AI 時代，對話介面是萬能解嗎？

2025是AI Agent元年，但對話式介面真的是最佳解嗎？本文探討其侷限，並指出UI/UX的未來在於人機協作的混合式設計，而非完全取代。

Browny

Jul 14, 2025

如果是表單，就應該保持表單形式1

❏ 引言

歡迎回到《非正式寫作》#78 — 理解複雜世界，前往那尚未被命名的自己。

2025 毫無疑問是 AI agent 元年，各行各業都在思索如何跟上這波浪潮，創造出更多價值與更好的使用體驗。

加上 MCP 的推波助瀾，系統整合的工作量大幅降低。一時之間，所有的 App 彷彿都得趕緊向 Agentic Apps 靠攏2，否則就要掉隊了。

其中一個最直覺、最有感的「進步」，就是打造一個純粹、極簡又智能的對話介面：

可以說，大型語言模型 (LLM) 正在帶來一場典範轉移。與圖形使用者介面 (GUI) 或觸控螢幕的引入不同，LLM 的普及涉及更深層的變化 — 我們沒有簡化圖形介面的操作，而是直接用文字介面取代了複雜的圖形介面。3

但是，聊天式互動 (Chat-Based Interaction) 真的適合所有業務場景嗎？ 過往那些深思熟慮的 UI 設計、那些複雜的表單與控制項，真的能被 Agent 透過自然語言介面完全取代嗎？

📚 目錄 & 關鍵字

1. AI 時代的典範轉移與 UI/UX 的挑戰
2. 對話式使用者介面的侷限性
3. Agent 體驗 (AX): 從任務完成到任務監督
4. AI 介面的未來: 混合式與補充性設計
5. 新的設計方法、模式與協作模式

Keywords: 對話式介面 | 使用者體驗 (UX) | 使用者介面 (UI) | Agent Experience (AX)

🔍 工人智慧猜你也喜歡

《非正式寫作》探索並理解當代世界的多面向特質。
每週更新。馬上訂閱，與 1400+ 位讀者一同升級 ⬆️

❏ AI 時代的典範轉移與 UI/UX 的挑戰

使用者體驗(UX)領域都建立在一個假設之上：人們希望直接操作介面來完成事情。
現在，這個假設不正確了。
AI agent 不需要你精心設計的使用者流程。
他們不在乎你的轉換漏斗。
他們不會點擊你的新手引導流程。
如果您仍然以 2019 年的方式設計介面，那麼您正在解決錯誤的問題。4

以預訂機票為例，過往你可能需要先查詢班機時間，核對個人行事曆，搭配整體旅遊行程安排與交通路線規劃，經過各種資訊蒐集比較後，才能做出最終選擇。

在 AI 技術的美好願景下，Agent 將如同私人秘書般，自動將這些考量因素納入權衡，並做出最佳化決策，完美地代理了先前繁瑣的作業流程。

你只需向 Agent 發出一個明確的目標指令，例如：「找到並預訂下個月往返倫敦的機票，需兼顧費用與飛行時長，並將行程新增至我的行事曆中」。不必點擊訂票系統的各種按鈕，也無需瞭解 Agent 在幕後執行的所有中間步驟。

這種轉變的核心在於：使用者與軟體的互動關係發生了根本性改變。過去，您需要透過點擊、操作介面來完成任務，例如填寫表格、逐步跟隨預先設計的「使用者流程」；如今，AI Agent 讓這些精心設計的流程變得不再必要。

❏ 對話式使用者介面的侷限性

對話式介面有點像是一種迷因。每隔幾年，就會出現一個閃亮的新 AI 發展，然後科技界的人就會說：「就是這個了，下一個運算典範來了，我們以後只需要自然語言」
但實際上什麼都沒有改變，
我們仍然像往常一樣使用電腦，直到幾年後這個爭論又再次浮現。5

～

我們不斷告訴自己，以前的語音介面，像是 Alexa 或 Siri，之所以沒有成功，是因為底層的 AI 不夠聰明，但這只說對了一半。
核心問題從來都不是輸出功能的品質，而是輸入功能的不便：
「嘿 Google，新竹今天天氣如何？」這樣的自然語言提示，就是比直接點擊主螢幕上的天氣應用程式慢上 10 倍。

～

對話式的 UI 有哪些侷限性：

認知負荷過高：

冗餘的對話與語法：在精心設計的表單上，UI/UX 精心挑選了最精確的詞語，以最少的文字清晰地傳達預期的意義。而在對話式介面中，「多話」的特性雖然符合擬人化期望，但從可用性角度來看卻是「雜訊」，增加了使用者理解和閱讀的認知負擔 (當目標很明確，聊天只會拖慢進度)。
表達目標的困難：相較於點擊選項或滾動滑鼠，用文字表達自己的目標更加困難。
互動步驟過多：對話式介面常將互動拆解為多輪對話，導致完成任務需要更多次的互動。

缺乏可預測性與可學習性：

不一致的輸出：由於 LLM 的機率性特質，即使使用者執行相同工作流程，AI 助手的回應 (詞語選擇、詞序、句子結構甚至欄位順序) 都可能略有不同。這違反了 ”一致性與標準” 的原則。
阻礙進階使用者形成習慣：這種不一致讓使用者難以變得熟練，他們無法形成肌肉記憶，每次都可能需要重新閱讀和理解指示。想想我們最常使用的 Ctrl+C & Ctrl+V 組合鍵，介面的”一致性”讓我們對複製貼上的動作形成反射記憶。

效率低下與互動摩擦：

資料傳輸速度瓶頸：自然語言 (寫作或口語) 在傳輸資料方面速度較慢，遠不及人類形成思想的速度。點擊按鈕或使用鍵盤快捷鍵比輸入長句子更有效率 (較高的資訊傳輸壓縮比)。
潛在的載入時間：目前的 LLM 在每次互動之間需要 2-3 秒的載入時間，這在一般的表單應用中是無法接受的延遲。
輸入模式的不便：儘管語音輸入速度比打字快，但其輸入便利性卻可能不如直接點擊應用程式 icon。

可見性與可控性不足：

缺乏進度可見性：對話式介面無法讓使用者看到整個工作流程的進度，例如：還有多少欄位需要填寫或已完成多少。
隱藏功能與可發現性差：對話式介面難以傳達其功能與限制，使用者不知道它能做什麼或不能做什麼。
設計師控制權的喪失：設計師對於使用者輸入的指令和 LLM 的回應幾乎沒有控制權 (validation)，這使得設計 AI 體驗比設計傳統 GUI 更具挑戰性且需要更多實驗。

對話本質的限制：

時間順序而非空間佈局：GUI 是空間性質的，允許使用者「導航」並輕鬆地返回或撤銷。而對話是時間順序性質的，使得回溯或記住之前的內容變得困難。
擬人化與非必要互動：當系統被擬人化時，人們期望它遵循禮節和客套，但這些在可用性上卻是多餘的。

～

雖然 AI 與對話式介面帶來了新的可能性，但它們並非萬能解藥。許多現有的、結構化的使用者介面 (如表單、選單、按鈕等) 在效率、精確性、可預測性和可控性方面仍然遠優於對話式介面。

❏ Agent 體驗 (AX): 從任務完成到任務監督

如果使用者不再控制每個步驟，那我們要構建什麼？我們建構的是駕駛艙、導航系統、讓使用者監督旅程的儀表板。這就是 Agent Experience。
使用者成為管理者而非操作者。
他們設定目標、監控進度，並 核准、拒絕或修改 Agent 的提議。

最關鍵的使用者流程不再是關於任務執行。它們關乎「介入」與「驗證」。

從 Canvas 介面的出現，到結合 LLM 的程式開發編輯器 (例：Cursor)，我們可以觀察到，好的體驗需要克服的是如何優雅地將 AI 的強大融入既有的工作流程中，並做到 Human-in-the-loop (人類參與循環)。

Agent 如何回報進度？它如何尋求澄清？它如何呈現調查結果？這些都將成為核心設計問題。

❏ AI 介面的未來: 混合式與補充性設計

七種新興的 UI 佈局和 AI 代理的感知角色，分析每種佈局如何透過體驗中的**可發現性**、**使用者互動模式** 和 **代理能力** 來影響使用者行為和期望 [link]。

我們不會用聊天介面取代 Figma、Notion 或 Excel。這是不會發生的。
我們也不會永遠維持現狀，不斷地在這些工具和 LLM 之間來回切換。
但，如果它們能互補呢？
AI 應該作為一個橫跨所有工具、隨時待命的中繼層。使用者應該能夠在任何地方透過簡單的語音提示觸發動作，而無需中斷他們目前正在使用滑鼠和鍵盤進行的任何操作。
為了讓這個未來成為現實，AI 需要在作業系統層級運作。它不應僅作為單一工具的介面，而是跨工具的介面。

純粹的對話式介面在許多情境下效率不彰且體驗不佳。因此，將 AI 的智慧巧妙地融入傳統圖形介面，形成混合式設計，才是未來的趨勢。