AI 早已存在於科技產業，但真正讓我感受到改變的，是近年 AI 編程能力快速成熟。過去很多人有創意、有點子，卻因為不會寫程式、找開發公司費用太高，只能讓想法停在紙上。現在，使用 OpenAI 與 Google 等 AI 工具，可以更快整理需求、建立原型，也讓個人與小團隊有機會把產品做出來。

可以預期，未來的小程式、網站與 App 會像雨後春筍般出現。但真正開始開發後，我也發現：門檻降低不代表風險消失，甚至可能因為做得太快，而更晚才發現方向錯了。

第一個坑：AI 圖片精緻，卻不一定真實

生成圖片最大的問題，是人物常出現塑膠感、不自然的表情或近似恐怖谷的效果。畫面第一眼可能很漂亮，但細看會讓人覺得不舒服，進而影響閱讀與品牌信任。AI 圖片不能只用『有沒有生成成功』來判斷，還需要人工檢查人物、手部、物件邏輯、品牌調性與使用情境。

第二個坑：超出期待，有時反而讓產品失控

當我描述一項功能時，AI 有時會主動補上更多流程、資料結構與延伸功能。看起來像是超額完成，但功能越多，後面的開發、測試與維護就越複雜，產品也可能逐漸偏離最初要解決的問題。AI 很擅長提出可能性，卻不會替創業者決定哪些事情現在不該做。

第三個坑：Token 是產品上線後的持續成本

開發期間會有 AI 編程服務的使用成本；產品上線後，如果功能需要呼叫模型 API，每一次輸入與輸出也可能產生 Token 費用。需求描述不清、上下文過長或沒有設定回覆上限，都可能讓成本在使用者增加後被放大。開發時必須估算單次任務成本、設定使用限制，並監控異常流量。

不是每個答案，都要請 AI 重新生成

部分功能只需要從既有資料庫找出答案，或使用固定內容、搜尋與快取，不必每次都呼叫模型。真正需要理解語意、整理資訊或產生個人化回答時，再使用 AI。這樣不只能節省費用，也能讓回答更穩定、速度更快。

我的做法：先建議，再核准，最後才實作

我會讓 AI 先列出可能的增強功能，再用刪去法判斷哪些真正符合產品方向。沒有經過確認，不讓它直接進入編程。比較安全的流程是：建議、評估、核准、實作、測試。這能避免 AI 因為過度熱心而增加不需要的功能，也讓每一次開發都有清楚目的。

產品力來自人，AI 負責放大

AI 能整理零散想法、建立計畫與加速執行，卻不會替你找到值得解決的市場痛點。開發者仍然要具備敘事能力，說清楚產品服務誰、要解決什麼，以及成功的標準是什麼。最大的遺憾，是這些工具沒有在我過去缺乏工程人才時更早成熟；但現在真正重要的，是學會駕馭它，而不是把所有決定都交給它。