104學習

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

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

人工智慧產品經理AI PM（product manager），無疑是當前職場最紅的職務之一。AI PM和傳統PM有什麼不同？AI PM又和AI工程師有何差異？為什麼AI PM年薪能輕鬆超越百萬？104職涯診所Podcast EP560【AI PM紅什麼？！年薪上看150萬！不用精通程式，但要懂AI技術、能和工程師溝通】提到，AI PM不見得要精寫程式，但必須懂技術，尤其要具備讓AI落地於產品的能耐；相較於傳統PM，AI PM的薪資可能多30%；年薪因專業度和年資而不同，80~150萬不難，150~250萬有機會，主管職或上市櫃公司有望超過250萬。  ※更新日期：2026/08/31 文／104職涯診所Podcast 本文目錄（點擊可快速前往） 「AI PM」人工智慧產品經理，在傳統職責疊加AI技術應用 AI PM和傳統PM差在哪？以履歷表功能為例 不會寫程式也ok？AI PM需具3大核心能力：技術、市場、整合 AI PM的「AI思維」，創新探求與落地能力 AI PM薪資比傳統PM高多少？年薪輕鬆逾百萬 如何轉型AI PM？傳統PM、非相關背景的職涯路徑 AI PM有加分的產業背景或科系背景嗎？ AI PM展現出色的溝通力，拉近技術與用戶的距離  【來賓】  王之璘，104人力銀行產品暨價值營運處資深協理，從輔大企管系畢業之後，曾任屈臣氏儲備幹部，優仕網Youthwant業務助理、網站企劃，ABC好車網網站企劃，一路發展成為產品經理PM(Product Manager)，進入104人力銀行前後近10年，目前擔任產品團隊主管，帶領超過30位夥伴負責主要的AI產品，也是104人銀行最年輕的處級主管，職涯歷程豐富。  「AI PM」人工智慧產品經理，在傳統職責疊加AI技術應用  AI PM指的是與AI相關的產品經理（Product Manager）。  不過，討論AI PM之前，必須先界定傳統PM的工作內容。傳統PM通常分為兩大導向：一是功能導向（從0到1），把全新的產品從無到有、建立起來。二是營運導向，負責觀測用戶行為、發現數據問題並進行優化與開發，例如，對於104人力銀行這樣已有多年線上服務的網站進行改善與優化。此外，傳統PM特別注重用戶介面（UI/UX）的優化與改善，並根據用戶的使用數，提供回饋給開發單位。綜合來說，PM是介於技術端與用戶之間溝通的橋樑。  AI PM的工作是疊加在傳統PM任務之上的。核心任務特別強調，將AI技術應用在產品的流程或發展中。  AI PM的職責面向主要有二：首先，運用AI改善公司內部的作業流程與效率，加速技術和流程的串接。這點是傳統PM比較少關注的。例如，AI PM可以利用對Prompt語法的熟悉度，與AI互動，快速產出產品需求文件PRD（Product Requirement Document）或設計畫面，大幅節省工程師的時間。其次，利用AI發展具有商務價值的工具或服務給使用者，讓使用戶願意為了AI功能而付費。  AI PM和傳統PM差在哪？以履歷表功能為例  以履歷表功能為例，傳統PM會觀察求職者填寫履歷過程中的「卡點」，透過增加欄位或使用文字引導，讓欄位更容易填寫，優化介面。  然而，AI PM會把AI技術直接應用在產品服務之中。例如，AI PM會用AI分析求職者已有的PDF或Word履歷表，把相關內容自動轉移到系統的欄位，節省求職者的時間。也就是說，AI能分析求職者的學經歷或社團經驗，自動產出自傳內容，或分析履歷內容有哪裡不足，對應求職者想應徵的職務，然後提供求職者哪裡可以再加強的建議。AI PM會進一步思考，會比使用者想得更多、看得更遠，避免求職挫折、提升求職效率。  不會寫程式也ok？AI PM需具3大核心能力：技術、市場、整合  如果把AI PM的三個關鍵職務能力聚焦在：懂技術、懂市場、能整合。若要進行排序，王之璘認為的優先順序為：懂技術（第一）、懂市場（第二）、能整合（第三）。  1.  技術的基礎理解（優先）：AI PM需要具備對AI相關知識的基本理解和評估能力，例如機器學習、深度學習、大型語言模型（LLM）或自然語言處理（NLP）等。重點不在於寫程式（Coding），而是在於掌握AI的邏輯、技術原理及限制，做為規劃與開發之間的橋樑。這種理解能幫助AI PM評估產品的可行性、成本（例如Token的使用成本），並丕確保產出內容的品質和語句的正確性。  2.  市場與商業思維（次要）：PM必需思考如何將想法產品化並且制定策略。AI PM必須具備商業思維，避免「為了AI而AI」。他們需要思考如何用AI吸引用戶，創造非用戶，甚至讓用戶願意付費。  3.  整合與溝通協作（基礎）：整合能力涉及評估AI是否可行，並與技術團隊順暢協作。AI PM在協作上，除了傳統PM面對的工程師和設計師之外，還需和資料科學家或研發單位密切討論深度學習模型的優化方向、正確率、品質校正與實驗內容。高效的溝通能力極為重要，AI PM需使用精確的技術術語與工程師溝通，以避免認知落差與時間浪費。  整體來說，AI PM對於技術理解的程度，必需能明確評估AI可以做到哪些功能、有哪些限制與風險，例如資料漂移或幻覺（AI產出不符合事實或使用者能力）的問題。如果AI PM了解這些限制，就能知道撰寫Prompt時，應該注意哪些地方。即便不會寫程式也沒有關係，但如果能理解基礎的程式架構、前端後端語言與限制，將會有助於與開發團隊進行更順暢的溝通。甚至在某些職缺中，AI PM需要具備利用AI進行Vibe-Coding的能力，透過與AI對話，來完成網頁基礎介面設計的能力。  AI PM的「AI思維」，創新探求與落地能力  AI思維比AI技術的理解更需要天分和時間投入。王之璘指出，所謂的AI思維，指的是，具備創新的想法，一方面用在改善PM本身的工作流程，另一方面，把AI技術深入落地到產品中，這就需要探索的能力和商業思維。優秀的AI PM不僅要從0到1把產品做出來，更強調如何從1到100，讓產品能夠落地。  AI PM薪資比傳統PM高多少？年薪輕鬆逾百萬  王之璘認為，最厲害的AI PM，應該具備條件創新和強大的學習動機或好奇心。因為AI技術的發展日新月異，幾乎每週都有新的產品發表，AI PM必須像海綿一樣，持續更新知識。他們需要對市場具有極高的敏感度，能夠挖掘機會點。  反映在薪資，AI PM的月薪通常比傳統PM稍高！3到5年經驗的AI PM，月薪通常在5到6萬左右。8到10年經驗者，年薪則輕鬆破百萬，甚至達到150萬是常見現象。AI PM薪資比傳統PM高出兩到三成是可以想像的。  如何轉型AI PM？傳統PM、非相關背景的職涯路徑  對於現任PM想轉型為AI PM，最好的方式是在自己的工作中嘗試用AI思維改善流程，或利用Vibe-Coding產出設計網頁。若具備傳統PM的技能加上AI PM的基礎知識，轉型會相對簡單。  對於非傳統PM背景的人，建議從生活中探索從0到1的創新思維，關注生活中的痛點，嘗試利用UI/UX的改善或AI技術來解決問題，例如練習用ChatGPT或Vibe-Coding工具設計網頁，培養用AI解決問題的能力。  AI PM有加分的產業背景或科系背景嗎？  PM的養成大多依賴自學與應用，國內缺乏專門的PM科系。王之璘的團隊成員背景非常多元，包含業務助理、行銷、前端工程師、客服甚至服務業。  AI PM若有以下的產業背景也會特別加分：  1.資訊業/軟體業：幾乎是最順暢的轉型路徑，因為具備豐富的產品知識、開發流程經驗(如瀑布流或敏捷式開發)、以及對於UI/UX的基礎認知。  2.金融業/會計領域：這些產業接觸的數據量大，更重要的是，他們擁有風險控管、法規遵循的背景。這使得他們在思考產品時，能夠更加嚴謹，也能快速學習複雜的商業邏輯，有助於控制成本並確保產品具體落地。  3.醫療背景：具備基礎統計知識和管理豐富病歷的經驗，有助於快速找到與AI協作的脈絡。  在科系背景上，資管、資工、電機、統計、數學等科系會稍有加分。資管或資工因為具備技術背景，能用相同的語言和工程團隊溝通。統計或數學背景則因系統思維能力強，能夠有脈絡的調校AI的學習方向。 然而，一位頂尖優秀的AI PM，重點不在學位、也不是科系，而是能否將流程痛點或商業機會轉化為實際的規格，與工程師溝通，帶領團隊開發。  AI PM展現出色的溝通力，拉近技術與用戶的距離  總結本次討論，AI PM是技術與非技術團隊之間的橋樑，需要具備出色的溝通協作能力。技術雖然重要，但只需達到理解和評估的程度，並不需要具備前端的研發能力。最關鍵的是，AI PM必須具備極大的學習動機、持續更新知識，並善於將抽象問題轉換為具體的產品功能來解決。  多數公司為了推動AI，提高專案效率或將AI轉化為商轉機會，對於具有AI思維和技能的PM，徵才的積極度會更高。對於有興趣轉職為AI PM的人，無需過度擔心自身背景或科系，反而應該更專注於知識學習、留意自身是否具備擁抱創新的人格特質。  104推薦：AI產品經理學習營 實體 第一屆－AI 產品經理學習營​｜緯育TibaMe X 104人力銀行獨家 17540人感興趣 了解課程＞ * {box-sizing: border-box;} .wp-block-table .has-fixed-layout td { width: 50%; height: 1px; } .wp-block-table .has-fixed-layout td a { padding-bottom: 8px; } 更多104【AI產品經理相關】工作機會 Solution Product Manager - AI Platform 技鋼科技股份有限公司_技嘉集團 新北市新店區 待遇面議 [AI智慧醫療]-產品經理 柏瑞醫股份有限公司 新北市新店區 待遇面議 AI 產品經理 AI Product Manager 未來巢科技股份有限公司 台北市信義區 待遇面議 AI 產品經理 — 製造業 力新國際科技股份有限公司 台北市內湖區 待遇面議 AI賦能課程活動專案經理 (AI Empowerment Education & Event PM) 神銀建材資訊有限公司 台北市中山區 月薪45,000元以上 立即前往【更多相關職缺】

前 Google X 商務長莫．加多（Mo Gawdat）警告，AI 將在 3 年內掀起高達 30% 的失業潮！白領職缺率先消失，哪些工作最危險？哪些技能無法被取代？本文帶你了解 AI 浪潮下個人與國家打造「獨立性」與「情感共鳴」的生存關鍵，掌握未來職場趨勢！ 文／Y Chen　由Cheers人才永續頻道授權轉載 本文導覽 從Google X到創業者：加多的AI洞察從何而來勞動套利正在瓦解，初階職缺率先消失人際共鳴，將成為新經濟下的基礎貨幣不投資AI獨立性，恐淪數位第三世界 「你只剩三年可以準備。」 前Google X商務長、科技思想家莫．加多（Mo Gawdat）在《The Diary Of A CEO》節目上拋出這句警語，直指AI對白領工作的衝擊將加速到來；沒有自主AI能力的國家，將可能淪為數位第三世界，只能在中美主導的AI軍備競賽下夾縫生存。 從Google X到創業者：加多的AI洞察從何而來 加多2007年加入Google，任職Google X商務長期間，就已見證機器手臂如何學習精細觸覺等前瞻計畫，讓他比多數人更早意識到超級智慧的潛力與風險。 離開Google後，他主導「One Billion Happy」計畫，並共同創辦智慧媒合新創Emma.Love。這樣的經歷讓他更早看出，AI真正衝擊的不只是單一職位，而是整個經濟運作的根本邏輯。 勞動套利正在瓦解，初階職缺率先消失 加多解釋，資本主義一直以來都是這樣運作的：企業用低於售價的成本雇用勞力製造產品，賺取中間差額。但當AI能以更低成本完成同樣工作，這套模式便失去意義，「就算沒有到100%工作被取代，光是10%到20%的工作流失，你就已經身處一個完全不同、且正在向下螺旋的經濟體了。」 所以像是客服人員、行政助理、旅行社代辦等例行工作將最快消失，「任何用幾個點擊就能完成、而且瑣碎重複的工作，很快就會消失。」加多點出過去被忽略的警訊。隨模型能力提升，衝擊將蔓延至法律助理、財務分析師、平面設計，甚至初步診斷的醫師。他也毫不避諱地談起自己的新創：「我的技術長是AI，我的幕僚長是AI，我的專案管理也是AI。」加多透露，Emma.Love這家公司其實只靠3個人打造，若不是有AI幫忙，他估計得雇用超過350名工程師，才能做到同樣的事。 他預測：「某些產業裡，高達30%的工作將在2027到2028年間消失。」規模恐超越以往任何一次經濟衰退。相對地，機器人技術仍難複製人類雙手的精細靈活度，「我喜歡修復骨董車，但目前沒有任何機器人能做到這件事」，加多以木匠為例，說明藍領技藝工作反而較不易被取代。 人際共鳴，將成為新經濟下的基礎貨幣 加多認為，只要經濟沒有因失業潮崩潰，人際連結仍將是驅動人類彼此互動的「基礎貨幣」。他舉例：「我們之所以還要去聽演唱會，是因為就算音樂能由AI譜寫，你看到紅髮艾德（Ed Sheeran）在舞台上的魅力，還是會忍不住讚嘆。」 他更提到：「當我告訴全世界，我在擔心女兒的未來時，每個人都能感受到我內心真正的重量，這是AI永遠學不會的。即便它可以說『我也擔心我的女兒』，但你知道，它根本沒有女兒。」這也是為何他建議年輕世代除熟練AI工具外，更該投入護理、諮商等情感連結職業的原因。 不投資AI獨立性，恐淪數位第三世界 AI除了顛覆整個職場結構，加多認為這項技術發展真正的風險，在於掌控技術的少數人如何運用它——這點在國家層級同樣成立。他直言，當前AI發展本質是中美主導的軍備競賽，若其他國家只是持續、單向進口海外算力、模型與軟體授權，終將喪失國家競爭定位：「如果持續進口科技、依賴他人，那就等著迎接數位第三世界的到來。」 但他強調，這不代表各國得砸重本在頂尖算力或模型上，與中美兩大強權硬碰硬——重點是別讓每年支付海外科技巨頭的軟體授權費，年復一年流出國門。與其依賴國外系統，不如善用開源技術打造本地化辦公工具，把這筆錢改投入國內創新與能源建設，才能真正打造「AI獨立性」。 儘管加多對眼前幾年感到憂心，卻還是樂觀相信人類長遠的未來。AI浪潮已無可迴避，現在正是從個人到國家都得重新評估定位的關鍵時刻。 （資料來源：The Diary Of A CEO，原文標題：「你只剩３年可準備！」前 Google 高層警告：２０２７年將掀３０%失業潮，這２種能力才是未來保命符） 延伸閱讀： 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 AI真的改變了生活？Google報告解密1,500萬筆Gemini對話真相！ 85%員工上完課卻不會用！AI時代真正的危機不是失業，而是你的「技能已過期」 AI時代最值錢的人，長得像一把梳子！台灣大哥大林之晨、蔡祈岩：你不必成為大師，但必須要有「品味」 想創新卻怕落後？微軟２０２６工作趨勢報告揭「轉型悖論」：高達５０%員工卡在觀望區，不敢放手用AI的背後真相 生產力創歷史新高，為何我們卻活得更像囚徒？若盲目相信「這件事」，AI再聰明也只會讓生活更辛苦

零點擊時代改寫搜尋規則，品牌不只要搶Google排名，更要爭取被AI引用。作者程世嘉解析AISEO、GEO差異，以及如何打造讓AI看得懂、信得過、願意推薦的內容。本文節錄自《智慧通膨下的新商機》。 文／程世嘉Sega Cheng，蕭玉品採訪整理 本文目錄（點擊可快速前往） 搞懂AISEO、GEO，讓AI既看見又推薦傳統SEO：誰排在前面誰贏AISEO是什麼？GEO是什麼？從搶排名到搶引用，品牌該做的5件事 從「流量思維」 轉為「被AI 引用的影響力思維」：以SEO ＋ AISEO ＋ GEO突圍零點擊，在新賽局中勝出 搞懂AISEO、GEO，讓AI既看見又推薦 要在新賽局裡勝出，必須先把兩個常常被混在一起、實際上分屬不同戰場的概念分清楚：AISEO（AI ＋ SEO，AI 搜尋引擎最佳化）和GEO。這兩件事是現階段讓內容被AI看見，並推薦給使用者的兩條主要路徑，它們對應的對手、規則和勝負點都不一樣。 AISEO針對的是「導入AI功能的搜尋引擎」，例如Google的AI摘要、AI模式、Microsoft Copilot。它的本質還是搜尋，只是搜尋結果頁多了一個被AI摘要占據的版位。 GEO則是針對「純生成式AI引擎」，例如ChatGPT、Perplexity、Claude，目標是在使用者沒有看搜尋結果頁、直接和AI對話的場景下，讓AI 在生成答案時主動引用你的內容。 傳統SEO：誰排在前面誰贏 為了讓這兩個概念好理解一點，我用同一個比喻把它們連起來。可以把整個網路想像成一座超大的圖書館，你寫的每一篇文章，是這座圖書館裡的一本書。以前你去Google這座圖書館問館員「蘋果派怎麼烤」，他會塞給你10本食譜，叫你自己翻。這是傳統SEO，誰排在前面誰贏。 AISEO是什麼？ 今天這位館員升級成AI館員，你問一樣的問題，他會先幫你寫一張「重點小抄」，直接告訴你蘋果派的步驟；小抄底下，才是那10本食譜的連結。 AISEO要做的事，就是把你的文章寫到結構夠清楚、權威夠高，讓AI館員在寫這張小抄的時候，第一個拿你的食譜當素材，並附上你的連結。主戰場仍然在Google，你要搶的是螢幕最上方那個位置，業界俗稱「零點位」（Position Zero）。 GEO是什麼？ GEO面對的對手已經換成「全能陪讀家教」，也就是ChatGPT、Gemini、Perplexity、Claude這群直接坐在你旁邊聊天的生成式AI。你問他「蘋果派怎麼烤」，他不會給你食譜清單，也不會給你連結，會直接在黑板上寫出整篇教學。 差別只在於，為了確保答案可信，他會在黑板角落寫一行小字：「這一段我是參考某某文章寫出來的。」GEO要做的， 是把你的內容寫到夠清楚、夠有道理、夠像「標準答案」，讓這位家教在自學的過程中，把你的文章內化成他的標準參考；之後不管誰問他相關問題，他都會主動把你的名字搬出來。 把3件事放在一起對照就更清楚了。傳統SEO是寫給搜尋引擎的爬蟲看，AISEO是讓AI摘要在引用時優先選你，GEO是讓生成式AI在回答任何相關問題時把你當作標準來源。3條戰線目標不同，但殊途同歸：都是為了在使用者面前，搶到那個被看見的位置。 從搶排名到搶引用，品牌該做的5件事 可見度指標從「排名」轉向「引用」：過去是必須被Google看到，現在是必須被AI提及。文章的重點早已被AI直接端到使用者面前，而且讀完就關掉視窗。現在若無法被AI引用，甚至會導致品牌在網路上徹底消失。 掌握AISEO與GEO不同規則：AISEO爭奪搜尋引擎的摘要版位，GEO則讓內容成為生成式AI的標準參考來源。兩者目標不同，策略各有側重。 打破AI推薦機制的黑箱：多數品牌對AI引用率缺乏監測，導致決策長期處於盲區。透過模擬提問與競品分析，能將品牌訊號轉化為具體可操作的優化指標。 文章寫給人看，也要寫給AI看：文章應保留人類特有的批判思考與現場感；同時在結構上提供清晰摘要，為 AI爬蟲鋪設一條易於理解的閱讀路徑。 在規則重建期率先掌握話語權：要在規則尚未透明的混沌期，搶占最佳位置。誰能成為AI看得懂又信得過的權威，誰就能掌握下一個10年的網路話語權。 節錄自：天下文化出版《智慧通膨下的新商機：AI時代的稀缺能力與新護城河》／程世嘉Sega Cheng、蕭玉品採訪整理 著 推薦閱讀： AI拆解傳統職位、重組專業分工：下一批高薪人才長什麼樣？ AI進入3.0時代：智慧通膨、零點擊、人機協作如何改寫白領工作？ * {box-sizing: border-box;} .wp-block-table .has-fixed-layout td { width: 50%; height: 1px; } .wp-block-table .has-fixed-layout td a { padding-bottom: 8px; } 更多104【AI】工作機會 Mid-AI 應用工程師（AI Application Engineer） 稑燾智能有限公司 台北市中正區 月薪72,000元以上 AI Waifu Visual Generation Engineer 萬達人工智慧科技股份有限公司 台北市松山區 月薪70,000-80,000元 AI工程師 財團法人台灣人工智慧學校基金會 新北市板橋區 待遇面議 立即前往【更多相關職缺】 測你的AI素養 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＞

想靠線上學習增進知識技能，最後卻什麼都沒完成？究竟是哪些原因澆熄了熱情？《104職場力》提供5大超實用策略和3種健康心態，助你重燃動力，讓學習變得更有效也更有成就感。 文／《104職場力》 本文導覽 為什麼購買線上平台課程最後卻沒上完？可能不完全是你的錯！維持線上學習動力的終極指南：避免半途而廢、成功掌握新技能「常保學習心態」也是一種學習！ 為什麼購買線上平台課程最後卻沒上完？可能不完全是你的錯！ 你是否也這樣？一股腦的買了多堂線上課，一年過去了，最後知識還靜靜的躺在電腦裡，甚至刷完卡後就不曾再點開頁面，明明線上學習更彈性，避開了空間、時間上的限制，但學習效果卻更糟，到底是為什麼？其實可以從個人和外在因素來分析： 1. 個人時間管理不佳 線上學習確實非常彈性，但往往需要更高度的自律和時間管理能力，如果沒有足夠的動機搭配良好的學習規劃，很容易敗給懶惰和拖延，尤其抱著「都已經買了，放著也不會不見」這種危險心態的話，更會讓上課變成低優先事項，最終直接放棄。 2. 太貪心，熱情變壓力 就像在逛串流平台一樣，想看的片單無限增加，或一次新增太多，某天開啟時反而不曉得從何看起；或者因折扣腦波弱購入一大堆課程，不僅沒形成動力，反而給自己太大壓力，最終變成學習阻礙。 3. 不適應線上學習形式 線上課程雖然方便，但少了與老師和同學的直接互動和激勵，容易感到孤單無趣，難以維持學習動力；或者有問題無法即時獲得解答，導致學習效果不佳，久而久之錢錢就放水流。 4. 內容與個人期望不符 對課程的期望與實際狀況不符，例如：無法適應老師風格、節奏；內容比想像中還要基礎；課程與目標不符（例如：想學軟體操作但只教了基礎概念），方向不對，自然無法引起學習興趣，容易上兩節就放棄。 5. 課程品質參差不齊 其實就像報名坊間課程會不小心踩雷一樣，線上學習只是形式改變，仍舊不可避免會遇到這類風險，通常只要前幾堂不滿意，後續一定喪失學習意願，最後對該師資或整個平台沒有信心。 延伸閱讀：12大線上學習平台推薦：課程優點、缺點與體驗分享整理 維持線上學習動力的終極指南：避免半途而廢、成功掌握新技能 想利用線上學習提升技能和知識，但在學習過程中卻常感到挫折或面臨半途而廢？為了克服這些挑戰，本段將探討一些實用的策略，幫助大家維持學習動力，找到最適合的學習方式。 1. 明確學習目標和需要 這點非常重要！知道自己要什麼、缺什麼、想獲得什麼，把目標範圍縮小，才有可能對症下藥，激勵自己繼續往前，如果不清楚從哪裡著手，可以參考以下方式： 分析自己的目的：是為了解決工作上碰到的問題、想在領域更進階，還是轉職需要準備新技能，分析後牢記目標並維持那股衝勁，讓它成為你的動力。 搜尋該課程領域的資訊：無論是透過文章或影片，看看有哪些該學習的知識、可以應用在哪裡，先有基礎的背景概念之後，對選擇課程和後續線上學習也較有幫助。 找出想學習的「點」：是想聽業界趨勢、單純學習操作技能，還是更在乎別人在該領域的經驗累積？這可以降低選錯老師及課程方向的機率。 和AI聊一下：有和AI聊天習慣的朋友，可請它幫忙分析上述要點，也可以讓AI幫忙規劃時間和課程方向，或許有機會突破你的盲點。 2. 多比較不吃虧 除非是很新的技術或概念，否則大部分領域一定都有豐富的師資，找到自己喜歡的老師和風格需要做點功課，但比起中途放棄、讓辛苦錢打水漂，這點資訊蒐集很必要： 看預告片聽老師口條和風格：點擊課程的介紹影片是最快的感受方式。 搜尋該老師的其他影片：如果怕強大的剪接技術讓預告片失真，也可以透過搜尋，多看幾支老師的教學或受訪片段感受一下。 查相關評價：如果是很有名的師資、課程，一定會有同學分享上課後的評價跟心得，可以用來評估你的接受度。 3. 利用微學習和獎勵制度 清楚了解完成課程後能獲得什麼，接下來就是設定明確且可實現的學習目標，先提醒自己：「把課上完比什麼都重要」，至於內容的知識量、學習成效，可以等上完後再評估，以下這幾點幫助你學得長久： 將課程拆解成小單元：線上課程都有章節，可以分多天進行，每次專注於1個主題即可，不懂的部分可以反覆多觀看幾次。 先安排少量課程，讓自己沒負擔學習：先讓自己有「點擊課程頁面」的意願，如果有餘裕可以再多看一個單元，讓自己有「今天學習的內容比想像中多的感覺」，利用心理變化激勵自己，更容易堅持下去。 建立固定的學習時間：像對待實體課程一樣，為線上課程安排固定的學習時間，空出該時段變成例行公事，讓自己習慣每天或每週同一時段上課。 給予自己學習獎勵：可以根據課程長度及學習比例設置獎勵（比如60%跟100%），但不建議每個小章節都獎勵，因為這樣很快就會失去新鮮感。 4. 趁動力充沛時一鼓作氣 跟上一點完全相反的是「打鐵趁熱」，在熱情消逝前立即行動，這種方法強調在學習動機最強烈的時候集中精力快速學習，可以有效杜絕後續的懶惰癌發作： 在刷完課程的當下「立刻按下學習鍵」：這時候動力是最充沛的，搭配刷卡金額通知簡訊，相信絕對能提升學習完成度。 買完課程不要關閉頁面，重燃熱情：即便真的無法立即學習，也不要讓自己有忘記的機會，保留課程頁面，每次看到時不斷提醒自己，找回購買時的衝勁，盡量在3天內看完結束這堂課。 5. 尋求陪伴與支援 擔心獨自線上學習會孤單寂寞到熱情熄滅？那就找人一起上課吧！ 尋求有意願的同事朋友加入：陪伴之餘，如果看完還可以一起討論、分享心得，相信會有更多收穫。 參與線上社群或論壇：與同儕交流學習心得，有疑點也可以發問解決。 5. 列出額外收穫 如果單純學習沒辦法激起自己的鬥志，讓學習轉化為獲得成就感或賺錢的方式，也許可以有效調整心態，提升積極度，比如： 利用社群分享，獲得認同：發文記錄每次的學習，不僅可以吸引更多同好，也可以提升自己的自信，對於個人形象建立也有幫助。 撰寫部落格聯盟行銷：吸收上課學習到的知識後，轉成自己的觀點並寫下來，搭配部落格經營，也許可以增加一點被動收入。（注意，並非將別人的線上課程轉為逐字稿，這樣會觸法喔！） 評估成為這領域的專家可獲得哪些好處：把一門技術學好學滿一定有額外好處，例如工作上能更進一步，成為資深人員並加薪；轉職後領取更高的報酬；獨立接案增加業外收入；甚至直接以成為線上課程教師為目標等，把可能的「獲利」列出來，動力就會滿滿滿喔！ 其實激勵學習的方法有很多種，可以根據自己的性格調配，為自己量身打造合適的學習環境、心態與習慣，透過線上學習成長、充實自我並非想像中這麼困難。 「常保學習心態」也是一種學習！ 其實光有學習的心已經很棒了，先給自己鼓勵鼓勵，只是後續要怎麼付諸實踐並維持，需要一點技巧推動而已。 「活到老學到老」聽起來很容易，但有意識的精進自己是需要學習的，在心態和行為上可以這樣鍛鍊自己： 1. 永遠保持好奇跟懷疑 這兩種情緒對行動的推進有很大的幫助。讓自己脫離疑惑狀態、努力找到解答，就能看得更高更遠。現在還不具備這兩種特質？沒關係，從現在開始假裝你有，裝久了就會變真的！ 2. 跟喜愛學習的人當朋友 如果身邊的同儕都很樂於學習、分享，看著大家不斷往前走，不論是出現「不能輸」的良性競爭心態，還是「擔心被拋下」的恐懼，都能有效燃起你的動力；更重要的是，和樂於學習的對象交流，往往能獲得比你想像中更多的資訊與樂趣。 3. 找一位模範當樣本 大家身邊一定多少都有因追星而「不小心才華洋溢」的親友吧（例如：學會了一門外語、精通攝影技術等）！偶像賦予的動力很大，我們也可以找一位覺得很厲害、很欣賞的人，大至業界名師，小至身邊同事都行，慢慢向他靠近，不知不覺自己也會越爬越高唷！ 延伸閱讀： 【自主學習】可以做什麼？主題怎麼選、計畫時間安排 #免費下載自主學習計畫表 #自主學習主題推薦 4個方法創造學習動機，提升教育訓練的成效 吳恩達公布AI工程技能版圖：2026年開發者最重要的4大技能 吳恩達與DeepLearning.AI分析超過1萬筆職缺，整理出2026年AI工程師最重要的4大技能，包括建構AI應用、軟體工程基本功、使用AI Coding Agent，以及塑造產品與開發方向。 匯聚九國學者共議全球韌性　北市大校長邱英浩：以跨界合作回應全球多重挑戰 臺北市立大學攜手行政院人事行政總處公務人力發展學院，於9月10日至11日舉辦「2026全球韌性國際研討會」（2026 Global Resilience International Conference），匯聚臺灣、日本、義大利、紐西蘭、保加利亞、馬來西亞、泰國、韓國及英國九國學者專家，聚焦全球治理、都市規劃、人口變遷、社區發展、公共服務及高等教育等議題，透過跨國、跨校及跨領域交流，共同探討全球多重挑戰下的韌性治理。 每週省下11小時卻更累？Botsitting讓87%職場人陷入「生產力假象」！ 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。 【2026最新】中秋節、教師節出勤薪資總整理！「國定假日」加班要給兩倍薪｜中秋連假計薪 2026年的中秋節同樣為改制後連同教師節形成的「中秋連假」，時間為9/25-9/28，提醒大家中秋節和教師節目前均為「國定假日」，勞工當天應休假並工資照給，如雇主徵得勞工同意，雙方仍可協議出勤，但當日工資依法要「加倍發放」唷！《104職場力》為您參考官方公告資訊，並為您簡單試算工資，完整匯整「2026中秋連假」上班、加班、計薪資訊！ 夢想變解方！新北高中生圓夢成果亮相　2027總獎金提高至50萬  學習不只在課堂，新北高中生把專長帶進真實世界！新北市教育局今（11）日舉辦「2026圓夢計畫」成果發表會，6組學生團隊分享近一年來從甄選到實作的成果，運用科技、技職、影像及運動等專長，回應特教學習、環境永續到地方文化與運動共融等議題。現場並同步啟動「2027圓夢計畫」，新學年度將攜手見賢思琪教育基金會，單年度總獎金由23萬元提高至50萬元，徵集更多高中生提出創意方案、付諸實踐。 

台北市及新竹市陸續推出青年AI工具補助計畫，補助包括ChatGPT、Claude、Canva等AI工具的訂閱費。北市18~35歲一般青年每年最高補助4,000元，新竹市則為16~40歲最高補助3000元。本文整理申請資格、期限、必備文件與常見問題一次看懂。 文／《104職場力》整理 本文目錄（點擊可快速前往） 台北市、新竹市青年AI工具補助盤點台北市青年AI工具補助計畫重點新竹市AI領航青年數位工具補助重點 台北市、新竹市青年AI工具補助盤點 台北市 vs. 新竹市 青年AI工具補助，差在哪？ 台北市｜青年AI工具補助計畫新竹市｜AI領航青年數位工具補助計畫年齡18~35歲16~40歲身分條件設籍台北市滿6個月以上的大專院校在學生和115年應屆畢業青年。並曾修習AI相關課程或參與青年以戰代訓銜接職場計畫設籍新竹市，不限學生身分受理期間2026/8/1～10/31訂閱，最遲11/10前提出申請。依申請對象別及申請先後順序審核撥款，當年度經費用罄後即公告不再受理。2026/4/2～11/30受理，額滿或經費用罄為止補助額度依訂閱費用實報實銷。一般青年每人每年最高補助4,000元；低收入戶／中低收入戶最高8,000元。補助購買金額的50%，一般青年每人最高補助3,000元；特定對象及文化語言保存者補助90%，最高6,000元補助次數每年1次，最多2項AI工具最多補助1次申請方式依青年局公告辦理線上申辦注意事項●中國大陸開發之工具軟體不予補助●中國大陸開發之工具軟體不予補助 台北市青年AI工具補助計畫重點 誰可以申請北市青年AI工具補助？ 年齡與戶籍：18歲以上至35歲（即未滿36歲），且設籍台北市滿6個月。年齡與設籍天數都以「提出申請補助日」回推計算。 學籍：具經教育部承認之大專院校、研究所學籍，或115年度應屆畢業生。 AI學習經歷：曾修習人工智慧（AI）相關課程，或參與青年局「青年以戰代訓銜接職場計畫」，並取得學分、及格成績或結業證明。 台北市青年AI工具補助計畫說明 北市青年AI補助申請時間、補助金額怎麼算？ 計畫採「先訂閱、再申請」，AI工具的訂閱週期必須落在補助期間8/1~10/31之間： 補助期間：2026年8月1日至10月31日止。 申請期限：應於AI工具補助條件最後達成日次日起1個月內提出申請，最遲應於11月10日前提出申請。每年度以申請1次為限；每次最多得申請2項AI工具費用補助。雖沒有名額限制，但經費用罄後即公告不再受理，想申請的人越早備齊文件越好。 補助額度：依訂閱費用憑證實報實銷，每人每年最高補助4,000元；低收入戶或中低收入戶最高補助8,000元。 補助期間的訂閱金額怎麼認定？ 訂閱未滿一個月不補助：補助期間內，AI工具之訂閱週期未滿一個月者，不予補助。例如只訂閱20天，不能按比例申請。 月訂閱制補助認定： 8/10訂閱到9/9 → 可申請1個月補助。 8/10訂閱到11/9 → 只有「8/10~9/9」與「9/10~10/9」為補助期間內的完整月訂閱週期，可申請2個月。 年訂閱制補助認定：以年費總額按比例折算每月訂閱費用來核算補助，計算方式為「年費 ÷ 12 個月 × 截至10/31止補助期間內的訂閱月數」，最高補助4,000元。 訂閱期間不得申請退款：訂閱週期內若向軟體公司申請退款，該筆費用不予補助。 北市青年AI工具補助，哪些AI工具可以申請？ 官方列出補助AI工具應以個人使用版本為原則，包含但不限於以下4類工具： 通用型AI：ChatGPT、Gemini、Grok、Claude、Perplexity 影像類AI：Canva、Adobe、Midjourney、Figma 辦公類AI：Copilot、Copy.ai、Jasper、NotebookLM 學習類AI：Notion AI、Grammarly、Speak、Elicit AI 不符合補助資格的情況： 企業版、家庭版等多人共用版本：僅補助個人使用版本。 中國大陸開發之工具軟體：如CapCut、Kling、Meitu／美圖秀秀、Wink、WHEE、SenseAvatar等。若有疑義建議訂閱前先致電北市青年局確認。 AI只是附加功能的軟體：如軟體主要用途並非AI應用，例如筆記軟體內建有AI輔助功能，不符補助項目。若有疑義建議訂閱前先致電北市青年局確認。 無法拆分的套裝方案：例如Adobe Creative Cloud這類全家桶，若無法單獨區分AI工具的訂閱項目與費用，不符合補助；若方案中的AI工具可獨立訂閱並提供載明名稱與費用的付款證明，原則上可申請。 北市青年AI補助，申請文件要準備什麼？ 申請書 新式戶口名簿影本，或最近三個月內之戶籍謄本 在學證明或115年度畢業證書 AI課程修習證明（如成績單或學分證明，若欲認列之課程，其證明文件上之名稱未明確包含「人工智慧」、「AI(Artificial Intelligence)」等文字，申請人需額外檢附授課單位或教師開立之證明書，證明修習之課程內容包含AI相關專業）） AI工具訂閱紀錄及購買憑證（發票或收據，購買人須為申請人本人或其法定代理人） 領據正本及本人金融機構存摺封面影本 AI工具使用心得一篇（申請每項AI工具字數至少300字） 補助案件自主檢核表 低收入戶／中低收入戶者，另附身分證明文件 其他經北市青年局規定應檢附之相關文件 申請文件如有欠缺，北市青年局會通知限期補正；屆期未補正或補正不全，得駁回申請或依現有文件逕為審核。申請書表、計畫全文與常見問題PDF皆可於青年局補助專頁下載。（台北市政府青年局：青年AI工具補助計畫） 北市青年AI工具補助常見問題QA Q：補助有名額限制嗎？ 沒有名額限制，但依申請對象別及申請先後順序審核撥款，當年度經費用罄後即公告不再受理。想申請的人越早備齊文件越好。 Q：海外學生也能申請嗎？可以申請，就讀學校須屬於教育部公告之外國大學參考名冊，或大陸地區大學及高等教育機構認可名冊。 Q：人工智慧課程認定，若名稱沒有「AI」怎麼辦？ 原則以課程名稱認定，若名稱未明確包含「人工智慧」或「AI」字樣（例如計算機概論、進階程式設計、科技與社會），需另外檢附授課單位或教師開立的證明書，證明課程內容包含 AI 相關專業。官方有提供〈AI課程證明書（範本）〉可下載。 Q：可以申請兩個AI工具嗎？ 可以。第一個月用A軟體、下個月改用B軟體也可以，只要兩者都在補助期間內完成訂閱且未退款，即可於最後一項補助條件達成之日起1個月內提出申請；惟最遲應於2026年11月10日前提出。每人每年度以申請1次為限，每次最多得申請2項AI工具之訂閱費用補助。 Q：用父母的信用卡訂閱AI軟體可以嗎？ 若購買人為申請人的法定代理人可以，但須另附證明購買人身分、與申請人關係及法定代理權的文件。若父母依法不具法定代理權，則不符規定。 Q：可以在第三方平台買嗎？ 原則應向官方網站或官方授權銷售平台訂閱。透過第三方平台購買者仍須提供可證明工具名稱、訂閱期間、付款金額、購買人與實際付款情形的憑證；如無法確認帳號使用權歸屬、實際訂閱內容，或屬共用帳號或帳號租用，不符規定。 Q：補助款要繳稅嗎？ 會列入受補助人當年度所得，由青年局依所得稅相關規定辦理所得申報，實際應繳稅額視個人年度所得總額、免稅額與扣除額而定。 104學習AI課程推薦 實體限定優惠 【確認開班｜最後晚鳥領$ 4,350券現折】第三屆AI營隊－AI數據自動化工作流實戰營｜緯育TibaMe X 104人力銀行獨家 36733人感興趣 了解課程＞ 線上限定優惠 iPAS AI應用規劃師【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題​｜104獨家iPAS AI考證衝刺 32917人感興趣 了解課程＞ 線上 【直播限時回放】iPAS AI應用規劃師（初級）- 第三梯考前衝刺班｜8/5（三）20:00–21:30 線上直播講座｜104獨家iPAS AI考證衝刺 26791人感興趣 了解課程＞ 新竹市AI領航青年數位工具補助重點 新竹市AI領航青年數位工具補助，怎麼申請？ 新竹市青年發展中心自2026年4月推出「AI領航青年數位工具補助計畫」，在8月中旬宣布加碼500萬元經費，同時把申請年齡從18歲下修到16歲、並新增特定對象與文化語言保存者的加碼補助，8月14日起改為線上申辦。 申請時間為即日起至2026年11月30日申請額滿或經費用罄止。 數位申辦平台：AI領航青年數位工具補助計畫申請 新竹市AI補助申請資格 設籍新竹市。 年齡16歲至40歲以下。 不限學生身分。 須自行先完成購買並付款，再檢附憑證申請（先買再補）。 新竹市AI補助金額怎麼算？ 身分補助比例補助上限一般青年購買金額50%3,000元特定對象及文化語言保存者（低收入戶、中低收入戶、身心障礙者、原住民、新住民等）購買金額90%6,000元 新竹市AI補助有哪些AI工具可以申請？ 官方列舉4類（不補助中國大陸開發之軟體）： 通用型AI：ChatGPT、Google AI的訂閱方案、Grok、Claude、Perplexity等。 影像類AI：Canva AI、Adobe Firefly及其他Adobe AI創作工具、Midjourney、Figma AI等。 辦公類AI：Microsoft Copilot、copy.ai、Notion AI、Jasper等。 學習類AI：Grammarly、Speak、Elicit等。 新竹市AI補助要準備什麼文件？ 身分證正反面清晰照片 購買憑證／發票（官方收據、繳款憑證；以外幣付款需附換算新臺幣的單據） 存摺封面影本 親筆簽名的切結書 若由他人代為付款，另附代付人簽名的切結書 具特定對象及文化語言保存者，另附相關證明 線上申辦 測你的AI素養 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＞

做了一堆AI工具，卻沒多久就晾在那裡？該如何真正用AI解決工作問題？104資深協理李明倫分享3個實際案例、5類提示詞與7步驟實作法，教非技術職從「非做不可」的工作開始，把工作拆成角色交給不同的AI，打造你的「AI營運團隊」。 文／《104職場力》整理 本文目錄（點擊可快速前往） 新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？如何選題：第一個AI專案，不要挑最大的問題讓AI進入工作流程：3個案例看人與AI重新分工非技術職如何和AI協作？把AI當「第一天上班的聰明新人」從問題到落地：非技術職也能採用的7步驟從最想解決的問題開始，打造你的AI營運團隊 公司導入AI後，興沖沖用AI做了一堆工具、Dashboard與Skill，卻過沒多久就晾在那裡，或者做一做就沒有下文……這可能是許多工作者近期的共同經驗和痛點，到底該如何和AI分工協作、真正用AI提升工作效率？ 104人力銀行資深協理李明倫（Will Lee）觀察，生成式AI的出現，讓「先做一個工具看看」變得很容易，而他認為，AI應用能否落地，關鍵不在工具本身，而在一開始挑的問題。因此他認為，導入AI的第一個問題，不是先想「AI可以做什麼」，應該從「我現在最想解決什麼問題？」開始。因為持續存在的問題會帶來足夠的改善動力，團隊才會願意反覆測試、修正，最後把AI放進日常工作。 本文整理自104人力銀行資深協理李明倫於104「AI煙火小聚」分享的主題「如何打造你的AI營運團隊」，他並非技術職主管，過去兩年卻與團隊透過生成式AI、自動化及AI輔助開發（Vibe Coding），逐步改善資料整理、客服追蹤與工作流程，本次分享他與AI的協作心法。以下節錄精華內容。 【開始前的提醒】操作前應確認AI工具權限與資安規範本次分享中，李明倫使用公司提供的Claude企業版來協助盤點工作問題。實務上，工作資料能否提供給AI，仍應依照各公司核准的工具、權限與資安規範來判斷。建議操作前需確認哪些資料可以上傳、哪些內容應先去識別化。 新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？ 在成長期的單位，常見的工作狀況是：新的客戶、新的服務與新的流程持續出現，連帶增加新的名單、資料、報表、分析及管理需求；即使工作量倍數成長，但人力卻沒倍數成長，系統建置速度也不一定能跟上，因此耗費大量時間在人工整理資料。 「最好的方法還是系統。」李明倫說：「可是新的單位、新的服務很多流程還不確定，不可能直接建到CRM。」尤其是新服務剛開始運作時，流程與規格可能仍在調整。若此時投入大量工程資源建正式系統，一旦作業方式改變，系統都得跟著改。他形容，這階段急著要求PM與工程建系統，「其實只是在丟另外一個炸彈給他們」。 這種情況下，許多團隊會先用Excel試算表來因應過渡期。「結果就是我很會用Excel，包括寫各式函數。」他說，資料不多時，這種方式快速又有彈性；但隨著檔案、函數與使用者增加，Excel的極限逐漸浮現，例如檔案跑不動、多人共用時可能誤改、資料散落在不同檔案，或是主管需待人工彙整才能掌握進度，都是可能發生的問題。 而本次分享的AI輔助開發工具，李明倫將它定位為「過渡方案」。它不取代正式後台，也沒有直接串接所有系統；用途是讓尚未定型的流程先被實際使用、驗證和修正。等規格逐漸穩定，團隊再把真正需要的功能移入正式系統。這段過渡期也像一場低成本的使用者測試，幫助更快確認規格與使用方式。 如何選題：第一個AI專案，不要挑最大的問題 首先要注意的是，不是所有工作都值得投入時間打造工具，李明倫建議，優先挑「高頻、重複、可標準化、成效可驗證」的問題： 高頻：經常或定期發生。 重複：大量步驟相同，人工反覆複製、整理或確認。 可標準化：狀態、判斷條件、處理順序或截止時間能說清楚。 可驗證：能用時間、錯誤率、處理量、採用率或其他KPI比較改善前後。 選定之後，他建議先問5個問題，把答案寫下來當作「改善前」的基準：這件事多久做一次？每次花多少時間？有幾個人參與？哪裡最容易出錯？成功後要看哪個KPI？ 另外，第一個專案不必挑全公司最大的痛點。規模越大，利害關係人、資料來源與例外情況通常越多。從最常重複、最容易驗證價值的工作著手，更容易做出第一個真的有人使用的版本。 讓AI進入工作流程：3個案例看人與AI重新分工 案例1：客服案件量大，進度仍靠Excel管理 把Excel搬上網頁只是表面，真正的改變是工作方式 某個客服團隊每天要處理大量資料，一筆筆聯絡、確認、做紀錄。曾經客服為了不掉球，發展出「把資料複製到Excel」的整理方式，記下當天聯絡狀況與下次聯絡日期，也方便主管查看進度及數據。為了改善工作流程，團隊起初嘗試增加試算表的函數和提醒，檔案卻隨資料累積變得更龐大、跑不動。李明倫接著把工作群組中的大量溝通訊息、現有流程規則、團隊成員口頭反映的問題彙整，交給AI協助標出流程中明確與仍在變動的部分，以及可能的斷點。 關鍵在於，AI蒸餾出可能的問題之後，還要跟現場同仁確認。「AI畢竟不在這個單位裡面，整理完以後我們還是會跟同事討論，哪些是大家認同的、哪些是AI想像的。與實際狀況不符合的，就剔除掉。」 問題收斂後，他們以Vibe Coding建立網頁工具來快速驗證。客服仍然處理同一批案件，但操作方式改變了： 所有案件集中處理，減少在不同資訊之間來回切換 網頁化操作，多人可同時查詢及填寫，資料不會互相覆蓋 可依案件屬性、時間與處理狀態等條件搜尋及排序 優先顯示當天必須處理案件，急件也能調整優先序 主管可直接查看處理量及相關數據，省去另行整理 【案例1】管理工具介面示意圖（圖／104職場力小編使用AI製作） 這項工具的重點不只是幫忙整理資料，還改變了客服每天如何工作。客服能把注意力放在聯絡與服務，資料搜尋、排序、提醒與統計則交由工具承接。流程還在變動時，團隊也可以快速修改規則，持續確認哪些功能值得進入正式後台。 他分享，工具導入後，即使曾有人力較吃緊的時期，團隊單人每日處理量仍能較過去平均提升一倍以上，工作量的波動也有所下降。不過他也補充，還有各種因素可能影響成果，因此不能將改善幅度完全歸因於工具。 案例2：開發名單持續增加，需在多份Excel不斷切換 從「整理排序」到「開發優先順序建議」 另一個團隊會接到多種來源的開發名單，例如講座名單、不同月份的專案名單、AI推薦名單，每種檔案格式、欄位和產生時間不同，累積一段時間後，客服可能需要在多份試算表之間切換與比對；多人共用時，同樣可能不小心覆蓋資料。 為了改善工作模式，本例也以AI輔助開發製作管理工具，將不同批次的名單集中到同一個工具，客服可依人員、批次或開發狀態篩選，主管也能看到整體進度。同時，工具內不會直接顯示敏感的聯絡資訊，沿用內部原有的權限控管。 【案例2】管理工具介面示意圖（圖／104職場力小編使用AI製作） 這個案例不同之處，是「名單整理排序」還多了一道AI與人工的來回協作：以AI參考過去成功案例的特徵，提出新名單的開發優先順序建議，並交由人工審查註記。人工複核被安排在關鍵判斷和防呆節點，大量整理與初步排序則交給AI。 案例三：公用客服信箱大量來信，回覆、紀錄、管理都費時 Power Automate與AI接力分類處理 公用信箱的回覆與管理也是許多團隊的痛點。信件數量少時，大家可以直接分工處理；但隨著業務成長，短時間內累積數百封來信，便可能出現重複處理、漏回或無法掌握處理進度等問題。 團隊原本把每封信登記到Excel試算表，再手動註記分類及處理狀態，管理雖有改善，行政負擔卻很重。 李明倫和AI討論解決方案，說明來信量、人工步驟與管理困難，最後決定採用Power Automate自動化工具，將Outlook收到的郵件定期匯入試算表，不必再花時間備份，收到即同步；再由AI協助分類，最後上傳至前例開發的客服處理工具，集中查看信件類別與處理進度。另外，Power Automate是AI提出的第2個建議。原先想的解法不可行，討論來回幾次才定案。  【案例3】信件管理流程示意圖（圖／104職場力小編使用AI製作） 共通點：沒有預設解法、讓AI從工具變營運夥伴 3個案例看下來，第一個共通點是都沒有預設既定解法。他們把團隊工作現況與遇到的困難交給AI盤點、討論，再從幾個解決方案裡比較選擇、來回修正，最後採用的做法有時可能與最初想像相差很遠。這些工具也都由團隊共同討論、實際使用並調整修正。 第二個共通點，是工作被重新拆解過。李明倫用「AI營運團隊」來形容，核心主張是把工作重新解構，拆解能力、角色，再看哪些可以交給AI。以名單案例為例，一套流程內其實有好幾種職責，例如整理與比對資料（助理、分析）、釐清規格與流程（PM）、開發工具（工程）、產出主管要看的數字（Dashboard管理），最後才是實際聯絡客戶的客服。現在其中好幾段交給AI，角色之間會互相接力，人只留在需要判斷的節點。讓AI從工具，真正變成「共同營運夥伴」。 非技術職如何和AI協作？把AI當「第一天上班的聰明新人」 「AI不是通靈。即便他非常聰明，你沒有跟他講清楚，他的回答當然不會精準。」 李明倫把AI視為第一天上班、能力很強的新同事。不過，AI能快速分析與建立原型，卻不了解部門情境，也不會讀心。若提供的背景越模糊，來回修正的次數通常越多。 因此盤點型提示詞可以包含5類資訊： 背景現況（Existing）：工作現狀、流程如何運作 規則與判斷邏輯（Rules）：工作實務上的詳細規則，包括決策規則、狀態定義、操作模式 佐證資料（Evidence）：實際工作檔案、畫面與案例說明 問題與落差（Problem）：目前看到的問題，哪裡耗時、容易出錯、缺少SOP 明確任務要求（Ask）：希望AI最後產出什麼、給誰用，例如建立SOP、待確認資訊、問題及建議 他也分享，「盤點型」和「工具型」的prompt不太一樣：盤點型要把問題和資料給足，和AI討論出卡點；而工具型比較單純，就是把功能講清楚。 AI「專業新人」交辦模板 想請AI先協助盤點問題，可以使用以下格式： 我目前要處理的工作是＿＿。現在由＿＿負責，使用＿＿工具。這件事大約每＿＿執行一次，每次花費＿＿。目前最耗時或容易出錯的環節是＿＿。現有資料包括＿＿。必須遵守的規則是＿＿。我希望改善的結果是＿＿。請先幫我整理目前的工作流程、主要痛點與可能解法，暫時不製作工具。請同時標出適合由AI協助的步驟，以及仍應由人判斷的步驟；如果資訊不足，請先向我提問。 實作心得1：一次只加一個功能，做完立刻驗證 直言自己並非技術職，李明倫打造工具時，會先和AI討論方案是否可行，確認後再逐步增加功能。他曾一次要求多項調整，結果自己和AI都容易混亂；後來改成一次處理一個小功能，完成後立刻驗證。此外，正式讓同事使用工具後，後續修改則要區分測試版與正式版（Staging／Production），避免調整功能時讓現場工具直接停擺。 實作心得2：AI說「很簡單」，不代表真能做出來 AI提出可行方案後仍要實測。李明倫坦言，有些AI口中的「很簡單」，最後仍可能做不出來；第一版範圍越小，團隊越能及早發現限制。遇到看不懂的技術問題時，他也會直接請AI換一種方式解釋，確認自己理解後再做選擇，避免盲目操作讓後續修改變得更複雜。 實作心得3：把專案知識建立在MD檔 每個主要專案也會建立MD檔，記錄規則、步驟與使用方式，避免重要脈絡散落在長對話中。至於是否進一步做成可重複調用的Skill，則要看流程的共通性。李明倫提到，許多工具的規則非常細，只適用特定單位；若跨團隊無法直接套用，保留成專案MD檔更實際。 實作心得4：文字講不清楚，就截圖給AI看 李明倫提到，和AI來回修正時，他大量使用截圖：把畫面截下來、圈起要改的地方，比打一長串文字精準得多。若要說明幾份檔案之間的關聯，他甚至會用PowerPoint畫成一頁示意圖。部署失敗時也是同樣做法：平台上會顯示錯誤訊息，截圖給AI就會自行修正，讓錯誤不再是障礙。 從問題到落地：非技術職也能採用的7步驟 想從0開始一個AI專案，必須涵蓋選題、盤點、測試與持續營運。綜合李明倫分享的實務做法，整理為以下7個步驟： Choose 選題：選一個值得解決的問題，優先挑「高頻、重複、可標準化、成效可驗證」。寫下發生頻率、每次花費時間、參與人數、常見錯誤與成功指標。 Define 定義：用EPSP梳理現況（Existing）、問題（Problem）、AI解法（Solution）、標準流程（SOP）與預期影響（Business Impact）。 Discover 盤點：蒐集現有試算表、文件、SOP、工作討論、操作畫面，訪談真正執行工作的人（使用者痛點），再請AI整理流程、痛點與可能機會。整理完務必回到實務現場逐項確認。  Prototype 原型：只解決一條核心流程，第一版先求能用、能測，不急著做成完整系統。 Test 實測：找一位真實使用者放入真資料，實際使用一段時間（一天／一週），記錄錯誤與新需求，反覆修正。 Standardize 標準化：把有效做法整理成固定輸入、固定流程與固定輸出，並定義負責人、更新頻率、SOP及檢核標準。 Review 檢討：定期檢查時間、品質、KPI、使用率與可擴充性；若規則或現場需求改變，再回到下一輪選題與定義。 李明倫認為，真正可複製的不是Prompt，而是「Problem → Solution → SOP → Review」的方法，重新拆解工作，讓工作流程持續進化。 從最想解決的問題開始，打造你的AI營運團隊 而在工具導入後，李明倫建議AI專案的成效不要只看「做出幾個工具」，應追蹤使用者是否持續使用、人工時間是否下降、錯誤或遺漏是否減少、工作品質和核心指標是否改善，以及這套流程能否被交接與持續調整等。 他也強調，雖然本次分享是使用Claude，但不同AI工具都能協助盤點流程與建立原型，介面設計、功能穩定度和使用習慣可能各有差異，選擇自己和團隊用得順手的工具即可。真正決定專案能否落地的，仍是問題是否值得解、規則是否講得清楚，以及使用者是否參與驗證。 從「非做不可」的工作開始，AI才會進入每天與每週的真實流程。當團隊持續經歷「發現問題、建立解法、形成SOP、檢視成效、再修正」的循環，累積下來的成果會超過零散的提示詞或單一工具，逐漸形成一套可運作、可交接、可改進的人機協作系統。 測你的AI素養 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＞ 吳恩達公布AI工程技能版圖：2026年開發者最重要的4大技能 吳恩達與DeepLearning.AI分析超過1萬筆職缺，整理出2026年AI工程師最重要的4大技能，包括建構AI應用、軟體工程基本功、使用AI Coding Agent，以及塑造產品與開發方向。 每週省下11小時卻更累？Botsitting讓87%職場人陷入「生產力假象」！ 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。 夢想變解方！新北高中生圓夢成果亮相　2027總獎金提高至50萬  學習不只在課堂，新北高中生把專長帶進真實世界！新北市教育局今（11）日舉辦「2026圓夢計畫」成果發表會，6組學生團隊分享近一年來從甄選到實作的成果，運用科技、技職、影像及運動等專長，回應特教學習、環境永續到地方文化與運動共融等議題。現場並同步啟動「2027圓夢計畫」，新學年度將攜手見賢思琪教育基金會，單年度總獎金由23萬元提高至50萬元，徵集更多高中生提出創意方案、付諸實踐。  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」？ 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。 文憑不再吃香？未讀大學年輕人 藍領比白領容易找工作 這兩個領域最缺人 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。