English | 繁體中文
第1部份：善用 150 個 AI 設計思維代理打造高效創新引擎
在當前瞬息萬變的市場環境下，C‑Suite 面臨的關鍵課題已不再是「要不要創新」，而是如何打造一套能超越研發部門、驅動整體組織的高效創新引擎。傳統作法如一次性培訓、臨時工作坊與零星「英雄專案」，固然能短暫激發熱情，卻往往難以把日常工作有效轉化為可量測的營收成長、成本優化與客戶體驗提升，也難以在全公司各職能與區域擴散。
AI 代理的出現，為企業將創新由「偶發活動」納入「日常執行」創造了全新契機，而「一般 AI 代理」與「AI 設計思維代理」之間存在本質上的 5個重大差異 (詳見下方比較表)。正因如此，我們專門打造了 150 個 AI 設計思維（DT3.0）代理，協助企業依循結構化、以人為本的創新流程推進變革，而不只是回答問題或執行自動化任務。
| 項目 | 一般 AI 代理 (Generic AI Agents) | AI 設計思維 (DT3.0) 代理 AI Design Thinking (3.0) Agents |
|---|---|---|
| (1) 焦點與治理 | 以個人與資料支援為主：協助完成任務、產生內容、提供答案，多為獨立工具，與正式創新機制連結有限 | 以事業、團隊與企業整體創新為核心：嵌入共用流程、階段、專案組合與 KPI，成為組織級創新治理的一部分 |
| (2) 問題解決方式 | 主要是回應零散提問，一問一答，觀點偏窄，缺乏端到端的創新脈絡 | 由150 個專業工具與上百個最佳實務支撐，系統性支援從問題釐清到解方落地的完整創新流程 |
| (3) 成果層級 | 影響多集中在個人效率：文件撰寫、資料整理與分析等生產力提升 | 直接帶動事業／團隊／企業層級的影響：涵蓋策略、營收、成本、顧客與員工體驗等關鍵成果 |
| (4) 成效與速度 | 成效與速度高度依賴使用者能力與提問品質，品質較不穩定 | 已驗證可讓創新相關工作加速高達 95%，並在使用者需求擷取與結構化上達到約 90% 準確度 |
| (5) 可擴展性 | 缺乏清晰的擴展路徑，多停留在個人層級使用，採用情況因人因團隊而異 | 為企業級擴展而設計，可作為一支協同運作的「AI 創新工作團隊」，在全公司各單位、職能與層級間一致性部署與放大應用 |
AI 設計思維代理被精細區分為六大角色，包括 AI 挑戰界定代理、AI 設計調研代理、AI 人物角色繪製代理、AI 創意開發代理、AI 原型設計代理 與 AI 變革推動代理。這支 AI 團隊協助組織先從多元利害關係人的角度完整看清真正的商業挑戰，再設計出在技術面、商業面與組織面都可行的解決方案，讓客戶、員工與合作夥伴始終是創新的出發點與落腳點。
這些 AI 設計思維代理人被嵌入在一個 AI 支援的虛擬創新空間中，將原本侷限於會議室與簡報檔案中的討論，轉化為跨部門、跨區域、跨層級的實際協同執行。（建議觀看下方兩分鐘影片，您將看到 AI 代理人如何在整個創新流程中，支援員工解決不同階段的挑戰。若需英文字幕，請點選 [CC] 按鈕。）
第2部份：8大領導層成員 與 150 個 AI 設計思維代理「共建」企業級創新引擎
要讓這套 AI 設計思維代理真正發揮企業級影響力，關鍵在於能否與 C‑Suite 的核心職責與決策節奏深度對齊。換言之，AI 不只是支援專案團隊的工具，而必須成為 CEO、CFO、COO、CIO/CTO、CBO、CHRO、CLO 等高階主管，日常「看見、治理與放大創新」的新型基礎設施。以下，我們將分別從八大關鍵高管角色出發，具體說明這支 150 人 AI 設計思維代理團隊，如何在各自關注的策略、營運、財務、人才與學習領域中，將創新策略轉化為可量測、可擴散的實際成果。
- 首席 執行長 (Chief Executive Officer) [詳情]
- 首席 商務長 (Chief Business Officer) [詳情]
- 首席 創新長 (Chief Innovation Officer) [詳情]
- 首席 營運長 (Chief Operating Officer) [詳情]
- 首席 科技/資訊技長 (Chief Technology/Information Officer) [詳情]
- 首席 財務長 (Chief Financial Officer) [詳情]
- 首席 人資長 (Chief HR Officer) [詳情]
- 首席 學習長 (Chief Learning Officer) [詳情]
高管角色(01) 首席執行長 (Chief Executive Officer, CEO)
在商業創新中的角色: 執行長負責為企業創新定調，確保創新與公司策略、成長目標、競爭優勢與韌性緊密連結。CEO 需要清楚界定創新要為企業帶來的具體成果──例如開創新的營收來源、提升利潤率、鞏固客戶忠誠度──並據此調整企業優先順序、資源分配與治理機制，讓創新不只是口號，而是一種明確的經營承諾。
缺泛 AI DT 代理支援: 創新經常是零散且不透明的。CEO 看到的是一堆彼此缺乏關聯的專案與試點，難以判斷它們與公司整體策略的對應關係與實際影響。決策高度依賴人工彙整與簡報，節奏偏慢，導致「策略意圖」與「執行現實」之間的落差不斷擴大，創新很容易停留在宣示層面，而非成為穩定的企業能力。
導入 AI DT 代理之後
CEO 能即時掌握企業內各項創新計畫如何被定義、發展與落地。由員工主導的專案會依循共同的「以人為本」設計原則展開，並清楚連結到策略主題與關鍵績效指標。這讓 CEO 不僅看得到「有哪些創新」，更能看清楚「哪些創新真正對準策略、對準價值」，從而更精準地調整優先順序、協調資源，將創新實質運作成為一具持續運轉的企業創新引擎。
高管角色(02) 首席商務長 (Chief Business Officer, CBO)
在商業創新中的角色: CBO 聚焦於把外部市場訊號轉化為具體的商業機會，包含發掘新營收來源、精煉價值主張、優化 go‑to‑market 模式。其主導的商業創新，涵蓋產品與服務組合、定價策略、銷售與合作通路，以及端到端的客戶體驗設計。
缺泛 AI DT 代理支援: CBO 多半仰賴少數高負荷的團隊來解讀龐雜且模糊的市場回饋，決策容易出現反應偏慢或觀點偏頗。客戶洞察分散在銷售、行銷、客服與研究報告中，許多具潛力的機會可能因此被忽略，或者只停留在概念階段。從構想到真正帶來營收的創新週期，往往冗長且難以預測。
導入 AI DT 代理之後
市場與客戶訊號能迅速由 AI 挑戰釐清者與設計研究者整理為「結構化的商業挑戰」，讓業務、行銷與產品團隊能在共同語言下協作。員工在 AI 引導下，系統性地理解目標客群、共創解決方案並測試商業概念。CBO 可以清楚掌握一條從洞察到營收的創新管線：看見哪些構想正被驗證、哪些即將進入商業化，並確保整體速度與品質都持續提升。
高管角色(03) 首席創新長 (Chief Innovation Officer, CInO)
在商業創新中的角色: CInO 的核心使命，是設計並治理公司的創新系統──包含方法論、專案組合、衡量指標與平台工具──讓創新從零星事件，升級為一項可管理、可擴展的企業能力。CInO 必須確保各類創新舉措，都能明確對應到策略主題與可量測的業務成果。
缺泛 AI DT 代理支援: 創新運作高度依賴少數專家與「創新推手」，各團隊或地區採用的流程與工具不一，專案彼此難以比較，成功做法也不易被複製放大。許多構想卡在概念與落地之間，創新部門對整體企業績效的貢獻，常難以用一致的方式呈現。
導入 AI DT 代理之後
CInO 能在全公司導入一套共同的「以人為本創新流程」，並由 AI DT 代理人在每個步驟提供即時方法指引。各地員工都能在相同框架下啟動與推進創新專案，使整體創新管線更加清晰可視且具可比性。CInO 因而可以從「逐案支援」轉為「系統設計與資源編排」，提高成功率，並真正把創新制度化為一套可複製、可預期的企業運作系統。
高管角色(04) 首席營運長 (Chief Operating Officer, COO)
在商業創新中的角色: COO 著重於營運卓越與交付創新，確保組織在整條價值鏈上持續優化流程、品質、速度與可靠度。此處的商業創新，關鍵在於在不犧牲穩定性的前提下，找到更聰明、更具彈性的運作與擴張方式。
缺泛 AI DT 代理支援: 改善與創新多半發生在少數據點或擁有強勢在地領導者的團隊，較為零散且以被動反應居多。前線人員對問題與機會的第一手洞察未被充分運用，許多關鍵議題不是被忽略，就是僅被局部解決。COO 難以把這些零星改善行動整合成一套有延續性的營運創新紀律。
導入 AI DT 代理之後
營運團隊可在 AI 挑戰釐清者與設計研究者的引導下，有方法地辨識痛點、分析根因，並共同設計更佳的流程與服務模式，且全部建立在共同的「以人為本」框架之上。不同地點與職能的員工可以在虛擬創新空間中協作，加速經驗分享與標準化。COO 因而能更有信心地將經過驗證的營運創新擴散到整體價值鏈之中，並逐步形塑一種由員工驅動、系統化持續改善的文化。
高管角色(05) 首席科技/資訊技長 (Chief Technology Officer, CTO / Chief Information Officer, CIO)
在商業創新中的角色: CTO／CIO 的核心責任，是確保技術與數據能力真正轉化為具體的商業價值。這包含推動數位轉型、現代化平台架構，以及開啟新的數位服務與商業模式，並在技術可行與商業可行之間取得平衡。
缺泛 AI DT 代理支援: 技術專案容易落入「先有解決方案，再回頭找問題」的模式，與真正的客戶或員工需求連結不足。IT 與業務之間在語言與優先順序上的差異，常導致系統使用率低落與投資效益不彰。雙方協作成本高，對話也難以聚焦在共同的價值創造上。
導入 AI DT 代理之後
所有技術相關構想，都被納入與業務單位共享的「以人為本創新流程」中。團隊在 AI 代理人輔助下，先共同理解使用者情境、清楚界定問題並共創解決方案，再決定具體的技術實作方式。這讓數位投資與實際工作流程與行為緊密貼合，提升系統採用率與實際成效，同時減少重工與「功能齊全卻無人使用」的技術沉沒成本。
高管角色(06) 首席財務長 (Chief Financial Officer, CFO)
在商業創新中的角色: CFO 為創新提供財務紀律與資源配置框架，確保資源集中投入在最具潛力的機會，同時讓整體創新組合能持續為公司創造可衡量的價值。財務長必須讓創新支出變得透明、可追蹤，並與企業策略高度對齊。
缺泛 AI DT 代理支援: 創新經常被視為成本中心，其回報難以具體量化。各專案的商業試算內容不一，缺乏一致的架構，後續成效追蹤也不完整，導致資源時而被灑向過多小專案，時而因壓力而被大幅刪減，犧牲長期創新能力。CFO 對創新如何實際影響財務表現，往往缺乏清晰視角。
導入 AI DT 代理之後
創新專案從一開始就會在 AI 代理人協助下，建立清楚的價值假設與可衡量的業務成果。團隊獲得結構化支援，以說明價值邏輯、設定關鍵指標，並在創新歷程中持續追蹤進展。CFO 因而可以將創新視為一組「具可比性與可追溯性的投資組合」，在資金配置與風險承擔上做出更聰明、更具前瞻性的決策。
高管角色(07) 首席人資長 (Chief HR Officer, CHRO)
在商業創新中的角色: CHRO 的任務，是確保人才策略、企業文化與組織設計能有力支撐公司的創新與轉型議程。商業創新的實現，取決於組織是否擁有適當能力組合、思維模式與協作方式。
缺泛 AI DT 代理支援: 創新往往集中在少數專家或早期採用者，多數員工不認為自己在創新上有角色。HR 難以把創新行為具體化並融入日常管理流程，整體投入度與歸屬感因而受限，人才可能因對未來缺乏參與感而逐漸流失或停滯。
導入 AI DT 代理之後
不同層級與職能的員工，都可以在 AI 引導下，依循以人為本的流程安全且有結構地參與創新。CHRO 能將具體的創新行為與實例納入績效對話、發展計畫與合作規範，逐步形塑「人人皆可創新」的文化，提升員工投入度與留任率，同時強化組織在不確定環境中的調適與應變能力。
高管角色(08) 首席學習長 (Chief Learning Officer, CLO)
在商業創新中的角色: CLO 將學習與企業創新所需的關鍵能力連結起來，幫助員工培養發現機會、解決複雜問題與推動變革的能力。學習不再只是知識傳遞，而是打造創新戰力的重要槓桿。
導入 AI DT 代理之前: 多數訓練與實際商業挑戰脫節。學員在課程中雖能獲得啟發與概念，但回到工作現場後，應用往往有限，學習投資對業務的具體影響也難以呈現。學習常被視為「必要支出」，而非推動創新與轉型的關鍵動力。
導入 AI DT 代理之後
學員能在 AI 代理人的逐步引導下，將課程中所學直接應用於真實的創新專案，並在課後持續推進。CLO 可以設計「從學習到實作再到成果」的完整閉環，由 AI 協助持續支援問題釐清、創意測試與成果記錄。這讓學習與實際營運成果之間的關聯變得清晰可見，使學習成為直接驅動創新的引擎，而非單向輸出的成本項目。
第3部份：企業領導層成員如何善用 150 個 AI 設計思維代理，引領下一波創新管理
當市場變化速度超越組織學習與執行的速度時，「選擇不動」往往成為最大的風險。對企業領導層而言，真正的任務並非再多發起幾個創新專案，而是打造一個系統化、可量測、且與公司策略與關鍵指標緊密連結的創新型企業。
一支由多達 150 個成員組成的 AI 設計思維代理人團隊，正是這套創新管理體系的實務骨幹。透過它，任何員工、在任何時間與地點，都能依循共同的「以人為本」流程，處理真實且重要的創新議題。創新變得更透明、更可比較，也更便於企業領導層從策略高度加以引導，推動成長、效率與客戶價值的同步提升。
- 讓創新與公司策略、財務指標與風險管理高度對齊
- 提升創新與學習投資的實質回報
- 在維持營運穩定的同時，加速產品、流程與數位轉型
那麼，現在正是把 150 個 AI 設計思維代理，定位為企業高效創新引擎核心的關鍵時刻。
建議先從單一關鍵領域或核心職能展開聚焦試點，在有限範圍內快速驗證價值、調整方法與治理機制，接著再分階段向其他部門與區域擴展。最終目標，是制度化一套 AI 支援的創新系統，讓任何員工、在任何地方，都能持續為創新做出貢獻，並在企業領導層的協奏下，把組織真正打造成一具持續運轉、高績效的企業創新引擎。
參考交獻
- Brinck, T. (2025). Design Thinking with Generative AI: Powerful ChatGPT Skills for UX. Proceedings of the Extended Abstracts of the CHI Conference on Human Factors in Computing Systems
- Casanovas, M. M. (2025). TRANSFORMING DESIGN THINKING EDUCATION WITH GENERATIVE AI: A COMPARATIVE STUDY IN HIGHER EDUCATION. EDULEARN25 Proceedings
- Chen, Y., Qin, Z., Sun, L., Wu, J., Ai, W., Chao, J., Li, H., & Li, J. (2025). GDT framework: integrating generative design and design thinking for sustainable development in the AI era. Sustainability, 17(1), 372.
- Clay, J., Li, X., Goldstein, M. H., Demirel, H. O., Zabelina, D., Xie, C., & Sha, Z. (2024). Board 258: Engineering Design Thinking in the Age of Generative Artificial Intelligence. 2024 ASEE Annual Conference & Exposition
- Clay, J., & Sha, Z. (2025). Paradigmatic design thinking: how generative AI changes the role of human designers. Proceedings of the Design Society, 5, 2571-2579.
- David, Y., Krebs, A., & Rosenbaum, A. (2023). The use of generative AI tools in Design Thinking academic makeathon. CERN IdeaSquare Journal of Experimental Innovation, 7(3), 43-49.
- Dash, S. K. (2023). Artificial Intelligence (AI) Facilitated Data-Driven Design Thinking. In (pp. 17-24). Springer Nature Switzerland.
- dos Santos, R. A., Gauthier, F. A. O., Macedo, M., & Roberg, V. (2025). Generative AI Applied to the Design Thinking Process in Knowledge Engineering Projects. Proceedings of the 25th European Conference on Knowledge Management (2 vols)
- Ducange, P., Fazzolari, M., Petrocchi, M., & Vecchio, M. (2019). An effective Decision Support System for social media listening based on cross-source sentiment analysis models. Engineering Applications of Artificial Intelligence, 78, 71-85.
- Georgiev, G. V., Mahmud, N., & Islam, M. M. (2024). AI Enabling Design Thinking: Exploring the Impact of Generative AI on Creative Design. International Conference on Society for Design and Process Science
- Indriani, D. N., & Kumalasari, R. D. (2025). Integrating Generative AI with Design Thinking Approach to Improve Efficiency and Relevancy of MSMEs Promotional Content. 2025 IEEE International Conference on Artificial Intelligence for Learning and Optimization (ICoAILO)
- InnoEdge (2024, December). Innovation Jam 2024: Co-creative community design journey for Sham Shui Po Fabric Market with 2-day AI-driven Design Sprint. InnoEdge.
- Jiang, C., Huang, R., & Shen, T. (2025). Generative AI-enabled conceptualization: Charting ChatGPT’s impacts on sustainable service design thinking with network-based cognitive maps. Journal of Computing and Information Science in Engineering, 25(2), 021006.
- Lee, S. (2025). Case Study on Digital Design Education using Design Thinking and Generative Artificial Intelligence. Journal of The Korean Society of Living Environmental System, 32(1), 54-65.
- Li, M., Li, Y., He, C., Wang, H., Zhong, J., Jiang, S., He, M., Qiao, Z., Chen, J., & Yin, Y. (2025). Navigating the Role of Generative AI in Shaping Self-Efficacy and Design Thinking Process of Novice Designers: A Case Study in Sustainable Design Education. International Journal of Human–Computer Interaction, 1-20.
- Rana, V., Verhoeven, B., & Sharma, M. (2025). Generative AI in design thinking pedagogy: Enhancing creativity, critical thinking, and ethical reasoning in higher education. Journal of University Teaching and Learning Practice, 22(4), 1-22.
- Suwannatip, R., Sintanakul, K., & Srisomphan, J. (2025). A Learning Model using Design Thinking in an Online Environment, Integrating Project-Based Learning with Generative AI Tools for Design. 2025 International Conference on Power, Energy and Innovations (ICPEI)
- Yeji, S., & Jeongmin, L. (2025). Personalized Support for Creative Problem Solving: Design and Development of a Generative AI Chatbot in Design Thinking. Educational Technology International, 26(1), 37-67.
