Figma畫布退位！YC設計主管揭Claude工作流：當AI包辦技術，設計師如何靠「策展力」勝出？|數位時代 BusinessNext

一年前，要在網站上做出那種會流動、帶顆粒感的動態背景（業界稱為 shader，一種即時運算的視覺特效程式），對 Eve Bouffard 來說「像一座難以翻越的大山，根本不知道從何開始」。

而在 YC 官方頻道 Design Review 節目（2026 年 7 月 10 日發布）中，她展示的卻是另一番光景：Claude 已經知道她偏愛 paper.design 的 shader，也能協助她套用與調整參數。「很神奇。」她這樣形容。

Eve Bouffard 是 YC 的 Head of Design，節目由 YC 合夥人 Aaron Epstein 主持，內容涵蓋程式開發習慣實驗 Paxel、舊金山實體雜誌 SOTA Zine，以及 Startup School 2026 的品牌設計。

以下是她的第一手工作經驗。

軟體熟練度曾經是重要門檻

在 Eve 描述的傳統工作流中，設計師往往必須花大量時間熟悉 Illustrator、Figma 或 After Effects 等工具。想做一個會動的 shader 背景，也得先跨過相應的技術陡坡。

但 Eve 在節目中反覆回到同一個判斷：當程式代理能處理技術工作，設計的瓶頸就從軟體能力轉向創造力與想像力。 她把想像力形容為需要刻意鍛鍊的肌肉；一旦意識到「我可以隨時替自己打造任何東西」，原本受工具限制的選項便打開了。

設計師的角色也從「操作工具」轉向「引導代理」。Eve 用 shepherd（引導）形容這件事：說清楚想要的氛圍，附上截圖與 Pinterest 靈感圖；脈絡越充分，代理越可能給出意料之外的結果。

代價是，直接叫 Claude 或 Codex 做設計，常得到「制式、缺乏辨識度（generic）」的成品。要跳脫平庸，設計師仍得知道自己喜歡什麼，並把品味轉化成代理能理解的脈絡。技能門檻降低後，品味與策展（curation）反而更重要。

把 Figma 手排的活，整包交給模板工具

最能看出資源重新分配的，是 Startup School 2026 的講者卡設計。活動將於 2026 年 7 月 25 日至 26 日在舊金山 Chase Center 舉行；Eve 表示，主辦方預期將有超過 6,000 人參與，講者包括黃仁勳、Sam Altman、汪滔（Alexandr Wang）與 Jeff Dean。

按舊做法，這些講者卡要在 Figma 裡逐張排版。Eve 說她「不想搬 12 次」，於是請 Claude 做了一個模板工具：自動從資料夾取圖、依確認名單生成卡片，也能快速測試不同版型。她再把同一組 shader 參數延伸到個人化錄取票券與 Chase Center 的大型螢幕。重複工作減少後，品牌視覺也更容易維持一致。

`soul.md`：把會議逐字稿倒進一個檔案

做 SOTA Zine 時，Eve 錄下每場會議，把逐字稿與 manifesto 集中到 soul.md，作為專案的脈絡基準。她的原則很直接：「給代理越多脈絡越好。」

檔案裡有文章標題、派對日期等資訊，代理迭代時便會主動補上她沒想到的元素，例如派對時間與雜誌條碼。她把這種代理協助腦力激盪的時刻稱為「AGI moment」，但這是個人的興奮形容，不代表模型已達到 AGI。

一次生成 16 個版本，挑完即丟

為了看更多可能性，Eve 先在 Pinterest 做視覺情緒板，把圖片、氛圍與內容需求交給 Claude，連續生成 16 個網站版本。她又替自己做了一個單頁工具，把版本並排比較，並將喜歡的釘選置頂。

她稱這是「disposable design（用完即丟的設計）」：先快速生成，再挑選、組合。做 Paxel 時，她也自建一個浮動視窗調整 shader 參數，調完就丟。過去是「一張稿雕到完美」，現在則是「先大量生成、再從中策展」；探索成本降低，設計師便能用較短時間比較更多方向。

最講究的那張封面，她為什麼不交給AI？

這套工作法的邊界，也藏在她自己的選擇裡。SOTA Zine 的實體封面刻意「零 AI 參與」；至少在這個案例中，程式代理提高了探索速度，但她想追求的細節與工藝仍較適合由人工完成。當更多人都能快速生成大量方案，能否跳脫制式結果，反而更依賴設計師的判斷。

程式代理沒有消除人的角色，而是把設計師的重心，從操作每個細節移向定義方向、提供脈絡、挑選方案與維持一致性。設計工具的競爭，或許也不再只是誰的畫布好用，而是誰更適合成為「設計發生的地方」。至於這套方法能否適用於客戶審核、品牌規範與合規要求更高的專案，仍需更多案例驗證。

資料來源：YC's Head of Design Shows You How To Design With AI（YouTube）、People｜Y Combinator、Startup School 2026、YC 官方 Jeff Dean 講者公告

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。