情緒曲線量不到 AI 的旅程，journey map 該重新畫了
情緒曲線量不到 AI 的旅程，journey map 該重新畫了
NN/g 這張經典地圖畫了八年的「人的旅程」，卻沒教你怎麼畫一支 AI agent 的
NN/g 的經典 journey map 範例 — — 中間那條線，畫的是人的情緒起伏。
2026 年，如果你還在畫 journey map，中間那條線大概還是老樣子：一個小人物，一個目標，一路上心情忽高忽低，最後在「達成」那格露出笑臉。這張圖 NN/g 從 2018 年畫到現在，改版又改版，骨架沒變過 — — actor、scenario、phase、actions/mindset/emotions、opportunities，五塊拼在一起，教了整個產業快十年。
問題是，現在越來越多旅程裡，走完全程的那個「使用者」，不是人。
骨架本身沒問題：actor、phase、情緒曲線、opportunities，缺的是一塊新零件。
先說清楚我在講什麼。不是「AI 幫忙生成 journey map」這種效率話題 — — 那是另一件事。我在講的是：當旅程本身的主角換成一支 AI agent（自動處理退款的客服機器人、幫你排行程的助理、串 API 自己下單的代理程式），NN/g 這張圖最核心的那條線 — — 情緒曲線 — — 直接失效了。AI 不會「有點猶豫」，也不會在 phase 2 皺眉、phase 3 鬆一口氣。那條線沒東西可畫。
這不是我在鑽牛角尖。Netlify 執行長 Mathias Biilmann 在 2025 年提出「Agent Experience（AX）」這個詞的時候，講的正是這件事：當 AI agent 變成產品的真實使用者之一，設計師得重新想一次「誰在用、他們怎麼感覺」這整套邏輯 — — 只是 agent 沒有感覺可言。
情緒曲線的替代品，是「會不會失敗」
設計師 Leonie Monigatti 把這個問題往前推了一步，提出「Agent Journey Map」的畫法：把 journey map 的核心元件整套搬過來，但把「情緒曲線」換成「可靠度曲線」。人會沮喪、會困惑、會開心；agent 不會，它只有兩種狀態 — — 這一步走得通，或走不通。於是曲線量的不再是心情起伏，而是每個階段的成功機率，配上具體的失敗模式：驗證失敗、回應格式不符預期、權限卡住。
她把 agent 的旅程拆成五個階段：發現（agent 能不能透過訓練資料或搜尋找到你的產品）、評估（技術文件夠不夠讓 agent 自己判斷能不能用）、上手（agent 能不能不靠人工介入就初始化權限）、整合（透過 API、CLI 或近來很紅的 MCP 協定，agent 能不能穩定操作）、推薦（agent 會不會把你的產品建議給別的 agent 或使用者）。這五步排出來不是一條直線，是一個環 — — 推薦繞回發現，跟傳統行銷漏斗的單向邏輯完全不同。
看到這裡，NN/g 那張經典圖的骨架其實沒被推翻，actor、phase、opportunities 這些概念全部還在 — — 垮掉的只有中間那條情緒線。這正是為什麼這篇八年前的老文章，2026 年還值得重讀一次：它教的骨架依然是對的，缺的是一塊新零件。
真正難的，不是畫 AI 的旅程，是畫「人跟 AI 一起走」的那條
但現實比「AI 自己的旅程」複雜得多。大部分產品裡，AI 不是獨立跑完全程的主角，是跟人交錯著走 — — 客服先讓機器人接，卡關了轉真人；agent 自動訂好機票，人最後按一下確認鍵。這種「一半是人、一半是 agent」的旅程，才是 2026 年設計師真正要面對的畫法問題。
亞馬遜的研究團隊給了一個更完整的架構，用三個維度描述這種混合旅程：人的投入程度（使用者花多少注意力在盯著或指揮 AI）、AI 的顯著度（AI 在體驗裡有多「被看見」）、AI 的活動（它實際上做了什麼，使用者看不看得到）。三個維度交叉出三種協作型態：「陪我做」 — — 人跟 AI 密集互動，像結對工作；「幫我做」 — — 大部分工作在背景默默完成，人只在最後點頭；「替我做但不張揚」 — — AI 悄悄運作，使用者甚至沒意識到它介入過，就像輸入法的預測文字。
這三種型態不該是產品上線前一次定死的設定，而該隨情境即時調整 — — 任務越複雜、風險越高，系統就該把 AI 的存在感往上調，讓人多看一眼、多確認一步；反過來，熟悉又低風險的操作，就該讓 AI 退到背景，別打擾。這套邏輯畫出來，同樣是一條曲線 — — 研究團隊稱之為「協作曲線」，橫軸是旅程階段，縱軸是人的介入強度跟 AI 的顯著度，兩條線一起畫，才看得出旅程裡哪個點是真正的交接點。
交接點，才是新版 journey map 該標紅的地方
這才是整篇重讀下來最有意思的發現：新舊兩派方法論殊途同歸，都指向同一個答案 — — 問題從來不在旅程的哪一段順不順，而在人跟 AI 交手的那一瞬間。傳統 journey map 用「痛點」標記使用者卡關的地方；混合旅程裡，卡關最常發生在交接的縫隙 — — AI 判斷這件事它處理不了、決定丟回給人的那一刻，恰好是使用者最沒有心理準備、最容易感到被拋下的時刻。機器人客服說「請稍候為您轉接專人」的那句話,聽起來禮貌，體感卻常常是全程最挫折的一站。
換句話說，2026 年要畫的 journey map，中間那條線不會只有一條。至少要疊兩條 — — 一條量人的情緒，一條量 AI 的可靠度或顯著度 — — 然後盯著兩條線交叉、錯開的地方看。那裡才是新的機會點所在，NN/g 原本那格「opportunities」，內容已經悄悄換了一批。
很多設計師現在面對 AI 功能的做法，是把整套聊天機器人或自動化流程當一個「功能」直接嵌進既有的旅程圖裡，畫個新的 icon，情緒線照舊畫一條。這麼做，等於假裝 AI 只是旅程裡的一個道具，而不是另一個會走出自己軌跡的行動者。地圖看起來完整，實際上漏掉了整個系統裡最容易出事的那段路。
動手畫的時候，具體要多畫什麼
把這套想法落成一張真的能用的圖，其實不用整套推翻重畫。NN/g 原本的五塊 — — actor、scenario、phase、actions/mindset/emotions、opportunities — — 照樣保留，只是「emotions」那一列要分岔。人的那條線，還是畫沮喪、猶豫、鬆一口氣；AI 那條線，換成每個階段的成功率跟常見失敗模式，用顏色或粗細跟人的線區分開，疊在同一張時間軸上，不要拆成兩張獨立的圖 — — 拆開了，正是交接點最容易被忽略的原因。
再來是把「opportunities」那一列的問法換掉。傳統問法是「這一步使用者卡在哪裡、怎麼幫他順一點」；混合旅程裡，更該問的是「AI 判斷該交回給人的那一刻，人有沒有被事先告知、有沒有拿到足夠的脈絡接手」。這兩條線交叉的那幾格，才是整張圖裡最值得標紅、拿去跟工程或客服團隊對齊的地方 — — 不是因為那裡最複雜，是因為那裡最容易被兩邊都當成「對方的責任」而漏接。
老工具沒退場，是多了一塊要補的零件
Journey mapping 這套方法論，不會因為 AI 進場就過時 — — 它的骨架撐了快十年，撐得住是因為它問的問題（誰、在什麼情境下、想達成什麼）從來就跟技術無關。真正該丟掉的，是「旅程裡只有一種角色會有感受」這個預設。2026 年的旅程，人跟 agent 一起走，地圖也該有兩條線一起畫 — — 把交接的縫隙標出來，才是這張圖現在真正該做的事。
Sources 延伸閱讀
- Journey Mapping 101
- Agent Journey Map: Designing Software for AI Agents
- Designing AI agents that know when to step back
我是設計師 Riven，專注於 AI 時代的設計實踐與工具策略。
更多 AI × 設計的實作分享都在我們家的設計學院官網 ⬇️
메타데이터
- post_id
- 3f44ce3a0e11
- slug
- 情緒曲線量不到-ai-的旅程-journey-map-該重新畫了-3f44ce3a0e11
- url
- https://medium.com/@riven/%E6%83%85%E7%B7%92%E6%9B%B2%E7%B7%9A%E9%87%8F%E4%B8%8D%E5%88%B0-ai-%E7%9A%84%E6%97%85%E7%A8%8B-journey-map-%E8%A9%B2%E9%87%8D%E6%96%B0%E7%95%AB%E4%BA%86-3f44ce3a0e11
- canonical_url
- https://medium.com/@riven/%E6%83%85%E7%B7%92%E6%9B%B2%E7%B7%9A%E9%87%8F%E4%B8%8D%E5%88%B0-ai-%E7%9A%84%E6%97%85%E7%A8%8B-journey-map-%E8%A9%B2%E9%87%8D%E6%96%B0%E7%95%AB%E4%BA%86-3f44ce3a0e11
- author_url
- https://medium.com/@riven
- status
- ok
- fetched_at
- 2026-08-18 09:54:05
