美國矽谷，那個象徵著無限可能的科技聖地，近年來卻連自己人都感到不對勁。
曾對美國創新產業感到幻滅的 Narges Baniasadi，現在是史丹佛大學旗下健康解決方案計畫 Stanford Emergence 的創辦人兼執行董事。她點出了一個尖銳的現象：當全球都在瘋 ChatGPT、搶購 GPU 時，矽谷的創新氛圍卻變得過於追求技術或炒作。有些領域被捧上天，有些真正需要被改變的領域反而被晾在一邊。這不禁讓人想問，我們是不是在錯誤的賽道上跑得太快了？
第一步：從「問題」出發，而不是從「錘子」找釘子
Baniasadi 觀察到，許多頂尖學生其實缺乏將學術知識應用於解決社會問題的能力。這聽起來很諷刺，但確實是現狀。因此，她在 Stanford Emergence 開設的課程，核心精神只有一個：「從問題出發」，而不是一開始就急著想解決方案。
「多囊性卵巢症候群影響數百萬女性，平均得花上十年才能確診，因為症狀太普通了，像體重增加、長痘痘，患者往往在各科之間流浪。」
這個例子說明了什麼？如果我們只專注於技術，可能會開發出一個更精準的檢測儀器，但 Baniasadi 的學生選擇直接面對「人」。他們透過訪談發現，患者對外貌的擔憂遠比想像中巨大，甚至願意砸大錢買保養品。這個洞察讓他們提出一個非常規的構想：直接在 Sephora 這類美妝店設立諮詢點，趁消費者購買護膚品時介入，提供早期診斷的契機。
說真的，這不是什麼突破性的 AI 演算法，但這種「視角切換」往往比技術本身更接近創新核心。
第二步：AI 是「重現者」，人類是「開創者」
Baniasadi 對 AI 的定位相當明確：AI 本質上是重現既有資訊的工具，它無法取代創新與創造力。這其實點出了一個被忽略的盲點——我們太常把 AI 當作解答，卻忘了真正的難處在於「與人互動」。
為什麼與人互動這麼難被複製？因為它涉及肢體語言、情緒感知、以及那些無法被數據化的「直覺」。AI 可以分析數萬份病歷，但它無法理解一個患者說「我最近變胖了」時，背後隱藏的焦慮與羞恥感。這種細微的洞察，才是驅動真正創新的燃料。
「創業所需的技能，如與人、客戶和投資人協作，比起創新本身更為重要。」
這段話從一位矽谷創新者口中說出，分量十足。它暗示了一個殘酷的事實：如果只會寫程式或訓練模型，卻不懂如何與人溝通、說服、甚至爭執，那你的創新很可能只停留在實驗室裡。
第三步：從矽谷的「偏食症」看台灣的困境
如果把 Baniasadi 的觀察套用到台灣，會發現我們也有類似的「科技偏食症」。當生成式 AI 爆發時，市場迅速湧入大量「AI 解決方案」，但很多時候是為了解決「我們有 AI」這個問題，而非解決使用者的真實痛點。
對一般人來說，這波 AI 熱潮帶來了一個關鍵思考：我們該如何避免成為「拿著錘子，看什麼都是釘子」的人？ 尤其在資源有限的台灣新創圈，與其一頭熱地追逐最潮的技術，不如先靜下心來問：我的目標受眾現在最困擾的是什麼？他們願意為什麼事情付錢？
第四步：未來趨勢——「人機協作」的平衡點
如果 Baniasadi 的論點是正確的，那我們可以預測接下來幾年的趨勢：「軟技能」將重新被定義為硬實力。溝通、同理心、觀察力這些過去被視為「文科」能力的項目，將在 AI 時代成為稀缺資源。
AI 會負責處理數據、生成報表、甚至撰寫初稿，但最終的決策、創意發想、以及利害關係人的溝通，仍需仰賴人類。這不是浪漫的想像，而是現實的限制——因為 AI 沒有情緒，也不會有「靈光一閃」的時刻。
編輯觀點
從產業面來看，Baniasadi 的呼籲其實點出了一個結構性問題：我們的創業教育太側重「執行」，卻忽略「定義問題」的訓練。在台灣，許多新創團隊拿到種子輪資金後的第一件事，通常是擴編工程團隊，而不是去現場蹲點、訪談使用者。這種思維在 AI 時代會更加危險，因為當生成內容的成本趨近於零，真正的護城河不在技術本身，而在於「你對問題的掌握有多深」。如果往後推演，未來能夠脫穎而出的團隊，絕對是那些願意花 80% 時間理解問題，只用 20% 時間解決問題的人。換句話說，AI 時代最需要的人才，不是最會寫提示詞的人，而是最會問「為什麼」的人。
所以，與其擔心被 AI 取代，不如開始練習「與人對話」的藝術。下次當你想把某個流程自動化之前，先想想：這真的是一個技術問題，還是人的問題？
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
AI 真的無法取代人類的創新能力嗎？
是的，因為 AI 本質上是重現既有資訊，缺乏人類透過直接互動所產生的獨特洞察與靈感，真正的創新仍需要人與人之間的協作與同理心。
「從問題出發」的思維方式要如何應用在實際工作中？
建議在啟動任何專案前，先花時間進行使用者訪談與田野調查，深入了解目標族群的痛點與行為模式，而非急著尋找技術解決方案。
為什麼台灣新創圈也需要重視「人機協作」的平衡？
台灣資源有限，若一味追逐技術潮流而忽略使用者真實需求，容易導致產品與市場脫節，重視人機協作能幫助團隊更精準地定義問題、降低失敗風險。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。