDC 的預測，全球 AI 市場規模預計將持續成長，市場規模將在近年內突破數千億美元，全球 AI 市場規模持續擴大，各大企業紛紛投入 AI 技術的研發與應用。然而，在這股 AI 浪潮中，我們發現一個有趣的現象：大家都在談 AI，卻很少人討論該如何設計好的 AI 產品。

McKinsey 報告指出，2024–2025 年間已有超過 65% 的企業在產品中導入 AI 功能；MIT Technology Review 的調查也顯示，83% 的消費者願意使用 AI 產品。消費者對 AI 產品的接受度持續提升，但有一個重要前提：產品必須讓他們看得懂、用得清楚。這也凸顯一個關鍵：打造成功的 AI 產品，技術只是基礎，真正的重點是在如何讓使用者願意使用並且能夠輕鬆上手。

因此，DITLDESIGN 於 2024 年提出了 AI Product Canvas，建立一個結構化的思考框架。此框架涵蓋產品設計的各個面向，更特別關注 AI 產品的獨特性：從使用情境理解、痛點識別到解決方案設計，協助開發團隊在 AI 世代創造真正有價值的產品。

在接下來的章節中，我們將深入探討 AI Product Canvas 的各個面向，幫助您了解如何在 AI 時代設計出成功的產品。

二、Why this Canvas?

1. 回歸人的角度打造 AI 產品

AI 產品會是什麼樣子？一個冷冰冰的機器人，還是能真正理解你需求的智慧助手？

2025 年，AI 技術蓬勃發展，各產業都在探索 AI 產品創新的可能性。讓我們從 IDEO 的創新三角出發：人性需求（Desirability）、技術可行性（Feasibility）和商業可行性（Viability），重新思考在 AI 時代該如何詮釋這個經典框架。

2. AI 時代的產品設計

想像一下，你正在使用一個 AI 翻譯軟體。它不只是簡單翻譯文字，還能學習你的用語習慣，理解你的專業領域，甚至能抓住你說話的語氣。未來 AI 產品的概念發展，是否會有不同的思考方式？

過往的產品設計就像是做一道菜：

• 找到食譜（使用者需求）
• 準備食材（技術方案）
• 照表操課（執行開發）

AI 產品則像培養廚師：

• 需要持續學習
• 能夠即時調整
• 會隨著經驗成長

3. 為何從「人」出發？

根據 DITLDESIGN 在 2024 年的專案研究，成功的 AI 產品必須從人的需求出發，而非技術驅動。AI Product Canvas 強調三個核心面向：

👥 理解使用情境

• 建立使用者旅程圖
• 描繪真實的人物誌
• 掌握實際的應用情境

如同教導孩子，我們需要：觀察行為習慣、了解思考方式、找出最適合他的教學方法。

🎯 發掘真實痛點

• 了解使用者目前所遇到的困難 （了解症狀）
• 尋找困難真正的原因 （找出病因）
• 提供對應的解法 （開立處方）

關鍵是避免盲目導入 AI 技術，而要真正解決使用者問題！

✨ 設計完整體驗 

• 服務
• 溝通
• 物件
• 環境

從體驗維度的四大方向思考 AI 產品的關聯與細節

在 AI 時代，技術與商業固然重要，但「人」永遠是核心。正如 IDEO 所說：「設計思維不只是一種方法，而是一種思維方式。」AI Product Canvas 提供一個初步的架構，幫助大家在發展 AI 產品的概念中，保持以人為本的同時，也能充分利用 AI 技術的優勢，創造真正的商業價值。

AI Product Canvas ( 如下圖 ) 是根據 IDEO 所提出的人、技術、三種層面進行延伸，並新增在思考 AI 產品時所需額外關注於行為與數據的輸入與輸出，AI Product Canvas 對應 IDEO 的架構如下。

• 人性需求 (Desirability) : 情境、痛點、解法
• 技術可行性 (Feasibility)：物件、溝通、服務、環境
• 商業可行性 (Viability)：專利、成本、利潤
• 輸入 (Input) & 輸出 (Output)

三、How to Use AI Product Canvas

在開始深入每個區塊之前，讓我們再複習一個重要創新概念。創新應該從人的需求出發，透過系統性的方法，實現商業價值，而 Al Product Canvas 也是運用相同的設計邏輯。

1. 🔍 情境 (Scenario)

在探討情境時，我們不僅要了解目標用戶的使用場景、環境限制和關鍵時刻，更要深入探究用戶在這些場景中的心理需求和行為動機。為了真正理解用戶的需求，我們可以建立用戶角色和場景故事，從用戶的視角去設身處地地體驗產品的使用過程。同時，我們還可以透過實地觀察和同理心圖等方法，捕捉用戶在使用過程中的情緒變化和潛在需求。只有真正站在用戶的角度，我們才能設計出真正貼合用戶需求的產品。

核心問題：

• 你的目標用戶在什麼場景中使用產品？
• 使用過程中會遇到什麼環境限制？
• 有哪些關鍵的使用時刻？

實際應用：

• 建立使用者旅程地圖
• 繪製場景故事板
• 進行實地觀察研究

2. ❗ 痛點 (Pain Points) 

痛點不僅僅是表面的問題，更是用戶在使用產品時遇到的情感障礙和心理不適。為了挖掘這些深層次的痛點，可以透過深度訪談和用戶投訴分析，了解用戶在使用過程中的挫敗感、焦慮感、不安全感等負面情緒。同時，我們還要分析競品的不足之處，不僅要看功能缺失，更要看用戶體驗的缺陷。只有全面理解用戶的痛點，我們才能提供真正有效的解決方案。

核心問題：

• 用戶面臨的主要困擾是什麼？
• 現有解決方案的不足之處？
• 這些痛點對用戶的影響程度？

實際應用：

• 用戶訪談
• 問題優先級排序
• 影響程度評估

3. 💡 解決方案 (Solutions)

在設計解決方案時，不僅要解決功能性問題，更要滿足用戶的情感需求。我們要考慮如何減少用戶的認知負荷，提供更自然、更人性化的交互方式。解決方案的創新不僅在於技術的創新，更在於對用戶需求的洞察和理解。只有真正理解用戶的需求，並以此為基礎設計解決方案，我們才能為用戶提供真正有價值的產品。

核心問題：

• AI 如何解決已識別的痛點？
• 解決方案的創新性在哪裡？

實際應用：

• 快速原型測試
• A/B 測試
• 可行性評估

4. 🎨 物件 (Artifact)

物件可以是硬體或是軟體的整合，需特別注意人與物的交互體驗。這種交互不只發生在螢幕界面上，也發生在實體空間中。好的物件設計，應該讓用戶在這兩個維度都能獲得自然、流暢、一致的體驗。思考是否有必要的配件或功能，才能滿足預期的解決方案。

核心問題：

• 用戶如何與 AI 產品互動？
• 需要什麼硬體支持？
• 如何整合硬體與軟體？

實際應用：

• 硬體定義
• 介面原型設計
• 交互流程測試

5. 💬 溝通 (Communication)

AI 產品與用戶的溝通方式，我們要考慮用戶的語言習慣和文化背景。提供合適的用戶反饋機制，為不同類型的用戶提供適合的反饋渠道。同時，也還要設計完善的錯誤處理機制，考慮如何最大限度地降低用戶的挫敗感，提供有效的補救措施。只有讓用戶感到自己是在和一個智能、友好、可靠的系統溝通，我們才能真正建立起用戶與 AI 之間的信任。

核心問題：

• 如何讓 AI 系統的決策透明化？
• 用戶反饋機制？
• 錯誤處理機制？

實際應用：

• 交互語言設計
• 錯誤處理流程
• 用戶引導設計

6. 🌟 服務 (Service)

AI 產品中的服務是圍繞用戶的整個旅程所提供的一系列支持。涵蓋產品本身的功能，還包括產品前後的各種觸點，如銷售、客服、社群等。一個好的的 AI 產品服務，應該為用戶提供一個連貫、一致、超出預期的體驗。

核心問題：

• 完整的服務流程是什麼？
• 關鍵服務是什麼？

實際應用：

• 服務藍圖

7. 🌍 環境 (Environment)

即產品所處的外部條件和背景，用戶可能在各種場合使用我們的產品，如家中、辦公室、商場、戶外等。不同的場合可能有不同的光線、溫度、濕度、噪音等物理條件。我們的產品必須能夠在這些條件下穩定、可靠地工作。同時，我們還要考慮不同設備的適配性，如手機、平板、電腦、智能音箱等，確保用戶在不同設備上都能獲得一致的體驗。

核心問題：

• 產品使用的環境特性？
• 環境限制和挑戰？
• 如何適應不同環境？

實際應用：

• 環境因素分析

8. 📥 輸入 (Input)

設計 AI 產品的輸入時，除了考慮用戶提供數據的類型和方式，我們還要考慮如何降低用戶提供數據的門檻。這就需要設計產品與使用者的互動介面，讓用戶更願意、更容易提供高質量的數據。同時，我們還要特別注意輸入數據的隱私保護和安全措施，這是 AI 產品需要重點考慮的問題。只有讓用戶放心地提供數據，AI 產品才能真正發揮它的價值。

核心問題：

• 使用者需要提供什麼數據 ？
• 使用者要如何提供數據？（語音、文字 etc.）

實際應用：

• 數據需求清單、數據質量評估、數據處理流程

將用戶需求轉化為數據需求

Google 在《The People + AI Guidebook》指南中也點出需特別關注數據處理的部分，需負責任地獲取數據，檢查是否存在有問題的偏差，將有助於構建更好的系統，從而更有效地滿足使用者需求。

People + AI Guidebook

A toolkit for teams building human-centered AI products.

pair.withgoogle.com

9. 📤 輸出 (Output)

確保輸出結果不僅準確、有用，更要易於理解和操作。需注意輸出的呈現方式，讓用戶能夠快速理解和應用 AI 給出的結果。同時，我們還要考慮如何提供可解釋性，讓用戶知道 AI 的決策邏輯，建立信任感。只有讓用戶真正理解和信任 AI 的輸出，AI 產品才能真正被用戶接受。

核心問題：

• AI 產品要產生什麼結果給使用者？
• 如何展示這些結果？

實際應用：

• 輸出形式設計、視覺化設計（XAI：可解釋性 AI）

10. 👨‍💼 專利、11. 💸 成本、12. 💰 利潤 (Patents, Cost, Profit)

專利是 AI 產品的重要護城河，AI 技術的迭代速度非常快，新的算法、模型、架構層出不窮。如果我們的產品沒有自己的核心專利，很容易被競爭對手模仿和超越。

另外，與傳統軟體或硬體產品相比，AI 產品在算力、數據等方面都有更高的成本投入。如果不能有效控制這些成本，AI 產品很難實現規模化盈利。因此，我們要在產品設計過程中就考慮成本優化。

最後，需考慮清楚盈利方式與市場大小。是透過銷售軟體許可證？提供訂閱服務？還是通過衍生的數據產品變現？不同的盈利模式，對產品功能、定價、市場等都有不同的要求。

核心問題：

• 技術創新點在哪裡？
• 成本結構如何？
• 收益模式是什麼？

實際應用：

• 商業模式、檢索專利、預估成本與預估市場

小節

AI Product Canvas 的每個維度不是相互孤立的，而是緊密關聯、相互影響的。比如，用戶的痛點就來自於使用場景，而解決方案的設計又需要考慮輸入輸出、成本利潤等因素。因此，我們在進行產品設計時，不能只關注某一個維度，而是要用整體的、系統的視角，協調好各個維度之間的關係，尋求最優的平衡點。

四、For example

接下來，讓我們來透過實際的案例與大家分享，如何透過 AI Product Canvas 去思考創新的 AI 產品！本次以 2025 年被評為最有淺力的 10 大 AI 產品進行示範。

Halliday Glasses

這款人工智能驅動的眼鏡具有主動式人工智能助理功能，可預測使用者的需求。提供 40 種語言的即時翻譯、語音轉文字、即時導航等功能。虛擬的螢幕可投射到使用者的視線範圍內，是一個輕如任何一款普通眼鏡的重量、一個可以不需要螢幕和鏡片而直接投射到你眼睛裡的顯示產品，和一個主動理解你意圖的 AI 助理。

以下是 Halliday Glasses 透過 AI Product Canvas 的應用範例。

情境 (Scenario) 中考量了使用者可能遇到的多元情境，如旅遊、商務交流等，並針對語言不通、繁瑣操作等 痛點 (Pain Points) ，而提出了即時翻譯、語音轉文字與虛擬螢幕顯示等 解決方案 (Solution)。

物件 (Artifact) 方面，我們關注到眼鏡的重量、外觀以及與硬體元件的整合，確保穿戴舒適與功能完備；而在 溝通 (Communication) 與 服務 (Service) 層面，則透過自然語言互動與雲端生態系統，讓使用者體驗更為順暢。為了提升使用者信任與可用性，也會在 輸入 (Input) 與 輸出 (Output) 階段強調數據品質與可解釋性，確保產品在提供即時功能的同時維護隱私與安全。

最後，我們從 專利 (Patents)、成本 (Cost) 與 利潤 (Profit) 角度進行商業可行性評估，確認技術創新能否帶來實際收益。

透過此 Canvas 的結構化思考，我們能清楚檢視 Halliday Glasses 在每個維度的設計考量與價值，也能更全面地預測產品未來在市場上的競爭力與發展潛力。

五、Conclusion

學習和運用 AI Product Canvas 能夠讓你在 AI 產品的概念發展中的更加全面。這個框架不只是一個死板的流程，而是一種創新的思考模式。未來 AI 產品開發是一個動態的、迭代的過程，需要從多個維度同時思考。在 AI Product Canvas 中，情境分析、痛點挖掘、解決方案設計、商業模式規劃等環節不再是依次進行，而是相互交織、不斷迭代，這種非線性的思維方式。

AI Product Canvas 幫助團隊用更全面的視角審視 AI 產品。AI 產品不只是一個冷冰冰的演算法，背後連結著使用者的喜好、硬體的選型、服務等一系列要素。這種多維思考模式，讓產品的打磨更加細緻入微。最後，AI Product Canvas 帶來的，不僅是 AI 產品構想初期的思考幫助，也是幫助開發團隊內的各個利害關係人對齊目標。當 AI 產品設計從「我們可以用 AI 做什麼」，進化成「用戶需要什麼，我們如何用 AI 實現」，更可以提升 AI 產品在未來的應用價值。

此專案為 DITL 在 2024 年由唐玄輝教授帶領與企業內部合作的專案部分結果。如有相關建議與指教，歡迎留言交流，讓我們為更好的 AI x Design 而努力！

如果你喜歡這篇文章，歡迎點擊下方拍手支持我們👏👏👏，一個小小的拍手，對我們來說是很大的鼓勵 🎉