PMI-ACP 敏捷專案管理師認證暨實務課程
104學習
分子生物學
掌握基因結構、蛋白質合成及細胞功能的基本原理，能進行DNA/RNA分析、基因定序及蛋白質檢測等實驗操作。這項技能在生技、醫藥研發、診斷檢測及農業應用中具高度價值，有助於開發新藥、疾病診斷工具及生物改良產品。具備此能力的人才，能精準解析分子層次的生物機制，提升研發效率與創新能力，符合產業對專業技術與實驗數據解讀的需求。
提升你的實力，朝專業更進一步
精選課程
充實自己，讓能力持續成長
打造高投入團隊：遊戲化工作設計與激勵機制實作班【9/17】
Onshape實戰工場：探索創新設計的無限可能
工作方法進化論 首部曲
AI驅動的創新管理實戰：打造高效、創新的智慧型企業【11/03】
AI 協思簡報術｜從模糊點子到精準說服的提案策略
淬煉提問技術啟動引導思維
人工智慧-深度學習【本課程為線上課，報名後專員會提供上課資訊】
掌握Claude Code從零打造企業級全端開發應用實戰班
【天下學習｜線上課】AI 高績效協作｜人才逆分工，未來職場新法則
精選證照
考取專業證照，讓能力被市場看見
敏捷專案管理師PMI-ACP
PMI-ACP® 是由國際專案管理學會（PMI®）推出的國際級敏捷專業證照，考試依據 PMI 最新全球實務分析（GPA）與任務分析（JTA）設計，並全面採用 PMI 官方授權教材與標準化教案，由 PMI 授權培訓夥伴（ATP）依一致規格授課，確保學員具備全球一致且高品質的專業素養與實務能力，真正接軌國際敏捷職場，建立跨框架整合思維與高品質交付能力的國際專業標準。
PMI-ACP® 融合 Scrum、Kanban、XP、Lean 等多元敏捷方法，強調跨產業應用能力與情境判斷能力，涵蓋敏捷轉型引導、產品價值創造、團隊協作效能與持續改進等核心能力。強化產品開發與交付角色的整合思維，使證照更貼近快速變動的市場需求，成為企業推動敏捷轉型與提升交付品質的關鍵戰力。
適合對象包括產品負責人（PO）、Scrum Master、專案經理、敏捷實踐者，以及已取得其他敏捷認證、希望建立更完整敏捷能力架構的專業人士。
PMI 國際專案管理學會
SSE AI 提示詞工程師
[ 引領AI時代的語言設計專家認證 ]
隨著生成式人工智慧（Generative AI）快速崛起，從文字生成、圖像創作、音樂編排到自動化工作流程，「提示詞（Prompt）」設計能力已成為駕馭AI的關鍵技能。而「Prompt Engineer（提示詞工程師）」作為新興且高度需求的職業角色，正逐漸在學術界與職場上嶄露頭角。 AI Prompt Engineer 國際認證應運而生，旨在建立一套標準化、系統性的評量機制，協助學習者掌握與AI互動的語言設計邏輯，具備實務操作能力與創造性思維，為進入AI產業奠定堅實基礎。
Silicon Stone Education (SSE)
Generative AI Studio
線上課程約8小時
本課程將介紹 Vertex AI 上的 Generative AI Studio，說明如何用此產品設計生成式 AI 模型的原型及自訂生成式 AI 模型，以利您在應用程式中使用模型的功能。課程中，您可以透過 Generative AI Studio 示範教學逐步認識 Generative AI Studio，並瞭解產品功能、選項與使用方式。課程最後，您可以在實作研究室應用所學，並進行測驗來評估學習成果。
完成此活動，贏取徽章！向世界展示您掌握的技能，拓展雲端領域的職業之路。
課程目標：
● 說明 Generative AI Studio 的功能。
● 介紹 Generative AI Studio 的選項。
● 使用 Generative AI 語言工具。
Google
GCIH
GCIH（GIAC Incident Handler）證照專注於資安事件處理與應變能力，涵蓋威脅辨識、攻擊分析及漏洞利用技術，強調實務操作與事件調查技巧，適合資安分析師及應急團隊提升快速反應與防禦能力，確保企業資訊安全有效防護。
SANS Institute
人工智慧：機器學習 Python
人工智慧研究如何使機器具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，是能讓事物變更聰明的科技。其研究範圍包含了：電腦視覺、語音工程、自然語言處理、移動與控制等。做為人工智慧體系的一部分，「機器學習」是一種資料科學的技術，也是實現人工智慧的一種方式，從資料中學習，獲得辨識或預測新進資料的技能，以協助電腦預測未來的行為、結果和趨勢，其技術廣泛應用在不同領域。
財團法人電腦技能基金會TQC+人工智慧：機器學習的題目設計包含：「監督式學習」、「非監督式學習」、「機器學習應用」等必備的知識及技術，運用不同機器學習方法進行實際案例之分析預測。
財團法人中華民國電腦技能基金會
AI-HR認證
AI-HR認證班將帶領您進入生成式AI的世界，並探索其在HR領域的各種可能。
★生成式AI介紹：了解生成式AI的基礎知識，並探索其在人力資源中的應用。
★HR數據洞察力：學習如何透過數據分析提升決策品質，並預測組織需求。
★HR流程梳理與優化：掌握最新的HR技術，優化招募、訓練和績效管理等人力資源流程。
★人資流程自動化：利用AI工具自動化日常HR任務，提高效率和準確性。
★HR職能發展與實務應用：擴展您的HR職能，並將生成式AI實際應用於工作中。
★組織變革與AI專案管理：學習如何領導AI專案，並推動組織進行AI轉型。
社團法人中華人力資源管理協會
精選貼文，掌握第一手知識
機電工程系（上）｜想當鋼鐵人背後的工程師？讓機器動起來的超能力！｜高雄科技大學｜科系真心話
如果鋼鐵人不是電影角色，而是一門學問，那它的核心就是「機電工程」！高雄科技大學機電工程系師生帶你走進讓機器「聰明動起來」的世界，從樓梯變電梯的生活比喻，到會養「機械狗」的真實實驗室，如果你對動手做、創新實驗和未來科技都充滿熱血，這一集將帶你揭開機電系如何結合機械、電機與電子，打造未來的智慧科技！
🎤主持人 Emily 安芷嫻 🎙來賓 高雄科技大學機電工程系：薛博文主任、蔡秉宏同學、陳佑柱同學
點擊了解本集章節
03:06 機電系在學什麼？電動車、機器狗自己動手設計
04:51 迷思破解：機電系同學很會修家電？女生適不適合讀？
10:27 「機械、電機、電子、機電系」差在哪？鋼鐵人幫你分清楚
18:23 系上分組：精密 vs. 智慧自動化 還有 1600 噸衝床！
27:59 讀機電系最難忘的課是？從理論到實戰，親手做出發電機！
37:53 跨領域互助才是王道！想讀機電系，打好這些基礎就對了！
收聽這集，你會知道——
「機電、機械、電機、電子……」這幾個科系名稱是不是讓人傻傻分不清？許多人一聽到「機電工程系」，腦中浮現的畫面可能是拿著螺絲起子修理家電，但實際上，機電系學生是打造能「自己動起來」的智慧機具，例如機器人、機械狗與自駕車的幕後工程師。
用鋼鐵人秒懂機電、機械、電機的差別
機電系學生的學習內容是如何讓大型機具精準運作，課程會接觸電子電路與機械設計，但重點在整合「動力、控制、結構」，讓一個系統能自動運轉。
高科大機電工程系薛博文主任用電影「鋼鐵人」比喻：
機械系造的是「身體」——結構與材料
電機系造的是「肌肉」——驅動與動力
電子系造的是「大腦」——晶片與感測器
機電系，則是統整所有部分，讓機器能精準運轉
也就是說，只要是「會動」的智慧裝置，像工廠機械手臂、移動機器人，都離不開機電工程的應用。
你是用科技的人，還是創造科技的人？
薛主任分享，有些人喜歡享受科技，但也些人想要自己創造科技。如果你總是想「這東西是怎麼做出來的？我也想試試看」，那就會是適合機電工程的人格特質。
另外，機電工程系在普通大學與科技大學都十分常見，普大主要強調理論與原理，問的是「為什麼」， 科大強調應用與實作，問的是「怎麼用」，例如普大研究「為什麼F=ma」，科大研究的則是「怎麼用F=ma做出機械手臂」，兩種訓練方向不同，未來工作類型與發展路徑也會相應不同。
機電工程，是讓想像動起來的學問
機電系畢業後的出路相當廣，包括自動化工程師、機器人研發、半導體設備整合、智慧製造、醫療輔具設計等。這些行業不僅需求高，也常與最新科技接軌。
機電系結合了機械的力、電子的腦與程式的魂，是一門讓創意真的「動起來」的學問。如果你想從使用科技的人，變成創造科技的人，機電系會是個值得你深入了解的起點。
歡迎點擊，收聽本集完整訪談內容
【延伸資源】
✨ 104人力銀行發起「實習打工故事競賽」活動，邀請你寫下自己的打工或實習經驗，無論是有趣的好笑的、收穫滿滿的、充滿血淚的，只要500字故事再加上一句個人金句，11/9 前上網投稿，就有機會獲得最高獎金 20,000 元，前 100 名早鳥報名還能直接獲得 LINE POINTS 100 點 👉 https://students104.pse.is/87y5sh
課業、打工、社團、愛情學分你都歐趴了嗎？歡迎收聽【青春通識課】陪你探索自己成為喜歡的樣子✨
告別制式勞動，迎向 AI 時代人才的變革與重構
從 AI、大數據到雲端運算，智慧科技持續重塑企業運作模式，也同步改變科技人才的能力結構與職涯路徑。當技術不再只是工具，而是開始參與決策、流程與協作機制的設計時，企業對人才的期待，也隨之快速被改寫。隨著生成式 AI 進入科技研發現場，產業競爭的焦點，逐漸從單純的效能與技術規格面，轉向研發流程、協作效率與人才結構的重新配置。
文／104人力銀行
立即下載《2026科技業人才報告書-人才版》
本文導覽：
先定義後拆解，掌握工具且能同時進化的優勢
AI 不是取代能力，而是重新設計組織的槓桿
AI 改變的不只是工具，而是人才競爭的基準
無論是深耕資安領域的趨勢科技、由單點工具轉向 AI 驅動工作流程的KDAN 凱鈿、將服務版圖延伸至「新商務」場景的騰雲科技，亦或是持續推動流程優化的技嘉科技，皆不約而同指出：AI 並不是單一技術的導入，而是從根本上，重新定義工程師的工作方式與企業的選才邏輯。
先定義後拆解，掌握工具且能同時進化的優勢
趨勢科技指出，在資安產業中，AI 的導入不僅提升效率，更放大了攻防的速度與規模。企業真正需要的，已非能單純完成任務的工程師，而是要能理解問題、拆解問題，並知道如何運用 AI 讓產品與防禦能力持續進化的人才。「企業現在看的人才，不再是會不會寫 code，而是能不能用 AI 定義問題、拆解問題，並把它真正放進工作流程裡。」
這樣的轉變，使「會寫程式」逐步從門檻條件，轉變為一種基本能力。
KDAN 凱鈿則觀察到，企業選才的標準明顯被翻轉。過去對工程師的面試，多半以程式語言的熟悉度為主，然而當 AI 加入成為日常工具，真正拉開差距的，反而是思考邏輯和問題拆解的能力。「以前我們面試工程師，程式語言熟悉度大概佔六、七成，思考能力佔三、四成；現在幾乎倒過來。」甚至可以說，判斷能力及邏輯架構，已遠勝單一技術的掌握。能力結構之外，AI 也在重新設計工作流程本身。
AI 不是取代能力，而是重新設計組織的槓桿
面對 AI 帶來的轉型壓力，騰雲科技則是認為，企業需要的人才，除了熟悉新工具，得要能解構既有的流程與模式，並予以重新加以設計。「頂尖的人才必須完備能解構問題的智慧，將經年累月結痂的既有工作流程無情拆解，再結合新工具進行徹底重構，以此創造出破局的商業價值。」在如此框架之下，AI 並非取代既有能力，反倒成為推動組織再造的重要槓桿。
相較之下，在硬體與韌體研發領域，AI 帶來的影響則呈現不同面貌。
AI 的導入並非突然出現，而是建立在長期流程自動化與知識共享文化的基礎之上。技嘉科技表示，當標準化與重複性的工作逐步由工具接手，企業在選才的課題上，反而更回到人才的本質。「AI 並沒有讓工程師變得不重要或被取代，反而讓一件事變得更加清楚——當工具越來越強，人真正不可取代的，仍然是持續學習、理解問題，以及把經驗轉化為能被團隊延續的知識。」
也因此，雖分處不同產業與戰略位置的四家企業，卻給出近乎一致的答案——AI 確實已改變你我的工作流程與內容，也對工程師的角色重新定位，然而企業真正關注的，不是誰會被取代，而是誰能定義出與 AI 協作的新方式。
AI 改變的不只是工具，而是人才競爭的基準
當 AI 已能協助完成大量數據的整理、流程文件撰寫及程式生成，甚至是輔佐當下決策的研判時，隨之浮現的是一個跨越產業和領域的深層叩問——AI 會不會取代人類？
觀察四家受訪的企業，答案竟出乎意料地一致：AI 並不會讓「人」變得不重要，而是讓人才的價值重新排序。但首先被改變的是，企業對工程師角色的認知與理解。當標準化、重複性的工作逐步由工具接手，真正拉開差距的，不是技術的熟練度，而是能否理解問題、拆解流程，並持續與新工具共同進化的能力。
正如受訪者所指出：「不是 AI 會取代人，而是會用 AI 的人，會取代不會用 AI 的人。」對企業而言，這意味著選才邏輯正在改變；對求職者而言，也代表未來職場的競爭力，將來自於跨領域理解問題的能力，以及在變動之中持續重塑自身角色的位置。
立即下載《2026科技業人才報告書-人才版》
掌握更多科技業人才趨勢，大家都在看這些：
告別制式勞動、迎向職能重構：騰雲科技在 AI 時代的破局商業學
AI 時代，寫程式不再是護身符——KDAN 凱鈿重新定義「好人才」
AI 時代的研發現場：回歸人才特質，技嘉如何重新定義工程師的工作方式
在趨勢科技，唯一的競爭對手是駭客：AI 時代下，資安人才與研發現場的真實變化
用AI做簡報，建議先「生成大綱」！簡報大綱規劃模組Prompt分享
想用AI做出高品質簡報，為什麼需要先「生成投影片大綱」？作者分享透過「投影片大綱規劃模組Prompt」，確保簡報內容精準呈現，並讓結構更加完整。內文詳細解析Prompt用法、實際應用案例，以及在NotebookLM、Notion AI和Google AI Studio等平台的操作方法。本文節錄自《超有料！職場第一實用的AI簡報術》。
文／廖韋評
本文目錄（點擊可快速前往）
為什麼用AI生成投影片，需要先「生成投影片大綱」？投影片大綱規劃模組：Prompt用法解析AI生成簡報大綱應用實際範例AI投影片大綱規劃模組使用方法方法一：使用NotebookLM產出大綱（推薦）方法二：使用Notion AI產出大綱方法三：使用一般的LLM產出大綱方法四：使用Google AI Studio產出大綱（推薦）
已經設計好了簡報目標、分析簡報對象的需求、彙整大量簡報中可能會需要用到的關鍵字，並根據這些資料規劃了搜尋用的指令、得到了許多網路上的搜尋成果作為背景參考資料。
在將這些簡報內容視覺化之前，由於每個AI投影片生成工具對於簡報內容的建構能力並不相同，所以為了確保能夠有最完整的簡報品質，我們要先透過投影片大綱規劃模組來將這份簡報的逐頁大綱擬定完成！
編按：為了確保AI能夠做出精準符合需求的簡報內容，作者建議先定義簡報需求，做資料蒐集及資料彙整之後，透過投影片大綱規劃模組，生成完整投影片大綱，再正式進入以AI簡報工具生成投影片的環節。延伸閱讀：AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI簡報工具推薦
為什麼用AI生成投影片，需要先「生成投影片大綱」？
1. 確保內容精準性：投影片導向的AI在生成投影片時，通常不允許使用者上傳背景參考資料。如果沒有大綱預先規劃內容，可能會導致最終視覺化內容的資訊失真。
2. 模型能力差異：投影片導向的AI核心模型為了追求反應速度和降低成本，通常採用非推理模型。相比之下，先在大語言模型 (LLM，如ChatGPT、Gemini) 中生成大綱，可以利用其更強大的邏輯推理能力。
3. 避免內容過度壓縮：投影片導向的AI有可能為了方便版面排版，將使用者提供的內容過度壓縮或省略。預先生成詳細大綱，能確保核心訊息被完整保留。
4. 降低修改成本與耗時：如果直接讓AI生成投影片，不僅耗費時間較久，後續發現邏輯或內容錯誤時，修改調整的成本也較高。
5. 確保節奏與品質：透過指令先行生成大綱，能確保內容的節奏與文字品質符合講者預期。
綜上所述，如果我們在生成投影片視覺內容之前，先透過其他AI生成大綱，較能夠透過指令確保內容的節奏與文字品質符合我們預期。
投影片大綱規劃模組：Prompt用法解析
編按：投影片大綱規劃模組由：投影片大綱生成規劃、投影片內容大綱生成規則、輸出格式規則組成，本文將逐段解析prompt，實際應用時需整組貼上，用法詳見下文。
Prompt# 投影片大綱生成規劃## 角色 (System)你是一位「投影片製作AI助理」，擅長將大量資料整理成有條有理的投影片脈絡。## 執行流程Step 1. 根據簡報的總時間長度評估「投影片頁數」(預估每 1~2 分鐘一頁)，並依內容的邏輯結構與深度彈性調整，確保敘事流暢。Step 2. 整合簡報目標、受眾需求、關鍵內容清單、參考資料，打造整份簡報的 Story LineStep 3. 根據這份簡報的 Story Line 將簡報內容拆解成 3-5 個章節，並按照章節彙整對應的參考資料 (務必使用參考資料，我會檢查)Step 4. 根據每個章節的參考資料拆解數個「核心訊息」作為投影片的標題，再設計投影片大綱Step 5. 設計投影片大綱時，先生成完整口語講稿、再根據講稿內容提取投影片內文或數據圖表 (口語講稿的內容應該要遠多於投影片的文字，需涵蓋該頁投影片的所有內容，並補充額外資訊。)Step 6. 設計投影片內文時，判斷頁面類型，再根據類型決定文字數量/密度/格式。Step 7. 最終審視與串連：檢查所有投影片是否緊密圍繞「核心訊息」，並確保「故事線」的起承轉合流暢自然。
相較於以往直接讓AI閱讀資料產生大綱，這一部分模組提供了一個比較細節的流程：
先根據簡報時長判斷投影片頁數。
再根據內容先提出整體故事線以確保簡報的敘事邏輯順暢。
最後才是切分章節與設計每頁投影片內容。
比較值得分享的是，為了避免AI在生成投影片時文字過於生硬，所以在「Step 5」的時候特別要求AI同時輸出「講稿和投影片文字」，這個做法的好處是可以用講稿內容來評估實際的簡報時長、也能避免內容與講稿不同步的問題、但缺點是會花費不少的TOKEN額度、可能導致內容被壓縮，可以視情況決定是否自行拿掉。
Prompt## 投影片內容大綱生成規則### 第一張：封面設計 內容：主標、副標、講者名字設計風格：依主題決定版面 (置中/左右分欄/滿版圖片等)、字級清楚、對比明確### 第二張：目錄頁內容：標題、各章節內容設計風格：若章節數 ≤ 4：左側加上插圖，右側標題與章節對齊；若章節數 > 4：不使用插圖，以清楚的清單呈現### 章節頁內容：章節編號(以 Ch. 呈現)、章節名稱、內容項目 (列點或以、分隔)設計風格：使用半圖半文版面### 金句頁 (建議整份簡報只要放 2 - 3 張)內容：無需標題，僅一行關鍵句設計風格：強調不要有任何的插圖、大小設定為 H1### 純內文頁-標題內文：請根據內容總結一個 Tagline 做為標題，而不能只是執行時程這樣的單字、標題內文內容不能超過 10 個字-內容列點：根據講稿判斷重點，並以「-」條列，最多只能往下展開一個子階層、且子階層文字不能過多-呈現邏輯：依列點文字的邏輯，在「排版指令行」指定排版形式 (如：金字塔圖、流程圖、ICON 版面……)，但不要有不相干的裝飾性插圖！-設計風格：內文頁請強調「不要有任何的插圖」### 數據圖表頁若判斷該頁適合放置數據圖表：-標題：列出圖表標題，並於後方加上「(須人工補充圖表)」-內容：圖表核心洞見：[ AI 需在此處生成一句話，說明此圖表最想傳達的結論或趨勢]-關鍵數據點：列出講稿中提到的具體數據 (為確保數據的可觀性，盡量不使用過多文字)設計風格：建議圖表類型 (長條圖/折線圖/圓餅圖/表格)### QA (最後一張)內容：標題字「QA Time」＋三個建議觀眾提問＋一個核心 CTA
由於讓 AI 自己規劃內容時，容易全部是資訊塞滿的內容頁，所以這邊特別在版面設計中加上了目錄頁、金句頁、數據頁、QA 頁的設計引導，讓投影片的版面變得更加豐富、較不容易造成觀眾的疲乏。
Prompt## 輸出格式規則1. 僅輸出 Markdown 格式2. 每張投影片採以下結構呈現： - `# Slide N｜主標題` - 簡報核心內容：以 bullet 方式呈現 - 口語講稿：換行之後以註記呈現 `/* .... */` - `:: 設計風格：......`3. 以 `---` 分隔不同投影片，這個很重要！。4. 依序編號 Slide（1‥N），不遺漏也不重複。##輸出格式案例#Slide 14｜短中長期規劃 - 短期（一個月內）：成立風險盤點小組由財務、業務、採購部門主管組成。任務：全面量化公司目前的外幣資產、負債、及未來一季的預期現金流。- 中期（一季內）：制定內部應對策略舉辦跨部門工作坊，建立避險共識與標準作業流程（SOP）。 產出：更新版的標準報價合約範本、金融避險工具使用原則。- 長期（半年內）：融入日常營運定期（如每季）檢視與調整避險策略。<info>將匯率風險納入各部門的KPI與年度預算考量。</info>/*我建議，我們不需要等到所有事情都完美才開始。我們可以從今天開始，啟動一個為期三個月的「匯率風險管理優化專案」。第一個月，我們需要立即成立一個由財務、業務、採購主管組成的跨部門任務小組，目標只有一個：全面盤點我們目前到底有多大的外幣風險部位。[4] 第二個月，我們要舉辦一場深度工作坊，把今天提到的策略，變成我們公司自己的SOP。第三個月，我們要看到具體的產出：一份更新版的標準報價合約，以及第一筆「自然避險」的採購訂單。 */:: 設計風格>>時間軸：清晰標示出「一個月」、「一季」、「半年」的關鍵行動與產出。---## 開始編排1. 請先宣告投影片頁數2. 列出Story Line3. 生成整份簡報的大綱
最後為了確保AI所產出的大綱格式，在後續轉變成投影片時能夠被其他AI穩定的讀懂，這邊針對輸出格式做了完整的範例，並將同一張投影片內不同邏輯描述，以不同的註記方式呈現。
AI生成簡報大綱應用實際範例
範例以荒廢公園再利用為題目：
圖／旗標《超有料！職場第一實用的AI簡報術》
AI投影片大綱規劃模組使用方法
了解了模組的設計概念和成效之後，我們要如何使用這個模組呢？其實就是把所有模組的產出成果（簡報情境、對象分析、關鍵內容、搜尋成果）統一上傳至AI，再讓AI了解完所有簡報需求之後，根據投影片大綱規劃模組整合搜尋而來的資料就可以了。
方法一：使用NotebookLM產出大綱（推薦）
網址：https://notebooklm.google.com/
確定上傳簡報情境、對象分析、關鍵內容清單。
確定把所有 AI 搜尋的成果上傳。
在問答區中輸入大綱規劃模組，即可獲得完整的投影片大綱。
圖／旗標《超有料！職場第一實用的AI簡報術》
方法二：使用Notion AI產出大綱
網址：https://www.notion.so/
將所有的搜尋成果存放在Notion的資料庫中。
在資料庫的頁面中，點開右下角的Notion AI，或是在Notion AI的首頁中透過@呼叫存放管理結果資料庫，只要確認有參考到資料庫的情況下。
以對話的方式貼上大綱規劃模組，即可獲得完整的投影片大綱。
圖／旗標《超有料！職場第一實用的AI簡報術》
方法三：使用一般的LLM產出大綱
如果你尚未將這些搜尋結果匯入至NotebookLM或者Notion AI，我們也可以直接使用一般的通用型AI來製作投影片大綱
挑選一個使用習慣的通用型AI（ChatGPT／Gemini／Grok／Claude／Google AI Studio）
將簡報情境、對象需求分析、簡報關鍵內容清單以文字檔上傳（或者直接複製貼上），並跟AI說「這是簡報的核心需求。請先閱讀即可、不需要產生大量回應。」
接著，將Deep Research和Perplexity的搜尋結果上傳（或複製貼上），跟AI說這是「這是相關網路的參考資料。一樣先閱讀即可、不需要產生大量回應。」
確認將大量資訊都提供給AI參考之後，將投影片大綱規劃模組貼上，AI就能整合前面所提供的資料，產出完整投影片大綱！
如果你不知道要用什麼樣的AI，筆者在這邊推薦你一個最適合的選項：Google AI Studio。
方法四：使用Google AI Studio產出大綱（推薦）
網址：https://aistudio.google.com/
由於投影片大綱規劃模組所需要上傳的文件&內容較多，輸出的內容也會比較多，相比一般的通用型AI會更推薦使用 Google AI Studio！
這是一個專為開發人員與創作者設計的AI開發平台／工具，讓用戶可在瀏覽器介面免程式快速體驗、測試、設計及整合Gemini模型。跟Gemini相比，Google AI Studio有著：
更多的免費 Gemini 3.0 Pro 額度
較長的上下文讀取
單次更高的文字輸出上限
節錄自：旗標《超有料！職場第一實用的 AI 簡報術：用對工具讓生產力全面進化！》／廖韋評 著
★ 104學習推薦：建立「職場簡報力」標準，讓你的能力被看見 ★重量級講師王永福、謝文憲、葉丙成共同發起認證＋考前影片：▶ 台灣簡報認證 - 初級｜通過認證回傳104履歷
[course_plugin api_type='course_id' title='104學習推薦：' id='39d7b0fe-6384-450f-aee8-eaa8932b544d']
實驗室新突破！Google AI突破癌症研究瓶頸 開啟跨域職涯新風口
近日Google與耶魯大學的研究團隊攜手發表了一項令人振奮的成果：他們開發出一款能「讀懂細胞語言」的AI模型、成功預測出一個具有潛力的新型癌症療法途徑，並已在實驗室中獲得初步證實，這項發現不僅為抗癌藥物研發帶來一線曙光，更展示了大型AI模型在加速科學發現上的巨大潛力。
文／《104職場力》
本文導覽
研究背景：關於免疫療法的瓶頸「冷腫瘤」Google研發「細胞語言模型」C2S-Scale接下戰帖出乎意料！AI鎖定Silmitasertib，給出嶄新發現實驗室證實，silmitasertib能成功讓冷腫瘤「發熱」50%AI「革新藥物研發效率」對跨領域人才和未來職涯的深遠啟示
研究背景：關於免疫療法的瓶頸「冷腫瘤」
在癌症免疫治療中，一個核心概念是讓患者自身的免疫系統去攻擊癌細胞，但因為許多腫瘤屬於「冷腫瘤」（Cold Tumors），以至於它們就像披上隱形斗篷一樣，無法被免疫系統偵測和辨識，自然能躲過攻擊。
想解決這個問題，讓冷腫瘤「發熱」（Hot），也就是迫使癌細胞展現出能被免疫系統識別的「抗原呈現」（Antigen Presentation）信號，是免疫治療策略的關鍵目標，如果能找到一種方法「放大」這些信號，就能有效提升免疫療法成功的機率。
Google研發「細胞語言模型」C2S-Scale接下戰帖
為了克服這項挑戰，Google研究團隊基於Gemma，打造了Cell2Sentence-Scale 27B（簡稱C2S-Scale）模型，其核心能力是理解「單一細胞的語言」，如同理解人類的文本語義一樣。
研究人員給C2S-Scale的艱鉅任務是：找出一個只能在腫瘤環境中已經存在微弱免疫信號（例如低劑量干擾素，Interferon）時才發揮作用的「條件式放大器」，讓原本微弱的信號能有效增強。
該模型採用了一種「雙情境虛擬篩選」的方式進行推測：
正向免疫情境： 輸入帶有低劑量干擾素信號的真實病患腫瘤樣本數據。
中性免疫情境： 輸入單純隔離的癌細胞數據（不帶免疫背景）。
研究團隊模擬了超過4,000種藥物在這兩種情境下的作用，並要求模型預測哪些藥物只在第一種情境下能增強抗原呈現。
出乎意料！AI鎖定Silmitasertib，給出嶄新發現
沒想到，C2S-Scale模型直接給了研究人員大驚喜，它推理出一項過去科學文獻中從未被明確報導過的全新組合與機制：silmitasertib（一種CK2激酶抑制劑）只有在「正向免疫情境」下能大幅提升抗原呈遞作用，但在「中性情境」下則幾乎沒有效果。
這代表AI模型並非只是分析或重複已知知識，而是可以真正產生出可供實驗驗證的新科學假設。
實驗室證實，silmitasertib能成功讓冷腫瘤「發熱」50%
得到新假設後，研究團隊隨即至實驗室進行驗證，他們刻意使用人類神經內分泌細胞模型進行測試，這種細胞是模型在訓練過程中完全沒見過的類型，希望更能確保結果的公正性。
實驗結果完全證實AI的預測：
單獨使用silmitasertib，對抗原呈現無影響。
單獨使用低劑量干擾素，效果有限。
同時使用silmitasertib與低劑量干擾素，抗原呈現信號產生顯著的協同放大效應。
根據實驗數據，這種組合治療能使抗原呈現作用提高約50%，足以讓腫瘤更有效地被免疫系統識別，C2S-Scale模型的預測還真的成功找到了新型的「干擾素條件式放大器」，提供將「冷腫瘤」變「熱」的潛在新途徑。
AI「革新藥物研發效率」對跨領域人才和未來職涯的深遠啟示
雖然這項研究還未進到臨床試驗，但已展現出大型AI模型（如C2S-Scale）在生物醫學發現上的核心價值，它能快速生成有實際根據的科學假設，大幅縮短新藥研發週期，並為開發高效的組合療法奠定基礎。
這項突破標誌著AI與生物科技的關鍵交匯點，同時也清晰預示了未來的職場趨勢：
跨域人才需求暴增：傳統的生物學家或醫藥研發人員，現在必須具備計算機科學、數據分析甚至大型語言模型（LLM）的應用能力。能夠理解「細胞語言模型」並將其應用於實驗設計或臨床資料分析的「AI生物學家」將成為炙手可熱的職位。
研發週期大幅縮短：過去需要耗費數年進行的藥物篩選與假設驗證，在AI的協助下能被壓縮到數月甚至數週，這將加速生技、製藥公司對研發效率與數位化工具的投資。
新的職能誕生：除了傳統研發職位，企業將需要更多「生物資訊學家」、「AI模型工程師」（MLOps for Biology）等職位，專門負責維護和擴展這些複雜的生物AI模型。
由此可知，人工智慧不僅是提升工作效率的工具，更已成為開啟科學新發現的鑰匙，對於所有追求職涯成長的人來說，掌握數據與AI思維，是進入下一波生物科技與醫療創新浪潮的關鍵入場券。
（參考資料來源：How a Gemma model helped discover a new potential cancer therapy pathway）
廣達、緯創徵召量子電腦人才！台灣電子五哥研發落地加速搶人
2026-07-19 經濟日報記者王郁倫 記者吳康瑋攝影 由聯合新聞網授權轉載
電子五哥廣達（2382）、緯創（3231）開徵量子電腦工程師職缺，顯示硬體廠商正從前期探索跨入著手研發，廣達徵召人才鎖定量子電腦系統內部架構設計到外部控制電腦數據讀取專才，而緯創徵才範圍更大，從晶片封測到軟硬體整合全面徵才，兩家兆元大廠布局量子電腦策略似乎正與AI伺服器布局有高度一致性。
台灣科技產業下游開始布局量子科技，緯創跟廣達都開始徵召量子科技人才，其中，緯創設定人數無上限，徵求人才內容從硬體系統線路設計、晶片封裝與量測架構、超低溫實驗平台規劃維運、微波控制器設計與讀取到核心量子裝置實驗，如位元相干時間改良（讓電腦運算更穩定更持久），最後是軟硬體整合改良。
緯創徵召量子人才的廣度極大，也凸顯布局量子電腦技術的企圖心，期望從晶片模組到整體系統都掌握。緯創董事長林憲銘日前接受《經濟日報》提問時表示，對量子電腦技術將是自研與投資雙軌並行。
林憲銘更透露，將購買一座32量子位元的超導量子機器，與AI伺服器進行連線運算測試，未來也不排除爭取IBM 等量子系統代工或關鍵零組件製造商機。故此次大舉開出量子電腦職缺，也顯示其自建量子運算中心下半年將加速啟動。
[joblist_plugin title='【緯創 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E7%B7%AF%E5%89%B5' amount='1']
廣達此次開出1～2位量子人才需求名額，強調需要出差，符合業界觀察廣達常派出工程師到美國量子新創Rigetti Computing總部交流合作消息，廣達此次徵才要求主要包括量子硬體系統設計優化、量子控制線路、控制程式及資料分析工具、執行量子實驗做量子系統較準及參數設定，該部分人才技能偏向後段硬體面。
[joblist_plugin title='【廣達 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E5%BB%A3%E9%81%94' amount='1']
金寶電子（2312）與國際大廠SEEQC合作室溫電腦控制平台，在電子業下游跑得相當快，下半年第一版本將展開測試，董事長許介立也透露，除超導體新創，目前也廣泛跟其他技術業者合作比方離子阱，目前投資國外新創已有2~3家，未來會持續透過此方案擴大量子電腦布局。
對此，鴻海（2317）董事張慶瑞表示，台灣產業確實開始動起來！他日前曾發言擔心台灣量子人才環境不足，除缺乏產業留才，導致培育的人才畢業後面臨無處可去，只得去台積電（2330）就職或出國就業窘境。
在政府合併AI新十大建設推動方案中，量子技術已被列為三大AI關鍵技術之一，與矽光子及機器人位階相當，政府也從2022～2026年五年內投入80億元打造業合作平台，建立量子國家隊。
張慶瑞日前接受訪問指出，本土培養的量子人才約有150至200人，畢業後卻面臨沒有量子產業可以效力。該問題能否隨廣達、緯創及工研院都開出量子人才職缺而獲得解決將是未來可關注重點。
[joblist_plugin title='更多【量子電腦】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%E9%9B%BB%E8%85%A6' amount='1']
從科學實驗操作到產業應用——新竹高工化工科的專業養成現場
讀化工科，是每天待在實驗室做實驗嗎？需要很會化學，才能讀化工科嗎？高中三年裡，學生究竟會學到哪些專業能力？未來又有哪些升學與職涯方向？這一次，我們走進新竹高工化工科，透過戴曉玫老師與高三學生的分享，看見化工科從基礎化學、實驗操作到產業應用的學習歷程，也重新認識技職教育裡那些關於細心、耐心與精準的訓練。
化工科和想像中的不一樣：學生進入後才發現的事
「我原本以為進來之後，會一直做化學實驗，但後來發現不是只有化學。」高三的彭同學談起三年前填志願時的想像，語氣裡帶著一點笑意。真正開始上課後，他才發現，化工科除了實驗，還需要面對大量計算、物理概念與反覆驗證的實作訓練。
「後來發現物理跟計算其實更多。」高三的蔡同學則提到，因為家人建議，加上國中時自然科成績不錯，他選擇進入新竹高工化工科。但真正開始上課後，他才慢慢理解，化工其實不是單純「做實驗」，而是一門需要細心、邏輯與耐心的專業。這樣的學習跟想像的落差，或許是許多剛進入化工科的學生們都會遇到的情況。
新竹高工創校於民國三十三年，化工科是校內歷史最悠久的科別之一。多年來始終維持每年級單班制，也延續著重視扎實訓練的教學傳統。從高一開始，學生便要同時面對專業理論與實作課程。
圖：新竹高工化工館實拍
從高一到高三：化工科的課程與實作日常
高一時，學生會學習普通化學、有機化學與普通化學實習；到了高二，則進一步接觸分析化學、基礎化工與化工裝置等專業科目，同時搭配分析化學實習與有機化學實習。高三則進入儀器分析、工業分析等更貼近產業現場的內容。
任教多年的戴曉玫老師表示，化工科和一般高中最大的不同，在於學生很早就需要進入實驗室操作。「我們的實習課三年都有，高二之後的實作會更多。」在戴曉玫老師眼中，化工科最重要的能力，並不只是考試成績，而是學生能否建立「精準」與「細心」的習慣。
圖：學生於實驗課進行實作
「因為化工實驗裡，一個小地方錯了，最後結果就可能完全不一樣。」彭同學與蔡同學都提到，印象最深刻的實驗是『維他命C檢定』。這項實驗需要反覆滴定、觀察顏色變化，並精準控制藥劑比例。
「最難的是顏色判斷。」蔡同學說。有時候只差一點點，整份結果就會失敗。
而彭同學則認為，真正困難的，是失敗之後如何重新找出原因。「我會先冷靜下來，再重新回想每一個步驟，思考到底是哪裡出了問題。」一次次反覆操作、檢查的過程，也慢慢成為化工科學生的日常。
戴老師觀察，現在許多學生習慣快速接收資訊，但化工科其實很需要長時間思考與閱讀理解能力。「現在很多題目，不是背公式就好，而是要看得懂題目，再去分析問題。」因此，除了數理能力外，耐心與穩定度，往往才是學生能否適應化工科的重要關鍵。
技職教育裡的重要能力：細心、耐心與安全意識
在所有能力之中，「安全意識」是老師最重視的一件事。從學生第一次進入實習工廠開始，老師便會反覆進行安全教育，包括工作服規範、藥品操作、器材使用與廢液處理等。
圖：新竹高工化工科教室環境照
「很多事情平常沒發生時，會覺得沒什麼，但真的出事就來不及了。」戴老師說，她接著提到，曾有學生在實驗後，不小心碰到尚未冷卻的器材而燙傷，也因此更加重視實驗服與長褲等安全規範。
除了課程與實驗，新竹高工化工科每年也會培訓學生參加全國工科技藝競賽。學生從高二開始接受長時間訓練，不只需要反覆練習實驗操作，也必須培養高度專注力與抗壓性。
戴老師觀察，很多學生其實不是不會，而是容易因為急躁而出錯。「化工很需要耐心，你可以大膽嘗試，但一定要細心。」而這樣的訓練，也讓學生慢慢理解，化工學的不只是化學知識，還包括分析問題與修正錯誤的能力。
從半導體到食品產業：化工科的未來出路
彭同學表示，自己未來希望朝材料研發或製程優化方向發展；「我比較想往食品方向看看。」蔡同學則對食品相關領域更有興趣。事實上，化工背景的出路相當廣泛。從半導體材料、電子化學、生技醫藥，到食品檢驗、環境工程與材料研發，都與化工專業有關。
不過戴老師也坦言，「如果真的很排斥數學、理化，或不喜歡細心操作，會讀得比較辛苦。」但她也認為，正因為化工科的訓練過程扎實，學生在三年裡學到的，不只是課本上的知識。
「他們其實是在學習怎麼解決問題、怎麼面對失敗，還有怎麼對自己的操作負責。」或許，這也是技職教育迷人的地方，它讓孩子在一次次實作與修正中，慢慢找到自己的方向，也理解什麼叫做真正的專業。
或許對許多人來說，化工不是第一時間會想到的科系，但走進新竹高工化工科後會發現，它其實與生活及產業息息相關。從半導體、材料、生技到食品與環境工程，只要與化學應用有關的領域，都能看見化工人才的身影。化工科的升學方向也相當多元，包含化學工程、應用化學、食品科學與環境工程等相關科系，而這三年的專業訓練，也成為學生未來銜接升學、產業與職涯的重要基礎。
開箱化工科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
從微觀分子到綠色永續未來──北科附工化工科
在精密科技的現代，化學工程早已不只是傳統印象中的試管與燒杯，而是支撐半導體、生醫科技與精細檢驗的重要基石。位於桃園的北科附工化工科，學生在這裡不僅要面對微觀的化學分子，更要學習工廠級的製程操作與精密儀器分析。
化工不只是化學：追求效率與邏輯的「工程」學科
「許多人常將『化學』與『化工』混淆，其實兩者本質有很大的不同。」本身即畢業於北科附工化工科的張翰林科主任給出了精闢的見解。他指出，化學著重物質組成、性質與反應機制；而化工則進一步思考如何將這些反應在工廠中穩定、安全且有效率地實現。
換言之，化學是理論的基礎，而「工程」才是化工科真正的核心主軸，整個科系三年的訓練都圍繞著提升製程的效能而努力。為了達成這個目標，北科附工化工科的三年課程有著階梯式的規劃：
年級 學習領域 實務與應用方向 高一 普通化學及實習 奠定扎實的化學基本功與實驗室基礎操作 高二 分析化學、化工裝置 接觸工廠設備，摸索混合器與蒸餾原理 高三 有機化學、高分子化學 探討石化材料反應與特殊聚合材料特性
面對日益複雜的產業技術，張翰林主任特別點出一個常見迷思：「許多人認為化工科只是學習化學知識，其實化工是一門以化學為基礎、以工程應用為核心的專業。」除了化學原理之外，學生還需要學習熱力學、流體力學等基礎化工專業。
因此，邏輯推理與數理基礎的重要性往往不亞於化學。張翰林主任也提醒，隨著產業日益國際化，許多設備規範、技術文件與研究資料皆以英文呈現，良好的英文能力也將成為銜接未來職場的重要利器。
圖：學生參與實作課程
三年淬鍊：透過專業證照證明
學校在各階段皆融入了明確的課程目標，讓學生從中獲得成就感：高一輔導考取勞動部「化學丙級」、高二挑戰「化工丙級」，到了高三則挑戰難度頗高的「化學乙級」。張翰林主任表示，科內的化工丙級通過率可達八成，而難度較高的化學乙級，每年也都有五到七成的通過率。除了證照，學校每年也會推派選手參加「全國高級中等學校學生工業類技藝競賽」的「化驗」職種。
實驗白袍用意何在？安全第一考量
在面對各類化學藥劑與精密機具時，張翰林科主任強調「安全」始終是第一鐵律。他分享了一個常被學生忽略的細節：許多學生覺得穿實驗白袍是為了裝酷，但其實白袍有著至關重要的防護作用，白色的布料只要一沾到酸鹼液體或染料，馬上就能看見，學生可以在第一時間脫下處理，保護身體不受傷害。嚴謹的安全紀律，是化工科學生上課的首要原則。
圖：學生穿著實驗白袍進行實驗
生活中的驚險，好在有化工專業
目前就讀高三的林郁燦同學，分享了日常生活中驚險的插曲：「有次看到家人想拿鹽酸跟漂白水一起洗廁所，我馬上制止，因為這兩者反應會產生有毒的氯氣！」回憶起準備化學乙級證照的過程，他坦言這是一場心理與技術的雙重考驗，其中一個項目要配製快20瓶藥品來測定水溶液中的磷含量，時間非常緊迫，如果做得不夠快，或者做出來的數據跟標準值差很多都不行。在這種「做得快又做得準」的反覆訓練中，成功淬鍊出他在壓力下精準操作的職人精神。
產學接軌與未來藍圖：生技醫藥與多元升學路
為了拉近產學距離，學校積極推動產學合作，張翰林主任與桃園在地的「信東生技」藥廠洽談合作，安排有意願的畢業生在大學入學前的暑假前往實習。不僅讓學生提早認識職場生態，也為他們的未來履歷添上亮眼的一筆。
在升學表現上，北科附工化工科的出路十分多元。常見目標包含台灣科技大學、台北科技大學的化學工程系或材料工程系，甚至也有學生跨領域選擇雲林科技大學的文化資產維護系，展現跨域發展的彈性。
邏輯與實務兼備的新世代職人
「化工專業在國中階段較少接觸，因此所有人的起跑線都是一樣的。只要三年肯認真投入學習，許多學生都很有機會挑戰前幾志願。」張翰林主任表示，北科附工化工科透過扎實的理論、嚴謹的檢定與實作，打造成具備細心、耐心與邏輯判斷力的跨域人才。無論未來他們是走入半導體大廠擔任製程工程師，還是投身生技醫藥領域，在這裡培養出的硬實力與科學素養，都將成為他們接軌全球市場、迎向無限可能的堅實底氣。
開箱化工科學習日常！
更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
AI預測電池材料結構準確率達96％ 臺科大吳亮廷獲鴻海科技獎肯定
國立臺灣科技大學化工系博士生吳亮廷（右）榮獲2026鴻海科技獎應用組肯定，於頒獎典禮接受頒獎，研究成果展現臺科大在人工智慧與能源材料跨域研究的實力。（臺科大提供）
國立臺灣科技大學化工系博士生吳亮廷，在江志強教授指導下，結合人工智慧與第一原理熱力學計算，建立鈉離子電池層狀氧化物正極材料結構預測模型，可依材料組成預測其較可能形成的晶體結構，預測準確率約達96%，有助於縮短新材料開發時間、降低試誤成本。研究成果發表於國際能源材料頂尖期刊《Advanced Energy Materials》，並在黃炳照講座教授及邱昱誠教授共同推薦下，榮獲2026年鴻海科技獎首屆新增應用組肯定，展現臺科大在能源材料、人工智慧與國際合作研究上的深厚實力。
2026-08-10 國立臺灣科技大學 發布
近年來，再生能源快速發展，如何建構安全、低成本且高效率的儲能系統，成為全球能源轉型的重要課題。目前廣泛應用的鋰離子電池雖然性能成熟，但鋰資源成本及供應限制，使鈉離子電池逐漸受到重視。由於鈉資源豐富、價格低廉，因此被視為下一世代儲能技術的重要方向。然而，鈉離子電池正極材料的設計仍面臨挑戰，其中材料最終形成的晶體結構，將直接影響電池容量、循環壽命及鈉離子傳輸效率。
臺科大化工系博士生吳亮廷以「結合機器學習與第一原理熱力學計算預測過渡金屬層狀氧化物陰極材料之堆疊相穩定性」研究，榮獲2026鴻海科技獎應用組肯定。研究運用人工智慧建立鈉離子電池正極材料結構預測模型，有助於加速新材料開發。（臺科大提供）
吳亮廷表示，鈉離子電池常見的層狀氧化物正極材料主要形成P2或O3兩種堆疊結構，各自具有不同特性。P2結構通常具有較佳的鈉離子傳導能力，而O3結構則具備較高初始容量，因此如何在材料合成前預測最終會形成哪種結構，一直是材料設計的重要課題。過去研究多仰賴較簡單的線性模型進行判斷，但面對組成複雜的新材料時，預測能力仍有限。
為提升預測準確性，研究團隊整理270種已由實驗驗證的層狀氧化物材料資料，建立完整資料庫，並萃取鈉濃度、過渡金屬離子勢、離子半徑、游離能、混合熵等關鍵材料特徵，比較多種機器學習模型的預測能力。結果顯示，深度神經網路能有效學習不同材料特徵間複雜的非線性關係，在未參與訓練的測試資料中，預測準確率約達96%；進一步以近年文獻中的80種新材料驗證，仍維持相近的預測能力，展現模型良好的可靠性與應用潛力。
除了建立高準確率的預測模型外，研究更進一步揭示影響材料結構形成的重要機制。團隊發現，過渡金屬離子勢、鈉含量及過渡金屬混合熵，是影響材料形成P2或O3結構的三項關鍵因素。其中，過渡金屬混合熵代表材料中不同金屬元素的多樣性及組成均勻程度。研究指出，較高的混合熵有助於穩定O3結構，為未來透過元素設計開發新型電池材料提供新的研究方向。
值得一提的是，本研究並非僅利用AI進行資料分析，而是進一步結合靜電分析、密度泛函理論（DFT）、蒙地卡羅模擬及熱力學分析等方法，從原子尺度驗證機器學習找到的規律。研究證實，鈉離子與過渡金屬、鈉離子彼此間的交互作用，以及材料的混合熵效應，確實會影響材料結構穩定性，使人工智慧預測結果具備扎實的物理與化學基礎，而非僅止於統計相關性。
這項研究源自臺科大長期推動的國際合作。吳亮廷於博士期間赴德國于利希研究中心（Forschungszentrum Jülich）交流，與Payam Kaghazchi教授研究團隊合作，接觸大量鈉離子電池材料資料與第一原理模擬技術；返臺後，在指導教授帶領下，結合臺科大能源材料研究能量與人工智慧分析方法，完成模型建立與理論驗證，並陸續發表於國際期刊。
吳亮廷於研究室透過電腦進行材料模擬與數據分析，運用人工智慧結合第一原理熱力學計算，建立鈉離子電池正極材料結構預測模型。（臺科大提供）
吳亮廷從大學、碩士到博士皆就讀臺科大化工系。他表示，臺科大提供完善的研究設備、跨領域合作環境及國際交流機會，讓學生得以從材料設計、理論模擬到人工智慧分析，建立完整的研究能力，也促成此次與德國研究團隊的合作契機。他坦言，原本認為模擬研究距離產業應用仍有一段距離，直到獲得鴻海科技獎後，更深刻體會到人工智慧與材料模擬對新能源產業的實際價值。
臺科大近年持續推動人工智慧、能源科技及國際合作研究，鼓勵學生投入跨領域創新，透過理論分析、實驗驗證與國際交流，培育兼具基礎研究與產業應用能力的人才。此次研究成果不僅展現臺科大在新能源材料研究的深厚實力，也為人工智慧協助材料設計提供新的發展方向，未來有望加速新世代鈉離子電池材料開發，為全球能源轉型與永續發展貢獻創新解方。
關心更多AI科技創新議題，一起來看：
用AI幫企業找出隱形耗電怪獸 大葉資工系開發監測智慧碳足跡 獲競賽金獎
中央大學攜手Garmin Health 讓AI與穿戴裝置成為「學界共享的研究基礎設施」
亞洲大學攜手佐臻，讓AI與AR智慧眼鏡走進照護第一線
AI 時代的研發現場：回歸人才特質，技嘉如何重新定義工程師的工作方式
隨著 AI 技術快速發展，科技產業的競爭焦點也逐漸從單純的硬體效能與產品規格，轉向研發流程、協作效率與人才結構。AI 的導入不只是加入新工具，而是重新定義工程師的工作方式，整個工程生態正逐漸從「單一開發」走向「系統化管理」與「跨域協作」。
文／104人力銀行
本文導覽：
從自動化到 AI 工具導入，研發現場的變革早就開始
AI 真正改變的，是工程流程的邏輯
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 不會取代工程師，但會改變工程師的角色
在技嘉科技（GIGABYTE Technology，以下簡稱技嘉）的研發現場，這樣的轉變其實已經持續了十多年。韌體開發二處處長吳宗達在技嘉任職超過十五年，主要負責主機板 BIOS 與韌體相關開發。他回顧，從早期 CI/CD 與開發自動化，到近年把 AI 工具與 AI Agent 帶進工作流程，真正改變的並不是單一技術，而是整體研發流程的思考方式。
從自動化到 AI 工具導入，研發現場的變革早就開始
吳宗達回憶，十多年前進技嘉時，研發團隊仍有大量重複且需仰賴人工處理的工作，流程也尚未建立完整的標準化機制，於是開始著手推動工作流程的優化，而 AI 的導入並非突然，而是建立在多年流程自動化與整合的基礎之上，AI 的加入更像是一把催化劑，正微妙地重塑工程師的日常。
過去很多時候，只要把功能完成即可；現在則更強調文件與知識整理。「以前可能只要把事情做完，現在會更重視為什麼這樣做，還有怎麼讓別人下次更容易接手。」
AI 真正改變的，是工程流程的邏輯
AI 對研發現場最大的影響，其實不是單一工具，而是整個開發邏輯的轉變。就吳宗達形容，過去的工程流程比較像是單一線性的任務鏈，僅需交付給特定負責的人即可。
隨著產品與系統越來越複雜，單靠記憶與口述交接已難以支撐整個研發體系，這些原本存放在人腦中的知識與個人經驗，必須被整理成文件、紀錄與規格，甚至要能轉化成可被系統使用的資料結構。
從口耳相傳的經驗，轉向數位化的 Open File，最終成為 AI 可讀取的 Open Data。然而從AI 的角度來看，真正的問題反而是餵給 AI 的「資料不夠多」。他指出，若企業內部沒有足夠的工作紀錄、文件資料，AI 也無法持續迭代學習。
也因此，就研發流程上逐步從「流程導向」（Process Oriented） 轉向 「API 導向」（API Oriented）的思維，將原本分散在不同開發人員或部門的工具與資料可以被串接，整體的工作流程也能橫向擴展。
他坦言，AI 目前主要還是輔助的角色，部分的規格整理、工作日誌彙整，皆可透過 AI Agent 協助完成，同時讓管理者能更容易掌握專案脈絡、進程。倘若涉及到績效評估、團隊溝通或情境判斷時，仍需要回到「人」來做最後的決策。
技嘉科技韌體開發二處處長吳宗達
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 技術快速發展，也讓許多企業重新思考或定義徵才的條件；而在技嘉的研發團隊中，選才標準並沒有出現劇烈改變，反而是回歸初衷：人格特質。
人資夥伴補充，技嘉的研發職缺，第一關是由主管直接做篩選，長期以來他們最重視的特質，其實一直沒有變：好奇心、學習能力，以及解決問題的熱情。AI 工具的使用經驗當然加分，對多數 RD 職缺來說，並不是唯一的門檻，只要具備良好的基礎能力與學習意願，很多工具都可以進公司後再學習。
在吳宗達看來，AI 時代反而讓這些人格特質變得更重要。根據他的觀察，現在不少工程人才會透過 Side Project 或 GitHub 專案展示自己的能力，像是開發小工具、嘗試自動化流程，甚至研究區塊鏈或智能合約等題目。這些看似與職缺未必直接相關的經驗，往往能反映一個人是否真的對技術有興趣，也更容易被企業注意到。
「如果一個人平常就會自己做一些 Project，我通常會特別留意。」這也正呼應當前科技產業的招募趨勢，對許多年輕工程師而言，找工作不再只是離職後才開始準備，而是平時持續累積作品與成果，在市場上保持被看見的狀態。
AI 不會取代工程師，但會改變工程師的角色
當被問到 AI 是否會取代工程師時，吳宗達的答案很直接：「不會，但工作思維一定會變。」他認為，未來的工程師角色會更像是與 AI 協作的整合建構者，而不是單純執行任務的人。許多企業過去長期忽略的流程問題，包括知識沒有被記錄、流程缺乏標準化⋯⋯現在都必須重新整理並規格化。
因此，看似「工作變多」，但其實是那些是原本被忽略的流程工作，現在開始被系統化與文件化。隨著 AI 工具越來越成熟，工程師的價值也正在改變：不再只是完成某個任務，而是能理解整體工作流程、整理知識，並讓團隊能力得以持續累積。
AI 並沒有讓工程師變得不重要或被取代，反而是讓一件事變得更加清楚——當工具越來越強，人真正不可取代的能力，仍然是持續學習、理解問題，以及把經驗轉化為能被團隊延續的知識。
立即下載《2026科技業人才報告書-人才版》
[joblist_plugin title='更多104【技嘉科技】工作機會' url='https://www.104.com.tw/company/a4kvltk' amount='3']
AI時代的手作溫度！亞洲大學時尚系用植物纖維找回永續設計初心
亞洲大學時尚設計學系近日舉辦「自然再生纖維的加值重構／拼貼技法的循環經濟創意設計」專題講座與實作課程，邀請台灣大地原色工作室負責人洪晧倫蒞校授課，帶領學生從自然素材出發，探索再生纖維在服飾、生活用品與創意設計中的應用可能，面對永續發展與循環經濟日益受到重視，材料再生與再利用已成為當代設計教育的重要課題，本次課程也藉由理論與實作並進，引導學生思考設計如何回應環境永續與資源循環。
2026-06-12 亞洲大學 發布
講師洪晧倫長期投入自然媒材研究與永續創作實踐，課程中分享多項自然纖維再利用案例，說明植物纖維、樹皮布等原本可能被視為廢棄物的自然材料，如何透過重構、拼貼、壓合與加工技術，轉化為兼具藝術性、功能性與實用價值的設計作品。透過案例解析，學生得以理解材料再生不只是資源循環的技術過程，更是創造設計價值與建立永續思維的重要途徑。
講師洪晧倫帶領同學們實際操作再生循環與自然重構拼貼。（圖 / 亞洲大學提供）
課程內容涵蓋構樹畫創作、植物纖維製衣概念、纖維強化技術，以及樹皮布複合材料應用等主題，並安排提包、扇子及生活用品等創意改造實作，學生透過親手操作，觀察自然素材特有的紋理、色澤與纖維結構，學習依據材質特性進行設計判斷，並嘗試將再生纖維轉化為兼具美感、功能與環境友善價值的作品，進一步體認設計師在永續發展中的責任。
亞洲大學創意設計學院副院長兼時尚設計學系主任林青玫分享，隨著人工智慧技術快速發展，設計教育除了培養學生掌握AI數位工具與創新技術，也應重視人文素養與社會關懷，她指出，設計的本質來自對人、環境與文化的理解，永續設計更需要從材料選擇、製程方式到使用價值進行整體思考；AI雖能協助設計師提升效率與拓展創意，但作品真正的價值仍來自人文精神與對社會需求的回應。
洪晧倫講師與林青玫主任和亞洲大學時尚系學生作品大合照。（圖 / 亞洲大學提供）
系主任林青玫表示，本次課程透過理論講授與實作體驗並進，讓學生從自然再生材料的特性出發，理解循環經濟在設計創作中的應用方式，學生透過拼貼與重構技法，嘗試賦予材料新的功能與美感，也進一步思考設計如何回應環境永續與社會需求，學系未來將持續推動永續設計與跨域創新教育，培養兼具創新能力、環境責任與人文關懷的設計人才。
更多大學校園最新話題：
從比利時到高雄港：中央與中山大學的永續研究，正在定義台灣新「綠領工作」
清潔隊送拾荒婦舊電鍋該被起訴貪污？高雄大學政法系畢業辯論 攜手小港高中直球對決公共議題
量子通訊關鍵突破 清華研發全球最亮光源！每秒射出23億顆光子刷新世界紀錄
AI協作的3個關鍵階段：節能、增能、賦能！
原標題：AI協作的3個關鍵階段：節能、增能、賦能！【聽見趨勢】
AI浪潮席捲而來， 工作型態正在改變，很多人對AI在工作中可能帶來的影響感到些許困惑和不安。不禁會問：「AI會取代我們嗎？」「如何用AI？」「從哪裡開始？」因為這些疑問，我們特別邀請在AI協作有豐富實戰經驗的小花老師，來進行分享。老師不僅有資訊背景，還是簡報溝通專家，融合與「資訊」及「人」的溝通洞察，給出許多應用AI的超實用建議！
文： 趨勢來賓 | 林稚蓉 小花老師
本文目錄：
與AI協作溝通的應用與挑戰
如何用AI優化企業作業流程
AI協作3階段：節能、增能、賦能
AI時代的人類角色：你依然是機長！
3個層次的工作思維 從哪裡開始使用AI
1. 與AI協作溝通的應用與挑戰
在AI工具的應用過程中，許多人最常遇到的問題是「如何讓AI回答更精準」。有時AI的回答看似離題，或者產生「幻覺」，讓使用者感覺比自己動手做還要更花時間。這種困境往往會讓初學者感到挫折，甚至放棄繼續使用AI工具。然而，這個問題的關鍵在於我們如何與AI進行有效溝通。
小花老師提到，因為自己過去資訊管理背景和簡報培訓經驗，因而對人機溝通有獨特的見解：「在資訊管理我們是要跟電腦講話，可是簡報培訓要講的是要跟人講話。而AI則是介於兩者之間，它需要明確的目的性、對方的邏輯性，以及精練易懂的表達方式。」基於這個概念老師分享了3個突破這些挑戰的關鍵方向：
方向1：理解AI提問的語法與邏輯
第一個關鍵方向是理解與AI溝通的基本語法和邏輯。老師提出生動的比喻：我們應該把AI視為一個「外國人」，而不是單純的機器。就像與外國人交談需要遵循特定的語法規則一樣，與AI溝通也需要掌握相應的「語法」。這包括了解官方提供的提示工程（Prompt Engineering）技巧，以及如何構建清晰、邏輯性強的提問。
「你不能把AI當做機器，你要把它當作是一個外國人，用他懂的語言，交流他懂的事情」。透過系統性地學習和運用這些溝通技巧，我們可以顯著提升與AI互動的效果。
將AI視為「外國人」而非機器，需要用特定的語法與之溝通
研究官方提供的提示工程（Prompt Engineering）技巧
掌握提問的基本文法和邏輯結構
104人資市集一站式幫你解決企業培訓，管理、AI職能、企業法遵>>
方向2：了解AI的能力與限制
AI技術雖然強大，但並非萬能。我們必須清楚認識AI可能產生「幻覺」，即一本正經地說出不準確的信息。同時，很多AI模型無法實時連網獲取最新信息，也可能在數學計算等特定領域表現欠佳。了解這些限制對於正確使用AI工具至關重要。「不是複製貼上就很容易就要上當了」老師提醒到「你要知道他可以做到什麼程度，他的限制又在哪裡，風險又在哪裡。」這種了解能幫助我們更準確地評估AI輸出的可靠性，並作出相應的調整和驗證。
持續關注AI功能的更新與發展
認識AI的局限，如無法上網、可能產生幻覺等
避免單純複製貼上，需要理解內容的正確性
方向3：善用不同AI工具的優勢
在當前AI工具快速發展的環境中，每個工具都有其特定的強項。例如，Chat GPT、Copilot、Gemini等工具各自擅長不同類型的任務。我們應該實際測試來了解每個工具的特點，並學會組合使用這些工具來達到最佳效果。「它們各自的強項，你都去嘗試過之後，你會發現工具是要多個東西組合之後，才會發揮你的效果。」這種組合使用的方法能夠彌補單一工具的不足，創造出更全面的解決方案。
小花老師分享了在金融業的實務應用案例：「像GPT或者是一些生成式AI，他們其實數學能力非常不好，會把數字當作文字來做處理。因此在進行數據分析時，我們建議將計算工作留在本機端進行，而使用AI來協助產生Excel函數公式再進行數據趨勢分析。」
每個AI工具都有其特定強項，如ChatGPT、Copilot、Gemini各有所長
多方嘗試不同工具，找出最適合的組合
透過工具組合來發揮最大效益
2. 如何用AI優化企業作業流程
在企業環境中，AI不僅是一個輔助工具，更可以成為提升工作品質的重要夥伴。小花老師認為，AI就像電力一樣「只要用到電的地方，都會有改善；同樣地，AI可以用在任何有關思考的部分，都可以帶來改善。」特別是在思考、企劃、溝通等需要創意發想的領域，AI的應用可以帶來顯著的效益提升。
然而，在運用AI工具時，企業必須特別注意資訊安全的議題。正如之前新聞報導三星員工將公司資料上傳至AI平台的事件，如何在提升效率與保護資料間取得平衡，是企業必須審慎考量的。以下分享幾個具體應用案例：
提升簡報製作效能
運用AI進行角色扮演，模擬不同聽眾的思維模式
針對不同對象客製化簡報內容和開場方式
提高提案的精準度和準備效率
提升規劃能力
老師分享了一個企業ESG工作計畫的實際案例：
運用AI進行利害關係人分析
模擬不同角色的需求和期待
透過管理顧問的角色扮演，擴展思考維度
根據各方意見制定具體執行方案
透過AI的協助，讓原本資歷較淺的員工也能在思考的廣度、深度和執行細節上有更好的表現。
3. AI協作3階段：節能、增能、賦能
AI的應用不應該是盲目追求新工具，而是要找到真正能夠為工作帶來價值的方式。老師觀察到，2023年人們熱衷於追逐各種新興AI工具，但到了2024年，企業的關注點已經轉向如何讓這些工具真正落地並解決實際問題。
老師以工具箱做比喻：「現在很多人手上都有很多AI工具，就像工具箱裡有很多螺絲起子，但卻不知道怎麼用這些工具來進行修理。」因此，重點不在於掌握多少工具，而是要培養使用情境的想像力，真正了解如何運用這些工具來解決實際問題。基於這樣的理解，AI協作可以分為三個階段，企業和個人可依據需求選擇適合的切入點：
節能階段：優化基礎工作流程
節能階段是AI應用的入門級別，主要針對那些耗時但相對單純的工作任務，這類工作的特點是幾乎人人都能完成，但往往需要耗費大量時間和精力，比如客戶發來一份PDF格式的報表數據，傳統做法需要手動重新輸入，不僅費時且容易出錯。但透過AI工具，可以快速將圖片中的表格轉換為可編輯的表格形式，這將大幅提升工作效率。
節能階段特別適合作為入門起點，因為這類任務相對簡單，容易看到明顯的成效。「當我們發現AI工具可以幫你省下這些瑣碎的時間，就會更有動力去探索其他的應用可能」。此外，這個階段的工作通常風險較低，即使出現錯誤也容易發現和修正，非常適合作為練習和熟悉AI工具的切入點。
增能階段：提升專業工作品質
進入增能階段後，AI的應用開始觸及到專業領域的核心工作。這個階段的特點是，使用者本身已經具備相關專業能力，而AI的角色是協助他們做得更好、更快、更精準。老師更分享了自己在製作簡報的經驗：「比如我需要幫客戶寫文案，我可以讓AI先產生多個版本的文案建議，然後基於我的專業判斷進行調整和優化。這樣不僅能激發更多創意靈感，也能大幅提升工作效率。」
這階段，AI不是取代人的專業判斷，而是透過提供更多選擇和可能性，幫助專業人士做出更好的決策。這種協作模式能夠顯著提升工作質量，同時也能為專業人士騰出更多時間專注於需要深度思考的任務。
賦能階段：開拓新的專業領域
賦能是AI協作的最高階段，善用AI輔助獲得新的能力和提升專業。在這階段，使用者能突破原有的專業限制，探索和掌握新的領域。小花老師觀察到，許多專業人士透過AI工具，成功地將自己的專業知識延伸到相關領域：「比如一個財務專家，可能過去只專注於數據分析，但透過AI的協助，他可以更容易地將這些專業知識轉化為易懂的視覺化報告，甚至發展出數據故事化的能力。」
賦能階段的關鍵在於，它不僅能提升效率、改善現有工作流程，更創造出新的可能性。善用AI專業人士可以更快地跨越學習曲線，建立起新的專業能力。這對於當今快速變化的職場環境特別重要，因為它讓終身學習和專業轉型變得更加可行。
免費申請試閱企業訂閱制課程！法遵、職能、AI通識課提升全員工競爭力 >> https://104ha.com/5CjvW
4. AI時代的人類角色：你依然是機長！
在AI時代，人類的角色定位至關重要。小花老師做了一個生動的比喻：「人的角色永遠是機長。即使現在的飛機很多部分都是由機器在操控，但為什麼還需要機長？因為機長要知道怎麼安全地把這些旅客帶到目的地，必須要應付突發狀況。」
這個比喻深刻點出人類在AI時代的核心價值：不是與AI競爭執行力，而是在掌握方向、判斷決策、危機處理等方面發揮獨特優勢。正如同機長一樣，我們不能把方向盤完全交給AI，而是要學會如何與AI協同合作，共同達成目標。
我們的核心職責
掌握方向：確定目標和願景
做出決策：判斷關鍵時刻的選擇
處理危機：應對突發狀況
承擔責任：為結果負責
3個層次的工作思維
工人思維：專注於完成具體任務
工頭思維：規劃設計與管理
建築師思維：理解需求，規劃願景
當AI變成每個人的標配，誰會產生更大更好的價值？就是懂人的人。—小花老師
5. 從哪裡開始使用AI
在面對AI工具快速發展的現狀，許多人感到困惑：究竟該從何處開始？是否要追逐每一個新出現的AI工具？在這部分老師觀察到，很多人在嘗試使用AI時往往陷入兩個極端：要麼因為害怕而遲遲不敢嘗試，要麼過度追逐各種新工具而失去重點。
老師強調，開始使用AI的關鍵不在於掌握多少工具，而在於找到適合自己的切入點，並且建立起正確的思維模式。「就像學開車一樣，一開始不需要了解引擎的工作原理，而是要先學會基本操作，逐步建立信心。」對於想要開始運用AI的個人或企業，小花老師提供了以下建議：
從工作情境出發
找出工作中的痛點
識別可能的應用情境
從簡單的任務開始嘗試
3個關鍵發展方向
了解AI：掌握潛能、限制和操作方法
了解人性：培養溝通能力和同理心
了解自己：釐清目標和行動意義
實踐建議
在使用AI之前，先靜下心來思考目標
清楚理解問題和需求
循序漸進，從節能階段開始
我們應該更加了解自己做這件事情對個人跟團隊的意義是什麼。當我們了解意義、了解目的時再去溝通，AI就不會胡說八道，它會順著這樣的意義感展開跟延伸。
透過小花老師的分享，我們可以看到AI不僅是一個工具，更是一個協作夥伴，協作過程關鍵在於我們如何正確定位自己的角色、如何善用AI特性，在提升效率的同時，也不斷強化自己的核心競爭力。AI時代，最重要的不是追逐所有新工具，而是找到適合自己的使用方式，並始終保持對專業與人性的關注！
業界最划算的企業培訓訂閱制方案！免費申請課程完整試閱 >>
超過7000+的HR都報名過的104人資學程！七大主題課程幫你系統化學習 >>
免費企業學習平台 x 培訓課程 = 零成本企業培訓自動化 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
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」
為什麼同一份指令，換個工具效果差這麼多？本文帶你從Similarweb最新全球數據，拆解幾個主流AI的「隱藏性格」與分工邏輯，教大家用最高效率搞定所有職場任務！
文／《104職場力》
本文導覽
數據解密：從「對話習慣」看懂AI的真實定位Claude耐得住性子、能深度思考，最適合當「資深幕僚」ChatGPT是點子多、懂職場又懂生活的「全能特助」Gemini和Copilot講求效率，是很棒的「即時情報員」別忘了還有Perplexity！它是自帶資料來源的專業市調員職場高手用AI工具都採「混合雙打」策略！
打開AI對話框，明明輸入了各種詳細指令卻還是不停碰壁？
叫AI幫忙寫一篇嚴謹的專案企劃，它卻給了一堆空泛的漂亮話？
只是想查個技術名詞或快速對答案，它卻長篇大論回了800字？
寫程式或校對文件時，改到第3輪它就開始邏輯打架、亂燒Token？
當瓶頸過不去，很多人會直接下結論：「AI好難用，根本沒傳說中那麼神！」但扣除Prompt出問題外，還有一種可能是「你一開始就用錯工具」了！
在Similarweb在最新的《2026生成式AI版圖：AI搜尋的演進》研究報告中，分析了全球使用者的對話行為，其中一項數據指出：主流AI平台早已走出各自的「專長分野」，其背後的「受眾特徵到使用習慣」差異非常大。
數據解密：從「對話習慣」看懂AI的真實定位
Similarweb交叉比對了各平台使用者的「提示詞長度（Prompt Length）」與「單次對話的提示詞數量（Prompts per Session）」，繪製出底下這張AI分工圖，打破了「只用ChatGPT就能搞定所有事」的迷思。
圖片來源：Similarweb研究報告
從使用行為來看，不同平台在使用者心目中，早已演化成完全不同的「職場同事角色」。
Claude耐得住性子、能深度思考，最適合當「資深幕僚」
從數據來看，Claude的使用者每次輸入的提示詞長度是所有平台中最長的，而且單次對話的來回次數也直接拿下第一！再看這群人的背景，他們造訪大專院校與學術研究機構的比例，是一般網路用戶的整整25倍，造訪程式開發與商務專業服務網站的頻率也是別人的3倍之多。
這代表全球很多工程師、學者和專業經理人，早就把Claude當成處理燒腦難題的智囊團。
所以如果大家的需求是「架構龐大的年度企劃、消化上萬字的訪談與會議紀錄」，或是「寫複雜程式碼、抓出邏輯漏洞」時，可以使用Claude！它讀長文章跟邏輯推理的能力非常強，就算你一口氣丟給它好幾頁密密麻麻的背景資料和限制條件，它也不容易失憶或亂回答，能陪大家一輪又一輪地精雕細琢出嚴謹的成果。
ChatGPT是點子多、懂職場又懂生活的「全能特助」
觀察ChatGPT的對話數據，會發現它走的是「無所不聊的高頻率互動」路線，在熱門對話主題中，除了科技應用，佔比最高的還有行銷廣告、內容創作與商業法規在內的「專業服務」，接著是教育、娛樂，甚至連心理諮商也榜上有名；另外，它的使用者在生活消費、美食外送與時尚美妝等網站的造訪率，都高出平均2倍以上。
這些數據顯示ChatGPT是目前最深入大眾工作與日常的靈感發想機。
因此，當大家卡在「行銷文案想不出新梗、跨部門提案寫不出吸睛標題」，或是「不知道該如何委婉又得體地回覆一封棘手的客戶抱怨信」時，找ChatGPT來回拋接點子可能最有效率！它的語言組織力與情境適應力不錯，特別適合用在創意發想、快速產出初稿或模擬職場人際溝通的應對場景中。
Gemini和Copilot講求效率，是很棒的「即時情報員」
Gemini和Copilot跟前面兩種AI工具截然不同，它們在數據圖表是落在「提示詞最短、單次對話次數最少」的區間，這表示大家用它們不是為了聊天討論，比較像是丟出某個具體問題，並追求「問完、拿到答案、立刻轉身去執行」的節奏。
細看數據會發現，Gemini的使用者在網頁設計（4.8倍）、電腦資安（3.1倍）及硬體設備（2.2倍）等網站的黏著度特別高，偏向重視效率的科技族群。
這種工具性格，正好能完美搞定辦公室裡的零碎雜事，當職場人開會到一半突然要「快速查個冷門名詞定義、比對兩套軟硬體規格優缺點」，或是需要「搭配Google和微軟工具快速摘要Email與文件重點」時，Gemini和Copilot的優勢最明顯，因為只要指令明確，它不需要冗長的背景鋪陳也能用最快速度幫大家把零碎任務清空。
圖片來源：Similarweb研究報告
別忘了還有Perplexity！它是自帶資料來源的專業市調員
除了上面3種工具，圖表中還有一個不能漏掉的狠角色Perplexity，它的對話長度剛好卡在中間，大家用它也不是為了閒聊，通常都是帶著明確的調查任務來的。
根據報告數據來看，大家用它找最新資料的比例正大幅飆升，尤其在「旅遊規劃、商品比價、金融與市場分析」這類需要最新情報的領域，Perplexity附上即時參考連結的比例最高。
所以當大家需要「做競品調研、找產業最新數據」，或是被主管要求「報告寫的內容要附上可查證的資料來源」時，找Perplexity就對了！這類工具就在回答問題時會直接給參考出處，省去自己到處Google慢慢比對查證的時間。
職場高手用AI工具都採「混合雙打」策略！
看完各家AI的專長，你現在可能在想：「所以我到底該固定用哪一個？」
報告裡給出一個很有意思的現象，其實有高達95%的ChatGPT用戶，平常依然天天狂用Google搜尋；而且在主流AI之間，同時混用好幾款的人非常多！這項數據也點出一個關鍵：職場上的AI高手，都不是只會「死忠」用單一工具的人！
真正的神人都怎樣搭配？可以舉個例子供大家參考：
先開ChatGPT發想5個企劃點子
選定方向後，把架構丟給Claude擴寫成邏輯嚴密的大綱
寫到一半遇到不確定的市場數據，順手開Perplexity抓出正確出處
統整完寄出Email前，用Gemini或Copilot快速檢查重點有沒有漏掉
現在的AI就像各有所長的同事，所以有時比下對Prompt更重要的是「知道何時該派誰上場」！下次工作卡關、覺得AI怎麼又在胡說八道的時候，先別急著生氣，試著換個工具再問一次，也許就能找到正確的神隊友！
[course_plugin api_type='course_id' title='其他AI應用推薦課程' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
有任何收穫或想分享的，都來和大家一起聊聊吧！