【自由力訪談】Iris 用設計解構技術，用技術落地想像
🎯 當設計師開始理解模型運作，一場職涯的偏航也就此發生
Iris 的自由職涯，看起來像是兩條互不相干的路線：一邊是視覺出身的產品設計師，另一邊是進企業幫忙導入 ChatGPT、LangChain、Vector DB 等等工具的 AI 現場應用工程師。
但在她看來，這其實是一條「從理解人開始，再理解機器」的自然路徑。
🎙 快組隊：你一開始的背景是設計師，怎麼會跨到 AI 應用工程這麼技術的領域？
Iris： 大學我是念互動設計，畢業後在新創擔任 UX/UI 設計師。剛開始的我專注在介面設計、使用者流程，後來接觸到越來越多「資料導向的產品」，才發現設計師如果不了解背後的邏輯，其實很多決策都是「被動接受」。
我好奇資料怎麼來、模型怎麼運作，就開始學 Python、玩 GPT-2、跑 prompt 設計，最後一路從設計師變成了可以站在客戶現場 demo AI 工具的應用工程師。
🧠 快組隊：你目前接案的合作對象主要是什麼類型？案子都在做些什麼？
Iris： 我接案的客戶蠻多是 想導入 AI 卻不知怎麼開始的中小企業或新創團隊，案子的內容多半有這幾種：
- AI 工具應用顧問：協助企業盤點場景，判斷哪些工作流程可用 AI 優化，像是客服自動化、內部知識查詢、表單資料彙整等。
- Prompt 與流程設計：我會協助撰寫多輪 prompt，設計資料上下文調用邏輯，幫助模型回答更精準。
- AI 專案產品設計：例如幫助內部員工操作 AI 工具時的 UI/UX 設計，讓技術真正「用得順手」。
有些案子我純做應用設計，有些案子我從系統規劃、API 串接、工具實作一路跟到底。
🎯 快組隊：你覺得設計師的背景，對做 AI 應用工程有什麼特別的優勢？
Iris： 我覺得設計師會很自然地問：「誰會用？在哪裡用？用的時候有什麼情境？」這些對 AI 落地來說非常關鍵，因為很多模型訓練得很好，但一接觸實際業務場景就無法使用——不是因為技術不夠，而是設計沒考慮到人。
我最常做的事就是把複雜技術翻成「業務端聽得懂的話」，再把他們的需求翻回「工程端能做的規格」。這種角色介面，反而是我最自在的地方。
💼 快組隊：可以分享一個讓你印象深刻的案子嗎？
Iris： 有一家做教育平台的公司找我幫忙，他們想用 AI 幫老師批改作業。我先訪談老師群，發現他們最怕的是「AI 判斷太武斷」，所以我設計了一個介面，讓老師能即時修改 AI 給出的分數與回饋，並且訓練 AI 依據這些修改學習。
整個案子中，我不只是做 UI，也幫忙建 prompt 模板與 feedback loop 的資料結構。看到老師說：「這工具有幫我省一半的時間」時，我真的超級開心。
🛠️ 快組隊：你覺得自由接案跟在公司最大的差別在哪裡？
Iris： 差最多的是「主動性」與「角色自由」。在公司時我常常是被 assign 任務，但自由工作讓我可以自己定義要怎麼提供價值，甚至可以主動提案「你們這邊也許可以怎麼做得更好」。
不過也多了很多責任，你要自己談合約、處理 bug、管理交付，沒人幫你擦屁股。但我反而喜歡這種完整參與的感覺。
🧭 快組隊：你會怎麼建議想往 AI 接案發展的設計師或非工程背景的人？
Iris： 不要一開始就想寫程式，而是先去看「現在有哪些 AI 工具正在解決什麼問題」，多去拆解那些應用案例的思路和設計。
再來是學會用工具，比如 Notion AI、Zapier、Make 等等，把 AI 當成元件來拼接。等這些熟了，再深入學 API 或語言也不遲。
你不一定要變成模型工程師，但你要成為「能讓 AI 在現場用得上」的人。
🌟 快組隊：最後，如果要給你的角色下一句標語，你會怎麼說？
Iris：「我幫人和機器設計出能理解彼此的語言。」
AI 再聰明，都還是需要人來幫它說對話的話、走對的流程。
📌 快組隊後記
Iris 是那種能把 Figma 和 API 串接視為同一個問題的人。她的自由職涯不只是一種專業堆疊，更是一種「系統性設計思維」的延伸。她不是橫跨兩個領域，而是打通兩端的橋樑。
在快組隊，我們期待更多像 Iris 這樣的自由力人才：懂設計、會導入、敢提問，讓技術落地也有人味。
若你也想將設計力與技術力結合，創造自由價值，歡迎加入快組隊，成為讓世界更順暢的自由工程設計師。