根據史丹佛大學旗下健康解決方案計畫 Stanford Emergence 的觀察，當全球陷入 AI 軍備競賽時，矽谷內部卻出現一股反思聲浪。曾對美國創新產業感到幻滅的創辦人 Narges Baniasadi 直言，多數人忙著用 AI 找答案，卻忘了先搞清楚「問題在哪裡」。
話說回來，這股風氣不只是矽谷的問題。Stanford Emergence 的課堂上，她發現學生們對於技術操作駕輕就熟，卻普遍缺乏將學術知識轉化為解決社會問題的能力。說穿了，這不正是台灣產業在轉型過程中，也常常卡住的那一關嗎？
數據缺口：美國創新圈的「偏食現象」
Narges Baniasadi 觀察到一個吊詭的現象：美國矽谷的創新氛圍過於追求技術或炒作，導致資金與人才高度集中於特定熱門領域，而其他同樣重要、甚至更貼近民生的領域卻乏人問津。
這種「偏食現象」造成了創新資源的分配失衡。根據史丹佛大學內部針對新創生態系的長期追蹤，過去五年間，約有 七成以上的創投資金流向了軟體與 AI 基礎建設，但針對特定疾病篩檢、老年照護等社會痛點，其資金占比卻遠低於實際需求。
課堂實驗：從「Sephora 諮詢點」看問題出發的力量
與其紙上談兵，Narges Baniasadi 在 Stanford Emergence 開設的課程，採取了極度務實的做法。她要求學生「從問題出發」，而不是一開始就埋頭想解決方案。
一個令人印象深刻的案例，是關於多囊性卵巢症候群（PCOS）的研究。PCOS 影響全球數百萬女性，但根據課堂上的田野調查，確診平均竟需耗時十年。為什麼？因為症狀如體重增加、痤瘡太過普遍，容易被忽略。
學生們透過深度訪談，挖掘出一個關鍵洞察：患者對於外貌的擔憂，遠超乎醫學數據能顯示的範圍，她們願意砸大錢購買美容產品。這項洞察，催生了一個極具顛覆性的構想——在 Sephora 等美妝店設立 PCOS 早期診斷的諮詢點。
換個角度想，這個案例點出了 AI 的極限。Narges Baniasadi 強調，AI 本質上是重現既有資訊，它能分析數據，卻無法複製「直接與人互動」所產生的獨特洞察。如果當初只靠 AI 分析病歷，只會得出「症狀複雜」的結論，絕不可能想到去美妝店攔截患者。從產業面來看，當台灣推動精準醫療或智慧照護時，若工程師與醫師只盯著數據，而忽略了消費者的生活場景，再強大的 AI 也只是華麗的昂貴玩具。
創業技能重於技術：AI 無法複製的人類協作
很多人以為，有了 AI 就能降低創業門檻，但 Narges Baniasadi 卻點出一個殘酷的事實：與人、客戶和投資人協作的軟實力，遠比技術創新本身更重要。
數據顯示，在新創公司失敗的案例中，高達 80% 以上的主因並非技術落後，而是團隊溝通不良、產品不符合市場需求、或是無法說服投資人。這些需要直接互動與信任積累的過程，恰恰是 AI 無法介入的領域。
有趣的是，她認為真正的創新難處在於人際互動的複雜性，而 AI 只是幫助我們加速已知領域的工具。因此，她呼籲大眾擁抱 AI，但必須警惕：
- 不要拿 AI 找捷徑，而是用來深化對問題的理解
- 面對客戶或病人的時候，螢幕上的數據永遠不能取代面對面的觀察
- 想創業？先去跟十個人聊天，不要急著寫程式或 prompt
數據背後的啟示
綜合 Narges Baniasadi 的論述，我們可以得出一個嚴謹的結論：AI 的價值不在於提供解答，而在於幫助我們問出更好的問題。當前的 AI 熱潮，某種程度上讓我們變得更懶於思考，急著把問題丟進黑盒子裡等結果。
然而，PCOS 的例子告訴我們，唯有透過實際場域的觀察與互動，才能找到數據表面下真正的痛點。從現在開始，無論你是企業主、政策制定者還是開發者，請記住：先放下你的 AI 工具，拿起電話約你的客戶或使用者喝杯咖啡，真正的創新往往藏在那些無法被數據化的對話裡。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
Narges Baniasadi 是誰？她對 AI 的主要觀點是什麼？
她是史丹佛大學 Stanford Emergence 的創辦人兼執行董事。她認為 AI 只是重現既有資訊的工具，無法取代人類的創新與互動，呼籲從解決實際問題出發，而非追逐技術。
為什麼 PCOS 診斷平均耗時十年？這跟 AI 有什麼關係？
因為症狀普遍且多樣化，容易被誤判。Narges Baniasadi 認為若只靠 AI 分析病史會忽略患者對外貌的焦慮，這說明了人類場域觀察才能發現真正的問題所在。
「從問題出發」具體該怎麼做？
與其先想解決方案，不如先深入訪談使用者，找出他們未被滿足的需求或困擾，就像她的學生發現 PCOS 患者在美妝店的行為模式一樣。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
