104學習

75%數位工作者每週用AI省下約11小時，卻有69%曾交出「自己也無法負責」的半成品，當大家都把時間拿去當「Botsitting（AI保姆）」、反覆餵資料與除錯，我們究竟是變高效，還是陷入了生產力假象？同步揭開高效工作者的逆向生存法則。 文／《104職場力》 本文導覽 時間去哪了？87%職場人都中招的「生產力假象」每週花6.4小時伺候機器，大家其實只是「AI保姆」從Botsitting到「職場廢話」，引爆職場信任危機！累到不想檢查：69%的職場人曾交出「自己也無法負責」的成果 工具看起來越聰明，我們越容易放棄判斷、推卸責任不想被Botsitting累死，高效工作者做對了什麼？懂得「刻意不用AI」把AI當隊友推敲 生成式AI普及後，你的工作真的變輕鬆了嗎？ 企業搜尋與工作AI平台Glean旗下的Work AI Institute，針對美、英、澳三國共6,000名全職數位工作者進行調查，發布了《Work AI Index 2026》研究報告。 調查結果呈現出一組強烈的反差：高達87%的工作者日常工作都有使用AI，其中有75%認同AI提升生產力，平均每週透過自動化省下約11小時；但再進一步詢問，卻只有13%的人真心覺得組織整體績效有顯著提升。 那省下來的11小時究竟去了哪裡？ 時間去哪了？87%職場人都中招的「生產力假象」 每週省下11小時，為什麼只有13%的人覺得效率真的變好？ 很多人用AI寫草稿、抓摘要，速度的確變快了，但省下來的時間，全在實際的工作流程裡被悄悄吃掉了，主管想看到的「把時間拿去做策略、帶來業務成長」這類理想根本沒發生。 每週花6.4小時伺候機器，大家其實只是「AI保姆」 這筆大家都沒算到的隱形時間成本，報告直接命名為Botsitting（伺候AI）。 調查發現，工作者每週平均花6.4小時在Botsitting，這段時間甚至比真正拿它來產出工作（3.6 小時）還要長。 那這6.4小時裡大家到底都在忙什麼？ 反覆餵背景資料（每週2.3小時） 請AI產出一份文件前，得不斷補充公司規矩、專案細節、客戶需求等前後文，有時同一個任務換個視窗，就得重新貼一次Context跟指令；另外還有一個尷尬點是，背景資訊餵少了怕得不到想要的答案，塞太多又容易引發AI「情境腐爛」、產出荒腔走板的內容，如何拿捏也是一門學問。 調查顯示，員工每多花10%時間在餵資料，感到心力交瘁的機率就跟著增加25%。 忙著抓錯與監督（每週2.2小時） AI最可怕的地方是「給出的文字或分析看起來超專業、講得頭頭是道，明眼人一細究才發現漏洞百出」，所以謹慎的工作者只能一行一行盯著檢查，抓AI的幻覺、核對數據真實性，清理那些看起來漂亮卻毫無用處的產物，並隨時準備接手AI付失敗留下的爛攤子。 反覆除錯換問法（每週1.7小時） 當AI第一次給不出好結果，人類就開始當偵探，改Prompt、補指令、修正錯誤，甚至把同一個問題丟給兩三套不同的AI互相比較，直到擠出跟自己預期差不多的答案…… 這種「人➔AI➔錯➔改Prompt➔換模型➔人手動修整」的無限來回，心智耗損率最高（疲憊倍率高達1.4倍）。 更慘的是「工具還越用越多」，77%的人每週在好幾套AI工具間跳來跳去，3分之1的人工作時甚至同時開到4個以上，在視窗間來回複製貼上、比對答案，光是這些切換成本就耗掉一大半精力。 AI通用素養檢測 實體限定優惠 104 AI通用素養檢測｜104獨家AI測驗認證 23597人感興趣 了解課程＞ 從Botsitting到「職場廢話」，引爆職場信任危機！ 當Botsitting讓職場人筋疲力竭，截稿時間又步步逼近時，大家就容易自暴自棄，最先被犧牲的就是「專業把關」。 當大家開始交出未經查證的產出，出事就推給AI，甚至連主管與客戶都不知道眼前的報告到底能不能信，這場由AI引發的連鎖反應就會動搖職場上的信任基礎。 累到不想檢查：69%的職場人曾交出「自己也無法負責」的成果 調查的數字相當驚人： 69%的使用者坦承，自己曾在工作中交過這種未經把關的成品。 41%的人承認，如果主管或客戶追問細節，根本講不出背後的推導邏輯。 在那些已經對AI感到身心俱疲的職場人當中，交過這種產物的比例更直接飆到95%。 針對這個情況，報告直接幫它取了一個很犀利的名詞，叫「Botshitting」。 工具看起來越聰明，我們越容易放棄判斷、推卸責任 為什麼大家敢交出連自己都沒把握的東西？問題就出在我們對工具的「盲目信任」，以及對專業責任的稀釋。 看得順，就以為是對的（流暢度偏誤） AI寫得越有條理、語氣越自信，使用者的警覺心就越低，尤其是職場經驗較少、還不熟悉業務眉角的Z世代，交出這種半成品的機率比其他世代高出19%。 出了事，第一反應怪工具 當沒做到專業把關，當責感通常也會跟著瓦解，有28%的受訪者坦言，自己犯了錯卻把責任推給「是AI算錯、AI給錯資料」，把人該負的最終責任甩鍋給機器。 信任透支帶來的後遺症 天天在Botsitting與擦屁股之間循環，員工對工作的熱情也會被消磨殆盡。 調查發現，經常陷入Botsitting的員工，想換工作的機率高出73%；更有51%的人無奈表示，AI沒幫自己省去繁瑣雜事就算了，反而還把自己原本最喜歡、最有成就感的工作給自動化掉了。 不想被Botsitting累死，高效工作者做對了什麼？ 在調查裡，有少數是既能提升效率，又能顧好品質的強者，他們不盲目追捧工具，而是抓準了兩件事： 懂得「刻意不用AI」 這群高手比一般人多出18%的機率會主動在特定任務上關掉AI，他們很清楚，有些需要深度判斷、人際信任和專業洞察的事情，交給AI只會帶來沒完沒了的除錯黑洞，不如自己動手更快更準。 把AI當隊友推敲 比起無腦把AI當免責的代工廠，高手們反而是把工具當成對話的夥伴（75%的高成就者把AI當隊友看待，一般人只有32%），他們把力氣花在補充關鍵情境和最後把關，確保交出去的每一份成果都禁得起檢視。 在AI越來越聰明的時代，比誰用的工具多、省的時間多，都只是一場數字遊戲，如果省下時間的代價，是在疲憊中交出連自己都無法說明的半成品，那這份效率只是一場自我安慰的假象；且不只會逐漸失去批判思考，最終也守不住自己的專業價值。 104學習推薦： 實體限定優惠 台灣簡報認證-初級｜104 × 台灣簡報認證 22099人感興趣 了解課程＞ （參考資料來源：Glean Work AI Institute, The Work AI Index 2026: Botsitting, botshitting, and the hidden human labor of AI at work, 2026.） 延伸閱讀： OECD研究揭：全球青少年閱讀力正在下滑！AI世代如何培養「深度腦」？ AI破牆，硬知識貶值了！拆解「2種智力」決定你被取代還是被放大

文／黛C 🎯 科技業人資✖職涯顧問師 2027 年部門預算怎麼編？從人力需求、外包成本、AI 與 SaaS 工具、教育訓練到情境預算，整理主管編年度預算必算的 5 筆帳，讓資源配置更精準。 每到第三、第四季，許多主管都會開始面對年度預算。真正難的，通常不是把明年的數字填進 Excel，而是當上級或財務追問：「為什麼需要這筆錢？如果少了，會影響什麼？多投入之後，又能換回多少成果？」主管能不能拿出一套清楚的估算方式。 尤其到了 2027 年，單純沿用去年的預算結構，準確度可能愈來愈低。薪資成本持續變動，AI 與 SaaS 工具快速進入工作流程，有些工作可以透過自動化降低工時，有些專業能力的取得成本卻變高。如果只是把今年實績加減幾個百分點，很容易把今年的低效支出一起複製到明年，真正需要補強的資源反而沒有被編進去。 因此，編預算前可以先換一個順序：**先算明年要完成多少工作、需要多少產能，再決定該用人力、外包、工具還是培訓補足。以下 5 筆帳，可以幫主管把「我覺得需要」轉成更具體、可被驗證的預算依據。 1. 團隊到底缺幾個人？先把工作量換成 FTE，避免 Headcount 多報或少報 「明年事情會變多，所以希望增加一個人」，是主管很常使用的人力申請理由，但它有一個問題：很難判斷這一個人到底是怎麼算出來的。更精準的方法，是先把明年新增的工作換算成工時，再進一步估算需要多少人力。這裡可以用 FTE（Full-Time Equivalent） 來計算，簡單來說，就是把工作量換算成「大約需要幾個全職員工才能完成」。它的用途很簡單：把模糊的「很忙」換成「實際缺幾個人的工作量」。 例如，明年預計新增 12 場活動，每場從企劃、執行到結案平均需要 40 小時，全年就增加 480 小時；另外新增兩個長期專案，每月各需要 20 小時，一年再增加 480 小時。光是這兩項新增工作，全年就多出約 960 小時。接著再估算一名員工一年真正能投入核心工作的有效工時。這裡不能直接用「一天 8 小時 × 工作天數」來算，因為實際工作還包含會議、行政、內部溝通、訓練與休假。主管真正要抓的是員工一年可以拿來完成主要任務的時間。 假設一名員工一年可投入核心工作的有效工時約為 1,300 小時，明年新增工作量為 900 小時，換算方式就是： 900 ÷ 1,300 ≒ 0.69 FTE，意思是，這批新增工作大約需要 0.7 個全職人力。 這個數字真正有價值的地方，在於它可以幫主管做下一步決策。0.7 個人的工作量，是否值得直接新增一名正式員工？其中有沒有 0.2 個人的工作可以透過自動化處理？0.2 個人的工作適合委外？剩下的 0.3 個人工作量，是否能透過重新分工消化？ 反過來，如果算完發現明年的新增工作量已經接近 1.5 FTE，團隊卻只打算增加一個人，也能提早看見人力超載的風險。 行政院主計總處 2026 年公布的統計顯示，2025 年有 34.8% 的工業及服務業廠商調升經常性薪資，40.7% 員工獲得調薪；截至 2026 年 3 月，也已有 31.4% 廠商確定或預計調薪。當人事成本持續變動，每一個新增 Headcount 都更值得先用工作量驗證需求。 簡單說，FTE 的用途就是：先算出「到底缺多少工作量」，再決定要不要真的補一整個人。 2. 什麼時候該新增員工、什麼時候繼續外包？先算出成本臨界點 很多主管會把人事費與外包費分開看，但只要某一項工作長期、固定又高頻發生，這兩筆成本就應該放在一起比較。 假設一個團隊一年固定需要剪輯 60 支影片，每支外包 8,000 元，全年成本就是 48 萬元。如果明年需求增加到 100 支，外包費就會提高到 80 萬元。這時就可以開始問：工作量增加到什麼程度後，繼續外包的成本已經接近，甚至可能高於增加內部人力？ 不過實務上，主管不能只拿「外包 80 萬」和「員工年薪 80 萬」直接比較，因為兩者包含的成本不同。如果要估算增加一名員工的實際成本，至少還要把年薪、獎金與雇主負擔、設備、軟體、招募成本，以及新人學習期間一起算進去。 假設一名剪輯人員全年的總成本約為 90 萬元，而明年外包支出預估 80 萬元，這時兩種做法的成本其實已經很接近。但「差 10 萬元」還不足以直接決定要不要增加人力，接下來還要看三件事。 第一，需求是否全年穩定 如果需求只集中在旺季三個月，正式人力可能在淡季出現閒置；如果每個月都有固定且穩定的工作量，增加內部人力的合理性就會提高。 第二，溝通與修改成本高不高 如果每個專案都需要和外部廠商來回修改五、六次，表面上的外包報價可能比較低，但主管與團隊花在對接、確認與修改上的工時，也是一筆容易被忽略的成本。 第三，這項能力值不值得留在團隊裡 如果它直接影響產品、品牌、客戶關係或未來核心業務，把能力留在內部還能持續累積經驗與知識；如果只是低頻、專業度高的單次任務，交給外部專家反而更有效率。 所以最後可以用一個簡單原則判斷：如果工作量穩定、需求高頻，而且需要大量內部協作，就可以優先評估是否增加人力；如果需求集中在特定期間、工作量波動大，或需要的是低頻但高度專業的能力，保留外包通常更有彈性。 成本可以幫主管判斷「哪一種做法比較划算」，工作特性則能進一步判斷「哪一種配置更適合團隊」。 3. AI、SaaS 值不值得續？不要只看 License 價格，改算使用率、節省工時和新增產能 近年部門預算裡，另一筆很容易默默膨脹的支出，是 SaaS 與 AI 工具。專案管理、簡報設計、數據分析、會議紀錄、文件協作，再加上 ChatGPT、Claude、Copilot 等 AI 服務，每一套看起來可能都不算貴，但當帳號逐年增加，年度總支出很容易變成一筆可觀成本。 而且企業對 AI 的投入仍在增加。國際商業與科技研究顧問公司 Gartner 2026 年調查 1,303 名企業功能主管發現，85% 預計在 2026 年增加 AI 支出；受訪組織在 2025 年平均已將約 12% 的部門預算投入 AI。不過，同一份調查也顯示，只有 22% 的組織已成功把 AI 擴大到多個事業單位。 對主管來說，這代表「有買 AI」已經不是足夠的判斷標準，真正需要看的是使用程度與實際產出。 先算每位活躍使用者成本 假設某套工具一年花 24 萬元，共買 20 個帳號，表面上每人一年成本是 12,000 元。但如果每月至少使用一次的只有 8 人，實際每位活躍使用者成本就變成： 240,000 ÷ 8 = 30,000 元 因此，續約前至少可以看三個數字：購買多少帳號、每月真正活躍的使用者有多少，以及每位活躍使用者成本多少。如果同時還有兩套以上功能高度重疊的工具，例如兩套會議摘要、兩套專案管理系統，或多個 AI 工具都在處理類似的文字生成工作，也可以順便檢查有沒有重複付費。 再往下算：AI 到底替團隊省多少時間？ 假設一套 AI 工具一年成本 12 萬元，每月能替 10 位同事各省下 2 小時，一年就是： 10 人 × 2 小時 × 12 個月 = 240 小時 如果平均每小時人力成本估算為 600 元，這 240 小時換算出的時間價值約為 14.4 萬元。 但這裡還不能直接說 AI 的 ROI 是正的，因為「省下時間」和「公司真的多得到產能」是兩回事。 主管還要再看第三層：省下來的時間被拿去做什麼？**如果團隊因此多完成專案、服務更多客戶、減少外包或提升分析品質，那才開始真正轉成可見的產能。 可以把 AI 預算的判斷拆成三層：第一層看使用率；第二層看省下多少工時；第三層看這些工時最後有沒有轉成更高價值的工作。 這樣比單純問「大家覺得好不好用」更能判斷明年要不要續約或擴大採購。 4. 教育訓練該編多少？從「明年缺什麼能力」倒推，比一人一筆額度更精準 教育訓練預算很常用「每人每年多少額度」來抓，但這種方式比較難回答一個重要問題：花完這筆錢之後，團隊究竟多了什麼能力？ 主管可以改從能力缺口開始。假設明年部門目標需要更多 AI 資料分析、BI Dashboard、英文簡報或專案管理能力，就先盤點目前團隊裡有多少人可以獨立完成這些工作。真正要補的地方，就會很快浮現。 例如一個 6 人團隊，目前只有 1 人能獨立完成 AI 資料分析，BI Dashboard 則完全沒有人能獨立製作。這兩項能力的培訓優先度，通常會高於「大家有興趣學」但和明年工作關聯較低的課程。 經濟部中小及新創企業署 2026 年推出企業 AI 人才培育輔導計畫，提供超過 200 門免費 AI 主題課程，涵蓋營運管理、行銷客服、製造流程、知識管理與內部作業優化，也把學習進度、訓練成果與成效追蹤納入企業培訓機制。對主管來說，這提供了一個很實用的做法：把培訓 KPI 從「上過幾堂課」改成「有多少人能獨立完成這項工作」。 例如，今年只有 1 人可以獨立製作 BI Dashboard，2027 年希望提升到 4 人；今年只有 2 人可以使用 AI 完成完整資料整理流程，明年希望提高到 6 人。這樣預算就可以從「教育訓練費 10 萬元」，進一步變成「投入 10 萬元，把某項關鍵能力從 1 人提升到 4 人」。 年底檢視時，也不用只看上課人次或預算執行率，而可以直接看能力缺口到底縮小多少。 5. 預算突然被砍 10% 怎麼辦？提前做好 90%、100%、110% 三個版本 不少主管都有過這種經驗：花了很多時間做完年度預算，送出後收到一句：「請各部門再減 10%。」如果一開始只有一版預算，最常見的做法就是每個項目都砍一點。活動費少一點、軟體少幾個帳號、培訓縮一些、外包也減一點。最後所有事情看起來還能做，但每一項資源都剛好不夠。 更有效率的方式，是一開始就做三個情境版本。 90%：預算縮減時，哪些成果一定要守住？ 這一版只留下會直接影響核心工作與主要目標的支出，例如必要人力、必要工具、已承諾專案，以及無法取消的營運成本。重點不是「每個項目砍 10%」，而是先定義：如果資源少 10%，哪些結果一定要保住？ 100%：依照目前最合理預測編列的 Base Case 這一版按照現階段最可能發生的業務量、工作量與資源需求編列，也是正式預算的主要版本。 110%：業務超標時，哪些資源值得優先追加？ 如果明年專案量、客戶數或業務表現高於預期，主管也可以提前決定哪些成本可以跟著增加，例如外包產能、額外工具帳號、專案費或增補人力。 這種「先替不同情況準備預算版本」的方式，在管理上稱為 情境規劃（Scenario Planning）。簡單來說，就是先假設明年可能出現「預算縮減、符合預期、業務超標」等不同情況，提前決定每種情況下哪些支出要保留、哪些可以縮減，以及哪些資源需要跟著增加。 實務上，也可以把預算再分成三類：一定要花、工作量增加才花，以及可以延後。這樣當上級要求砍預算時，不需要臨時從整張表亂刪；當業務突然增加，也能知道哪些資源應該優先追加。 預算編完後，再檢查兩個數字：每個成果花多少？預算增加後成果有沒有跟著增加？ 總預算只能告訴主管「明年準備花多少錢」，真正能幫助判斷效率的，是支出和成果之間的關係。 第一個可以看的數字是「每單位成果成本(Cost per Output)」，也就是平均完成一個成果需要花多少錢。依照不同部門，可以換算成每場活動、每支影片、每個專案或每位客戶的平均成本。假設今年 100 萬元預算完成 20 個專案，每個專案平均成本就是 5 萬元。明年預算增加到 120 萬元，如果只能完成 21 個專案，單位成本就提高；如果能做到 28 個專案，則可能代表團隊產能或規模效益正在改善。 第二個可以看的，是預算增加幅度與成果增加幅度之間的關係。如果某項預算增加 20%，產出只增加 5%，主管就值得往下查成本為什麼提高；如果增加 10% 預算，卻能換回 30% 的產出，這筆投資就更容易說明價值。 這兩個指標的好處，是不需要把部門管理變成一堂財務課，卻已經能讓預算從「花多少」往前走到「花得有沒有效率」。 好的部門預算，要能回答「這筆錢可以替團隊多完成什麼？」 主管在預算審查時，最有說服力的通常不會是「去年也有這筆錢」，而是能清楚說明資源和成果之間的關係。 申請新增人力，可以說明明年增加多少工作時數、相當於多少 FTE；申請外包費，可以說明工作量到什麼程度後外包仍然比內製有效率；續約 AI 或 SaaS，可以提出活躍使用率、省下工時，以及省下來的時間最後轉成多少產能；教育訓練則可以直接對應明年要補上的能力缺口。 同樣的邏輯，也能用在預算刪減上。當某一筆預算被拿掉時，主管應該可以說清楚：會少掉多少產能、延後哪個專案，或增加什麼執行風險。 做到這一步，年度預算就不只是去年的數字延伸，而會更接近一張「下一年度資源配置圖」。 而主管真正要算清楚的，也正是這件事：有限的資源放在哪裡，才能替團隊換回最大的產能與成果。

OECD最新報告顯示，全球青少年的深度閱讀力明顯退化，愛用AI寫摘要的學生成績反而更低，這背後原因為何？本文帶你看懂數據，並提供讓深度思考力不退化的具體做法。 文／《104職場力》 本文導覽 閱讀力下降，最麻煩的不是「看不懂」跌得比較多的，不一定是弱勢學生AI不是敵人！但有沒有把「思考」外包出去很關鍵！上班族可以怎麼做？建議從「不急著要答案」開始訓練！ 遇到一份落落長的文件，第一步是「丟給AI幫忙整理」，幾秒後拿到摘要，快速掃過幾行重點後就當完成了閱讀……這個舉動已成學生及上班族的常見習慣。 AI確實能幫忙節省大量時間，但一份最新的OECD報告卻點出一件值得思考的事：當資訊越來越容易被整理成重點，人還能不能靜下來把一件複雜的事情讀懂？ OECD近期發布了一份涵蓋91個國家與經濟體、超過76萬名15歲學生的研究報告《PISA 2025》，結果顯示，閱讀是3大核心學科中表現下降最明顯的一項；而從2018年至2025年，有可比較資料的教育體系中，約4分之3的閱讀表現都出現下滑。 這個現象不只教育工作者要關心，也提醒每天都在讀Email、報告、簡報和資料的上班族：AI工具可以幫忙處理資訊，但「理解資訊」這件事不能全部交出去。 閱讀力下降，最麻煩的不是「看不懂」 先看最直接的數字。 2015年至2025年，OECD國家的平均閱讀分數從489分下降到461分，少了28分，是3大學科中下降幅度最大的項目；到了2025年，平均20%的15歲學生在閱讀、數學、科學等科目上都沒有達到基本程度。 另外，OECD還在這幾年的數據中觀察到，那些作答很快，但容易答錯的「急躁型讀者」（Hasty Readers）顯著增加；且越到測驗後段，學生的表現下滑得越厲害。 這反映出當前的核心危機，恐怕不只是「閱讀能力變差」，還有在面對複雜、長篇的內容時，大家越來越難保持耐心與注意力。 跌得比較多的，不一定是弱勢學生 如果把閱讀力下降直接歸因於「教育資源不足」，其實不完全符合這次的研究發現！數據顯示，2018到2025年間，來自富裕家庭的學生分數下滑幅度反而比弱勢家庭更加劇烈，這說明比起社經地位，問題的根源可能更接近PISA資料所呈現的另一個點：全體學生接觸文字的習慣徹底改變。 大家越來越少翻開小說、紙本雜誌或報紙，轉而在社群與通訊軟體上打字聊天，整個社會接收資訊的模式被訓練成「快速搜尋、快速瀏覽、快速下滑，然後快速拿到答案」，當「速食資訊」變成生活日常，學生對閱讀的樂趣自然顯著下滑。 面對一份需要靜下心、花時間梳理的長篇大論時，還能不能耐著性子讀完？這不僅是教育課題，也是所有人共同要面臨的挑戰。 AI不是敵人！但有沒有把「思考」外包出去很關鍵！ 報告中有一項值得注意的數據：習慣用AI做摘要的學生，平均成績低於完全不使用的學生。 但OECD並沒有把AI污名化為「成績殺手」，報告特別強調，AI與學習表現之間的關係十分複雜，關鍵在於「怎麼用它」！適度運用數位工具，對學習其實是大有裨益的；真正造成負面影響的，是過度依賴和注意力分散。 如果AI扮演的是引導者，適度給予提示、整理框架、提供回饋，讓大家更有方向思考，它就是最好的輔具。 但如果每次遇到難題，都直接讓AI把最耗腦力的步驟做完，那也同時省掉自己大腦升級的機會。 有些知識，我們必須親自卡關、親自思考過，才會真正變成自己的，就像看再多健身影片都不會長出肌肉一樣，只看AI整理好的懶人包，絕不等於真正理解議題。 AI通用素養檢測 實體限定優惠 104 AI通用素養檢測｜104獨家AI測驗認證 23597人感興趣 了解課程＞ 上班族可以怎麼做？建議從「不急著要答案」開始訓練！ 雖然這份報告研究的是15歲學生，但也可以映射到職場，工作上有太多關鍵事項絕不能只看3行摘要，比如合約、市場分析、數據，甚至只是一封字數較多的Email，因為魔鬼真的會藏在那些「很麻煩、很長、很想跳過」的細節當中。 平時我們可以透過這些方式訓練自己的大腦： 有問題先自己想，再請AI補 遇到問題時，先花幾分鐘整理自己的想法，哪怕只是粗略的猜測也無妨，接著再讓AI幫忙補充、尋找盲點，避免全面「外包思考」。 就算有摘要，也要知道原文在說什麼 日常資訊快速掃過摘要當然沒問題，但面對關鍵報告、決策依據時，別只停留在AI整理出的幾行文字，至少要回頭確認原文上下文與原始數據，才不會把「AI消化後的版本」誤當成「事實本身」。 偶爾留一點時間，自己「啃」難題 時間要花在刀口上，不必每件事都親力親為，但我們可以刻意保留一些需要深層閱讀、梳理與推理的工作，因為許多高階的決策與洞察力，就是在這些「有點慢、有點卡」的認知掙扎中鍛鍊出來的。 AI讓工作與學習變快當然是巨大的進步，只是不當應用衍生的後果已經浮現，透過這份報告，職場人更該謹慎運用手邊工具，畢竟在資訊爆量的時代，能否「讀懂、判斷、連結，並形成自己的想法」才是核心競爭力。 （參考資料：OECD (2026), PISA 2025 Results (Volume I): Future-Ready Students, PISA, OECD Publishing, Paris. https://doi.org/10.1787/73451bc5-en） 將【104職場力】加入Google偏好來源 延伸閱讀： ChatGPT也開始「管」孩子怎麼用AI？青少年版上線：防沉迷、防抄作業！ AI也能用來經營人脈！從零碎資訊看懂對方，找出溝通切入點

2026-09-08 世界日報編譯陳韻涵　由聯合新聞網授權轉載 美國就業市場出現罕見逆轉，沒有大學學歷的年輕勞工迎來數十年來少見的有利求職環境；相較之下，大學畢業生，尤其是科技、科學等專業領域的求職者，反而面臨更嚴峻的就業市場。 勞動市場智庫「燃燒玻璃研究所」(Burning Glass Institute)分析，未讀大學或大學肄業的22歲至34歲勞工失業率，接近20多年來最低水準。 該研究所經濟學者萊瓦農(Gad Levanon)指出，過去20年間，不同教育程度勞工的失業率大致同步，景氣好壞都呈現類似走勢，但如今情況明顯分化。 沒有大學學歷者的失業率表現優於過往水準，大學畢業生卻處於20多年來最差的求職環境之一，進階學位持有者以及科技、科學領域從業者受到的衝擊尤其明顯。 「華爾街日報」報導，這項轉變反映勞動市場供需失衡。 嬰兒潮世代陸續退休，加上移民人數減少，營建、製造等產業的技術勞工供應吃緊；另外，擁有大學學歷的人口持續增加，企業對大學畢業生的需求卻未成長，而近年蓬勃發展的人工智慧(AI)取代部分過去由應屆畢業生擔任的入門白領職位。 萊瓦農表示，「擁有學士學位的人快速增加，沒有學位的人則快速減少」，而這種結構性變化「並非暫時現象」。 就絕對失業率而言，大學學歷仍具有明顯優勢；截至7月的12個月期間，25歲至54歲的勞工當中，大學畢業者平均失業率為2.7%，低於曾大學肄業者的3.6%，以及僅具高中學歷者的4.7%。 不過，若與各教育族群自2003年以來的歷史失業率相比，藍領及高度依賴人際互動與實際操作的服務業工作，目前表現明顯較佳。 最新就業數據也凸顯此趨勢，上月新增16萬2000個工作，其中餐飲業增加5萬9000個，占全國新增職位逾三分之一，反映需要到場服務、動手操作或難以完全由AI取代的職位，仍有強勁需求。 萊瓦農建議應屆畢業生擴大求職範圍，包括放寬地理位置及職位條件。他說：「要一舉進入頂尖企業或許很難，但只要願意妥協，就會容易許多。」 AI通用素養檢測 實體限定優惠 104 AI通用素養檢測｜104獨家AI測驗認證 23597人感興趣 了解課程＞ 延伸閱讀： 藍領工作大翻身！不怕AI取代 企業主管改開計程車：12天賺到以前月薪 黃仁勳點名「未來高薪」！一堆人想學水電翻身 業內人曝難處：不是技術

收集到的名片、手寫簽到表、舊聯絡資料超難整理？作者示範用ChatGPT Work讀取名片、手寫簽到表與舊CSV，教你擷取聯絡人資料並建立Excel清單，逐步統一公司名稱、電話與職稱格式，合併重複資料，快速完成部門共用聯絡人名單。本文節錄自《ChatGPT AI Agent 工作術》。 文／施威銘研究室 本文目錄（點擊可快速前往） 名片、簽到表和舊CSV散一堆？整理成部門共用聯絡清單【步驟1】先擷取資料，不急著合併【步驟2】統一名稱與格式，並補上分類【步驟3】合併重複資料，建立共用清單3分鐘帶你一次看懂：完整動作影片教學！ 名片、簽到表和舊CSV散一堆？整理成部門共用聯絡清單 活動、展會或客戶拜訪結束後，聯絡資料常常散在不同地方：有人拍了名片，有人留下手寫簽到表，資料夾裡還有一份很久以前整理過的聯絡人CSV。這些資料如果沒有統一整理，很容易出現同一家公司重複建檔、電話格式不一致、窗口資料缺漏，或找不到後續該聯絡誰的問題。 本節將透過ChatGPT讀取名片照片、簽到表照片與既有CSV，整理成一份部門共用的聯絡人清單。完成後，Excel會保留原始擷取結果、格式統一後的資料、共用聯絡清單，以及仍需人工確認的項目，方便後續查找、分類與分工。 名片、簽到表、既有聯絡人CSV資料示意圖。本文示範用ChatGPT讀取名片照片、簽到表照片與既有CSV，整理成一份部門共用的聯絡人清單。（圖／旗標科技《ChatGPT AI Agent 工作術》） 必備工具： 桌面版ChatGPT：切換至Work模式（免費版帳戶目前可以透過桌面版使用Work模式，但無法透過網頁版及手機版使用。）下載ChatGPT Windows桌面版>> 範例資料檔：此範例包含名片照片、手寫簽到表照片及既有的聯絡人CSV。 Spreadsheets外掛：用來建立Excel檔案。 Microsoft Excel：檢視外掛生成的檔案是否正確。 註：Spreadsheets外掛中包含兩種不同用途的技能：Spreadsheets與Excel Live Control。本例使用Spreadsheets技能，用來建立及整理試算表；另一項Excel Live Control則可直接操作目前桌機中開啟的Excel。 【步驟1】先擷取資料，不急著合併 面對格式不同的聯絡資料時，不建議一開始就要求ChatGPT同時清理、合併及刪除重複項目。一旦辨識錯誤，會很難判斷問題出在資料擷取還是後續整理。 首先，將名片照片、簽到表照片與舊聯絡人CSV集中放入同一個資料夾。接著在桌面版ChatGPT切換至Work模式，建立專案並選擇該資料夾作為工作資料夾，讓ChatGPT可以直接讀取其中的所有檔案。 這一步只先擷取各來源中的聯絡資訊，建立初步清單，不進行格式修改或重複資料合併。完成後，再檢查姓名、公司名稱、電話與Email是否讀取正確。 提示詞 @Spreadsheets請整理工作資料夾中的聯絡資料檔案，包含名片照片、手寫簽到表照片與舊聯絡人CSV，並先建立一份新的Excel初步清單。請先擷取以下欄位：姓名、公司名稱、職稱、電話、Email、網站、資料來源、備註。先不要合併重複資料，也不要更動資料格式。請列出你認為後續需要統一格式或人工確認的項目即可。 建立完成後，點擊Excel檔案即可直接在ChatGPT中預覽活頁簿內容；如果對特定欄位有疑問，可以選取儲存格後點擊Ask Codex，針對選定內容提問或要求修改（圖／旗標科技《ChatGPT AI Agent 工作術》） 注意！雖說可以直接在ChatGPT中檢視建立完成的Excel檔案，但因為顯示的視窗寬度有限，一旦檔案內容太多，就常會需要用到滑桿拖曳顯示被遮住的內容，建議直接使用Excel開啟檔案檢視內容。1. 右鍵點擊檔名後 2. 選擇在Default App中開啟，即可使用Excel開啟檔案。 「待確認項目」頁籤會集中列出無法辨識、格式不一致或可能需要人工判斷的內容，作為下一步整理資料的檢查清單（圖／旗標科技《ChatGPT AI Agent 工作術》） 確認初步清單沒有明顯的辨識錯誤後，就能根據這些問題統一資料格式。 【步驟2】統一名稱與格式，並補上分類 同一家公司在不同資料來源中，可能分別使用中文名稱、英文名稱或簡稱，例如華碩、ASUS與ASUSTeK Computer Inc.。電話也可能同時出現+886、區碼、分機或缺少區碼等不同寫法。 如果沒有先統一這些內容，後續篩選或合併資料時，同一家公司或聯絡人就可能被判斷成不同對象。 這一步除了整理公司名稱與電話，也會加入廠商分類、職稱中文說明及待確認欄位，讓聯絡清單更容易查找與分工。 提示詞 @Spreadsheets請根據前一步的「待確認項目」，將初步聯絡清單整理成一張新的「格式統一後清單」。請協助完成以下整理：1. 統一公司名稱，將同一家公司的不同寫法整理為一致名稱。2. 統一台灣電話格式；缺少區碼時，在備註標示「需確認區碼」；非台灣電話則保留原格式。3. 新增「廠商分類」欄位，依照公司性質分類。4. 新增「職稱中文說明」欄位，補充英文職稱的中文說明，不要覆蓋原始職稱。5. 新增「待確認」欄位，記錄無法判斷的姓名、公司名稱或電話。請保留原本的初步清單，另外建立新的工作表，不要直接覆蓋原資料。 活頁簿中會新增「格式統一後清單」，原始的初步清單仍會保留；公司名稱與電話會依規則統一，並新增廠商分類、職稱中文說明及待確認欄位（圖／旗標科技《ChatGPT AI Agent 工作術》） 格式統一後，原本寫法不同的公司、電話與職稱就有了共同的比對基準，接下來才能比較可靠地判斷重複資料。 【步驟3】合併重複資料，建立共用清單 這一步要根據公司名稱、姓名、電話與Email交叉比對。能明確判斷為同一人的資料才進行合併；資訊不足或比對結果不明確時，則保留到待確認清單，不直接刪除。 提示詞 @Spreadsheets請根據「格式統一後清單」，比對公司名稱、姓名、電話與Email，建立一份「共用聯絡清單」。能明確判斷為同一人的資料請合併，保留較完整的聯絡資訊，並記錄所有資料來源。如果無法確定是否為同一人，請移至「待確認資料」工作表，不要直接合併或刪除。 「共用聯絡清單」會合併已確認的重複資料，保留較完整的聯絡方式與所有資料來源；無法確認的相似資料會集中放在「待確認資料」，交由使用者進一步核對，不會直接刪除（圖／旗標科技《ChatGPT AI Agent 工作術》） 到這裡，散落在名片、簽到表與舊CSV中的聯絡資訊，就整理成一份可以共同維護的部門清單了！本例刻意將流程拆成「擷取資料、統一格式、合併重複資料」3個階段，讓每一步都能先確認結果，避免前面的錯誤一路帶進最終清單。 3分鐘帶你一次看懂：完整動作影片教學！ 節錄自：旗標科技《ChatGPT AI Agent 工作術：87 個職場實作範例 | ChatGPT Work × Plugins × Skills》／施威銘研究室 著

OpenAI正式發表最新一代旗艦模型GPT-6 Astra，這次更新打破過去「AI只能在對話框裡打字」的限制，核心聚焦在「幫使用者動手操作電腦（Computer Use）」與「處理真實商務工作（Professional Work）」，讓AI真正能替上班族代工繁瑣的日常庶務，本文整理官方公布的亮點功能，以及各會員方案的訂閱費用。 文／《104職場力》 本文導覽 GPT-6 Astra核心功能亮點！上班族必看1.電腦自主操作（Computer Use）2.商業情境協作（Professional Work）3.速度、成本與安全邊界全面升級誰能使用GPT-6 Astra？各方案費用整理 GPT-6 Astra核心功能亮點！上班族必看 1.電腦自主操作（Computer Use） 跨系統登錄與填表：能接手線上表單填寫、自動更新CRM客戶系統資料，以及整理行事曆等。 搜集資料並直接彙整：在瀏覽器搜尋網路資料後，可直接切換到文字編輯器或電子郵件中草擬摘要。 專業軟體操作：支援在Power BI製作視覺化圖表、自主安裝並測試軟體，甚至能操作專業軟體KiCad進行電路板排線、執行網頁前端功能檢查（QA）。 生活行政快速代辦：官方示範影片展示了Astra自主完成租屋比價、挑選兒科診所、預約行政機構（如監理站）等生活庶務的過程。 P.S.官方註明這些影片為剪輯過的示範片段，正式文字說明中並未提供每項任務的確切耗時，有興趣的讀者可自行參考官方發布頁面中的示範影片。 影片與詳情可前往OpenAI官網查看 2.商業情境協作（Professional Work） 嚴格遵循企業版型（Template）：能讀懂公司現有的PPT簡報或試算表範本，依照原有的版面風格與敘事架構產出內容，避免格式跑版。 去蕪存菁的商務文字：專門訓練只抓取關鍵商務資訊，不再產出重複且無意義的贅字。 非同步自主推進與主動提問：當指示模糊時，它會先處理常規步驟，並「主動發問」確認重大決策；遇關鍵節點會等待回覆，不會盲目亂猜。 多輪修正不失焦：面對多次調整要求或突發插曲，能牢記初始任務目標，不隨意偏離方向。 104學習推薦： 實體限定優惠 台灣簡報認證-初級｜104 × 台灣簡報認證 22099人感興趣 了解課程＞ 3.速度、成本與安全邊界全面升級 任務耗時縮短47%：在電腦操作基準測試OSWorld 2.0中，Astra平均約40分鐘即可完成任務並拿下72.6%的分數，相較前代GPT-5.6 Sol平均需75分鐘、僅拿下65.7%，等於耗時減少約47%；在Mind2Web操作基準上，速度則提升1.9倍。 越界行為大幅降低，但非全面「零風險」：在一項參考Hugging Face事件設計的測試中，移除正式產品安全防護後，前代GPT-5.6 Sol有48%的機率會逾越授權範圍任意更動電腦，Astra在同樣情境下降到0%。（不過這個「0%」是特定測試情境下的結果，官方另一份「內部電腦操作安全基準」顯示，Astra整體的不安全行為發生率為2.4%，雖仍遠低於前代的22%，但並非完全為零，企業導入時仍建議搭配官方提供的Auto-review等審核機制使用） 網路安全能力躍進，OpenAI同步收緊存取權限：Astra在OpenAI的風險分級框架「Preparedness Framework」中，網路安全能力被列為「Critical（重大）」等級，在漏洞利用測試ExploitBench中達到100%成功率（前代為78.5%）。因應風險提升，目前Astra僅開放協助防禦性資安工作（如安全程式碼審查、修補漏洞），更進階的攻擊性測試（如建立概念驗證漏洞）暫不開放一般使用者，OpenAI表示會透過「OpenAI Daybreak」計畫，視情況逐步擴大存取範圍。 【補充】這次發布同時公布了Astra在數學與科學領域的研究貢獻，包括協助證明兩個懸而未解超過10年及80年的質數間距問題，並在高難度數學測試FrontierMath Tier 4上取得接近滿分的成績。雖然與一般上班族的日常工作較無直接關聯，但也是這次發布強調「最聰明模型」的重要佐證。 誰能使用GPT-6 Astra？各方案費用整理 GPT-6 Astra採分批推送機制，即日起已向特定機構開放，未來數日內將同步推送給全體ChatGPT Plus、Pro、Business、Enterprise用戶，以及OpenAI API、Microsoft Azure、AWS Bedrock，免費版與新推出的Go方案目前則不在支援名單中。 方案類別適用對象官方參考費用（美金）是否支援GPT-6 AstraChatGPT Free一般大眾（免費體驗）免費❌不支援ChatGPT Go想要比免費版更多用量的輕度使用者約 $8美元／月❌不支援ChatGPT Plus一般個人工作者、上班族$20美元／月（實際金額請以帳戶內顯示為準）數日內陸續推送ChatGPT Pro重度生產力、高用量專業者依用量分兩個級距：5倍用量與20倍用量，官方資訊顯示分別約為- $100美元／月- $200美元／月（實際金額請以帳戶內顯示為準）數日內陸續推送，並可額外使用進階版「GPT-6 Astra Pro」ChatGPT Business團隊與中小企業（需 2 人以上）Standard席次：- $20美元／人／月（年繳）- $25美元／人／月（月繳）另有新推出的Premium席次（5倍用量、無5小時使用上限）：- $100美元／人／月（年繳）- $125美元／人／月（月繳），兩種席次可混搭使用數日內陸續推送，Pro、Business 用戶皆可額外使用「GPT-6 Astra Pro」ChatGPT Enterprise大型企業（具資安與管理控管）依企業規模專案報價數日內陸續推送，但預設為關閉，需由企業管理員手動為工作區啟用開發者 API工程師、第三方系統串接模型代號gpt-6-astra；Standard定價為- 每百萬input token $10美元- 每百萬output token $50美元另有速度與價格皆為2倍的Fast模式與消費版方案同步於未來數日內開放，同步登陸Azure、AWS Bedrock 詳細報價可前往OpenAI官網查看 一般上班族若想體驗GPT-6 Astra的跨軟體自動化與簡報排版功能，門檻為訂閱ChatGPT Plus（每月20美元）；若需要更高用量或進階版GPT-6 Astra Pro，則可考慮Pro或Business方案，待官方推送完成後，即可在模型選單中切換使用。 AI通用素養檢測 實體限定優惠 104 AI通用素養檢測｜104獨家AI測驗認證 23597人感興趣 了解課程＞ 資料來源：OpenAI〈GPT-6 Astra: A new generation of intelligence〉官方發布頁面；ChatGPT 官方定價頁面（Pricing、Business、Pro 方案頁）；OpenAI 說明中心〈What is ChatGPT Business?〉；OpenAI〈Premium seats are coming to ChatGPT Business〉。 延伸閱讀： ChatGPT怎麼整理Excel資料？清理欄位、統一格式，樞紐分析不出錯｜8組提示詞範本 ChatGPT幫你跑寄信流程！實測串Gmail、Google Drive，寫信、附檔、批次寄送都能做 別只會開ChatGPT！寫企劃、查資料、解任務該找誰？全球數據揭職場AI的「真實專長」 將【104職場力】加入Google偏好來源

沒有知名度、沒有亮眼頭銜，素人也能開線上課嗎？斜槓教練Joanne用自己的實例回答：她在自認「只有20分」的階段，就先辦了一場線上分享會、當場預告課程募資，結果當天就有人下單，而且一半買家根本不是她的聽眾。說明不必等到準備完美，帶著「先跑再說」的勇氣，也能逐步把專業轉化為收入。本文節錄自《用Podcast「聊」癒自己，「聊」到賺錢》。 文／Joanne（謝喬安） 本文目錄（點擊可快速前往） 素人開線上課也能變現頭銜亮眼才能開課嗎？有人買單就代表有需求用一場分享會，先驗證再製作課程粉絲數不是重點，敢站出來才是 編按：作者分享自己在錄製Podcast近20集後，開始收到線下演講邀約，並逐步把演講內容轉化為線上課程。 素人開線上課也能變現 那麼，我是如何把演講內容轉化為線上課程呢？累積幾場線下分享後，腦中自然形成一套教學脈絡，也會開始思考如何進一步優化與規模化。製作線上課程，與其說是販售知識，不如說是一場系統性整理，藉此釐清自己真正擅長與不足之處，並趕緊卯起來補強。 頭銜亮眼才能開課嗎？有人買單就代表有需求 很多人把線上課程想得太過複雜，導致遲遲沒有行動。其中一個原因，是許多線上課程平台鋪天蓋地的廣告宣傳，讓人誤以為必須具備足夠知名度或亮眼頭銜才能開課。其實完全不必。記住我說的：只要你足夠真誠，也有人願意買單，就代表存在需求。哪怕只是2小時、定價99元的課，只要有人購買，就足以驗證市場需求。 用一場分享會，先驗證再製作課程 我的做法是，先舉辦一場專為Podcast新手打造的線上分享會。在會中，我分享自己如何為《斜槓先修班》定位、邀請來賓、撰寫訪綱；並在活動尾聲，預告自己的線上課程正進入募資階段，預計下個月上架，同時提供5折優惠方案。很幸運的，當天立刻有人下單。 對，我從未想過，自己才剛開始做Podcast不久，就能獲得這樣的支持。與現在相比，當時的我能力或許只有20分，但我可以帶領完全零基礎的人跨出第一步，成功開臺。最神奇的是，購買者中有一半不是我的聽眾，而是陌生人。他們只是偶然看到廣告，在線上分享會中感受到我的真誠與熱情，加上剛好有需求，於是決定購買。 這次經驗讓我理解到：只要如實表達當下所知道的一切，不誇大，也不隱瞞，真心誠意地分享自己的專業與投入，其實就夠了。當然，會有人無感，但也一定會有人產生共鳴並且付費，哪怕他對你的認識，只建立在這短短1小時的線上分享。 粉絲數不是重點，敢站出來才是 粉絲數多寡與能力高低，都不是重點。關鍵是做好當下能做的，以現有能力提供價值，並勇敢站出來，讓有需求的人接觸到你。即使一路上跌跌撞撞、害羞不安，但持續行動與表達是必經之路。當逐漸累積出自信與底氣，並開始獲得收入時，你會感謝當初那個還沒做好完美準備就勇敢出擊的自己。 我是先以募資開始，驗證市場需求後才製作課程。如果你沒有「先跑再說」的勇氣，也可以先完成一門1至2小時的簡單課程，小規模測試市場，再慢慢優化架構、擴充內容，並調整定價與宣傳策略。 Point：帶著不完美持續行動，是累積自信與底氣的最佳路徑。 節錄自：遠流《用Podcast「聊」癒自己，「聊」到賺錢：獨創三「聊」心法，開啟一門熱情事業》／Joanne（謝喬安） 著 推薦閱讀： 想錄Podcast卻不知道聊什麼？從一個「自私的理由」找到自媒體定位 素人錄Podcast也能變現？3階段從自我療癒走向個人事業

新北市政府青年局旗下的「新北有課UKO」10月至12月共推出34堂全額免費實體課程！以「技能升級、職場練功房、專家忙什麼」為3大主軸，涵蓋生成式AI應用、Excel數據視覺化、敏捷專案管理、薪資談判與勞動權益，更力邀金馬美術指導、空服員等職人現場開箱，凡18至40歲青年皆可免費報名，快速累積職場即戰力！ 文／《104職場力》 本文導覽 「新北有課UKO」課程核心資訊一覽「新北有課UKO」3大主題系列亮點解析一、技能升級：生成式AI應用與職場實務數位工具 二、職場練功房：專案管理、溝通與轉職權益防護三、專家忙什麼：各領域一線職人開箱工作日常善用公共資源，為職涯打造第二成長曲線 面對產業數位轉型與就業市場的快速變遷，如何「持續提升職場即戰力」成為求職者與在職工作者的關鍵課題。為協助青年強化工作技能並拓展職涯視野，新北市政府青年局旗下職涯培訓品牌「新北有課UKO」宣布推出全新季度（10月至12月）34堂免費實體課程。 課程規劃以「累積專業實力」為主軸，涵蓋最新生成式AI應用工具、專案管理與談判技能，更特別邀請多位跨領域專家親自開箱真實職場樣貌，為18至40歲青年提供系統化的實作訓練與進修資源。 「新北有課UKO」課程核心資訊一覽 開課時程：10月起至12月陸續開課 課程形式：線下實體課程（採互動與實作教學演練） 報名資格：18至40歲青年（求職中、新鮮人或在職進修者皆適用） 課程費用：全程免費（各梯次名額有限，額滿為止） 報名方式：請至新北市政府青年局「新北有課UKO」課程報名專區查詢與報名。 立即前往報名 「新北有課UKO」3大主題系列亮點解析 新北市青年局局長邱兆梅指出，面對產業與工作型態的快速變化，除了培育專業技能，更需透過實際應用累積經驗，並深入了解不同產業的工作樣貌。 這期《新北有課UKO》將依不同學習需求規劃3大系列，並全面導入實作演練： 一、技能升級：生成式AI應用與職場實務數位工具  聚焦工作現場最實務的數位工具應用，協助學員強化科技賦能與職場競爭力： 零基礎AI寫程式：引導無程式背景的學員運用AI撰寫程式碼，快速製作出個人化工具（如「旅行規劃器」）。 AI創意提案與高效簡報：掌握AI輔助工具，快速產出商業簡報架構、文案與商品廣告素材，大幅加速專案發想與提案進程。 試算表數據處理與視覺化：解析職場必備的Excel實用函數與資料視覺化技巧，提升數據整理與圖表呈現效率。 AI通用素養檢測 實體限定優惠 104 AI通用素養檢測｜104獨家AI測驗認證 23597人感興趣 了解課程＞ 二、職場練功房：專案管理、溝通與轉職權益防護 針對工作執行與跨部門協作中常見的痛點，建立具邏輯性的工作方法： 活動企劃的秒懂溝通術：學習梳理零散抽象的點子，撰寫出邏輯清晰、利害關係人能迅速理解的活動企劃案。 敏捷專案管理與數位看板：解析科技軟體業廣泛採用的敏捷精神與工具，提升團隊執行力與動態調整步調。 求職面試談判與勞工權益：從薪資待遇談判技巧、職場溝通應對，到就業必備的勞動法令與勞工權益全面剖析。 104學習推薦： 實體限定優惠 台灣簡報認證-初級｜104 × 台灣簡報認證 22099人感興趣 了解課程＞ 三、專家忙什麼：各領域一線職人開箱工作日常 邀請不同專業背景的工作者分享職涯經驗，協助有意轉職或探索新領域的青年建立立體認知： 電影美術與場景設計：金馬獎最佳美術設計入圍者陳若宇親授，以恐怖電影《咒》為例，揭開沉浸式場景營造與電影美術工作心法。 空服員飛行日常與面試準備：由現役空服員深入拆解機艙服務、飛行體能挑戰，並傳授航空業外商招募與面試要點。 諮商心理師專業養成：解構心理師的同理傾聽、心理諮商架構與專業證照養成路徑。 特殊動物照護技巧：由刺蝟照護推廣協會常務監事分享非犬貓特殊寵物的照護技能與實務挑戰。 善用公共資源，為職涯打造第二成長曲線 對求職者或在職工作者而言，參與實體訓練課程除了能直接獲得講師即時回饋、加深實作印象，更是拓展跨領域專業人脈的良好途徑。 若想在今年末強化數位工具與專案能力，可至新北市政府青年局官方專區查詢完整課表並提早完成報名，把握政府提供的免費培訓名額。 →想找更多學習資源，歡迎至「104學習課程專區」查詢。 （資料來源：新北市政府青年局官網、新聞稿） 延伸閱讀： 2026最新AI補助申請！台北市青年最高4000元、新竹市3000元，申請資格整理 培育跨域人才 教育部磨課師精選18門AI課程 涵蓋機器學習、AIoT Gemini學生方案1年免費！Google AI Plus申請資格、功能與4大用法一次看！

花錢上課、拿到完課證明，為什麼轉職、加薪、升遷依然卡關？學了這麼多職涯會什麼沒改變？本文分析工作者與雇主對「學習」的認知落差，提供職場能力轉化的4層架構、實戰變現法，幫各位把學費變成真正的職涯籌碼。 文／《104職場力》 本文導覽 「有上課」不會加分？主管與面試官真正在意的是什麼？知識如何變籌碼？跨越「學完到變現」的4大階段第1層：聽得懂（打好底子，但別淺嚐即止）第2層：用得上（把新方法放進日常工作）第3層：做出成果（拿真實爛攤子開刀）第4層：被看見（用數字說話，把功勞變成籌碼）延伸思考：花錢上課到底是「真有需求」還是「買心安」？ 上班突然想學東西，多半是職場給了某種刺激，比如看到同事用AI幾分鐘搞定工作，開始擔心自己沒價值；點開想投的職缺，發現條件多了一項陌生技能；或者在同一個位子卡了幾年，薪水和職稱紋風不動，心裡難免發慌。 這時候，下單買課成了最快見效的定心丸，輸入卡號、跳出報名成功的那一秒，心裡通常會鬆一口氣：至少，我已經開始做點什麼了……但把影片看完、拿到完課證明後，隔天走進辦公室，依舊是那個轉職卡關、調薪沒份的小透明，於是又陷入了新的職涯焦慮循環。 這很像辦健身房會員，簽完約天天報到就覺得自己會改變，卻忘了體態養成是繳完錢後，從學用器材、矯正姿勢、反覆訓練來的，不是天天去健身房滑手機就會長肌肉；學習也一樣，我們都以為「上完課職涯就會改變」，其實要打破現狀，課後只是起點，當公司看見你真正動起來之後的成果，才可能給你更多機會！ 「有上課」不會加分？主管與面試官真正在意的是什麼？ 工作者進修時，習慣計算的是自己的「輸入成本」，比如：花了多少週末、看了幾小時影片、買了幾堂線上課、筆記多精美等。 但在企業端，評價標準永遠只有：你能不能把學到的東西轉化為實際產出、直接變現，或幫組織達成目標？ 如果上班族進修只停留在「我有上過課」的自我滿足，那在「求職、調薪、升遷」這3個職場最現實的場景中，就容易因為巨大的認知落差而吃虧！底下用一張表對比兩種想法的差異，並提供真正有益的指標： 場景普通人思維老闆主管期待的能力真正的關鍵評估指標轉職求職我修畢40小時Python數據分析，附上完課證書能不能看懂未經整理的數據，並從中找出商業盲點親手處理過的案子並能清楚說明解題邏輯（證明能力有落地、能解決問題）爭取調薪今年自主進修了3門AI自動化流程課有沒有真的幫自己或團隊減少每週重複的工作負擔組織的成本節省量或產出擴增量（證明學習有轉化成省時或創造營收的能力）角逐升遷讀完了專案管理與團隊領導的完整理論框架專案卡關、跨部門起衝突時，敢不敢出面收拾？預計怎麼處理？責任承擔半徑（證明在混亂與不確定中具備推進力） 雖然有點殘酷，但對企業來說，有價值的是「解決問題的確定性及能力」，不僅僅是員工個人的「求知慾」，只有將輸入的內容轉化為組織有感的輸出，「學習」才具備議價空間。 知識如何變籌碼？跨越「學完到變現」的4大階段 如果從著名的「柯氏評估模型（Kirkpatrick Model）」來分析，把一項新知識放進職涯中，要依序走過「認知、工具、產出、影響力」這4個層級： 認知層➜聽懂專業名詞、跟著示範操作、取得完課證明（上完課只到這邊） 工具層➜帶回日常工作替換舊流程、在實際業務中除錯 產出層➜做出真實專案、建立量化儀表板、打造個人作品 影響力層➜跨部門成效驗證、被市場看見（具備議價與變現權） 多數人之所以覺得進修對職涯沒幫助，是因為才剛跨過第1層，就以為能收穫第4層的結果，才沒那麼簡單！每階段都有阻力跟盲點，卡關的話，不妨參考底下建議： 第1層：聽得懂（打好底子，但別淺嚐即止） 剛看完教學、聽得懂名詞，跟著講義範例也能跑出正確結果，很多人這時候就容易陷入盲點、走出兩種極端： 一種是「只看前兩章學點皮毛就自滿」，以為記住幾個流行單字就等於學會。 另一種則是「為了追求完課率而死讀書」，把看影片當成打卡。 專業能力需要完整架構支撐，不能只偷懶學碎片，想破局，首先要耐著性子把核心邏輯搞懂，不必非得死背每個細節，只要底層原理通了就可以嘗試往下實際操作，別讓學習只停留在腦袋裡。 延伸閱讀：線上課永遠看不完？5點燃起線上學習動力，讓每分錢都花得有價值 第2層：用得上（把新方法放進日常工作） 這階段開始想把新觀念或工具帶回辦公室，不過起初會發現「用新方法反而做得比原本更慢」，甚至頻頻碰壁出錯，多數人會在這個陣痛期退縮，默默換回原本笨拙但熟悉的舊習慣，但這樣很可惜，因為熬過陣痛期才有可能長出「肌肉」。 建議每學完一個關鍵技能，就強迫自己在當週工作中至少用一次，剛開始一定會卡關，但多撞幾次牆，工具才可能真正變成你的武器，練成不用開講義也能下意識用出來的本能。 第3層：做出成果（拿真實爛攤子開刀） 頻練習很好，但課程附帶的練習檔通常都是清洗乾淨、邏輯完美的「無菌室環境」，跟真實職場中資料格式殘缺、需求講不清楚的狀況不同，很多人在教材裡拿滿分，一回到工作現場面對混亂就完全不知從何下手，這樣也不算「學會」。 建議大家練習完那些簡單範例後，直接拿手邊最棘手、最繁瑣的真實業務當白老鼠，想辦法做出成果，無論是一份能輔助主管決策的自動化報表、一套團隊可通用的SOP，還是能放進履歷的個人專案，在會出錯、有破綻的真實爛攤子裡親手除錯一次，實戰經驗遠勝照著教材點擊百次。 第4層：被看見（用數字說話，把功勞變成籌碼） OK你做出了一點東西，但完全沒人知道，那終究還是難逃被埋沒的命運！在企業眼裡，沒被看見、沒經過量化、沒顯示出效益的產出，就很難變成談薪或升遷的籌碼。 別再盲目相信「默默努力老闆主管自然會看見」，請主動呈現自己的價值，把「我學了什麼」調整成「組織因為我這項能力獲得了什麼好處」，比如：把「具備自動化處理能力」改成「導入自動化腳本重構跨部門報表流程，每週幫全組省下6小時，資料出錯率降低95%」，讓精準的量化效益把你的學費與時間兌現成真正的職涯籌碼！ 延伸思考：花錢上課到底是「真有需求」還是「買心安」？ 除了學費，成年人進修昂貴的成本還包含下班後有限的專注力，上課只是突破職涯的其中一個方式，並非絕對！下次再產生「好像該買堂課」的焦慮衝動時，不妨先對照以下檢核點： 痛點定位是否具體？ 如果理由只是模糊的「想提升競爭力」、「跟上AI趨勢」，通常買下的只是焦慮緩解劑，具體的痛點應該是：「我下個月必須做出產品原型，需要先學會線框圖設計工具，這堂課能幫助我學會這項技能」。 這個卡點是「缺知識」，還是「缺行動」？ 捫心自問，有些事情我們早就掌握基本概念，只是遲遲不願面對繁瑣的執行過程，行動力欠缺的問題，買再多大師課也無法解決。 解決問題的最小途徑，真的是購買一套完整的課程嗎？ 工作上的特定卡點，有時一份官方技術文件、一支10分鐘的操作影片，或請教資深同事一杯咖啡的時間，解決效率遠高於30個小時的系統長課。 未來90天內，是否有明確的實踐場景？ 如果學完之後，在目前的職責範疇或可執行的專案中找不到任何落地機會，這門課有很高機率會在熱度退去後被遺忘殆盡。 願意在下班時間自掏腰包投資自己，絕對是值得鼓勵的態度！如果說一堂好課是把精良的工具，比起追求收集了幾把工具，更應該聚焦在「能拿這把工具在崗位上開拓／產出／節省了什麼」才更能顯現個人價值！ 點擊按鈕搜尋合適的學習資源 延伸閱讀： 想做的事對職涯有價值，但短期不會有回報，怎麼找行動力？ AI害你被裁員？104資深協理：學會用AI開外掛，未來是你挑公司 能力相同，憑什麼升遷的是他？一場簡報竟成為職場勝負關鍵！

2026-09-01 聯合報記者柯美儀　由聯合新聞網授權轉載 人工智慧時代來臨，教育部鼓勵大學積極培育具備AI素養的跨域人才。教育部今年5月發布「未來人才AI能力圖像」，近日再從「教育部磨課師」學習平台（https://moocs.moe.edu.tw/）首波推薦18門課程，讓民眾不受時間、空間限制，透過線上學習掌握AI核心能力。 教育部表示，「未來人才AI能力圖像」是我國推動各級學校AI教育與未來人才培育的政策藍圖，提出「運用AI學習的能力」、「負責任使用AI的能力」、「運用AI解決問題的能力」及「AI無法取代的能力」4大面向，引導國小、國中、高中到大學推動AI教育，透過基礎教育與高等教育銜接，提升未來人才整體競爭力。 為協助學生快速了解、應用AI，教育部首度與國立台灣師範大學團隊合作導入AI評估機器人，依據「未來人才AI能力圖像」指標，並從「趣味度、內容深度、實作程度、結構清晰度、應用廣度」5大面向，評估「教育部磨課師」平台上的人工智慧課程，首波推薦18門課程。 教育部說，18門課程涵蓋AI導論、機器學習、深度學習、自然語言處理及電腦視覺等主題，每門課程均清楚標註對應培養的AI能力指標。 其中，獲得專家及AI最高評分的「應用機器學習於 Python」，由國立政治大學教授林怡伶開設。林怡伶表示，課程為應用導向、非基礎課程，學習者應具備一定的程式能力或熟悉Python的語法。課程內容先說明機器學習，再說明基本的資料分析流程步驟，最後到機器學習模型。課程最大特點規劃完整的學習範圍，讓學生快速認識機器學習涵蓋的各項重大領域，並且能依循著教材去鑽研相關知識，輔助其自主學習。 →點擊查看更多Python課程 此外，東海大學楊朝棟教授開設的「AIoT技術與應用」也是此次推薦課程之一。課程以AIoT（人工智慧物聯網）為核心，整合人工智慧、物聯網、感測器、嵌入式系統及邊緣計算等技術，帶領學習者掌握AIoT系統基本原理及實作方法。 楊朝棟表示，希望學習者修習課程後，不僅具備AIoT相關知識，更能透過實際操作培養資料處理、系統整合與問題解決能力，學會將AI技術應用於物聯網設備與實際場域，進而具備自主探索及開發創新AIoT應用服務的能力。 →點擊查看更多AIoT課程 教育部磨課師目前已累積逾2000門跨領域優質線上課程，除提供中小學教師及教保人員在職進修課程，也因應教育發展趨勢建立主題專區，提供學習者主題式學習。 教育部資訊及科技司長葉家宏表示，教育部磨課師是免費開放全民學習的線上學習平台，修畢課程均可獲得修課證明；若為在校生，部分課程依各大學規定更可被採認為正式學分，自我進修又能獲得學分，有一箭雙鵰之效。 葉家宏強調，面對AI驅動產業轉型浪潮，教育部同步國際趨勢發布「未來人才AI能力圖像」，在磨課師平台上建立主題專區，也在平台上增加精準推薦、字幕生成的功能，這些資源完全開放，無論是學校、教師或學生，都能依需求彈性運用。教育部鼓勵各界善用這些優質資源，共同為培育AI世代努力。 AI通用素養檢測 實體限定優惠 104 AI通用素養檢測｜104獨家AI測驗認證 23597人感興趣 了解課程＞ →點擊查看更多AI課程 延伸閱讀： Anthropic Academy免費AI課程完整指南｜從入門到進階17堂全攻略 2026最新AI補助申請！台北市青年最高4000元、新竹市3000元，申請資格整理