對 Jakob Nielsen 文章的回應：AI 驅動的可用性擴展法則：使用者測試的未來？
The Usability Scaling Law in the Age of AI: The Future of User Testing?
人物
Jakob Nielsen 博士
是易用性研究的先驅，在使用者體驗 (UX) 領域擁有 42 年的經驗，並且是 UX Tigers 的創辦人。他是折扣易用性運動的創始者，提倡快速且低成本的迭代設計，包括啟發式評估和 10 個易用性啟發法。他提出了著名的 Jakob 法則，即網路使用者體驗定律。他被 Internet Magazine 譽為「易用性之王」，被《紐約時報》譽為「網頁易用性大師」，並被《今日美國》譽為「僅次於真正時光機的最佳事物」。
Nielsen 博士曾擔任 Sun Microsystems 的傑出工程師，以及貝爾通信研究所（Bell Labs 旗下由區域貝爾運營公司擁有的分支機構）的研究人員。他著有 8 本書，包括暢銷書《設計網頁易用性：簡約的實踐》（已翻譯成 22 種語言）、奠基之作《易用性工程》（在 Google 學術搜尋中被引用 28,158 次）以及開創性的《超文本與超媒體》（在網頁推出前兩年出版）。
觀點：可用性擴展法則預示 AI 將主導 UI 品質預測
Nielsen 預測，隨著 AI 系統性地累積和應用更多可用性知識，其對於 UI 設計的預測能力將呈指數級增長。他認為，雖然文章標題提及「使用者測試之死」，並非指其完全消失，而是重要性將下降，部分被 AI 驅動的可用性預測取代。
目前可用性領域存在「預測法」（如啟發式評估、設計指南）和「觀察法」（如使用者測試）。過去預測法效果相對較弱，但 Nielsen 認為 AI 的發展將改變此現狀。可用性知識擴展的第一步是從有限啟發法到數千條詳細指南和模式庫。然而，大量隱性知識仍存在於專家腦中或未被系統化整理。
Nielsen 估計，若所有實證研究產生的可用性知識（可能百萬倍於現有文獻）被結構化並用於 AI 訓練，將帶來巨大進步，可能對應五個世代的預測能力提升。關鍵瓶頸在於將非結構化觀察轉換為結構化訓練數據，這需要大量投入，但潛在回報是取代部分現有 UX 工作，提升效率並創造更好產品。
值得注意的原因：此觀點揭示了 AI 如何透過數據累積學習，從而根本改變可用性評估的方法與效率。 "想像每一項可用性研究、每一次 A/B 測試結果、每一次田野調查觀察，都貢獻給一個持續成長和學習的系統。"
觀點：使用者研究雖角色轉變但仍存續
Nielsen 認為，即使 AI 的預測能力因數據增加而變強，使用者研究也不太可能在未來十年內完全消失。AI 可能無法預測高度特定領域的使用案例、全新介面類型，或缺乏先前數據的使用者群體的所有需求和痛點。情境訪查、田野研究等觀察方法，對於理解人們在真實環境中的工作方式、複雜社會技術系統的互動，以及處理關鍵但未言明的需求和例外情況，仍具重要性。
值得注意的原因：強調了人類觀察在探索未知和複雜情境中不可替代的價值，為 UX 研究者指明了未來的核心角色。 "更有可能的是，仍然需要在實際客戶地點進行可用性觀察（情境訪查、田野研究），以了解人們在其真實環境中的工作方式..."
觀點：可用性預測與觀察方法將重新平衡
未來，可用性預測和觀察之間的比例將重新平衡。目前，基於人類的預測方法可能貢獻高品質 UX 的三分之一，其餘需觀察方法補足。
Nielsen 預測：
到 2035 年：此比例至少翻轉，許多應用的 UX 設計品質的三分之二（或 80%）將來自 AI 預測，觀察方法填補剩餘部分，且更具針對性。
到 2045 年：比例翻轉將更劇烈，超級智慧 AI 的預測可能佔 UX 設計品質的 90%，觀察方法補充約 10%。
即便如此，Nielsen 懷疑觀察比例不會低於 10%，因為理解新興行為、技術和獨特情境的需求永存，「良好可用性」的定義本身也在演變，AI 需要新的觀察數據來跟上。
值得注意的原因：此預測為 UX 工作的演變提供了時間表，並指出即使 AI 能力極大增強，人類的洞察與探索依然關鍵。 "UX 工作的性質將轉變：減少常規互動的例行測試，增加對未知領域的策略性調查，以及更多與 AI 設計夥伴的協作。"
總結
Nielsen 的「可用性擴展法則」提供了一條通往未來的道路：高度可用性不再是奢侈品，而是基於對人機互動系統性、AI 驅動理解的基本期望。這是一個推測性的願景，但對數位世界的設計具有深遠影響。AI 將處理 UX 的基礎工作，而人類 UX 人員將負責策略、代理（agency）以及與組織中其他人的溝通。
[實際應用] UX 從業人員的應對策略
Jakob Nielsen 的「可用性擴展法則」預示著 UX 行業將迎來深刻變革。AI 在可用性預測方面的崛起，並非宣告 UX 專業的終結，而是其角色和技能的轉型。以下為不同 UX 從業人員的應對建議：
對於 UX 研究員而言： 工作重心將從大規模的常規用戶測試，轉向更具策略性的、針對特定未知領域或複雜情境的深度質性研究。需要掌握如何設計實驗來驗證 AI 的預測盲點，以及探索 AI 尚無法觸及的新興用戶行為和需求。學習如何將研究結果結構化，以便反哺 AI 模型訓練，也可能成為新技能。
對於 UX/UI 設計師而言： AI 將能自動生成符合已知可用性原則的界面佈局和組件。設計師的價值將更多體現在理解複雜系統、定義問題、創新互動模式以及與 AI 協同設計上。需要學習使用 AI輔助設計工具，並專注於 AI 難以處理的情感化設計、品牌體驗一致性以及高度創新的解決方案。設計師也需要思考如何設計出能讓 AI 高效學習和應用的設計系統。
對於 產品經理/策略師而言： 需要理解 AI 在可用性預測方面的潛力與局限，以便更明智地分配資源，決定何時依賴 AI 預測，何時投入人工研究。核心能力將轉向定義產品的戰略方向、挖掘未被滿足的用戶需求（尤其是 AI 視野之外的需求），以及管理人與 AI 協作的產品開發流程。
所有 UX 從業人員都需：
擁抱 AI 工具：將 AI 視為強大的助手而非取代者，學習利用 AI 提升工作效率和產出質量。
強化策略思維：隨著 AI 接管更多執行層面的任務，人類的價值在於更高層次的策略規劃、批判性思維和創造力。
專注人類特有價值：同理心、對複雜社會文化背景的理解、倫理判斷以及與利益相關者的有效溝通，這些是 AI 短期內難以複製的。
持續學習：AI 和可用性領域都在快速發展，保持好奇心和學習能力至關重要。
總之，未來 UX 的核心在於人機協作，專業人員需要調整自身定位，從執行者轉變為 AI 的引導者、策略制定者和創新推動者，共同開創更優質的使用者體驗。
copyright © PrivacyUX consulting ltd. All right reserved.
關於本刊作者
Gainshin Hsiao 是 Agentic UX（代理式使用者體驗）的先驅，在人工智能與使用者體驗設計領域擁有超過 15 年的開創性實踐。他率先提出將用戶隱私保護視為 AI 產品設計的核心理念，於 2022 年創立 Privacyux Consulting Ltd. 並擔任首席顧問，積極推動隱私導向的醫療 AI 產品革新。此前，他亦擔任社交 AI 首席策略官（2022-2024），專注於設計注重隱私的情感識別系統及用戶數據自主權管理機制。
* Agentic UX 理論建構與實踐
* AI 隱私保護設計準則
* 負責任 AI 體驗設計
在 Cyphant Group 設計研究院負責人任內（2021-2023），他探索了 AI 系統隱私保護準則，為行業標準做出貢獻。更早於 2015 至 2018 年，帶領阿里巴巴集團數位營銷平台體驗設計團隊（杭州、北京、上海、廣州）、淘寶用戶研究中心並創立設計大學，從零開始負責大學的運營與發展，不僅規劃了全面的課程體系，更確立了創新設計教育理念，旨在為阿里巴巴集團培育具備前瞻視野與實戰能力的設計人才。其課程體系涵蓋使用者中心設計、使用者體驗研究、數據驅動設計、生成設計等多個面向應用。
活躍於國際設計社群，在全球分享 Agentic UX 和 AI 隱私保護的創新理念。他的工作為建立更負責任的 AI 生態系統提供了重要的理論基礎和實踐指導。
學術背景
* Mcgill - Infomation study/HCI -Agentic UX, Canada
* Aalto Executive MBA-策略品牌與服務設計, Singapore
* 台灣科技大學：資訊設計碩士- HCI, Taiwan
* 中原大學：商業設計學士- Media and marketing design, Taiwan