使用者經驗專案經理需要了解的事|數位時代 BusinessNext

使用者經驗 (User Experience, UX) 近年來受到越來越多重視，許多公司紛紛開設了相關職位，強調以消費者為主的訴求，但是使用者經驗看似廣為人知，實際上理解此理念的卻少之又少。因此，使用者經驗專家Joseph Dickerson在UX Magazine上提出七項討論UX時需注意的原則，希望能精確的傳達使用者經驗的真諦及運作的概念，讓公司提供真正「以人為本」的產品服務。以下為文章重點摘要：

● 過程反覆耗時

企業主管多要求效率，認為交付的工作越快完成越好，而使用者經驗卻必須花很多時間進行重複討論、思考的循環。由於強調使用者，因此需要投注心力於檢視、反思產品服務的設計是否符合要求。設計完成後不代表結束，根據使用者的回饋再做修改才能達到真正的目標。

● 沒有標準流程

有些經理覺得每個理論都有一套操作的流程，希望專案能夠依如六標準差一樣的步驟執行，只要按部就班就能得到好結果。但真正的使用者經驗專案卻超乎一般想像。每個團隊、專案都有各自的方法，沒有絕對的原則、沒有一定的步驟順序。

● 使用者研究不可或缺

「我們已經和消費者接洽過，為什麼你們還要做這件事？」公司的產品經理對使用者經驗專案總是要和消費者溝通感到納悶，但和顧客互動、訪談所得到的資訊正是使用者經驗的精髓：消費者的心情、感覺、意見都反映了他們對產品的想法，探討背後的需求(need)和洞見(insight)，建立代表使用者(persona)，用以確立我們真正要服務的對象，以及欲注重的層面。

● 產品測試非常重要

專家設計的產品一定很完美，為何還需要讓一般民眾使用測試？他們懂嗎？這是很常被問的問題，而這正是最重要的——如果使用的人不懂，那為什麼需要這項產品？專家具備專業知識技能，能夠運用工具做出好設計，但專家永遠不會了解使用者會如何操作以及產生什麼反應。因此，使用者的回饋是最真實、最有價值的資訊。試著讓使用者介紹、解釋產品功能，以剖析他們眼中的產品形象。

● 使用者經驗(UX)不等於使用者介面(UI)

很多企業公司常把UX和UI搞混，但從定義上來看兩者其實相差甚遠。UI可以說是代表人和電腦互動的媒介，資訊輸入、輸出以及各種資料處理相關的功能稱為介面。而使用者介面，代表評估介面使用的經驗，利用視覺設計美化、按鈕位置調整等方式讓介面符合使用者的需求習慣。不過，介面設計、程式運作、視覺美觀、功能提供等因子都包含在UX中。UX就像是一種理念，以人為本的核心理念。為了解決問題、符合需求，因此利用各種技術和創意讓產品達到目標。挖掘連使用者自已都沒發現的內心渴望。

● 不只是產品易用性

使用者經驗研究的確會注重產品易用性，但等號並不能代表兩者間的關係。使用者經驗涵蓋的範圍較廣、較深，產品易用性只是其下一環。使用者經驗研究是把使用者的需求放在中心，往外發散出各種方式達到目標——設計出消費者容易使用的貼心產品。你應該永遠記得，使用產品的是消費者，他們的產品該由他們決定。

● 沒有所謂的「專家」

當企業要應用使用者經驗於專案運作，會找設計師、領導人、圖形藝術家等各種專家組成團隊，不會直接找一個什麼都會的人。因為使用者經驗的領域包含太廣泛，很難找到完全專精的人。而這也正是UX的特色——跨領域合作。集結各領域的人才，跳脫框架思考，在討論中彼此擦出火花。

資料來源：UX Magazine
@@ACTIVITYID:343@@

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。