白板挑戰紀錄：AI 論文校稿工具
這次面試遇到的白板挑戰題目是 AI 論文校稿工具，時間是 15 分鐘完成流程設計。
Brief 文件中有提到幾個重點，像是提供的建議涵蓋範圍從專有名詞比對、語氣、錯別字等，以及工具保留給用戶高度的決定權，不會在用戶未確認的情境下覆蓋原本的內文。
核心體驗設定
在現場的 15 分鐘挑戰中，我先定義了產品的幾個關鍵體驗原則：
- 使用者的本文不會被改寫，只有在確認採用 AI 建議時才會修改回去
- 使用者可以回復修改後的內容
- 使用者可以自行編寫，不一定要採用 AI 建議
- 支援分段撰寫，讓使用者依照自己的撰寫順序進行校稿
在這幾個體驗中，第 4 點（分段撰寫）並不在 brief 裡，而是我在現場額外提出的。
我雖然沒有寫過正式的論文，但自己寫碩士畢業作品的報告時，還是會先從簡單好寫的部分開始寫，後續再慢慢把引用資料補齊。我認為工具在設計時必須要把這點也列進關鍵體驗之中。
初步流程發想
拿到題目時的初步發想，我是從基本流程出發：
建立專案 → 開啟對話 → 輸入稿件 → 開始校對 → 處理建議修改 → 貼回全文 → AI 全文檢視 → 確認標題／導言 → 定稿
不過時間結束後，跟面試者之一的 PM 討論到產品的初步想像和規劃，發現有些操作並不適合被框架在「對話」裡，因此後續的 take home challenge 才以「非對話」的框架去處理。
設計過程（可 AI 協作，約耗時 7hr）
這次的延伸作業中，我有使用 AI 輔助規劃與產出，並且按照作業交付的內容分成幾個階段：
1. 流程分析與產出
先提供 brief 給 AI，請它分析並產出一版規劃。接著將 AI 的規劃與自己在白板挑戰的產出做比對，AI 其實整理的更完整，延伸補充了功能上的細節。但產品的規劃停留在一次性校稿的 case，所以我提出自己的分段撰寫想法，請 AI 協助評估。
最後是整合分段撰寫的功能和流程到原本的架構裡，產出一份 spec 作為後續作業的基礎文件。
2. 流程轉化
我請 AI 產出產品的使用流程，它產出的流程比較像是一份大綱，尤其像是校稿階段的操作用 bullets 的方式列出來，這對於理解系統回饋和用戶接續操作還是有困難。
所以最終還是以手動整理成自己習慣的 flow chart 形式。
3. Prototype 嘗試
提供 Spec 和流程圖請 AI 協助產出校稿介面的 prototype。
不過由於我個人在使用的 AI 工具這個月的額度已用完，只能使用快速產出的模型，即使有提供 Spec 和流程給 AI，產出的 prototype 還是有一些功能設定上的瑕疵。所以最終我只把 AI 生成出來的 prototype 當作參考，自己用手刻 UI。
4. UI 製作
UI 製作是我這次 take home challenge 中最花時間的部分。
雖然手邊已有 prototype 當作 reference，並且也載了一份 design system 來用，但實際在產出的時候還是遇到很多需要自己補元件的情況，因此比預計花了更多時間在處理介面。
最終的產出我覺得充其量只能說是 wireframe 的程度，介面的視覺層級受限於我使用的 design system 並沒有處理得很好。如果是下一次有類似的挑戰或作業，應該會去找其他類似產品的 design system 來使用。
5. Workflow
這個 workflow 是面試的公司提出來的，主要是希望可以了解我的設計風格與產出文件的標準。
所以我是照我以往習慣的做法，把 UI 以流程線和 annotation 補完流程與互動。不過因為架構和功能還是比較複雜的，所以我只重點標注一個涵蓋所有關鍵體驗的流程。
AI 在這次作業中的使用
在這次過程中，我使用 AI 協助的部分包含：
- 前期產品規劃
- 基本流程產出
- prototype 發想
反思
1. MVP 範圍
這次的 MVP 其實同時在驗證很多事情，包含 AI 建議的呈現方式、修改回寫、分段撰寫，以及使用者對內容的控制權。
現在回頭看，這樣的範圍其實有點偏大。如果還有下一版，我可能會再更聚焦，例如只驗證「分段校稿」或「修改回寫」其中一個核心體驗。
2. 關鍵設計決策：分段校稿
這次額外加入的「分段撰寫與校稿」，其實是影響整個流程最大的設計決策。
因為一旦不是一次性全文校稿，而是允許使用者依照自己的節奏編寫，流程就會出現更多狀態與來回切換的情境，也讓整體複雜度提高。
這個選擇其實也壓縮了後續 UI 收斂的時間，但我還是認為它是合理的方向，因為比較符合我自己實際的寫作經驗與使用情境。
3. AI 協作的限制
這次 AI 在前期規劃與流程整理上的幫助很明確，可以快速幫我展開想法與補足細節。
但到了 prototype 與 UI 階段，幫助就相對有限。即使提供了 Spec 和流程，AI 產出的結果還是需要大量手動調整與修正。
原本預期 AI 可以加速後期產出，但最後還是花了不少時間回到手動整理流程、補元件與調整介面。這次的經驗也讓我重新理解，AI 比較適合協助前期發散，但後期的收斂與判斷，還是需要設計者自己處理。
