一個數字震驚了所有人：多囊性卵巢症候群（PCOS）的診斷，平均需要耗費十年。十年，足以讓一個女孩走過整個青春期，從學生變成職場女性，卻還不知道自己的身體怎麼了。這不是醫療技術不夠先進的問題，而是創新的方向從一開始就走偏了。
Narges Baniasadi 對美國矽谷的創新產業，曾經是失望的。她看過太多團隊急著用最新的技術、最潮的演算法，卻連自己要解決什麼問題都說不清楚。「很多人以為掌握 AI 就等於掌握了未來，」她日前在一場內部研討會中直言，「但如果你連問題本身都搞不懂，AI 只會讓你更快走到錯誤的地方。」
表象：當技術狂熱蓋過真實需求
Baniasadi 目前是史丹佛大學旗下健康解決方案計畫 Stanford Emergence 的創辦人兼執行董事。她觀察到，矽谷那股「什麼都要 AI 化」的氛圍，其實讓某些領域被過度關注，而真正需要資源的地方卻乏人問津。她點出了一個尖銳的事實：許多學生擁有頂尖的學術知識，卻缺乏把知識放回社會脈絡裡解決問題的能力。
所以她開了一門很不一樣的課。這門課的核心精神只有一句話——「從問題出發」，而不是一開始就急著想解決方案。聽起來很直覺，對吧？但在現實世界中，多數團隊的做法剛好相反。
「AI 本質上是重現既有資訊，它無法完全取代創新與創造力。真正的創新需要直接與人互動，而這個過程是 AI 無法複製的。」—— Narges Baniasadi，Stanford Emergence 創辦人
真相：一個關於十年等待的洞察
Baniasadi 用 PCOS 的例子說明了問題的荒謬。數百萬女性深受多囊性卵巢症候群困擾，但因為它的症狀——體重增加、痤瘡——實在太「普遍」了，以至於從醫師到患者自己，都習慣性地忽略了這些訊號。平均確診時間長達十年，意味著無數女性在最精華的人生階段，只能靠著買保養品、減肥產品來處理表面症狀。
她的學生做了關鍵的一步：直接去訪談患者。這一步沒有用到任何演算法，沒有數據模型，就只是坐下來聽。然後他們發現了一件驚人的事——患者對外貌改變的焦慮遠超乎預期，而且她們願意為此花大量金錢購買美容產品。
這個洞察翻轉了整個思考方向。學生們提出了一個極具顛覆性的構想：與其等患者走進醫院，不如在她們購買護膚品或化妝品的時刻介入。例如，在 Sephora 這類美妝零售店設立早期諮詢點，讓女性在關心外貌的同時，也能獲得關於 PCOS 的初步評估資訊。
「這不是一個關於技術的故事，這是一個關於『問對問題』的故事。當你問對了，解決方案往往會自己浮現。」
各方角力：當矽谷模式遇上真實世界
當然，這個構想聽起來很前衛，但也會讓很多人皺眉頭。美妝店做醫療諮詢？這在台灣的法規框架下恐怕還有很長的路要走。不過 Baniasadi 真正想挑戰的，是那種「技術至上」的矽谷慣性。她反覆強調一個觀點：創業所需的技能——與人溝通、和客戶協作、說服投資人——往往比所謂的「創新本身」更為關鍵。
說穿了，這是在挑戰整個矽谷的敘事邏輯。那個「天才在車庫裡寫出程式改變世界」的神話，讓太多人誤以為創新是孤獨的技術行為。但 Baniasadi 的經驗告訴我們：真正的突破，幾乎都發生在人群之中，而不是螢幕之前。
話說回來，這不是要否定 AI 的價值。她還是鼓勵大家擁抱 AI，只是必須用對的方式。AI 擅長的是歸納與重現，它能幫你加快運算、優化流程，但它無法幫你「發現」一個從未被定義過的問題。
「我們應該問的不是『AI 能做什麼』，而是『我們該用 AI 解決什麼』。這兩個問題的順序，決定了你是創新者，還是跟風者。」
深層影響：台灣新創的反思時刻
對台灣的產業環境來說，Baniasadi 的觀點其實格外有殺傷力——因為我們正是最容易被「技術迷思」綁架的地方之一。從半導體到智慧醫療，台灣向來擅長把技術做得又快又好，但在「定義問題」這件事情上，我們習慣往後退一步。
這幾年政府大力推動 AI 相關政策，補助案一個接一個，但仔細看那些申請計畫，有多少是真正從使用者的痛點出發？還是說，更多時候是先買了 GPU、先架了模型，再回頭去想「這個可以賣給誰」？
如果 Baniasadi 在 Stanford Emergence 的課程能給台灣什麼啟發，或許是這句話：在急著寫程式之前，先花時間去訪談你的使用者。不是做問卷，是真正坐下來聽他們說話。
編輯觀點
從產業面來看，Baniasadi 說出了很多人不敢說的事實：台灣的 AI 熱潮某種程度上正在複製矽谷的錯誤路徑。我們太喜歡「把技術變商品」，卻忘了商品應該是「為了解決問題而存在」。尤其 PCOS 這個案例，點出了一個殘酷的現實——當我們把資源集中在已經有獲利模式的領域，那些真正影響數百萬人、但短期看不到錢景的問題，反而被晾在一邊。如果台灣要發展有靈魂的 AI 產業，就該先問：我們最想解決的社會痛點是什麼？是更快的晶片，還是更早的確診？這不是二選一的問題，而是優先順序的問題。
—— 資深編輯・產業觀察
未解之問
故事到這裡，其實留下了一個令人不安的疑問：如果像 PCOS 這樣影響數百萬人的疾病，都花了十年才被「問對問題」，那現在還有多少領域正處於同樣的困境？
當我們每天被各種「AI 即將顛覆某某產業」的新聞轟炸時，有多少人真正停下來想過——我們花了多少力氣在炒作工具的強大，卻忘了工具本身沒有方向，方向永遠來自於人。
Baniasadi 給出的不是解答，而是一個反問：你手中的 AI，到底在解決誰的問題？
這個問題，值得每一位走進辦公室打開電腦的人，先問自己一遍。
行動呼籲
下次當你準備導入一套 AI 系統、或開發一個新的數據產品時，試著做一件事：關掉電腦，去約一位潛在使用者喝杯咖啡。不要聊技術，就聊他的日常、他的挫折、他曾經浪費時間在哪些地方。把這些對話記錄下來，放在你的專案文件第一頁。你會發現，最關鍵的洞察從來不在資料庫裡，而在那些你願意聆聽的時刻裡。
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
多囊性卵巢症候群（PCOS）為什麼平均需要十年才能確診？
因為 PCOS 的症狀如體重增加、痤瘡、月經不規則等相當普遍且多樣，容易被患者或醫師誤認為其他問題，加上缺乏針對性的早期篩檢機制，導致許多人輾轉於不同科別之間，平均耗費長達十年才獲得正確診斷。
「從問題出發」的創新方法和傳統的技術導向有什麼不同？
傳統技術導向是先有工具（如 AI 模型）再找應用場景，容易落入「拿著錘子找釘子」的陷阱；從問題出發則相反，先深入理解使用者的真實痛點，再評估哪些技術適合用來解決，讓技術真正服務於需求，而非反過來主導方向。
Baniasadi 認為 AI 無法取代創新中的哪個關鍵環節？
她認為 AI 本質上是重現既有資訊，無法複製人類在直接互動中產生的獨特洞察。真正的創新需要與人協作、理解情緒、感受現場脈絡，這些都無法靠演算法完成。
台灣的新創團隊可以如何應用 Stanford Emergence 的課程思維？
台灣團隊可以先從「停止過度專注於技術規格」開始，將更多時間投入實地訪談與場域觀察，找出真正未被滿足的需求。同時，創業者應培養跨領域溝通和同理心等軟實力，這些往往比技術領先更具長期競爭優勢。
※ 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。
