本文由梵亞行銷的 AI 數位員工自動彙整產製，未經人工逐篇審閱；引用前請核對原始來源。
在近期的《All-In Podcast》節目中，四位主持人 Chamath、Sacks、Calacanis 與 Friedberg 邀請了 Figma 執行長 Dylan Field，深入探討一個讓無數軟體公司與企業主徹夜難眠的問題：當 AI 能寫程式、能畫設計圖，設計師會被取代嗎？傳統的 SaaS 商業模式是否正在走向滅亡？
Dylan Field 在這場長達 40 分鐘的深度對談中，給出了一個極具穿透力的核心論點：「AI 降低了產出的地板，卻沒有拉高頂端品質的天花板」（[20:17]）。當寫程式與基礎內容生成的邊際成本趨近於零，純粹的「功能實現」已經不再具備溢價空間。市場的競爭槓桿正全面上移——設計與個人觀點，已經成為新時代的程式碼（Design is the new code）（[01:02]–[01:33]、[24:28]）。
對台灣的 B2B 企業主與 AI 導入決策者而言，這場對談不僅僅是矽谷軟體巨頭的策略思辨，更是一份關乎企業資源配置的實戰指南。當你的競爭對手也能用同樣的基礎模型在幾秒鐘內產出企劃案、程式碼與視覺素材時，你的企業憑什麼贏得客戶的預算與信任？我們從這集對談中提煉出三個關鍵洞察，協助決策者重新校準自家的 AI 轉型策略。
模型進步不等於產品進步：垂直工作流如何粉碎「SaaS 滅亡論」？
過去一段時間，每當基礎模型（Foundation Model）大廠發布新功能，應用層軟體市場就會陷入一陣恐慌。最顯著的例子莫過於 Anthropic 推出 Claude Design 後，市場隨即湧現「基礎模型將通吃一切、SaaS 即將滅亡」的聲浪（[14:03]–[15:36]）。
然而，Dylan Field 在節目中直接用真實的財務數據與市場案例打破了這個論調。他指出，許多開發團隊與投資人犯了一個致命錯誤：把「基礎模型的能力躍升」誤當成「產品本身的進展」（[15:05]、[15:36]）。事實上，即便面對基礎模型廠的直接挑戰，Figma 的營收依然維持 48% YoY 的加速成長（[14:03]–[15:36]）；而在程式開發領域，AI 程式碼編輯器 Cursor 同樣在各大廠原生模型的夾擊下成功突圍（[17:10]–[17:41]）。
這兩個案例揭示了 AI 時代應用層真正的護城河所在：深耕專業工作流與專用 UI 體驗。
我們的觀察是，許多企業在導入 AI 或開發內部工具時，容易陷入「純 Prompt 套殼」的思維——以為只要在底層接上大模型 API、包一層簡單的對話介面，就能直接取代既有的專業流程。Dylan Field 點出，這種僅依賴基礎模型能力、缺乏垂直領域工作流整合的作法，一旦底層模型更新或平台推出原生功能，其價值就會瞬間歸零（[15:36]）。
他進一步以 Figma Weave 的節點與鏈式輸入概念為例（[31:42]），說明真正的專業產品必須能將複雜的創作與決策過程拆解、串聯，並提供精準的控制力。對企業而言，模型只是底層的引擎，真正能轉化為商業價值的，是圍繞著企業核心業務所打造的專屬工作流與使用者體驗。
AI 降低地板卻未拉高天花板：為什麼「設計與觀點」是新程式碼？
當 AI 讓寫程式與生成內容的門檻歸零，市場發生了什麼變化？節目中引用了一組發人深省的現象：在 AI 輔助下，App Store 上的應用程式數量呈現指數級爆炸增長，但全體用戶的總使用時間與使用量卻維持持平（[20:17]、[21:20]–[22:23]）。
這意味著，供給端的爆發並沒有創造出對等的需求紅利，反而稀釋了使用者的注意力。為什麼絕大多數由 AI 快速生成的產品無法留住用戶？
Dylan Field 從機器學習的本質給出了解釋：在創意、設計、品牌敘事等「非可驗證領域」（non-verifiable domains）中，AI 的產出極易收斂至訓練資料的「常態分佈均值」（center of distribution）（[20:17]、[33:14]）。換句話說，如果缺乏人類的審美判斷與獨特立場，AI 天生就會把你的產出拉向「安全的平均值」，最終製造出大量同質化的平庸產物。
這正是 Dylan Field 提出「設計與觀點成為新程式碼」（Design is the new code）的核心背景（[01:02]–[01:33]、[22:23]、[24:28]）。在過去，能夠把軟體功能寫出來、讓系統順利運作，本身就是一道技術壁壘；但在今天，當基礎功能的開發成本趨近於零，純功能已不再具備市場溢價。
我們認為，這對 B2B 行銷與產品策略帶來了根本性的衝擊。當每個競爭對手都能用 AI 生成「及格（60分）」的產品規格、銷售簡報與行銷文案時，60 分的產出在客戶眼中就等於零分，因為它無法在資訊洪流中產生任何記憶點。真正的市場價值已經全面上移至頂層（95 分以上）的設計品味、非共識的品牌觀點（Point of view），以及能與客戶產生深度情感共鳴的體驗。AI 幫所有人墊高了地板，但唯有具備強烈觀點與美學標準的企業，才能突破那道決定商業勝敗的天花板。
可驗證領域的演進分水嶺與組織內的「信任分流」
既然 AI 在創意領域容易流於平庸，那麼企業該如何正確劃分 AI 與人類的協作邊界？Dylan Field 在對談後半段提出了一個極具實務價值的分類框架：「可驗證領域」（formal / verifiable domains）與「非可驗證領域」的分水嶺（[33:14]）。
他指出，在數學、資安、程式碼邏輯檢查等具備嚴格驗證機制（對錯分明、可被系統化檢驗）的領域，AI 模型的智商正以指數級的速度堆疊進步；然而，在仰賴品味、直覺與文化脈絡的非可驗證創意領域，模型的進展則相對漸進（[33:14]）。
除了技術能力的邊界，AI 內容的氾濫也正在組織內部與商業市場引發一場深刻的信任危機。Dylan Field 分享了一個直擊人心的洞察：在這個 AI 隨時能產出長篇大論的時代，建立信任的關鍵反而回到最樸素的原則——「讓人看見你用雙手做過」（[24:59]）。
為了應對這個挑戰，Figma 內部已經立下一項明確規定：任何由 AI 撰寫的內部文件，都必須在文件頂部公開標註「Written with AI」（[24:59]、[25:31]）。
這項看似微小的制度，實則預示了未來企業組織與 B2B 商務溝通即將迎來的「信任分流」。試想，當你的業務團隊寄出一份長達十頁的客戶提案，或者部門主管交出一份年度策略報告時，收件者心裡的第一個疑問往往是：「這是他自己深思熟慮寫的，還是只花了十秒鐘讓 AI 生成的？」如果缺乏透明的標註機制，一旦對方察覺內容充斥著 AI 的均值套話，對企業或個人的專業信任就會瞬間瓦解。反之，明確標示哪些部分由 AI 輔助、哪些部分經過人類專家親手打磨，反而能建立起全新的專業信賴感。
這對你的企業意味著什麼
聽完 Dylan Field 的深度剖析，台灣的 B2B 企業主與部門決策者可以立即從以下四個面向，重新檢視自家的 AI 導入與行銷策略：
1. 停止盲目「套殼」，將資源投入深度工作流整合
企業在評估自家 AI 架構或導入數位工具時，切忌陷入僅在大模型外層包簡單 API 的純 Prompt 套殼思維（[15:36]）。我們建議技術與營運團隊應借鏡 Figma Weave 的節點與鏈式輸入概念（[31:42]），將企業內部複雜的業務邏輯拆解為確定性的狀態傳遞與驗證節點。真正的競爭力不在於你用了哪一家基礎模型，而在於你是否將產業 Know-how 轉化為別人無法輕易複製的垂直工作流。
2. 用「可驗證／非可驗證」框架重新分配人機權責
在規劃自動化流程時，請先用 Dylan Field 的框架（[33:14]）盤點工作性質：
- 高度可驗證領域（如資安審查、程式碼測試、數據核對、合規檢查）：應大膽交由 AI 與自動化規則處理，享受模型智商指數級堆疊的效率紅利。
- 非可驗證領域（如品牌定位、核心客戶提案、產品體驗設計）：必須保留人類專家的主導權，將 AI 定位為發散靈感的助手，而非最終決策者，避免產出收斂至平庸的常態均值（
[20:17]）。
3. 將行銷與產品預算從「堆疊功能」轉向「鍛造品牌觀點」
當生成式 AI 讓基礎內容與功能的產出成本歸零，B2B 行銷如果還停留在羅列規格與通用型說詞，將徹底淹沒在同質化的噪音中。我們建議企業主重新審視自家的對外內容：你的白皮書、官網洞察與客戶簡報，是否具備鮮明的立場與獨特的產業視角？唯有投入資源打磨頂層的設計體驗與非共識觀點（[01:02]–[01:33]、[24:28]），才能在注意力稀缺的市場中創造溢價。
4. 在組織內部與客戶交付流程建立「人機協同標註」制度
面對即將到來的「信任分流」（[24:59]、[25:31]），企業不應掩飾 AI 的使用，而應主動建立透明的協作規範。我們建議比照 Figma 的作法，在內部文件推動 AI 輔助標註；同時，在對外交付給 B2B 客戶的高價值方案中，明確設計「人工精修（Human-in-the-loop）」的品質把關節點，讓客戶清楚看見團隊「用雙手親自打磨」的專業投入，將真實感轉化為商業信任的護城河。
風險與反方觀點
在積極擁抱工作流整合與設計價值的同時，決策者也必須正視市場上的反方聲音與潛在風險。
目前市場上確實存在強烈的質疑聲浪，認為隨著基礎模型能力持續擴張（例如 Anthropic 推出 Claude Design 等原生應用工具），底層模型終將吞噬應用層軟體，導致傳統 SaaS 模式式微，甚至直接取代初階設計師的工作（[14:03]–[15:36]）。對於只提供簡單模板工具、或僅靠資訊不對稱獲利的廠商而言，這種被基礎模型直接碾壓的風險是真實且迫切的。
然而，如同 Dylan Field 在節目中所反駁的，這類恐慌往往混淆了「模型進步」與「產品進步」的本質差距（[15:05]、[15:36]），並忽略了 AI 在非可驗證領域只會收斂至常態分佈均值（[20:17]、[33:14]）的結構性盲點。
對企業而言，真正的最大風險並不是「AI 太強大而取代我們」，而是企業自身放棄了思考與審美的主導權——如果企業與開發團隊為了追求短期效率，僅依賴純 Prompt 套殼產出內容與產品，卻缺乏深度工作流整合、人類審美觀點與「親手打造」的信任標註（[24:59]），那麼企業的產出將迅速淪為同質化的平庸噪音，最終在基礎模型與平台原生功能的擴張下被徹底邊緣化（[15:36]）。
結語
AI 時代的商業賽局已經進入下半場。上半場比拼的是誰能更快接上大模型、誰能用更低的成本量產內容與程式碼；但正如 Figma 與 Cursor 的突圍案例所證明（[14:03]–[17:41]），當所有人都能輕易踩在 AI 墊高的地板上時，決定企業生死的，是你能否憑藉深度的垂直工作流、無可取代的設計品味，以及敢於發聲的品牌觀點，去推開那道平庸的天花板。
下一步，不妨從檢視你團隊本週產出的第一份客戶提案或產品規劃開始：拿掉那些誰都能用 AI 生成的均值套話，問問自己——這裡面，有沒有我們親手打磨的痕跡？有沒有專屬於我們企業的獨特觀點？
原始連結與延伸收聽
如果你想親自聆聽 Dylan Field 與四位主持人的完整交鋒，特別推薦重點關注 14:34–17:41（拆解 SaaS 滅亡論盲點與 Figma、Cursor 案例）以及 20:17–23:25（剖析 AI 降低地板 vs. 人類拉高天花板）這兩個關鍵段落：
- YouTube 完整節目：https://www.youtube.com/watch?v=2Zj6uMv3kTA
- All-In Podcast 官方網站：https://www.allinpodcast.co/