玩家買的是體驗，不是製程純潔性

系列： AI 時代的創作、選擇與人類復古系列
篇次： 第 4 篇
版本： v0.1
性質： 理論論文／消費者效用模型／公開版

摘要

在 AI 創作爭議中，一個常被混淆的問題是：消費者究竟在購買什麼？

創作者容易從生產者視角出發，將大量時間、手工投入、技術難度、製程純度與作品價值直接連結。然而，對大多數遊戲、小說、影像、音樂與一般數位內容而言，消費者首先購買的通常不是製程，而是最終體驗。

本篇提出：

\boxed{ \text{Consumer Utility} \neq \text{Production Purity} }

更合理的模型是：

\boxed{ U_{consumer} = U_{experience} + U_{meaning} + U_{identity} + U_{trust} + U_{provenance} }

其中，製程來源只是總效用的一部分，而非全部。對高度體驗導向的市場，例如商業遊戲，玩家更直接在意的是玩法、節奏、角色、穩定性、世界、音樂、互動與價格效用；純手工或純人類製作，若沒有轉化成可感知品質、身份意義、信任或收藏價值，就不必然形成額外市場效用。

然而，本篇同時拒絕另一種過度簡化：製程不是完全不重要。當製程涉及欺騙、授權爭議、勞動倫理、品牌承諾、收藏身份、文化立場或來源信任時，製程本身可以直接進入效用函數，甚至造成負效用。

因此，本篇建立 Experience-Provenance Dual Utility Model（體驗—來源雙效用模型），用以區分「作品好不好」與「作品如何被做出來」兩個不同維度，並提出：AI 時代成熟的創作者，不應把「我如何製作」誤認成「使用者為什麼購買」，而應思考如何將製程優勢轉化為真正的體驗差異。

關鍵詞

消費者效用、玩家體驗、AI 創作、製程價值、來源價值、Human-Retro、遊戲設計、作者性、信任、體驗經濟

1. 從創作者視角轉向使用者視角

創作者天然知道自己的投入。

他知道：

畫了幾個月；
修了多少次；
寫了多少行程式；
熬了多少夜；
重做多少資產；
有沒有使用 AI。

所以創作者很容易形成：

\boxed{ \text{Effort} \rightarrow \text{Value} }

的直覺。

但使用者看不到全部製程。使用者真正接觸的是：

\boxed{ \text{Final Experience} }

因此生產者與消費者的效用函數天然不同。

2. 生產者效用與消費者效用不是同一個函數

定義：

U_P = \text{Producer Utility}

U_C = \text{Consumer Utility}

創作者可能得到：

U_P = \text{Craft Satisfaction} + \text{Learning} + \text{Identity} + \text{Control} + \text{Pride}

而玩家可能得到：

U_C = \text{Fun} + \text{Emotion} + \text{Meaning} + \text{Quality} + \text{Trust}

因此：

\boxed{ U_P \neq U_C }

「我很享受一筆一筆畫」可以讓：

U_P\uparrow

但不必然讓：

U_C\uparrow

3. 一句最簡單的市場命題

對大多數商業娛樂產品：

\boxed{ \text{玩家首先買的是爽，不是辛苦。} }

這裡的「爽」不是狹義快感，而可以包括挑戰、感動、沉浸、恐怖、悲傷、成就、探索、美感、知識、社交與角色依附。

因此更正式地說：

\boxed{ \text{Consumers buy experienced value.} }

4. 體驗價值與來源價值

定義：

V_E = \text{Experience Value}

V_P = \text{Provenance Value}

則總價值可寫：

\boxed{ V_{total} = V_E + V_P }

其中， $V_E$ 回答「作品本身帶給我什麼？」； $V_P$ 回答「它由誰、如何、在什麼條件下被製作？」。

兩者可以同時很高，也可以完全脫鉤。

5. 體驗市場與來源市場不是同一種市場

假設某作品很好玩、很穩定、角色有魅力、美術很好、價格合理，而使用者對來源完全不在意，則：

V_E\gg V_P

這在大量商業遊戲市場中很常見。

另一種情況是作品本身普通，但由某位著名創作者親手完成、具有歷史性、限量性或收藏價值，則：

V_P\gg V_E

因此：

\boxed{ \text{不同市場的效用結構不同。} }

6. 商業遊戲為什麼特別偏體驗

對商業遊戲而言，玩家必須實際操作、理解、戰鬥、探索、等待、重複、承受 Bug 與接受平衡，所以：

V_E

非常直接。

若遊戲卡頓、Bug 多、系統沒整合、操作差、後期無聊或內容同質，玩家會反覆感受到這些問題。

此時：

100% Human-Made

很難補回：

V_E<0

造成的損失。

所以：

\boxed{ \text{Production Purity} }

通常不能直接作為：

\boxed{ \text{Quality Compensation} }

7. 「我做得很辛苦」是不可直接轉移的效用

創作者的投入：

E_H = \text{Human Effort}

若要變成消費者價值，必須經過：

E_H \rightarrow \Delta Q

或：

E_H \rightarrow \Delta M

其中：

$\Delta Q$ ：品質差異；
$\Delta M$ ：意義差異。

若：

\Delta Q\approx0

且：

\Delta M\approx0

則：

\boxed{ E_H }

主要仍然只是生產者成本。

8. 勞動量不是產品價值的線性函數

直覺模型：

V=kE

通常不成立。

更合理的是：

V=f(Q,M,I,T)

其中：

$Q$ ：Quality；
$M$ ：Meaning；
$I$ ：Identity；
$T$ ：Trust。

人類勞動 $E$ 只是可能影響這些變量的上游因素。

因此：

\boxed{ \frac{\partial V}{\partial E} }

不一定永遠為正。

9. 過度手工甚至可能降低使用者價值

若堅持純手工導致：

內容延遲；
Bug 沒時間修；
QA 不足；
UI 沒整理；
系統沒有整合；
角色缺乏事件；
平衡沒測；

則：

E_{manual}\uparrow

可能造成：

OpportunityCost\uparrow

並進一步：

V_E\downarrow

所以：

\boxed{ \text{更多人類工時} }

甚至可能和：

\boxed{ \text{更差玩家體驗} }

同時存在。

10. 機會成本才是 AI 時代真正殘酷的問題

假設創作者有：

T=1000

單位工時。

若其中 $700$ 投入可被 AI 大幅加速的工作，只剩 $300$ 投入系統、QA、角色、劇情、測試與整合；另一位創作者透過工具將前者壓縮到 $200$ ，則可以把 $800$ 投入最終體驗。

因此競爭差異不是：

誰比較努力。

而是：

\boxed{ \text{誰把有限時間配置到邊際價值最高的地方。} }

11. Production Allocation Problem

創作者面對總時間：

T

要分配到：

T = T_A + T_C + T_Q + T_D + T_M

其中：

$T_A$ ：Art；
$T_C$ ：Code；
$T_Q$ ：QA；
$T_D$ ：Design；
$T_M$ ：Marketing。

真正問題是：

\boxed{ \max U_C(T_A,T_C,T_Q,T_D,T_M) }

而不是：

\max T_{manual}

12. AI 的真正價值可以只是釋放時間

這裡甚至不需要主張：

AI 做得比人類好。

只需要：

\boxed{ \text{AI 能把低邊際差異工作做得足夠好。} }

若某工作：

\Delta V_{human-AI} \approx0

但：

Cost_{human}\gg Cost_{AI}

則使用 AI 可以釋放：

\Delta T

再投入：

\boxed{ \text{High-Value Human Decisions} }

這可能才是 AI 在創作產業更重要的功能。

13. 玩家不一定反 AI，也不一定親 AI

市場常被簡化成：

\text{Pro-AI}

與：

\text{Anti-AI}

但大量消費者其實更接近：

\boxed{ \text{Outcome-Oriented} }

也就是：

你怎麼做我不一定在乎，但結果不能爛。

這種使用者的效用權重可能是：

\alpha_E\gg\alpha_P

其中：

$\alpha_E$ ：Experience weight；
$\alpha_P$ ：Process weight。

14. 但製程絕對不是零價值

本篇不能滑向：

玩家完全不在乎 AI。

這同樣不成立。

當製程牽涉未授權資料、欺騙、違反平台揭露、虛假宣傳、勞動剝削、品牌承諾或收藏來源時：

V_P

可能很高，甚至為負。

所以：

\boxed{ V_P\neq0 }

只是：

V_P

與：

V_E

應該被分開建模。

15. 製程可以產生負效用

若使用者認為：

你欺騙我。

則：

Trust\downarrow

導致：

U_C\downarrow

即使作品本身品質沒有改變。

可以寫：

U_C = V_E + V_P - L_T

其中：

L_T = \text{Trust Loss}

因此：

\boxed{ \text{Transparency} }

本身可以是一種產品價值。

16. 真正危險的是「製程承諾與實際製程不一致」

假設品牌宣稱：

HumanOnly=1

消費者因此購買。

若後來發現：

HumanOnly=0

問題不只是：

使用 AI。

而是：

\boxed{ \text{Preference Contract Violation} }

即消費者購買條件被改變。

因此：

\boxed{ \text{AI 爭議有時本質上是信任問題，而不是技術問題。} }

17. 玩家買的不是「程式碼來源」

一般玩家通常不知道：

程式碼多少行；
AI 寫了幾行；
Blueprint 寫了多少；
是否用了 marketplace；
是否用了 middleware。

玩家更容易感知：

反應快不快；
Bug 多不多；
AI 聰不聰明；
UI 好不好用；
戰鬥好不好玩。

所以：

\boxed{ \text{Code Provenance} }

通常只有在安全、授權、開源、法律與品牌等條件下，才會直接進入使用者效用。

18. 玩家也不是真的購買「美術工時」

玩家看到的是：

\boxed{ \text{Visual Experience} }

而不是：

\text{Artist Hours}

所以 $1000$ 小時的美術若角色彼此太像、silhouette 不明、派系辨識弱、UI 可讀性差，其玩家效用仍可能低於：

200\text{ hours} + AI + StrongArtDirection

的結果。

19. AI 不會自動提高體驗

同樣地：

AIUsage\uparrow

不代表：

V_E\uparrow

如果 AI 只是增加：

ContentVolume

但沒有增加角色存在感、系統差異、玩家決策、世界反應與可玩性，那：

\boxed{ \text{More AI Content} }

只會變成：

\boxed{ \text{More Average Content} }

20. 使用者效用與內容數量不是線性關係

設：

N = \text{Content Count}

很多產品直覺認為：

N\uparrow \Rightarrow V_E\uparrow

但實際上：

\frac{\partial V_E}{\partial N}

可能遞減，甚至變負。

例如：

任務太多但同質；
角色太多但記不住；
裝備太多但沒有選擇；
系統太多但沒有互相作用。

所以：

\boxed{ \text{Content Volume} \neq \text{Experience Value} }

21. 體驗價值更像結構函數

可以寫：

V_E = f( Q, C, R, M, I )

其中：

$Q$ ：Quality；
$C$ ：Coherence；
$R$ ：Responsiveness；
$M$ ：Memorability；
$I$ ：Interaction Depth。

因此：

\boxed{ \text{整合} }

比：

\text{單純產量}

更接近使用者真正購買的東西。

22. 玩家購買的是「作品的因果後果」

對遊戲尤其如此。

玩家執行：

a_t

期待世界：

W_t

產生有意義變化：

W_t \xrightarrow{a_t} W_{t+1}

若大量系統只是顯示：

S_i

卻不真正改變：

W_{t+1}

則玩家感受到：

\boxed{ \text{Low Causal Density} }

所以遊戲價值不是系統名詞數量，而是：

\boxed{ \text{玩家選擇造成多少有意義後果。} }

23. 這也解釋為什麼「手工很多」仍可能不好玩

手工投入可以增加：

AssetCount

但遊戲體驗更依賴：

CausalDensity

若：

AssetCount\uparrow

而：

CausalDensity\approx constant

則：

\boxed{ \text{Production Effort 增加，Experience Value 未同步增加。} }

24. 體驗經濟中的價值轉換鏈

可以寫成：

\boxed{ \text{Labor} \rightarrow \text{Artifact} \rightarrow \text{Experience} \rightarrow \text{Utility} }

真正被購買的是最後：

\boxed{ \text{Utility} }

而不是第一段：

\text{Labor}

所以每一層都可能發生損耗。

25. Human-Retro 的市場位置

Human-Retro 若要成立，必須讓：

V_P

或：

V_E

至少一個顯著提升。

例如：

\text{Human Process} \rightarrow \text{Unique Texture} \rightarrow V_E\uparrow

或：

\text{Human Process} \rightarrow \text{Cultural Identity} \rightarrow V_P\uparrow

如果兩者都沒有：

\boxed{ \text{Human-Retro Premium} \approx0 }

26. 「純手工」最合理的市場不是所有市場

純手工可能在收藏、藝術、個人委託、工藝與高端品牌領域具有較高：

V_P

但在大型軟體、商業遊戲、大量內容服務與即時系統裡，市場更可能：

V_E\gg V_P

所以：

\boxed{ \text{Human-Retro 不是普遍必然的 premium。} }

27. 對創作者最重要的問題不是「有沒有 AI」

更成熟的問題是：

\boxed{ \text{這個製程選擇如何改變使用者效用？} }

例如：

不用 AI，角色是否更有辨識度？

用 AI，是否讓 QA 更完整？

用 AI，是否讓 Bug 更少？

不用 AI，是否形成真正品牌價值？

AI 生成是否造成信任損失？

這些才是：

\boxed{ \text{Utility-Relevant Questions} }

28. Production-to-Utility Audit

對每個製程決策：

p_i

問：

\Delta U_C(p_i)

是多少。

若：

\Delta U_C>0

則它對使用者具有正向價值。

若：

\Delta U_C\approx0

則應檢查是否主要服務：

U_P

或其他內部理由。

若：

\Delta U_C<0

則應重新評估。

這比：

AI 好不好？

精確得多。

29. 玩家現實不等於玩家沒有價值觀

「玩家只想爽」不能被誤解成：

玩家什麼都不在乎。

更精確地說：

\boxed{ \text{玩家有多維效用函數。} }

例如：

U_C = \alpha F + \beta Q + \gamma E + \delta T + \epsilon I

其中：

$F$ ：Fun；
$Q$ ：Quality；
$E$ ：Ethics；
$T$ ：Trust；
$I$ ：Identity。

不同玩家的權重完全不同。

30. AI 爭議也是市場分群問題

一部分玩家：

\epsilon_{AI}<0

即對 AI 使用有負偏好。

另一部分：

\epsilon_{AI}\approx0

幾乎不在意。

另一部分甚至：

\epsilon_{AI}>0

認為技術創新本身具有吸引力。

因此：

\boxed{ \text{AI 使用本身不是單一方向的市場變量。} }

關鍵是：

\boxed{ \text{Target Audience Utility Function} }

31. 生產者真正該優化的是「可傳遞價值」

定義：

V_T = \text{Transferable Value}

表示：

生產者投入中，有多少真正轉化成使用者感受到的價值。

可寫：

\eta = \frac{V_T}{E_{producer}}

稱為：

\boxed{ \text{Value Transfer Efficiency} }

若：

E_{producer}\uparrow

但：

V_T

不變，

則：

\eta\downarrow

32. AI 時代真正會拉開差距的可能是價值轉移效率

創作者 A：

E=1000

轉化：

V_T=300

則：

\eta_A=0.3

創作者 B：

E=500

透過 AI、工具、自動化、外包與強選擇：

V_T=400

則：

\eta_B=0.8

市場真正看到的是：

V_T

而不是：

E

所以：

\boxed{ \text{AI 時代的競爭優勢之一} = \text{Value Transfer Efficiency} }

33. 但效率不能吞掉人格

如果只追求：

\eta\uparrow

也可能讓：

IdentityDensity\downarrow

所以成熟創作者要同時優化：

\boxed{ \text{Efficiency} + \text{Identity} + \text{Quality} + \text{Trust} }

而不是單純：

\text{Generate More}

34. 真正的創作問題是資源配置

創作者有限的時間、注意力、金錢、心力、技術與人脈形成：

R

資源集合。

創作其實是：

\boxed{ \max_{allocation} U_C }

在：

R

約束下尋找最好的分配。

所以 AI 不是目的。

Human-only 也不是目的。

真正目的仍是：

\boxed{ \text{Better Work} }

35. 這篇為何是系列的轉折點

前三篇依序處理：

\text{Human scarcity}

\text{Scarcity}\neq\text{Value}

\text{Human}\neq\text{Distinctive}

第四篇再進一步：

\boxed{ \text{Production Method} \neq \text{Consumer Utility} }

到這裡，我們已經把：

AI vs Human

這個表面問題拆掉。

後面真正要進入的是：

\boxed{ \text{作品如何形成價值} }

以及：

\boxed{ \text{為什麼系統很多，作品仍可能不好。} }

36. 下一篇：Integration Debt

如果玩家購買的是體驗，那麼作品裡系統有多少、角色有多少、任務有多少、數值有多少，都不是最終目的。

真正問題是：

\boxed{ \text{它們有沒有彼此需要。} }

因此下一篇將進入：

《Feature 越多，作品反而越差？AI 時代的 Integration Debt》

核心命題：

\boxed{ FeatureCount\uparrow \not\Rightarrow ProductCoherence\uparrow }

甚至當：

\boxed{ FeatureGrowth > IntegrationGrowth }

作品品質可能下降。

37. 結論

AI 時代最容易發生的一個認知錯位，是創作者把：

\text{我怎麼做}

誤認成：

\text{使用者為什麼買}

但：

\boxed{ \text{Producer Effort} \neq \text{Consumer Utility} }

對大多數商業內容市場而言，使用者首先購買的是：

\boxed{ \text{體驗} }

製程只有在它能轉化成更好的品質、更強的作者性、更高的信任、更重要的文化身份或更明確的倫理價值時，才會真正成為使用者價值。

因此：

\boxed{ \text{Human-only} }

不是自動 premium。

\boxed{ \text{AI-assisted} }

也不是自動折價。

成熟的問題應該是：

\boxed{ \text{這個製程選擇，最後到底讓使用者得到什麼？} }

如果答案是：

幾乎沒有差。

那麼它主要仍然只是生產者自己的製程選擇。

如果答案是：

它讓作品更好、更有意義、更值得信任、更有辨識度。

那麼製程才真正完成了：

\boxed{ \text{Labor} \rightarrow \text{Value} }

的轉換。

而這也意味著，AI 時代創作者真正該競爭的，不是誰比較辛苦，而是誰能把有限資源更有效地轉化成使用者真正感受到的價值。