# AI/UX 顧問進場導入生成式 SaaS 全流程，以跨國金融集團為例

{%hackmd NQf8mh69T2u7KZrYznYtgg?view %}

↓↓↓以下開始共筆 🙌 ↓↓↓

>今天會多一點以乙方的角度進場去看事情
第一個是從設計師和管理者探討組織導入包括人員問題的部分、第二個是實際客戶（相當大的金融集團）要求
他們主要做人工智能助手護內部行銷 AI 工具等訴求
側重用生成式AI 解決事情

通常在甲乙方居多，也有不同城市經驗
中國、舊金山、溫哥華服務北京客戶
大型互聯網公司


大型集團需要中心化設計系統
設計人才培養體系
參與新興用數據作選品與用戶偏好有連結
元宇宙設計
技術轉移相關經驗
現主要：genai，agent，在6-8週完成

設計師角色的轉變：如何利用 AI 技術在設計中扮演更有效的角色
AI 是技術也是工具
設計師的本質：解決問題，ＡＩ時代無太大改變
並不太大改變，如何看待 AI？是取代還是改造

用數據角度來切入，轉換成數據可視的情況
根據用戶體驗的程度能給到不同的，以便免在模型上的競爭
更重要的是把人帶入到產品流程當中

幾個實踐切入點：

1. 認識到每個行業或部門都有其工作慣性，不是所有工具都能立即被採用。例如，雖然ChatGPT廣受關注，但很多人仍不知道如何將自己的專業知識轉化為有效的提示詞。

2. 理解並非所有工作階段都適合使用外部技術和資源，特別是在金融行業。因此需要先尋找內部可行的轉型路徑。

3. 以品牌和行銷領域為例，生成式AI的應用與原有工作流程的結合相對順暢，這提供了一個良好的切入點。

在AI轉型過程中，除了技術本身，更重要的是理解組織特性和人員需求，找到最適合的實施路徑。重視不可替代的數據：在眾多可能的開放式（Open）新技術和工作方法中，我們應關注那些不可替代的數據。

從小處著手：面對大問題時，我們我們應從小處開始解決，而不是一開始就嘗試進行大規模的數字化轉型，這樣的做法可能過於冒險。

FAQ：
企業應該從哪裡開始提倡 AI 轉型？產品？研發？中後台
AI 工具和生成事AI 在哪些業務和職能轉型方面具有最高的價值機會
HMW 在建構AI 能力的同時實現短期績效
HMW 在企業各個層面推動 AI 的持續採用

建議從數據端切入，要在現有工作流程中找些 AI 工具的手感

回頭去看產品需需求文擋到設計文件，

Figma 是搜索功能為主，而非單純拉畫面
做數據上沒有很好的基礎，導致在 AI 轉型時，沒有辦法很的執行
如何找到垂直數據是其他不能取代的

“人事物”三個方面，並從左下方開始介紹。在服務客戶的過程
中，我們發現客戶行業中有不同角色，包括：
- **互動設計師（ID）**：負責繪制框架圖和互動設計。
- **技術美術（TA）**：在遊戲行業，負責技術和美術的結合。
- **界面設計師(UI)**：負責製作用戶界面。
- **產品手冊編寫者(UX-writer)**：專門編寫產品手冊，供內部員工或最終用戶使用。
- **用戶研究(UR)與原型製作(Protyper)**：涉及用戶研究的人員需要在不同設備（如手機、iPad）上創建簡單的原型，以便測試和評估開發成本。
- **品牌與造型設計(CD)**：包括與品牌、造型設計、3D建模等相關的多樣化工作。
- **技術選擇與成本**：根據不同的安全要求選擇不同的開放式（Open）技術，影響導入時間和成本。
- **AI能力分級**：將AI能力分為不同等級，不是所有公司都有能力實現所有AI功能，但可以作為參考。
- **客戶需求分類**：大多數客戶需求集中在生產AI或基於AI的代理和界面需求，而非基礎模型，因為後者需要大量資本投入。

常接觸：CIO CTO 數據工具的管理者
拆解任務：從事下手，因事設人

1. 事情：互動設計師、技術美術、介面設計師、用戶體驗寫作、用戶研究員、圓形設計師、創意設計師這類型的職務，會盡量觀察早期使用 AI 工具是否有初步工作概念，包含（Saas 工具、生成資產、用戶手冊、集成開源技術等）
當把自己的所學轉換成步驟化操作，就會減緩導入 AI 的阻力

比如：junior->senior 需要有用戶體驗的經驗，再來依照現有公司的職能在帶入進去

2. 組建團隊：從人下手，因人設事

回到現有的專案去嘗試不同的 codebase（cursor概念），並不是要建立龐大的知識庫，反而是日常生活中，用問答，把原本的文件進行產出），日常設計交互會參考使用的插件、內部的 component、libreary，或是內部定義出來的pattern，變成有效的數據集，並不是是只有原型方案（內容包含：原型、產品文黨、數據集、需求洞察、工作流）
再來會參考提示詞能力：會影響工作流

將他們的工作轉換為AI能力的話題。通過這種方式，我們可以更好地理解和
整合AI技術，而不是簡單地替換現有的工作流程。
將上述工作轉換為AI能力，引入組織中幾個關鍵概念：

- **生成資產**：指生產行為中的過程數據，而非現有數據。
- **工具選擇**：選擇合適的工具，如ChatGPT，以實現AI能力。
- **用戶手冊**：建立新工具與人之間的期望和認知。

內部的創新
舉例：社交產品
內部驅動力而非外部的競爭壓力
內部資源支持，短期內完成交付，而非是依靠 KPI，調動自主性，會找創業者進入內部交流
適當參與到外部的 opensource 社區，參考開放和封閉式

個人經驗
10% 算法提升上
20% 技術和數據
70% 人員和流程
內容放進時，不是參考KPI和OKR
而從大型諮詢公司也是給這樣的概念，長期來看是要培養組織的 AI 能力而不是佔比

從現有的資產，包含 PSD、3D建模，和生成是圖片等，讓他們在日常專案協作是就能找到歷史數據訊息
可以處理工業設計類、企業設計類、品牌投放這一塊
會把內部文黨當作洞察和交流

例子：嘗試在 figma 總結出來作為提示詞，截屏產出境品分析，或是產出程式碼，還是內部的，都可以產出提示詞，而非受現在外部工具中，也避免洩漏到外部去

## 設計思維＋AI 的溝通策略：展示如何用設計思維導向AI 解決方案的創新

這是在與客戶溝通中會不停被挑戰的
舉例：雙鑽石
團隊大約10-20 人，做內部諮詢角度，來辨別非使用 AI u技術，包含 IP 版權等
社交電信⋯⋯等都有很大的差異，並非西方的文化內容就能產出有效的內容
企業內部文件並不能代表有效的資產，或是產出提示詞，服務這類型的客戶花的時間會比較長

如何讓各個部門產出有效的數據集，才做私有化的 sass部署，才進入到工作中，之後進行迭代，後續到 AI agent、產品培訓手冊

基礎的 Agent，能夠使用的 AI
更側重的是連續的工作流 Agentic AI，有更多的自主性，但仍有監督
帶入如何合適的行為準則和不減損，則是 agentic UX 正開始萌芽的原因

TheyDO（客戶旅程工具）
https://www.theydo.com/

Codia （AI 程式碼生成工具）
https://codia.ai/

Sharecreators (DAM，數位資產管理)
https://www.sharecreators.com/


算力－token 成本
模型－推理、情感
V 數據－隱私、合規

在金融產業導入AI時，從乙方顧問的角度，我們必須謹慎處理數據使用與合規性的問題。首先要明確聲明並非所有資料都適合用於AI生成，某些資料可能因法規限制而無法轉換使用。在處理用戶數據時，雖然可以分析偏好、購買次數、投資風險等資訊，但基於合規要求，不建議將客戶畫像整合成合成畫像。

對於未來行為的預測，我們需要格外謹慎，因為這存在巨大風險。在評估AI應用時，需要仔細權衡不同大型模型（如Claude或OpenAI）的成本效益。建議優先使用內部數據進行訓練，在確保資料安全的前提下，逐步整合用戶數據以建立基礎SARS模型。在解決方案的選擇上，需要評估是採用深層技術還是數據提取方式來處理內部調整後的問題，並思考如何將這些轉化為AI代理人的能力。值得
注意的是，AI的價值不僅限於技術層面，特別是在處理隱私和規則相關議題時，往往需要人工監督來彌補AI的不足。

數據取得的合理性
要如何與用戶達成雙贏
用戶體驗這塊我們需要優先關注

並非立即需要設計到法律作著墨，而是要理解人們對此的接受度，學習、轉換需要成本
手段和合理性需要把空

## 實踐案例經驗談：金融行業
企業在不同發展階段如何整合 AI 到 UX 設計

幫助內部的 AI 流程探索再放到現在的工作上面，而非減少更多的工作人員，反而是為了擴大品牌的方式
內部安全和和空得把握上


Gen－AI 需求／導入／落地
建立服務數位營銷需求的定制化模型和生成是AI工具

最理想的是找到工作留進行提煉
大模型方案
但更多的適用 calude 去做內部的分析
包含：風景、行銷素材、品牌結合、金融荷葉、設計風格、版是、金融⋯⋯etc


外部工具沒有辦法私有化

比較多都是在做安全性的訓練解釋
後續才一步一步通關


產出種子圖讓他們內部持續產生
廣告代理公司能夠修正應用到場景上

prompt 低估程度
把模型訓練好，就能提升？其實不盡然

設計師在這個過程中扮演重要角色，需要專注於人的行為模式、使用預期、認知負荷和學習成本等方面，以提升產品可用性。在AI協同模式中，我們區分快思考和慢思考兩種Agent類型，並在設計活動中靈活運用。AI可以協助進行前期洞察、分類整理，並提供新的合成建議。在需求定義和體驗優化方面，需要審慎評估資源投入。使用AI工具時，不能簡單地追求工具本身，而是要考慮組織的長期發展、政策監管和客戶需求。

特別是金融客戶對AI應用普遍持謹慎態度，需要同時兼顧組織發展、監管要求和客戶需求。通過具體專案實踐，如AI客服和預測服務的交付，我們發現明確的需求定義和落地流程至關重要。在行業發展趨勢中，外部資源如雲計算能力和安全系統的提升也扮演關鍵角色。工作流程中的AI介入需要保持適度的人工乾預，以確保模型能力的持續提升。

Phase 1 業務流程分析
1. 分析業務場景
2. 尋找生成式 AI 適配的資產
3. 建立資產與模型映射
4. 建立資產類型的概念
5. 拆分數據集

Phase 2 資產類型分析（最費時間）
1. 依據業務需求和生成條件，初步判定、建立資產模型
2. 定義對資產類型概念和表現風格的理解
3. 資產類型優先級排序
安全進場，再來對焦
➡️ 內部可用數據和生成是資產

金融集團面臨的挑戰包括降低圖庫成本、維護品牌溝通、服務升級等議題。在品牌規範內使用AI生成圖片時，可將其作為下一版本升級的素材。與客戶的溝通和需求理解至關重要，特別是在模型訓練方面，設計師需要將美學轉化與客戶需求結合。最後，在實際部署AI技術時，需要充分理解客戶的接受程度，並根據其工作流程進行適當調整。

在金融產業導入AI視覺生成技術時，我們需要採取系統化的方法來確保成功實施。首先，將討論內容轉換為可視化結果是與客戶溝通的關鍵，這有助於進行更具體的風格討論和方向確認。通常，這類專案需要六到八個月的時間，期間我們會與客戶密切合作，探索多個發展方向。


Phase 3 資產類型確認
1. 確認最終資產類型
2. 結合業務需求，進行特徵拆分

用於生成用戶畫像圖，精英人群實拍成本比較高
批量使用，內部驗證，才進行推廣

可能會出現：
跳用性弱
關係理解不正確
年齡差不自然
寫實感弱
線條易扭曲
風格隨機性強

在專案初期，我們會深入分析客戶的品牌素材，包括產品內外的各種元素，以確定哪些部分適合使用AI技術優化。第一步通常是利用客戶已購買的商業圖庫作為基礎，生產符合專業攝影水準且具有彈性的素材。為了建立客戶的使用信心，我們會展示實際修正案例，讓客戶瞭解AI生成內容的可能性和限制。

在實施過程中，我們特別注重分類與本地化工作。根據客戶的素材消耗量和識別度進行分類，尤其關注亞洲客戶的形象特徵和本地化需求。同時，我們會與客戶一起梳理資產生成的優先順序，降低非必要場景的需求，以優化資源配置。在生產類型方面，我們會明確區分人物和場景的不同需求，包括攝影棚內外拍攝和特殊構圖的處理方式。AI圖像生成面臨的主要挑戰包括寫實感的呈現，例如表面光澤、肌膚質地等細節處理。我們會根據客戶的具體要求，如「精、氣、神」等特
質，不斷調整生成參數以達到預期效果。

主要在做，如何調用到有效的提示詞進行 tune

## 工作流程
針對私有化部署產品方案，提供的模型訂製服務工作流程
並不是給最新的東西，而主要是要如何盡可能降低幻覺
例如節慶、除夕，對語言模型有難度

在金融產業導入AI視覺生成技術時，我們面臨多方面的挑戰與機遇。首先，在大場景圖像生成方面，常見的技術難題包括重複、幻覺和線條扭曲等問題。為了有效解決這些問題，我們需要深入理解客戶需求，並運用適當的AI服務來滿足這些需求。在降低AI生成圖像中的幻覺效果方面，我們採取了多項措施，以確保客戶能夠快速接受生成結果。

在專案執行過程中，人員和流程往往是最耗時的部分，特別是在與IT、安全和法務部門的溝通方面。我們特別重視數據的透明度和可塑性，確保每張生成圖片都具備適當的版權許可。客戶需求的多樣性也帶來了挑戰，從高爾夫到與特斯拉合作的項目，都需要靈活應對。為了提高效率，我們致力於將複雜的要求簡化為簡單的輸入，以便快速獲得所需結果。

在金融行業中，這種流程特別注重安全和版權方面的考量。培訓過程中，我們強調產品手冊的重要性，確保能夠清晰傳達風格來源和特徵理解。在實際應用中，我們需要處理諸如中國節日、食物和文化差異等具體問題。通過將圖像生成過程結構化，我們使其更加直觀易懂，同時確保色調的穩定性和人物的合理性。

這種系統化的方法不僅提高了生成效率，也確保了最終成果的品質。在整個過程中，我們特別注重與客戶的溝通和反饋，確保生成的內容符合其品牌形象和市場需求。通過持續優化和調整，我們能夠幫助金融客戶更好地運用AI視覺生成技術，提升其品牌傳播效果。這種方法不僅提高了工作效率，也為客戶帶來了更大的價值。

要考慮到內容審查、文案審查、敏感數據要怎麼做等
複雜的層級
而非生成的快就能進行品質交付
不只是漂亮的圖片

⬇️黃色部份在最後交付使比較關鍵的

內部活動會需要做規劃，如何與內部、廣告代理商三方合作？
像這種會不定期會發生，要如何將 AI 工作流程方法融合和帶入

大家提示詞能力不同，如何依照現有的產品手冊，讓提示詞成為他們有用的資產
無論是不同團隊（product, design, marketing⋯⋯）都能產出他們所需要的圖片

金融更需要的是風控

總結

專注於企業市場。不做 chatgpt 的競爭對手，而是打造一個平台和一系列產品，幫助企業採納技術，變得有價值

主要還是企業自己的私有數據，而外部付費，提供的是科技、風格的東西做結合等
用 AI 做嘗試

數據標注不是乙方最只要地投入工作

內部安全等級更清楚就會產生差異
可生成的資產要如何做保護，內部的數據集如何產出安全的 AI

例子⬇️

AI所做的事情是去理解你的場景

提示詞：
從無序的方式用更快的、簡短的就能對人物場景行為上控制，就能產出圖，來進行修改
使用三句式結構

也可讓工程師即使沒有美學的能力，也能產出相當的結果

兩者結合


降低使用阻礙
提供給跨角色使用，例如 HR 舉辦活動可以直接使用內部系統來生圖，而不需要倚靠第三方來花時間製圖

在實務應用中，我們面臨著多樣化的客戶需求。不同客戶都有其獨特的品牌規範和動畫需求，這要求我們在輸入規範時必須保持高度的一致性。為了確保品牌風格輸出的穩定性，我們將這些規範系統化地整合到工作流程中。同時，我們也提供了一系列快速圖片編輯工具，包括背景移除和局部重新生成等功能，大大提升了工作效率。

為了確保產品品質，我們進行了大量的內部用戶訪談和測試。這些反饋幫助我們不斷優化產品功能，更好地滿足實際使用需求。在品牌市場中，我們也深刻
認識到需求的不確定性和資源限制帶來的挑戰。因此，我們特別強調提前準備和規劃的重要性，以便能夠靈活應對不斷變化的需求。

我們的工具設計提供了較大的時間彈性，允許使用者在過程中不斷調整和加強風格控制。一般而言，這類專案需要六到八個月的時間，從初期規劃到最終的培訓交付，我們會全程陪伴客戶，確保順利實施。

在推廣AI應用方面，我們鼓勵產品經理和設計師將AI視為一種輔助工具，就像使用網路搜尋一樣自然。關鍵是要始終保持以用戶為中心的思維，靈活運用不同的AI工具來滿足實際需求。

最後，我們也重視與客戶的持續溝通和調整，確保專案能夠達到預期目標。
這些經驗讓我們認識到，成功導入AI技術不僅需要先進的工具，更需要完善的流程規劃、細緻的需求理解，以及持續的優化和調整。通過系統化的方法和持續的改進，我們能夠幫助金融客戶更好地運用AI視覺生成技術，提升其品牌價值和市場競爭力。

最後給的概念（離場建議）：相對簡單也有內部驗證過

圖生圖
合法授權的種子圖，就能做更多的變化


客戶想法、預算更改，都會影響循環⬇️


最後鼓勵大家

相對複雜的任務上，能懂業務、用戶、產品，而非他來補足想像力，更多的時候是重新將洞察放到數計交付當中，AI是來輔助們的

如何面對用戶洞察、prompt 產出的內容作轉換
並不定期用 podcast 與社群朋友做交流
會帶北美產品、資訊～
繼續保持開放態度

彩蛋！新著作：Agentic UX 提示詞

> Max：剛剛 double diamond 的原始圖
https://medium.com/digital-experience-design/how-to-apply-a-design-thinking-hcd-ux-or-any-creative-process-from-scratch-b8786efbf812

---
💬 聊天區
語速好快.....

QQ 一直斷線
> 我的Zoom很順，但hackmd一直沒在線上 囧
+1 我也是，剛跳出提示，才知道離線狀態，但打了很多囧
下次邀請 HackMD 來抖內

調整後看起來的圖片好棒

會有需要購買外面的數據來訓練嗎？拿來訓練的資料也是要成本？

⬆️ 講者是用 Stable Diffusion 建立私有化 SaaS 的，要訓練下提示詞的能力，用銀行內部授權的種子圖當作標準，繼續 Train 圖或是延伸到其他應用場景