開發AI軟體和做傳統產品根本不一樣：4個必懂準則＋實戰流程拆解

2023年5月，我們使用GPT3.5 turbo API（當時有GPT 4沒開放）打造一個「一鍵生成網站」的AI工具。

使用者可以輸入一個外部網址，一鍵完成Portaly微型網站，並獲得了美國Product Hunt Product of the Day殊榮。

兩年後的現在，覺得那套Portaly AI根本是一個半成品：穩定性有限，經常無法正確解析、產出，甚至許多非AI的純程式環節。

近期聽到Lenny Podcast訪談Open AI／Google的AI工具開發者後，卻產生的不同的想法。

本文將整理我對現今AI世界的理解，討論一項重要議題：如何開發AI軟體產品——與傳統軟體有何不同？

過去熟悉的開發邏輯與產品框架，在AI時代會碰到2大問題

時至2026年，作為創業者或產品開發者，我們遇到的不只是新科技的困難，而是AI基礎建設的「典範轉移」（paradigm shift）。口語一點：我們熟悉的開發邏輯、產品框架全部顛覆；新創老闆、旗下開發者的角色，以及新創護城河也全部改變。

首先，打造AI產品必定會遇到兩大核心挑戰：

1. 非決定性（Non-deterministic）

傳統軟體平台或工具（如airbnb／notion／canva）都有明確的輸入，並可以預期輸出。

AI產品因使用者的input是自然語言，output則是多變的LLM，導致整套系統都變成一個黑盒子。

2. 自主性（Agency）vs.控制權（Control）

每個人使用AI，都寄望著透過AI「自動完成」任務。

然而，兩難就在於，愈高的AI自主性代表透過AI完成一連串決策，搞砸的機會倍數提升。

反之，增加人類的控制權，可以讓系統穩定，卻回歸到傳統軟體，並沒有真正創造「AI價值」。

4個AI時代軟體開發的準則

以下整理4個AI時代軟體開發的準則。只要持續搶灘AI軟體應用賽道，就必須顛覆既有的習慣：

1. 擁抱「非決定性」的本質

• Input黑盒子：從過去的按鈕、UI/UX，變成一段空白的語言prompt。開發者幾乎無法控制使用者的輸入，導致每個人的體驗落差極大。

• Output黑盒子：LLM是機率性產出的，同一段input（輸入）也不會有相同output（結果）。更慘的是，再強的model也會幻覺。

  實作演練：作為開發者，我們的目標不再是寫死規則，而是如何在雜亂的I/O中，盡可能「最大化用戶的最佳解」。

2. 權衡自主性 (Agency) 與控制權 (Control)

這是一個零和遊戲：給予AI愈多自主性，用戶就失去愈多控制權。

AI工具開發者應該都有類似經驗：試圖打造一套「全自動化」的AI產品流程，最終迎接災難。這就是太早給予過多自主性的結果。

實作演練：從high control（高度主導）開始，慢慢做。具體怎麼做？可以參考「三階段」的開發流程。

3. 產品三階段開發流程

簡單來說，打造AI產品千萬不要想著一步到位。透過V1-V3的迭代，逐漸賦予AI自主權。提供兩個例子：

• AI寫程式工具：
  V1（Snippet）：AI僅提供程式碼修改功能，人類撰寫。
  V2（Blocks）：AI生成測試程式碼、重構、撰寫模組，人類負責審核。
  V3（Agent）：AI自主修復Bug並開啟Pull Request（合併請求），等於自動把程式做完上線。

• AI行銷助理：
  V1（Draft）：AI負責寫文案、起草。
  V2（Campaign）：AI建立多步驟行銷活動，人類審核、按下發送。
  V3（Auto-optimize）：AI自主發布、進行A/B測試並優化成效，主動迭代優化。

以上述兩者為例，目前主流AI工具 (Lovable / Cursor⋯⋯) 大概落在V2，並且都花至少2年的時間迭代、優化。

實作演練：務必分辨清楚我們開發的軟體工具在哪個階段。如果以為新題目可以直接做V3，最終會完全無法前進。

4. 組織與文化：AI時代的護城河 (但痛苦)

技術只是工具，組織的適應力才是決勝點。

• Leadership（領導力）：AI轉型不可能Bottom-up（從基層員工開始）。領導者必須親自建立直覺。Podcast中提到美國一位CEO每天清晨4–6點親自研究AI，不是為了寫程式，而是為了在決策時具備正確的判斷力。

• Culture（文化：賦能而非恐懼）：建立團隊的文化，千萬不要用FOMO驅動團隊。

  ❌ 你們再不學就會被AI取代
  ⭕ 學會這個工具，可以做到以前做不到的事情，並且快10倍

• Obsess over Workflow（對工作流著迷）：必須極度了解工作流，才能拆解出哪些該自動化、哪些該保留人類介入。

這是為了解決 2. 自主性 vs 控制權的問題。

該如何崇熙恩定義開發速度？

看著那些AI工具或LLM的發佈新聞，我們總認為「速度」是新創或產品的決勝點。然而，我們對「速度」的定義也要重新改觀！

傳統軟體的時代，「速度」指的是「開發出來」的速度；AI產品的時代，「速度」並非「第一個使用AI」的速度，而是第一個踏上「AI產品飛輪」的速度。飛輪如下：

V1.0產品推出⭢使用者參與⭢獲取數據回饋⭢優化AI流程&LLM⭢V1.1產品推出

前面提及 「3. 產品三階段開發流程」 講的就是必須從V1開始。

只有靠著AI的產品飛輪，產品才能從V1走向V2、最終才會到達V3的理想境界。

兩三年前，X社群上每天都有開發者搶灘：「第一個在OOO領域使用AI」時至今日，這套AI搶灘已經證明絲毫沒有商業的意義。

真正的競賽是誰能從V1.0走向V1.1；誰能從中獲得最多資訊，以及誰走得快。

Podcast中，OpenAI專家提到：Pain is the new moat. (痛苦是新的護城河)，因為AI讓學習門檻、開發門檻都變得太低，創新不再有難度。

最終，誰能夠埋頭堅持學習、堅持迭代，誰願意從V1.0這種一點都不華麗的版本出發，誰願意跟客戶學習、持續launch失敗品再改進，這個人 (團隊) 會是時代的贏家。

誰會想到，最傳統的「苦幹思維」在AI的速食時代，反而有最高的價值。