# 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。