104學習

104人力銀行 / 都美建設股份有限公司 / Y-工地主任-年薪180萬起(桃園市八德區) / 符合度分析
Y-工地主任-年薪180萬起(桃園市八德區) 都美建設股份有限公司
履歷符合度:
登入計算

性格適合度:

職缺要求技能

未具備

PowerPoint

測驗

人力需求

工地工程稽核與驗收

AutoCAD

測驗

土木建築工程圖判讀

工地管理

工業管理

派工

有已符合的經歷忘了填寫嗎?記得定期 更新履歷

學習推薦

104學習

產品

04/28 10:35

AI 工作流是什麼?上班族提升效率的入門指南
AI 工具越來越普及,許多上班族已經開始用 ChatGPT、Gemini、Claude、NotebookLM 等工具協助工作。但真正能提升效率的關鍵,不只是「會不會問 AI 問題」,而是能不能把 AI 放進日常工作流程裡,形成一套可重複使用的「AI 工作流」。
過去使用 AI,很多人可能是想到什麼就問什麼:請 AI 幫我寫一封信、改一段文案、摘要一篇文章。這些做法當然有幫助,但如果每次都從零開始,效率仍然有限。
真正的 AI 工作流,是把工作拆成幾個步驟,讓 AI 在不同環節協助你處理初稿、摘要、整理、分析與發想,再由人來判斷、修正與決策。
簡單來說,AI 工作流不是讓 AI 取代你,而是讓 AI 成為你的工作助理。它可以協助減少部分重複整理的時間,但最後的品質把關、事實查證與責任判斷,仍然需要由人完成。
一、什麼是 AI 工作流?
AI 工作流指的是:將 AI 工具整合進日常工作流程中,讓它在固定任務中扮演特定角色。
舉例來說,如果你每週都要寫週報,過去可能需要回想本週做了什麼、整理資料、歸納成果、撰寫文字。導入 AI 工作流後,你可以先把已確認可使用的工作紀錄、待辦清單、專案進度整理後提供給 AI,請它協助分類成:
本週完成事項、遇到的問題、下週計畫、需要主管協助的地方。
接著,你再檢查內容是否正確,補上實際成果、數字與自己的判斷。
這就是一個簡單的 AI 工作流:
資料整理 → AI 協助產出初稿 → 人工檢查與修正 → 完成正式內容
AI 負責加快整理與初稿產出,人則負責確認事實、補充脈絡、做出判斷。
二、為什麼上班族需要學 AI 工作流?
許多人學 AI 時,最常遇到的問題是:「我知道 AI 很強,但不知道工作上到底怎麼用。」
其實,上班族最需要 AI 協助的,通常不是非常高深的技術,而是每天都會遇到、但很耗時間的工作,例如:
會議紀錄整理、Email 回覆、簡報製作、報告撰寫、資料摘要、Excel 分析、SOP 整理、專案進度追蹤、週報月報撰寫、學習筆記整理等。
這些工作都有一個共同特色:它們不一定困難,但常常需要大量整理、歸納與文字產出。
如果能把 AI 放進這些流程中,就有機會減少部分重複工作時間。對新手來說,AI 可以協助建立架構;對資深工作者來說,AI 可以協助加快第一版產出;對主管來說,AI 可以協助整理資訊、統整進度與提高溝通效率。
但需要注意的是,AI 工作流的目的不是讓工作「完全自動化」,而是讓人把時間留給更重要的判斷、溝通與決策。
三、AI 最適合協助哪些工作?
AI 很適合處理「文字整理、資料歸納、初稿撰寫、格式轉換、初步分析」類型的任務。以下是上班族最常見的應用場景。
1. 會議紀錄整理
開會後最麻煩的事情,往往不是開會本身,而是會後整理。AI 可以協助把會議筆記、逐字稿或已取得同意的錄音內容,整理成會議重點、決議事項、待辦清單與負責人。
適合請 AI 協助的內容包括:
會議摘要、討論重點、行動項目、決策紀錄、下次會議追蹤事項。
不過,使用 AI 整理會議內容時,必須特別注意資安與隱私。若要錄音、轉逐字稿或上傳會議內容,應先確認參與者知情,並遵守公司內部規範。涉及客戶資料、薪資、人事、合約、未公開商業資訊時,不建議直接上傳到一般 AI 工具。
AI 整理後,也需要人工確認人名、日期、數字、決議內容與責任分工,避免錯誤資訊被當成正式紀錄。
2. Email 與商務訊息回覆
很多上班族每天都花不少時間在回信、回訊息。AI 可以幫你把口語想法改成正式語氣,也可以幫你將太長的回覆縮短,或將生硬的文字改得更有禮貌。
例如你可以輸入:
「請幫我把以下內容改成正式但不冷淡的商務信件。」
「請幫我回覆客戶,語氣要專業、清楚,並委婉說明目前無法提前交付。」
但 AI 不一定知道你公司的實際政策與承諾範圍。涉及價格、合約、交期、賠償、客訴、法律責任等內容時,務必由負責人確認後再寄出,避免產生誤解或過度承諾。
3. 報告與簡報製作
許多人做報告或簡報時,最卡的是「不知道怎麼開始」。AI 可以協助產出大綱、整理架構、優化標題,甚至把長篇資料濃縮成簡報頁面重點。
例如你可以請 AI:
「請把以下資料整理成 8 頁簡報大綱。」
「請幫我把這段內容改成主管簡報用語。」
「請依照問題、原因、建議、下一步的架構整理。」
AI 很適合協助完成第一版,但真正有說服力的簡報,仍需要你補上資料來源、商業判斷、實際案例與具體數據。
4. 資料蒐集與摘要
當你需要快速理解一個新主題時,AI 可以協助整理你提供的資料,摘要文章重點、比較不同觀點,或產出初步觀察方向。
不過,AI 不一定能取得最新資訊,也可能產生錯誤或過時內容。若是涉及新聞、數據、法規、價格、政策、職缺條件、產業趨勢等資訊,仍應回到官方網站、原始報告或可信來源查證,不建議只依賴 AI 的回答。
比較安全的做法是:先由人提供可靠資料,再請 AI 協助摘要與整理;最後由人確認內容是否適合使用。
5. Excel 與數據分析
不熟 Excel 公式的人,也可以用 AI 協助理解公式、產生函數、整理欄位、設計分析方向。例如你可以問:
「我想統計每個部門的平均銷售額,Excel 公式怎麼寫?」
「請根據這份表格欄位,建議我可以分析哪些指標?」
「請幫我解釋這張報表中可能代表的趨勢。」
AI 可以協助你更快理解資料,但不能取代你對資料來源、計算邏輯與商業背景的判斷。若牽涉財務決策、營運績效、人事評估或對外公布數字,仍需由負責人確認資料是否正確。
6. SOP 與知識管理
很多公司都有一種狀況:工作流程靠資深同事口頭傳授,真正要交接時才發現文件不足。AI 可以協助把零散說明整理成 SOP、檢查表、教學文件與新人訓練資料。
例如你可以把一段操作流程整理後提供給 AI,請它產出:
步驟說明、注意事項、常見錯誤、檢查清單、交接提醒。
這類工作流很適合行政、人資、客服、行銷、營運、專案管理等職能。只要搭配人工確認,就能讓知識更容易被保存與傳承。
四、建立 AI 工作流的 4 個步驟
想開始使用 AI 工作流,不需要一次學會所有工具,也不需要從複雜自動化開始。建議從最常遇到、最耗時間的任務切入。
步驟一:找出重複性高的工作
先觀察自己一週內最常做、最花時間的工作。
例如:每週寫週報、每天回信、每次開會都要整理紀錄、每月要做報表、常常要寫社群文案。
只要是「重複出現、格式類似、需要整理文字或資料」的工作,就很適合先嘗試導入 AI。
步驟二:把工作拆成小步驟
不要只對 AI 說:「幫我做報告。」這樣的指令太模糊,AI 產出的內容也容易不符合需求。
你可以把任務拆成:
先整理重點 → 再產出大綱 → 再寫初稿 → 再優化語氣 → 最後檢查是否有遺漏。
拆得越清楚,AI 越容易協助你完成真正需要的結果。
步驟三:建立固定 Prompt 模板
當你發現某個任務常常會重複出現,就可以把好用的指令存成模板。
例如會議紀錄模板:
「請根據以下會議內容,整理成:
1. 會議目的
2. 討論重點
3. 已決議事項
4. 待辦事項
5. 負責人
6. 截止日期
7. 需要追蹤的問題
請用條列式呈現,語氣清楚、適合寄給團隊成員。請特別標註不確定或需要人工確認的地方。」
最後一句很重要,因為它能提醒你不要把 AI 產出直接當成正式答案。
步驟四:人工檢查與優化
AI 產出的內容不能直接視為最終版本。使用前,建議檢查:
內容是否正確?
語氣是否符合公司文化?
數字、日期、人名是否有誤?
是否有過度承諾?
是否遺漏重要脈絡?
是否包含不該外流的資訊?
是否適合對外發布?
AI 工作流的核心不是「全自動」,而是「半自動加速」。人仍然要負責最後品質。
五、使用 AI 工作流前,先做 5 個安全檢查
在把資料丟給 AI 前,建議先問自己 5 個問題。
1. 是否包含個資?
例如姓名、電話、Email、身分證字號、薪資、病假紀錄、客戶資料等,都不建議直接輸入一般 AI 工具。若真的需要整理,應先去識別化,或依公司規範使用指定工具。
2. 是否包含公司機密?
例如未公開財報、合約條款、商業策略、產品 Roadmap、內部報價、客戶名單等,都應依公司規範處理,不應任意上傳。
3. 是否需要取得同意?
若要錄音、轉逐字稿或整理會議內容,應確認參與者知情,並遵守公司政策與相關規範。
4. 是否需要查證?
涉及新聞、法規、數據、價格、職缺條件、政策與專業建議時,都應查證原始來源。AI 可以協助整理,但不應被視為唯一依據。
5. 是否可以直接對外發布?
AI 產出的文字應經人工審稿,確認沒有錯誤資訊、過度承諾、侵權疑慮或不符合品牌語氣的內容。
六、上班族可以先從這 5 種 AI 工作流開始
如果你是 AI 新手,建議不要一開始就追求複雜工具串接,可以先從以下 5 種最容易看到成效的工作流開始。
1. 會議紀錄工作流
適合對象:專案經理、主管、業務、人資、行政、行銷。
流程:取得同意的會議內容 → AI 協助摘要 → 產出待辦 → 人工確認 → 發送團隊。
這是日常工作中很實用的場景,但務必注意錄音同意與資料保護。
2. Email 回覆工作流
適合對象:業務、客服、主管、行政、跨部門溝通者。
流程:輸入背景 → 說明對象與語氣 → AI 草擬 → 人工修改 → 寄出。
重點是要告訴 AI:收件人是誰、你的目的、希望語氣是正式、委婉、積極還是簡短。
3. 簡報大綱工作流
適合對象:企劃、行銷、產品、專案、主管。
流程:輸入主題與可使用資料 → AI 產出架構 → 補充案例與數據 → 轉成簡報頁面。
AI 很適合幫你打開第一步,避免卡在空白投影片前。
4. 週報與績效整理工作流
適合對象:所有需要回報工作成果的上班族。
流程:彙整任務清單 → AI 分類成果 → 整理成週報 → 補充數字與影響 → 送出。
這個工作流也能幫助你累積年度績效資料,避免年底考核時才回想自己做過什麼。
5. 資料摘要與學習工作流
適合對象:需要快速吸收新知、追蹤產業趨勢、準備提案的人。
流程:提供可信資料 → AI 摘要 → 請 AI 提出重點與應用方向 → 人工查證與判斷 → 形成自己的觀點。
這很適合用在閱讀產業報告、研究競品、整理課程筆記或準備內部分享。
七、AI 工作流不是工具問題,而是工作方法問題
很多人學 AI 時,會一直追最新工具。但對上班族來說,更重要的是先理解自己的工作流程。
同一個 AI 工具,在不同人手上會產生不同效果。差別不只在工具,而在你是否知道:
我想解決什麼問題?
我有哪些資料可以安全提供?
我希望 AI 幫我做到哪一步?
哪些內容需要我自己判斷?
產出後要用在什麼情境?
是否需要查證或主管確認?
當你開始用這些問題思考,就不只是單純「問 AI」,而是在設計自己的工作流。
把 AI 當成工作助理,而不是標準答案
AI 工作流的價值,不是讓工作完全自動化,而是幫助上班族從重複、瑣碎、耗時的工作中,找出可以被輔助的部分。
從今天開始,你可以先選一個最常見的工作場景,例如會議紀錄、Email 回覆、週報整理或簡報大綱,試著建立自己的第一套 AI 工作流。只要能把一個任務變得更清楚、更容易重複使用,就已經是很好的開始。
未來的職場競爭力,不一定是誰使用最多 AI 工具,而是誰能更有效率地結合 AI 與自己的專業判斷。
AI 可以幫你整理資訊、產出初稿、提供方向;但真正做出選擇、承擔責任、創造價值的人,仍然是你。
使用提醒
本文提供 AI 工具應用的學習建議,實際使用時仍應依公司資安規範、個資保護要求與工作情境調整。AI 產出內容可能有錯誤或過時資訊,重要資料、對外訊息與正式決策,仍需由使用者查證與確認。
看更多
1 0 3735 1
一零四線上嚴選

小編

2022/11/11

【入門基本功】AutoCAD 3D 電腦繪圖設計
今天小編要繼續推薦AutoCAD 這個繪圖工具,上週我們看到的是 2D繪圖,今天我們則要來看用 AutoCAD 做3D繪圖。
各位知道目前市場上,3D繪圖軟體非常多,而每一款其實有其擅長 (或者說最適合使用)的領域範圍,我從網路個分享中,大概獲得一些訊息整理出來;目前3D繪圖從領域來分,可以大致可以分為「參數式建模」用於設計端到生產端溝通與執行工具,也就是 AutoCAD 3D 這一類;「非參數式建模 (高自由度)」用於與 CAD 搭配作業,物件與參數可與CAD交換作業的CAID軟體,例如:Alias。前面兩者,多用於工業、機械、建築、商品、零件設計等。第三種則是「多邊形建模」通常用於動畫設計,與前述兩類其實不同,例如:3Ds Max、Maya、C4D等知名軟體。
各位大約可以理解今天這堂課程所教的AutoCAD 3D學習後的使用領域;而今天這門課程,我們將能夠學習到:建構 AutoCAD 2D & 3D 樣板底圖、繪製3D實物、如何將三視圖轉為立體圖、AutoCAD 3D局部詳圖、2D與3D整合出圖、AutoCAD 3D的尺寸標註與投影、立體圖轉換剖面圖、三視圖與詳圖、繪製3D鳥瞰透視圖、一點透視與二點透視。課程將會從基礎環境設定,到立體視覺概念,在進入實際繪圖技巧、轉換技巧等實務分享,一直到最後得出圖技巧等,將會是非常紮實得一門課程。
推薦課程網址:
祝您 工作順利、學習愉快
小編陪您每日學習成長1%
看更多
1 1 12101 4
蔡佳峻

會計師

2021/12/08

21 人事費用佔多少比例是合理的?
大家可能都有聽過一個指標,叫做人均產值,它的公式如下:
人均產值=營業收入÷總員工人數
假設一家公司人均產值算出來是200萬,代表平均每位員工身上扛了200萬業績(營收),這是很多公司會用來衡量員工工作績效的指標。
不知道大家有沒有想過,人事費用佔多少比例會是合理的呢?
跟大家介紹另一個公式:
勞動分配率=人事費用÷營業毛利
不知道大家有沒有注意到,公式中的分母是營業毛利(=營業收入-營業成本),而非營業收入。
這是因為我們在〈05暢銷商品繼續賣,對公司反而不利?〉一文中,有提到:
「毛利又被稱為「還沒有拔毛之前的利潤」,因為毛利=產品售價-生產成本(銷貨成本),尚未扣除公司的相關管銷費用。也就是說,必須先有「毛利」,才有辦法支付後面的人事、租金、水電或是行銷等等「管銷費用」。」
也就是說,公司必須有毛利,才能支應一切管銷費用,這也是為什麼勞動分配率公式中,會以毛利作為分母,用來觀察我們的毛利,有多少比重花在人事費用上,藉以衡量員工薪資與他們為公司賺得的錢,是否呈現一個合理的比例。
舉例來說,A、B公司屬於同一產業且規模相近,A公司之勞動分配率為70%,B公司則為60%,此時,我們可能可以得出一個結論—B公司生產效率可能比較好。
一般而言,勞動分配率接近50%,可能會是比較健康的狀態,但並非絕對,仍會視公司產業及規模大小而有所不同,所以大家不用太過糾結於勞動分配率之絕對值,只要觀察變化的幅度、方向是否合理就可以了。但請大家切記,千萬不要透過壓低人事費用,來降低比率,這樣可能會適得其反,
此外,從這個比率我們也可以瞭解一件事,當一個業務員做了1,000萬的業績,並不代表他就可以獲得1,000萬的薪資待遇,因為薪資並不是用營收來支付的,而是用毛利來支付。如果公司毛利為30%,若業務員想獲得1,000萬的薪資待遇,至少要做到1,000萬÷30%=3,333萬以上的業績,才有機會,因為業務員除了要賺到自己的收入以外,還必須負擔其他行政人員的薪資,畢竟業務員與行政人員缺一不可,兩者並存才能維持公司正常營運。
看更多
6 0 41047 4
104學習

產品

01/16 10:26

【第二屆數據分析師學習營】開跑!超早鳥優惠現賺 $1,611,保握機會。
【第二屆數據分析師學習營】開跑!
0經驗&無工程背景,3週帶你開啟數據職涯!
【優惠只到 2026/1/23 (五)】超早鳥領$1,111送5百元line點數
【本次學習營特色】
🟢 免離職,假日上課,工作學習兩不誤
🟢 線上實體直播課,不分地區都能參加
🟢 助教小組全程陪伴,有問題隨時解答
🟢 3週完成業界實作專案,無基礎也能做出作品
🟢 104獨家完訓證明,提升您的履歷曝光度
🟢 刷中信 / 台新 / 玉山信用卡 → 享 3 期 0 利率
【學員課後感想回饋】
⚡莊小姐⚡從完全的數據分析小白,到現在學會基礎獨立完成專案,這是讓我最有收穫的部分。
⚡蕭先生⚡課程設計很適合新手,一開始會帶學員建立資料分析思維,並在接下來的課程用學習使用SQL、Power BI等工具,雖然課程為新手導向,但最後的專題報告仍具備挑戰性,評審的回饋也很有力,真的能夠獲得實戰經驗,超推薦!
⚡Miss Chen⚡對我來說硬實力及相關技能在網路上都有很多資源可以學習,課前最吸引我以及課中感受最深的就是跟不同學員的互動及想法交流,這是外面學不到的,再來就是業界講師的專業指教,也是非常難得且受用!
【保握超早鳥優惠|錯過就不在|還有多組合購優惠】
看更多
1 0 33462 1
鍾文雄 知識長

人才永續長

01/12 13:58

2025~2026年台灣重點產業人才發展趨勢
近期各國通膨壓力降溫,需求逐步回升,景氣維持平穩擴張步調,惟美國總統川普新政、美中角力、地緣政治風險等不確定因素,恐制約與影響全球經貿發展。隨著AI數位化和綠色雙軸轉型加速,全球供應鏈動態重組,各國將面臨打造競爭優勢和建構韌性供應鏈之挑戰。
因應國內經濟狀況、科技發展、社會結構變遷與淨零轉型的產業需求,政府在六大核心戰略產業的基礎上,積極推動五大信賴產業,包含深耕半導體、AI雙核心產業等,推動國家人才競爭力躍升,與數位及淨零雙轉型,以提振經濟成長動能。政府期望透過發展相關產業,讓臺灣成為全球民主科技陣營不可或缺並受信賴的夥伴,並藉由創新驅動帶動百工百業發展、創造高薪就業,以及強化國家安全與韌性。
看更多
1 0 529 0