使用AI工具已成為日常，透過ChatGPT尋找解決方法、使用NotebookKLM整理筆記、設定Agency AI簡化工作流程。對於使用者來說，是使用多個AI工具以解決已知問題，這篇將分享比起當主角，情境式AI （Ambient AI）則是悄悄地退居幕後，在對的時間發揮作用。
什麼是Ambient AI?
Ambient AI（情境式 / 環境型 AI）是在背後默默協助，它不只是被動等使用者下指令或點開一個推薦區塊，而是透過長期累積的資料與情境感知，結合資料分析與機器學習，在對的時機主動協助，幫使用者省下操作步驟，不搶奪注意力，卻能在幾乎不被察覺的情況下完成任務1。本篇文章會透過與個人化推薦比較、案例，以及設計師該如何思考並評估成效。
關鍵特徵
- 不一定從「使用者下指令」開始，而是由系統感知情境後，主動提供協助。
- 利用環境資訊與行為模式（時間、地點、習慣、裝置狀態等），決定協助方式。
- 儘量減少操作步驟與認知負擔，不搶注意力，讓任務在不自覺的情況下被完成。
跟傳統個人型推薦的差異?
如果拿一列車廂來比喻使用者體驗流程，傳統的個人化推薦比較像是在你走過車廂前，先把裡面的座椅與窗簾換成你可能喜歡的款式，試圖吸引你入座；而情境式 AI 與其調整既有車廂的樣貌，更像是在你行進的過程中，悄悄替你多接上一節小車廂。你並沒有特別注意到車廂變長了，卻因為多了那一節，在剛好的時刻拿到一杯熱茶，順利坐下。
你不需要等行動販賣部經過，也不必主動開口索取，只是自然地，在對的時間被照顧到。於是，整趟旅程少了一點等待與思考，多了一份輕鬆與舒適。
| 面向 | 傳統個人化推薦 （AI-Driven Content Personalization） | 情境式／環境型 AI （Ambient AI） |
|---|---|---|
| AI 出現方式 | 明確可見、有區塊、有標題，像是「推薦給你」、「你可能會喜歡」 | 幾乎隱形，融入整體體驗 |
| 是否有固定位置 | 有，像是推薦模組、卡片、清單 | 沒有固定位置，存在於整個流程中 |
| 使用者意識 | 使用者知道「這是推薦」 | 使用者未必意識到 AI 介入 |
| 介面變化 | 高（版型固定，內容變化） | 低（版型、視覺、層級可能皆有變化） |
| 主要互動行為 | 點擊、滑動、選擇 | 停留、沉浸、不中斷 |
| 主要 UX 問題 | 推薦準不準？ | 會不會打擾？會不會過頭？ |
| 設計重心 | 合適內容 | 流程體驗 |
| 案例 | 電商網站商品推薦區、首頁推薦列表 | 智慧溫控自動調整設定 |
應用案例
透過解析現有產品的設計，能讓我們更了解情境式AI，並加其運用在自己的產品設計與評估成效。
案例一：智慧家居的自動調光與溫控
以 Google Nest 智慧家居產品中的 Nest Thermostat 為例，過去這類型的智慧家電依賴於條件設定，像是固定在7:00出門開燈，回家前30分鐘開啟暖氣，或是透過手機遠端操過。現今運用AI技術長時間累積資料，系統持續學習用戶的生活模式，再依據情境變化去自動調整設定。
- 透過 Auto‑Schedule / Smart Schedule，長期學習你在一天中不同時間、不同季節實際調整溫度的行為，建立個人化排程。
- 搭配內建感測器與手機定位，判斷你是在家或外出，並結合住宅升溫／降溫速度與天氣狀況，決定何時啟動系統。
- 在這些資料的基礎上，自動微調溫度設定與啟動時間，減少你手動改排程的需求，不再只依賴固定的預設規則。
為什麼它是情境式AI？
- 減少重複性人工調整：你沒有提出要調整關燈時間。
- 情感認知：日常固定模式改變，系統偵測感知，根據情境變化調整設定。
- 低感知負擔：不需要重新調一堆排程，減少了設定動作。
案例二：或許 AI 更懂你當下想聽的音樂
另一個案例是 Spotify 推出的 Prompted Playlist，由使用者和AI一同協作。使用者可以透過文字描述當下的心情、情境或想法，由系統生成對應的播放清單，並可設定每日或每週自動更新歌單。與過去需要使用者手動搜尋歌曲，再加入播放清單的操作有所不同，Prompted Playlist 會基於使用者的歷史紀錄與聆聽習慣，由 AI 持續調整歌單內容，讓播放清單隨時間自然演進2。*目前此功能僅在部分地區、對 Premium 使用者開放測試。
為什麼它是情境式AI？
- 減少重複性人工調整：先由使用者主動新增，後續定期的更新交由AI。
- 情境感知：會根據使用者的聆聽習慣，動態調整歌單，更符合當下情境。
- 低認知負擔：減少了探索和編輯歌單的時間，讓使用者自然地沉浸在當下的音樂情境中。
應用到產品設計
過去思考著優化「功能」，轉向考慮使用「情境」，自然融入進使用者流程，從以下三個面向 ：
- WHO 需求：使用者想要聽音樂，但不知道怎麼選，或是需要花時間設定。
- WHEN 時間點：出門時間、選擇前 5 秒、特定動作前。
- HOW 動作：自動顯示或調整，自動替代設定。
怎麼衡量效益？從互動次數走向體驗品質
常見的衡量指標不外乎點擊率、曝光次數、互動比例，然而，對於情境式AI設計，更多是著重在整體旅程的順暢程度，舉例來說：
- 探索時間是否更短，但觀看時間更長？
- 影片／內容播放不中斷率是否提升？
- 任務完成率是否提高、步驟數是否下降？
- 使用者是否較少關閉某個「自動功能」？
結論：換個方式說故事
就如先前撰寫的無介面設計 （延伸閱讀：不觸碰螢幕的未來？用語音與手勢重新定義，認識零介面 Zero UI 設計趨勢），未來UI成分會越來越少，更多是UX的發揮空間，然而，如何更自然融入在使用者體驗中，衡量方式也是一大挑戰，當越看不見，降低注意力，越難衡量它帶來的重要性，特別是需要考量商業利益，比起強調與設計互動了多少次或被看到多少次，反而要重視是否使用者留下來了、是否更願意回來、是否減少了操作。這時候就要轉換指標，透過留存率，為企業帶來更高的業績；又或者是更長的觀看時間，意味著更穩定的用戶關係，反而讓平台更有條件與廣告商溝通平台的價值。
情境式AI 並不是削弱設計的存在感，而是有更多的新玩法，從一顆設計元件，擴展到整個情境與旅程，搭上AI的學習能力，以更自然的減法型式滿足使用者的需求。
電商讀書會 