AI 浪潮襲來，網頁開發已死？Salesforce 研究別讓 AI 取代你，讓專家與它協作才能產出品質保證的關鍵！

AI 浪潮襲來，網頁開發已死？專業不死，價值更甚以往

這裡所指的「專業」，是要更扎實、更深度的專業與實戰經驗，而非「基礎階段」。

Minh Phan（Paul）之前在知名的網頁編輯器 Shopify App – PageFly 待過四年多，從實習生做到 CTO（怎麼這麼勵志），後來跳出來自己開公司創業打造另一款軟體工具。他在社群的貼文如下分享了有關「網頁開發多次被宣告死亡，但實際上需求不但沒消失，反而更凸顯出專業開發者的重要性」。

📖 重點歸納

• 多次「死亡宣告」：從 2010 年代初的外包熱潮，到 2017 年的無程式碼/低程式碼革命，再到 2025 年的 AI 自動化，都有人說要取代網頁開發。
• 工具只改變需求：雖然這些工具（外包、低程式碼、無程式碼、AI）能加速某些流程，卻無法完全解決「程式碼品質、架構、可及性」等核心問題。
• 專家不可或缺：真正會影響成敗的是「把混亂攤平、擬定整體方案」的能力——工具沒辦法替你做策略思考與關鍵決策。
• 核心挑戰在於「為什麼／做什麼／什麼時候」：寫程式只是執行層面，真正難的反而是定義需求、掌握時機，以及找出問題解法。
• 職涯建議：若只會「照指派寫程式碼」，很容易被工具取代；要在職場站穩腳步，就得培養更高階的規劃、溝通和決策能力。

在我整個職業生涯中，網頁開發總被視為「已死」。

在 2010 年代初期，我剛從高中畢業，為願意付錢的人製作醜陋的小網站。週圍正值外包熱潮。公司們想找價格較低時區的開發者，我也只是成百上千中技術平庸、筆電半壞、以極低價格接案做 WordPress 網站的其中一員，想著客戶到底花多少時間在用 Word 文件寄來的 Bug 截圖上。

現在是 2017 年。無程式碼／低程式碼是新的革命。我正在打造另一款無程式碼網站建置工具，當時這類產品遍地開花。行銷團隊會說：「拖拉放，不需要開發者。」或者類似的吸睛話術。

現在是 2025 年。AI 寫程式、AI 生成主題，而我仍然聽到同樣的話。產業總有新的東西被說能取代這行業：外包、低程式碼、無程式碼、AI。

結果卻完全相反。

這些工具改變需求，但不會抹去需求。若有什麼，它們反而凸顯出找懂行的人是多麼寶貴。因為所有號稱「網頁開發殺手」的工具都有極限——程式碼品質、架構、可及性或者其他問題。而當團隊碰到瓶頸時，他們需要專家。能解開混亂、擬定前進方案的人。

這部分短期內不會被自動化取代。

寫程式早已不是我工作中最困難的部分。通常真正難的是找到「做什麼」、「為什麼」或「什麼時候」等問題的答案，這些是 AI 仍難以掌握的。

即便 AI 進步了，如果你的核心工作是交付可運作的產品，你的角色不會有太大改變。完成它的方式無關緊要。如果你想在職場安身立命，就不要只會寫被指派的程式碼。

AI 可以幫助我們加速學習，但不應該「完全忽略基礎學習」，共勉之。

Irving 爾文

🟡 爾文觀點

🍿 AI 確實能大幅提升「執行效率」，但它產出的東西，終究需要「真正懂的人」去優化和修改才能發揮最高價值或降低風險。

對於一次性或簡單的應用，AI 或許能勝任，但若要深入到系統層級的應用，則需要深厚的專業知識與實務經驗。將任務完全交由不穩定或無法理解核心需求的 AI，潛藏著極高的風險，甚至可能導致災難性的後果。

🍿 這其中的一個關鍵問題會是：當你缺乏某個領域的基本知識和扎實的經驗積累時，你會不知道如何提出正確的問題，也不知道該往哪個方向繼續探究。這真是現實挑戰。

有沒有看過「用沙拉油桶蓋成的大樓？」我正在關注它何時會一夕之間崩壞。這聽起來像是在袖手旁觀嗎？並不是的，而是當你已經清楚說明了風險，但對方卻依然聽不進去的時候，那就是靜觀其變。有些人要先經歷過「徹底的重創」才能真正清醒過來啊（其實也未必，可能睡得更沉 ^^"）

🍿 AI 可以幫助我們加速學習，但不應該「完全忽略基礎學習」，共勉之。以上概念不僅適用於網站開發，同樣也適用於各個專業領域。不過有些領域的確必須要靠跨領域整合才能提高生存的機會。

若你考慮或正在建立 Shopify 電商網站，也非常重視品牌形象設計與視覺，可以前往了解更多這款沒有第一也有前三市佔率的 Shopify App – PageFly：PageFly 初入門：快速建立 Shopify 網頁

電商提高客單價首選！Fast Bundle Shopify App 解鎖買 X 送 Y、任選搭配、加價購功能

若要推薦一款 Shopify 商店專用的 Shopify App，滿足「產品組合優惠」功能，我偏好這款在心中至少排名前三的 App：FBP | Fast Bundle Producs，其產品組合相當多元，快速建立各類型的組合如混合搭配（Mix and match）和加價購（Product add-ons）等。以下為六大組合類型 Bundle Type：

• Fixed bundle 固定組合包
• Volume discounts 大量購買折扣（買越多省越多）
• Buy X Get Y 買 X 送 Y
• Mix and match 任選搭配
• Product add-ons 加價購
• Frequently bought together 經常一起買的商品

Fast Bundle 後台在選擇綑綁類型時，下方還有使用案例可以直接套用，幫助商家快速上手與靈感啟發，相當貼心與使用者友善。

電商人應該都不陌生，透過精心設計的捆綁組合，不僅能提高平均訂單價值（AOV）和總營收，還能讓不同品項（尤其是新品）獲得更多曝光和銷售機會。「捆綁銷售」（bundle selling）對電商營運的幫助，重點可以拆成以下幾點：

1. 什麼是 AOV？

• AOV（Average Order Value），中文常譯作「平均訂單價值」或「平均訂單金額」，是指每筆訂單的平均消費金額。
• 提高 AOV 意味著顧客一次買更多、花更多錢。

2. 為什麼要做產品組合捆綁？

• 促進加購／交叉銷售：將暢銷品和滯銷品、舊品和新品、主力商品和配件打包，鼓勵顧客多買。
• 提高客單價：當顧客看到「買這套比單買便宜」，更容易下單，平均每筆訂單的金額自然拉高。

3. 如何進而提高營收？

• AOV 拉高、訂單量不變時，整體營收就成倍成長。
• 若再配合限時折扣或免運門檻，還能進一步刺激訂單數。

4. 有助於新品曝光

• 新品單獨銷量可能較低，但與熱賣品綁在一起，就能借力行銷，增加試用和口碑機會。

FastBundle 提供靈活且有效的工具，幫助商家通過「產品作為套裝」創建混合搭配、量販折扣及買 x 送 y 等優惠，讓消費者自由組合套裝或使用套裝生成器，還能獲得免費贈品和 AI 驅動的「經常一起購買」建議。後台還有我最重視的 24 小時線上客服支援，隨時可以留下問題、對話回覆當作筆記甚是便利。

AI 寫作「老生常談」怎麼辦？Salesforce 研究：別讓 AI 取代你，讓專家與它協作才能產出品質保證的關鍵！

《Can AI writing be salvaged? Mitigating Idiosyncrasies and Improving Human-AI Alignment in the Writing Process through Edits》是由 Salesforce AI Research 團隊發表的重要研究論文。該論文於 2024 年 9 月 22 日首次提交至 arXiv，並在 2025 年 3 月 4 日發布第五版，體現了研究的持續深化和改進。

探討目前 AI 寫作有哪些共同問題，並找出自動化編輯的方法來改善 AI 產出的內容，使其更貼近人類寫作的品質。隨著 GPT-4、Claude、Llama 等大型語言模型（LLM）廣泛被用於創作文章，大家發現 AI 寫的東西常會出現「老生常談」或「太流水帳」等問題。

✏️ 研究團隊與背景

本研究由三位來自 Salesforce AI Research 的頂尖研究者共同完成：

• Tuhin Chakrabarty：現任 Salesforce AI Research 研究員，同時是紐約州立大學石溪分校電腦科學系助理教授
• Philippe Laban：Salesforce AI Research 資深研究員，專精於自然語言處理
• Chien-Sheng Wu：Salesforce AI Research 資深研究員，在多模態AI和對話系統方面有豐富經驗

✏️ 核心研究問題

隨著大型語言模型（LLM）在社交媒體、新聞業和教育領域的廣泛應用，AI 生成文本與人類撰寫文本之間的差異仍然不夠清晰。研究團隊希望深入探討以下關鍵問題：

1. AI 寫作的特有缺陷是什麼？
2. 不同 LLM 在寫作品質上是否存在顯著差異？
3. 如何透過自動化編輯提升 AI 寫作品質？

✏️ 專業作家編輯實驗

研究團隊聘請專業作家對多個創意領域的段落進行編輯，建立了一個全面的評估框架。這種方法的創新性在於：

• 採用真實的專業作家而非普通用戶
• 涵蓋多個創意寫作領域
• 建立系統性的分析框架

✏️ AI 生成文本的七大類問題

通過對專業作家編輯過程的深入分析，研究團隊發現作家們對 LLM 生成文本的不良特徵有著高度共識，並將這些問題正式化為七大類分類法：

1. 陳腔濫調（Clichés）：過度依賴常見的表達方式
2. 不必要的說明（Unnecessary Exposition）：提供過多冗餘信息
3. 語言表達問題：用詞不當或語調不合適
4. 敘述方式問題：傾向於「告訴」而非「展示」
5. 結構性問題：段落組織不當
6. 創意缺失：缺乏原創性和想象力
7. 語法和風格問題：技術性錯誤和風格不一致

✏️ 主要發現

1. 模型間無顯著差異

令人驚訝的是，研究分析顯示在寫作品質方面，所有測試的 LLM（GPT-4o、Claude-3.5-Sonnet、Llama-3.1-70b）都沒有明顯優於其他模型。這揭示了跨模型家族的共同限制，表明當前 LLM 在創意寫作方面仍存在普遍性問題。

2. 自動編輯方法的潛力

儘管專家編輯的文本仍是黃金標準，但研究發現自動編輯方法在改善 LLM 生成文本與人類撰寫文本之間的對齊方面顯示出巨大潛力。大規模偏好標註實驗證實了這一點。

3. 算法同質化問題

研究指出，LLM 生成的文本經常出現算法同質化現象，導致內容過度同質化，缺乏原創性和多樣性。這種現象限制了AI寫作的創意表達能力。

✏️ 對 AI 寫作發展的啟示

1. 人機協作的重要性

研究強調了人機協作在寫作過程中的重要性，AI 不應該完全取代人類寫作者，而是作為強大的輔助工具。

2. 持續改進的需求

儘管自動編輯方法顯示出潛力，但專業作家的編輯仍然是品質保證的關鍵，這表明 AI 寫作技術仍有很大的改進空間。

3. 標準化評估的必要性

建立統一的 AI 寫作品質評估標準對於推動整個領域的發展至關重要。

📖 結論

Salesforce AI Research 的這項研究為 AI 寫作領域提供了重要的理論基礎和實踐指導。通過系統性的分析和創新的方法，研究團隊不僅揭示了當前 LLM 在寫作方面的共同問題，還提出了有效的解決方案。這項研究的成果已經在 2025 年 CHI 會議上獲得最佳論文和榮譽獎提名，充分體現了其學術價值和實際意義。

隨著 AI 技術的不斷發展，如何更好地利用 AI 協助人類寫作，同時保持文本的創意性和個性化，將是未來研究的重要方向。這項研究為我們理解和改進AI寫作提供了寶貴的洞見，為構建更可靠的 AI 寫作系統奠定了堅實的基礎。

arXiv 是一項免費分發服務和開放訪問檔案，收錄了物理學、數學、計算機科學、定量生物學、定量金融、統計學、電氣工程和系統科學以及經濟學領域的近 240 萬篇學術文章。本網站上的材料未經 arXiv 同行評審。

若你有 Shopify 電商網站或 WordPress 品牌形象、部落格設計與建站的需求，可以前往填寫表單預約諮詢。Irvinglab 爾文實驗室是一家深度經驗的網頁設計公司，專注打造 Shopify 和 WordPress 網站以及提供 SEO 優化與內容規劃的服務。若想進一步了解服務內容，可以加入 Irvinglab 爾文實驗室的 Line@ 官方帳號 留下訊息給我們。