走進史丹佛大學的 Emergence 計畫辦公室，Narges Baniasadi 桌上擺的不是最新的 AI 伺服器，而是一疊厚厚的學生訪談筆記。這位曾對矽谷創新感到幻滅的執行董事，正在用最「類比」的方式，重新定義這座科技聖地對人工智慧的想像。
矽谷向來以「解決方案」聞名，團隊快速打造 MVP（最小可行產品）、用技術顛覆傳統產業，是這裡的標準敘事。但 Baniasadi 觀察到一個矛盾：當資金與目光過度集中於特定技術領域，真正需要被關注的社會痛點反而被忽略。她直言，許多學生擁有頂尖的學術訓練，卻缺乏將知識落地為社會影響力的能力。問題不在於技術不夠強，而在於——他們不知道該解決什麼問題。
為此，Baniasadi 在 Stanford Emergence 設計的課程有個反直覺的起點：不談解法，先談問題。她要求學生花大量時間進行田野訪談，深入了解真實使用者的生活場景，而不是關在實驗室裡跟數據搏鬥。她認為，AI 本質上是在重現既有資訊，無法產出真正原創的洞察，而創新的核心——與人直接互動所產生的理解與同理——恰恰是機器學不來的能力。
當 AI 加速一切，唯獨無法加速「人與人的連結」
Baniasadi 舉了一個具體案例來說明這套思維的威力。她的學生關注到多囊性卵巢症候群（PCOS）——這個影響全球數百萬女性的疾病，平均確診時間竟長達十年。為什麼？因為它的症狀太「普通」了：體重增加、長痘痘，這些困擾經常被歸因於生活習慣或壓力，很少有人會在第一時間聯想到內分泌問題。
學生們透過深度訪談，捕捉到一個關鍵行為模式：PCOS 患者對外貌改變極度焦慮，願意花大量金錢購買保養品、化妝品來對抗症狀。這個洞察讓他們提出一個非典型解方——在 Sephora 這類美妝零售店設立諮詢點，在消費者選購遮瑕產品或抗痘精華的當下，順勢導入早期診斷的衛教資訊。這不是什麼高科技的突破，但它精準地切入了使用者的真實路徑。
從這個案例回頭看，你會發現 Baniasadi 想強調的並不是「不要用 AI」，而是「AI 該用在哪裡」。她認為創業過程中真正困難的事——協調團隊、說服投資人、理解客戶的隱性需求——這些都涉及人際協作與信任建立，是 AI 至今仍無法觸及的領域。與其問「這題 AI 能不能解」，不如先問「這題到底值不值得解」。
編輯觀點： Baniasadi 的觀點在臺灣的科技產業脈絡下格外有啟發性。我們經常陷入「技術引進焦慮」——急著導入最新 AI 工具、急著訓練模型，卻忽略了最根本的問題定義能力。從 PCOS 案例可以發現，真正的突破口往往來自對使用者行為的細膩觀察，而非更強大的演算法。對臺灣的新創團隊或企業轉型部門來說，或許該把 20% 的資源從技術採購挪移到「現場蹲點」——讓團隊成員實際走進使用者的生活場域，記錄那些數據儀表板上看不到的痛點。這不是浪漫的情懷，而是 Baniasadi 用實際教學成果驗證過的務實路徑。
「從問題出發」不是口號，是抗衡炒作文化的解毒劑
矽谷的投資風向常常像鐘擺，從區塊鏈、元宇宙到生成式 AI，每一波熱潮都伴隨著大量的資源錯置。Baniasadi 的批判其實很直白：當市場過度追捧特定技術，那些「不夠性感」但影響深遠的領域——例如女性健康、基礎教育、長照服務——就會持續被邊緣化。她並不反對擁抱 AI，而是提醒：工具的效能取決於它被用來達成什麼目的。
這也解釋了為什麼她特別強調「創業技能重於創新本身」。在史丹佛的課堂上，她讓學生反覆練習的是溝通、談判、同理心與田野調查——這些被視為「軟技能」的能力，在她眼中卻是啟動一切的硬底子。畢竟，一個無法說服團隊跟投資人的創業者，再厲害的技術構想也只會停在簡報檔裡。
話說回來，這套思維對一般工作者同樣受用。當 AI 工具越來越普及，能夠提出「對的問題」的人，將比只會「給答案」的人更有價值。因為 AI 可以幫你生成報告、摘要文件、甚至撰寫程式碼，但它很難代替你去問：這份報告要給誰看？他的真實困擾是什麼？什麼樣的解決方案對他來說才是「有感」的？
下一步行動：把你的問題清單攤開來檢視
如果你正準備啟動一個新專案、或導入一項新技術，不妨先做一個簡單的練習：拿出一張紙，寫下你認為「必須解決」的三個核心問題。然後問自己——這些問題是來自客戶的真實回饋、現場觀察，還是來自產業報告跟競爭者分析？如果答案偏向後者，你可能已經掉進 Baniasadi 所說的「解法先於問題」的陷阱。
從今天開始，每週安排一次「使用者時間」：可能是陪客服同仁接兩通電話、或實際拜訪一位客戶。你會發現，那些困擾使用者最久、最瑣碎、最不起眼的抱怨，往往藏著下一個真正值得投入的機會。AI 時代的競爭優勢，或許不在於你跑得多快，而在於你選擇了哪條跑道。
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
史丹佛 Emergence 計畫的課程設計跟一般 AI 課程有什麼不同？
最大差異在於它「不從技術出發」。一般 AI 課程通常先教模型、演算法，再找應用場景；Emergence 則要求學生先花大量時間做田野調查與使用者訪談，確認問題的真實性與迫切性後，才開始思考技術能否介入。
Narges Baniasadi 認為 AI 無法取代哪些創新環節？
她認為 AI 無法複製「人與人的直接互動」所產生的獨特洞察，包括理解使用者的潛在需求、建立團隊信任、以及說服投資人與客戶的協作過程。這些涉及情感與社會判斷的環節，仍是人類的優勢領域。
PCOS 案例中的「Sephora 諮詢點」構想，實際落地了嗎？
該案例目前屬於課程中的概念驗證階段，並非已商轉的解決方案。但它被 Baniasadi 作為教學範例，用以說明「從使用者行為路徑切入問題」的思考方式，如何導出不同於傳統醫療管道的創新解方。
這套「問題導向」思維對中小企業或個人工作者有幫助嗎？
有。中小企業資源有限，更應該避免盲目導入新技術。先釐清客戶最痛的三件事，再評估 AI 能否針對這些痛點產生具體效益，反而能降低投資風險，讓每一分預算都花在刀口上。
※ 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。
About the Author
