軟體工程師就業培訓
104學習
機械工程
設計、分析與製造各類機械設備，確保其功能性與安全性。需熟悉材料力學、熱力學與動力學，並能運用電腦輔助設計（CAD）軟體進行繪圖與模擬。具備解決問題與創新能力，能提升產品效能與生產效率。此技能廣泛應用於製造業、自動化、汽車、航空及能源等領域，是推動工業發展與技術進步的重要基礎。
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
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
【免費課程報名】技術開發技能1-3 提示工程最佳實務 : 有效利用 Claude 3 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-2 開始採用生成式 AI: 提示工程,檢索增強生成與微調 | 完課紀錄回傳履歷表
打造高投入團隊：遊戲化工作設計與激勵機制實作班【9/17】
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快速完成專業簡報
SolidWorks零組件機構設計
【免費課程報名】技術開發技能 1-1 生成式 AI 如何顛覆您的工作模式 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-6 人人都可以是生成式 AI 的 Builder : Amazon Q 介紹 | 完課紀錄回傳履歷表
精選證照
考取專業證照，讓能力被市場看見
高考機械工程技師
從事機械設備之規劃、設計、監造、研究、分析、試驗、評價、鑑定、製造、安裝、保養、修護、檢驗及計畫管理等業務。
考試院
機械工程師基礎能力鑑定
為因應經濟環境變遷，配合政府的產業政策與機械產業未來發展趨勢，建立國內機械專業人才認證體系，並藉以提供企業界優良之機械專業人才。本認證依據機械人才的職能為基礎，發展能力指標及評鑑內容，協助產業篩選合乎需求的人才。並邀集機械類產官學研各界參與規劃，作為認證之標準，以確認通過此認證之專業人才，確實具備產業需求之能力。就個人而言，取得此認證可提升個人之就業能力，就企業而言，則是企業人才選用的客觀標準。
通過機械工程師基礎能力鑑定考試者，代表其具有大專程度之專業，且具備繪圖之能力，達到進入機械產業服務之入門能力水準。
工業技術研究院
初級機械設計工程師
為因應經濟環境變遷，配合政府的產業政策與機械產業未來發展趨勢，建立國內機械專業人才認證體系，並藉以提供企業界優良之機械專業人才。本認證依據機械人才的職能為基礎，發展能力指標及評鑑內容，協助產業篩選合乎需求的人才。並邀集機械類產官學研各界參與規劃，作為認證之標準，以確認通過此認證之專業人才，確實具備產業需求之能力。就個人而言，取得此認證可提升個人之就業能力，就企業而言，則是企業人才選用的客觀標準。
通過初級機械設計工程師考試者，應可執行機械元件之設計工作之能力。
工業技術研究院
中級機械設計工程師
為因應經濟環境變遷，配合政府的產業政策與機械產業未來發展趨勢，建立國內機械專業人才認證體系，並藉以提供企業界優良之機械專業人才。本認證依據機械人才的職能為基礎，發展能力指標及評鑑內容，協助產業篩選合乎需求的人才。並邀集機械類產官學研各界參與規劃，作為認證之標準，以確認通過此認證之專業人才，確實具備產業需求之能力。就個人而言，取得此認證可提升個人之就業能力，就企業而言，則是企業人才選用的客觀標準。
通過中級機械設計工程師考試者，應可執行單體機構之設計工作能力。
工業技術研究院
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)
工具機機械設計工程師-初級能力鑑定
經濟部為充裕產業升級轉型所需人才，於105年起專案推動產業人才能力鑑定業務， 整合產官學研共同能量，建立能力鑑定體制及擴大辦理考試項目，由經濟部核發能力鑑 定證書，並促進企業優先面試/聘用及加薪獲證者。
特色：
1.能力鑑定制度以職能基準為基礎，由產學研專業委員會規劃發展。
2.能力鑑定業務由專業法人辦理，能力鑑定證書由經濟部核發
iPAS經濟部產業人才能力鑑定
精選貼文，掌握第一手知識
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
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時代的資工人何去何從？專家：向「文組」取經是條出路
AI快速發展，當Cursor等AI助手能幫人自動寫程式、AI預期將達到「中級軟體工程師」的水準，資工系新鮮人的就業處境正面臨艱難挑戰。資工教育、初階工程師到底該培養什麼技能？專家認為，未來資工人才需要擁抱AI素養、運算思維，讓資工系變得「更像文科學位」。
文／田孟心編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
教育怎麼改？「AI素養」是關鍵另一種機會：發現文科思維的價值
當「Cursor」等AI神器能幫人自動寫程式，資工教育、初階工程師到底該培養什麼技能？卡內基美隆大學等程式教育專家建議，讓資工系長得「更像人文學科」，是一條出路。
隨著ChatGPT等聊天機器人的能力不斷進化，它們開始能夠像人類一樣順暢地回答問題、撰寫論文。但論及「取代人類」的挑戰，它們最有殺傷力的，還是針對電腦科學領域。
如今，大型科技公司和新創公司都紛紛推出能自動產生程式碼的AI助手，而且能力正在迅速提升。
今年一月，Meta執行長祖克柏預測，AI將在今年的某個時刻達到「中級軟體工程師」的水準。
新鮮人的境遇特別艱難。根據技術研究和教育機構CompTIA的分析，在過去三年中，尋求兩年或兩年以下經驗員工的公司數量，下降了65%。
教育怎麼改？「AI素養」是關鍵
大學校園裡，以編寫程式碼為主的資工系首當其衝。這引起全美各地大學的資工系所，都在努力理解技術轉型的影響，並努力思考在AI時代該教授哪些內容。
美國頂尖資工院校之一，畢業生遍佈全球各地大型科技公司的卡內基美隆大學，資工教授柯提納（Thomas Cortina）指出，「AI確實震撼了資工教育」。儘管卡內基美隆過去在培養學生方面取得佳績，但今年，資工學院還是暫停暑期工作，邀請教職員一同規劃針對AI時代的新課程。
哥倫比亞大學的資工教授溫（Jeannette Wing）也表示，「我們正看到AI海嘯的冰山一角。」
綜合《紐約時報》訪談許多資工教育工作者，他們認為資工學科可以擴展，變得「更像文科學位」，亦即更加重視批判性思考和溝通技巧。
這與美國國家科學基金會（NSF）的想法不謀而合。
該基金會正在資助一個名為「Level Up AI」的計畫，結合大學與研究人員，共同探討AI教育的本質。
主導這項計劃的資工教授馬希爾（Mary Lou Maher）直言，「資工教育的未來可能會減少對程式設計的關注，而更專注於『運算思維』和『AI素養』。」
其中，運算思維指的是能否將問題分解成更小的任務，逐步訂定解決方案，並利用數據得出基於證據的結論；而AI素養指的是，理解AI如何運作、如何負責任地使用AI，以及AI如何影響社會。
馬希爾強調，培養「理性的懷疑」應該成為新的目標。
根據世界經濟論壇《2025年未來就業報告》，當前最重要的求職技能是「分析性思考」、「彈性」和「社會影響力」。
報告裡也提到，「AI素養」不僅僅是為IT專業人士「錦上添花」，而是對全人類都很重要，教育部門更該強化這個技能。
歐盟與OECD也發起「人工智慧素養框架」（AILit），預期在2026年發布，幫助年輕學習者以批判性、創造性，和合乎道德的方式接觸AI。
另一種機會：發現文科思維的價值
在求職市場上，資工系畢業生也開始發現文科思維的價值。
在一片慘淡的就業前景中，北卡羅來納大學夏洛特分校的大四生德雷克（Connor Drake），幸運地在30次投遞（通常要投100-200次）後，就面試上一家科斯的網路安全實習生職位。
德雷克分享，他個人對AI的「防禦策略」，是拓展自己的技能組。除了資工專業以外，他還輔修政治學，加強學習安全與情報研究，並且擔任大學網路安全社團的負責人——如此一來，他就更能勝任網路安全專業領域的工作。
「資工學位曾經是通往就業天堂的金鑰匙，」22歲的德雷克說道，「但現在情況已不是那樣了。」
最後，儘管資工畢業的菜鳥面臨就業寒冬，但也有專家認為，AI對於「輔助軟體市場」大有前景。
如今，從醫學到行銷領域都在客製化自家的聊天機器人，這些聊天機器人軟體必須為各產業量身打造，並由這些產業的數據庫提供支援。
史丹佛大學計算機科學教授艾肯（Alex Aiken）認為，軟體工程崗位的成長可能會下降，但參與程式設計的人員總數將會增加。
因此，大專院校仍可維持對資工基礎知識和AI原理的教學，並擴展用新工具進行軟體設計的大量實務課程。
或許，有一個重要的前提是：資工學員不會太過仰賴AI本身。
卡內基美隆的柯提納表示，許多資工學生將聊天機器人視為完成作業的「靈丹妙藥」，「但他們連一半的程式碼都看不懂，」「很多人正在意識到自己寫程式碼的價值，打算重新開始。」
（資料來源：NYT, WEF, Nature, FAS）
（原文標題：AI時代的資工人該何去何從？專家：向「文組」取經）
推薦閱讀：
AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
念到博士卻失業？AI時代，大學畢業該繼續升學嗎？
AI浪潮下孩子還要上學嗎？世界權威、母親李飛飛：教育是這4重點
AI秒殺人類工程師，現在矽谷科技家長都希望小孩讀「這類科系」
[joblist_plugin title='更多104【軟體工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&jobcat=2007001004' amount='3']
驅動未來移動科技與重裝設備的跨域職人──北科附工動力機械科
在現代城市建設與工業發展過程中，大型重型機械與工程機具是不可或缺的基石。北科附工「動力機械科」是全台唯一科別。有別於傳統的汽車修護，這裡的學生不僅要懂機械原理，還要學習跨領域的電控，甚至親自操作龐大的挖掘機。本次訪談邀請到在教育界深耕二十多年的動力機械科胡國紘主任，帶我們一窺這門科系如何打造出具備高度競爭力的「機械醫師」。
從黑手到「機械醫師」：打破傳統的跨域職人培育
「以前的人常說，不讀書的人去做黑手；但現在時代不同了，現在的維修技師就像是『醫生』的等級。」本身為汽車科背景的胡國紘主任，一語道破了產業的轉變。
胡國紘主任說明，動力機械科的前身是「重機科」，隨著時代演進，前輩們認為「重機」二字過於狹隘，因而更名為涵蓋所有「會動的機械」的動力機械科。許多人容易將動力機械科、機械科與汽車科混淆，胡主任對此進行了明確的比較：
科系名稱核心領域、操作及維修對象動力機械科大型工程用機械（如挖掘機、起重機、堆高機）、重型柴油引擎機械科基礎機械加工與零組件製造生產（如車床、銑床、鉗工）汽車科一般交通工具（如家用汽車、機車）
面對日益複雜的機具設備，胡國紘主任強調，現在的維修已經不是單純憑勞力拆裝，而是高度仰賴專業知識與邏輯思維。「當機具出現故障時，它不會像病人一樣開口告訴你哪裡痛，技師必須透過故障現象，做出正確邏輯判斷，一步步找出問題根源。」從業人員也需要具備閱讀英文維修手冊的能力，因此解決問題的能力與學科基礎缺一不可。
三年淬鍊硬實力，累積專業證照與成就感
為了讓學生在畢業前具備扎實的即戰力，胡國紘主任表示，動力機械科的課程規劃是將「考取證照」融入各階段的課程目標中，讓學生從中獲得成就感。
高一的重點在於基礎摸索。學生會先從車床、銑床等傳統機械加工學起，並要求考取「機械加工丙級」證照。此外，因應機件維修需求，還有一門「手工電焊」課程，讓學生親身體驗焊接的操作，並輔導考取「一般手工電焊」證照。
升上高二後，課程導入自動化與電動控制，「機械有了骨架，還需要賦予它生命來控制。」學生除了考取「電腦輔助機械製圖丙級」與「氣壓丙級」外，科內也打造了專屬的「室內配線丙級」檢定考場，讓學生實地摸索電路配線的控制邏輯。此外，還需考取「重機械修護引擎丙級」證照，學習大型工業用引擎的拆卸維修。
到了高三，學生將面臨進階挑戰，準備「重機械修護引擎乙級」、「CNC銑床乙級」等高難度證照。更特別的是，年滿18歲的學生能在校內選修工程機具操作實習，親自坐上駕駛座操作挖掘機（怪手）、堆高機、鏟裝機並考取操作證，這是全台灣極少數擁有此類實作課程的學校。
在面對龐大機具時，胡國紘主任強調「安全」始終是第一鐵律。所以實習操作前，必定會安排三小時的職業安全衛生教育訓練課程並簽署安全說明。尤其在學生逐漸熟練的「老鳥階段」，老師們的督導反而會更加嚴格，以確保訓練過程絕對安全。
圖：學生操作大型機械
從做中學的成就感：高三學生分享實戰經驗
受到工程師父親影響的游同學，從小喜歡動手拆裝零件。她目前已考取高達九張證照，包含機械加工、鏟裝機操作，甚至拿下難度極高的重機修護引擎乙級、CNC銑床乙級以及飛機修護乙級證照。游同學回憶，實際在實習課開鏟裝機鏟土、整平地面的過程十分療癒，考取操作證更是讓她充滿自信。
另一位羅同學，則因父母從事重機具考照協會訓練相關工作而就讀本科。擁有七張證照的她坦言，準備「室內配線乙級」學科測驗時因內容偏向電機科而感到吃力，但她靠著反覆刷題成功克服挑戰。對羅同學而言，學習本科最實用的是「能看懂以前不懂的東西」，無論是重型機具維修或操作重型機具。
產學接軌與未來藍圖：實作專題與多元出路
在專題製作與競賽中，胡國紘主任分享，學生的專題多半以「實務應用與安全」為出發點。例如，曾有學生為克服初學者對大型挖掘機的恐懼，利用3D列印結合電子控制，製作出迷你「挖掘機教育訓練模型」以熟悉手感，榮獲全國專業群科專題競賽佳作。科內也會鼓勵學生參與綠能相關的「小水力發電競賽」，培養解決問題與創新能力。
圖片：學生專題作品成果
面對未來的升學與就業，胡國紘主任指出多數畢業生會選擇繼續升學，常見目標包含虎尾科技大學、勤益科技大學、高雄科技大學及屏東科技大學的機械、車輛或輪機工程系。
邏輯與實務兼備的未來工程師
「多操作幾次就會有手感，我們也都是從零開始學，現在都克服了！」游同學用自身經歷，鼓勵有興趣就讀的學弟妹。
胡國紘主任表示，在本科專業教師團隊的帶領、北科附工動力機械科提供的完善實作環境與嚴格的安全要求下，學生不僅具備操作大型工程機具的硬實力，更培養了跨領域的電控知識與解決問題的邏輯思維。這群年輕的「機械醫師」，正帶著高度的專業自信，準備在未來移動科技與重裝設備的產業中大展身手。
開箱動力機械科學習日常！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最新熱門工作揭曉！工程師不只要會寫程式 這技能創造更多收入
2025-11-02 經濟日報編譯易起宇 由聯合新聞網授權轉載
OpenAI、Anthropic和Cohere等人工智慧（AI）新創公司，正加緊招募一種為數稀少的軟體開發人才：前線部署工程師（Forward-Deployed Engineer，FDE）。這些軟體工程師必須既要會寫程式，又要在派駐到企業客戶組織內時，能和顧客交流，協助客戶客製化模型，加速採用AI技術，以創造更多收入。
英國金融時報（FT）報導，OpenAI今年初成立一支FDE團隊，預計今年底前將擴充至約50名工程師。Anthropic也表示，今年將把包含FDE和產品工程師的應用AI團隊規模，擴大為五倍，以滿足客戶需求。
求職平台Indeed數據顯示，這種需要與客戶面對面交流的AI職缺，今年來已一飛沖天，1-9月每月刊登的FDE職缺數量已暴增逾800%。
這種人才趨勢的出現，是因為雖然從製造業到醫療保健等各行各業，都正日益熱衷於引進AI工具，但常不確定該如何應用AI技術，以及要怎麼利用這筆投資獲利。
Anthropic應用AI團隊主管瓊恩表示：「一家財星500強（Fortune 500）的銀行業者，和一家打造原生AI產品的新創公司，需求完全不同。」
數據情報大廠Palantir英國AI主管普雷特尚，形容這種方式為「從內部發現產品」，「你會希望自己打造的事物，在以簡報介紹給客戶時，促使他們說，『這東西將顛覆遊戲規則』」，前線部署工程師知道「珍貴的軟體並非程式碼或語言有多精美…而是要對終端客戶有意義」。
Palantir約20年前便從軍隊派駐海外的概念取經，招募這種人才，如今FDE已約占半數員工，並已派遣到阿富汗和伊拉克的軍事基地、美國中西部的工廠、以及煉油廠。
AI新創公司也希望效仿Palantir。Cohere共同創辦人暨執行長戈梅茲表示，一開始和客戶簽約時就部署工程師，有助建立長久而持續的關係。
雖然FDE目前在AI企業員工中的占比仍相對小，但OpenAI表示，此職位的需求已超越其預期。OpenAI歐洲和中東FDE團隊主管佛尼爾說：「這讓我們學會了不同行業客戶的真正需求，並幫助我們基於真實世界的運作，提升研究和產品陣容。」
延伸閱讀：
AI取代誰？報告揭「科技業職位最危險Top 4」 這領域反而人才荒
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！
AI工作專區｜工程師、PM、行銷的AI應用人才，企業AI徵才技能整理
AI時代來臨，企業對AI應用與自動化人才的需求不斷成長。從軟體工程師、產品經理、專案經理（PM）到行銷人才，懂得使用AI工具：RPA自動化流程、n8n無程式的工作流程整合，在就業市場已開出新的人才賽道，成為企業招募新一代人才的重要加分條件。
本文目錄（點擊可快速前往）
AI技能找工作機會｜RPA、n8n、Vibe CodingRPA（Robotic Process Automation，機器人流程自動化）n8n（開源的工作流程自動化工具）Vibe Coding（氛圍程式設計）職務結合AI工作機會AI行銷人才AI應用管理師 Project Manager、AI PMAI產品經理（AI Product Manager）AI設計師（UI/UX）AI應用軟體工程人才AI、演算法工程師FAQ：AI工作常見問題AI＋自動化技能能提高薪資嗎？學AI可以做什麼工作？
AI技能找工作機會｜RPA、n8n、Vibe Coding
RPA（Robotic Process Automation，機器人流程自動化）
透過軟體「機器人」來模擬人類在電腦上執行重複性、規則化任務的技術，無需改變原有系統或進行複雜開發。
職缺舉例：RPA Business Development Specialist、HR數位轉型專案管理師、業務管理師、通路服務規劃人員
[joblist_plugin title='【RPA】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=3&keyword=RPA&order=15' amount='3']
n8n（開源的工作流程自動化工具）
可幫助工作者自動化重複性任務，整合各種應用服務，類似Zapier或Make.com，擁有更高的彈性。
使用範例
每日定時抓取某API數據→整合→發送Email報表
當表單送出→整理資料→寫入Google Sheet→發Slack通知
自動化CRM建立客戶資料 + 產生任務 + 發送開通信件
[joblist_plugin title='【n8n】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=2&keyword=n8n&order=15' amount='3']
Vibe Coding（氛圍程式設計）
工作者運用語言模型（ChatGpt、copilot）等AI技術，透過自然語言與AI對話，讓AI自動生成所需程式碼，大幅降低開發門檻。只需描述想要達成的功能，AI便能撰寫程式，無需深入理解底層程式運作原理，可以不透過工程師達到將網頁、APP快速送入市場驗證的開發模式。
[joblist_plugin title='【Vibe Coding】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=vibe+code&order=15&page=1' amount='3']
看不夠？來去逛逛 104數位與科技人才專區
職務結合AI工作機會
AI工具的應用，讓專業工作者能提高工作效率（避免耗時的行政流程）、創意創新的競爭力（給予AI思考框架，提出不同的創新想法）、決策支援（藉由數據資料的匯入，與AI協作預測商業策略執行優勢與須備風險管理的地方）。
AI行銷人才
企業期待新一代的行銷人將專業的行銷know-how結合AI與MarTech的技術，能更精確的了解市場、找到用戶痛點、制訂與執行更有效的行銷策略。
必備技能：AI工具（ChatGPT）、RPA與n8n自動化排程、GA4。
加分條件：懂MarTech串接與數據驅動行銷策略。
[joblist_plugin title='【AI Martech 行銷】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=3&keyword=AI+Martech&order=15&jobcat=2004001000' amount='3']
AI應用管理師 Project Manager、AI PM
結合PJM對組織流程、利害關係人的了解，提升決策效率與資源運用，並在複雜多變的環境中，精準規劃、協調跨部門團隊，確保專案按時、高品質交付，創造更高的商業價值。
[joblist_plugin title='【AI專案經理】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&keyword=AI+n8n&order=15&jobcat=2004003006' amount='3']
AI產品經理（AI Product Manager）
產品經理需要能精準識別使用者需求，將AI能力轉化為實際功能，並制定策略與路線圖，協調跨部門資源，確保AI產品從概念到落地，能創造最大化的商業價值與使用體驗。
必備技能：敏捷開發、數據分析、RPA流程設計、n8n工作流自動化。
加分條件：懂Prompt Engineering，能規劃AI產品MVP
[joblist_plugin title='【AI專案經理】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=2&keyword=AI+n8n+%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15&jobcat=2004003005' amount='3']
AI設計師（UI/UX）
結合AI技術與使用者行為洞察，打造人性化的產品體驗。需要理解AI產品的運作邏輯，將複雜的演算法結果轉化為直覺且易於使用的介面，在設計過程中融入個人化體驗與數據驅動的設計思維，確保產品兼具美感與功能。
[joblist_plugin title='【AI UI/UX 設計師】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&keyword=AI+&order=15&jobcat=2013001015,2013001016,2013001006,2013001020' amount='3']
AI應用軟體工程人才
幫助提升公司營運效率，工作內容包含開發與推進AI自動化應用，包括文件生成、知識查詢、任務建議與流程輔助，提升日常作業效率。
[joblist_plugin title='【AI應用工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&mode=s&page=1&keyword=AI+%E6%87%89%E7%94%A8&order=15&jobcat=2007001000' amount='3']
AI、演算法工程師
邊緣運算、LLM、AI/ML 演算法、生成式AI、影像辨識、資料科學……等專業技術領域
[joblist_plugin title='【AI、演算法工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&order=15&jobcat=2007001020,2007001012' amount='3']
FAQ：AI工作常見問題
AI＋自動化技能能提高薪資嗎？
能，降低人工成本，幫企業節省大量時間。幫助公司快速決策，提升專案 ROI。具備跨領域競爭力，在數位轉型浪潮中更具優勢。
學AI可以做什麼工作？
學AI可以應用在與數據、軟體、流程優化相關的工作中。例如：行銷人多會了AI，可以不透過工程師快速架設行銷活動網站、PM會AI，可以自動化縮短寫規格書的時間、透過Vibe Coding方式加速MVP的推出，工程師可以透過AI協作，更快產出80%的程式碼，將時間投入優化code的過程。
看不夠？來去逛逛 104數位與科技人才專區
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
當生成式 AI 進入企業日常，對於專注資安產品的企業而言，不單是工具升級，更可視為是將資安的攻防節奏全面改寫。因為率先新技術放大其效能的，偏偏卻也是攻擊者。趨勢科技 TrendAI Lab 與核心技術副總經理卜鵬世，與資深人資協理柯志宜，在受訪時都不約而同提到，AI 正在重新定義企業對工程師的期待，也讓資安產品研發、核心技術研究與人才招募標準同步改變。
文／104人力銀行
本文導覽：
同樣是工程師，解決的卻不是同一種問題
當攻擊者也用 AI，資安人才的標準亦隨之改變
要能帶著 AI 解題，把工具轉化為價值
對趨勢科技（以下簡稱趨勢）而言，AI 時代下真正稀缺的，不再只侷限是會寫程式的人，而是能理解問題、拆解並知道如何運用 AI ，讓產品與防禦能力持續進化的人才，這樣的轉變，正發生在趨勢的研發與徵才現場。
同樣是工程師，解決的卻不是同一種問題
卜鵬世首先分享，他目前掌管的兩個核心部門：一是更貼近產品與客戶需求的 「端點防護」（Endpoint Security）部門，另一是負責研發共通能力的「核心技術」（TrendAI Lab）部門。前者關注的是，如何把防護能力做成客戶能快速安裝、易於操作管理的產品；後者則是專注於分析資安威脅、偵測引擎、URL 判讀等能力，提供各產品線共用的核心能力支援。
談到這兩個部門的差異，卜鵬世用了一個很鮮明的比喻：「端點產品部門的人比較像部隊，核心技術部門的人比較像製造武器的人。」 一邊更靠近戰場與使用情境，一邊則負責打造武器與核心能力，分工不同，卻必須高度協作。
若進一步用學科來理解，這兩類人才也有明顯差異。卜鵬世認為，核心技術比較像化學系、數學系，偏研究、分析與技術突破；而產品開發則更像 化工系、應用數學系，更重視如何把技術轉化為可落地、可被客戶使用的解決辦法。
面對資安威脅，前者需對新技術保持高度敏感，從龐大資訊中找出特定模式；後者更需要能理解客戶需求、使用流程與跨部門的合作。換句話說，兩邊都在拆解問題，但一邊更接近攻擊與技術本身，另一邊更接近使用者與產品體驗。
當攻擊者也用 AI，資安人才的標準亦隨之改變
AI 的普及，最先改變的是資安攻防的速度與規模。卜鵬世直言，攻擊者往往是世界上最早應用新技術的一群人，「只是他們把它拿來做壞事。」過去，若要變形攻擊，可能還需要改寫程式邏輯；現在只要下幾個語法，AI 就能快速生成大量變體。也因此，他很直接地說出這句話：「只有用 AI，才有辦法對抗 AI。」
對核心技術團隊來說，AI 已不只是輔助工具，而可能成為解決辦法的一部分；過去最核心的是程式寫成的引擎，未來最關鍵的部分甚至可能就是 LLM。對產品開發端而言，AI 則更直接影響開發流程，從知識查找、code completion，到 AI agent 協助寫 code、做測試與整理架構，正在逐步重塑工程師的工作方式。
這樣的改變，也反映在趨勢科技的徵才標準裡。受訪者提到，公司在面試時，已經會觀察候選人的 AI 使用能力，甚至有一套內部能力指標概念對照：從「有在使用」，到「能產出成果」、再到「已經融入工作流程」，更高階者甚至能藉此改變做事方式與組織協作模式。
以目前觀察來看，多數工程師已開始使用 AI，也能在部分工作中應用，但距離大規模流程與工作模式的重塑，還有一段距離。這也意味著，企業現在看的人才，不再只是「會不會寫 code」，而是「會不會用 AI 定義問題、拆解問題，並把它真正放進工作流程裡」。
趨勢科技核心技術副總經理卜鵬世
要能帶著 AI 解題，把工具轉化為價值
對趨勢科技而言，未來工程師最重要的能力，不光只是技術本身，而是包含判斷力與學習力。卜鵬世認為，當 AI 已能協助完成越來越多標準化工作，真正拉開差距的，是定義問題、做出決策、引導 AI 協作的能力。未來的新鮮人，也許一進職場，反而會更像是帶著一群 AI agents 一起工作的協作者。
從 HR 的角度，柯志宜也觀察到，企業在尋找的已不只是具本科系背景，而是能否展現對技術的熱情、學習能力，以及把工具運用到實際問題上的能力。她提到，科系當然還是辨識人才的一種立即參考，但真正重要的，仍然是候選人能否證明自己會用、敢用，而且清楚使用 AI 解決了什麼問題。對於產品開發的團隊來說，這樣的人才尤其有亮點，「因為他不是只會操作工具，而是能把工具轉化為產品價值。」
趨勢科技人資協理柯志宜
除了人才標準，趨勢科技也強調自身吸引人才的另一個關鍵，在於企業文化與研發定位。柯志宜提到，「我們唯一的競爭對手是駭客。」 這句話不只是企業精神，也反映出公司長期專注資安、持續轉型的核心方向。她認為，趨勢科技一直保有清楚的願景；對工程師而言，這裡並不是科技公司的海外分部，而是擁有研發資源與舞台的研發中心。對於想參與核心技術，與全球性產品研發的人來說，這樣的環境本身就是吸引力。
從端點防護到核心技術，從 AI 分級到徵才標準，在 AI 時代下，資安領域最需要的不只是技術執行者，而是能帶著 AI 一起解題、一起進化的人。這正是趨勢科技在人才招募與研發現場，所體驗到最真實的變化。
立即下載《2026科技業人才報告書-人才版》
[joblist_plugin title='更多104【Trend Micro_趨勢科技】工作機會' url='https://www.104.com.tw/company/apio4y0' amount='3']
從創意到實現──屏東高工製圖科打造設計落地的能力
一項產品誕生之前，需要先有一個想法；而一個好的想法，要真正成為看得見、摸得到的作品，還需要經過設計、繪圖、建模、驗證與修正等一連串過程。設計圖不只是產品的藍圖，更是串連創意與製造的重要橋梁。 屏東高工製圖科培養的，正是這種將創意轉化為現實的能力。許多人不清楚製圖科與機械科的差異與關聯性，其實兩者分別著重同一種專業中不同階段的能力：機械科著重於加工製造，特別擅長動手操作，而製圖科則站在製造流程的前端，負責將構想轉化為工程圖，再透過模型製作與實作驗證，讓一個想法逐步成為真正能被製造的產品。
（圖：學生操作電腦繪圖軟體完成圖面設計 ）
從想法開始，循序建立設計能力
把創意化為現實，並不是一蹴可幾，而是需要一步步累積專業能力。
屏東高工製圖科的課程安排，在高一時，讓學生先從工程字、三視圖等基礎開始，透過手繪建立空間概念與圖面表達能力，同時接觸機械加工基礎，認識不同材料、加工方式及機械原理。進入高二後，課程逐步導入 AutoCAD、Inventor 等電腦繪圖軟體，讓學生學習如何將平面圖轉換成立體模型；到了高三，則結合專題製作、3D列印等課程，讓設計真正從螢幕上的圖面走向實體作品。
看似是不同階段的課程，其實都圍繞著同一件事情──培養學生將想法具體表達、逐步實現的能力。從最初的一筆一畫，到完成立體模型，每一門課都不是獨立存在，而是在不同學習階段，引導學生建立完整的設計思維，也理解一件作品如何從概念走向成品。
（圖：學生運用尺規工具完成手繪製圖練習 ）
好的設計，建立在理解製造之上
不少人認為設計就是發揮創意，但在屏東高工製圖科，創意只是起點，更重要的是讓設計真正能夠被實現。
製圖科主任陳儀峻指出，學生除了學習繪圖之外，也必須接觸加工基礎與製造流程。因為一件產品是否可行，不只是取決於設計是否美觀，更需要考慮材料特性、加工方式及結構安排。如果不了解後端製造流程，再有創意的設計，也可能因為無法加工而停留在想像階段。
因此，製圖科希望培養的並非只是繪圖技巧，而是兼具創意與實務的設計能力。學生在學習設計的同時，也會實際接觸車床等加工設備，了解不同零件是如何製造出來，也理解設計圖上的每一條線、每一個尺寸，最後都會影響產品是否能夠順利完成。
換句話說，在製圖科，設計與製造並不是彼此獨立的兩件事情，而是不斷來回驗證、相互修正的過程。學生不只是學會使用繪圖軟體，更逐漸建立工程設計所需要的判斷能力，知道如何在創意與實際製造之間取得平衡，讓一個構想真正具備落地實現的可能。
（圖：學生操作車床設備進行金屬加工練習 ）
在一次次驗證與修正中，讓創意真正成形
如果說設計是一個把想法化為現實的過程，學生真正的學習，往往發生在作品第一次被做出來之後。受訪的方同學分享，自己最喜歡的課程之一，是結合 3D 列印的鑄造原理課。過去停留在圖面上的設計，透過電腦建模、3D列印與翻模製作，逐漸變成一件可以拿在手中的作品，讓他第一次真正感受到設計「從無到有」的過程，也因此對製圖產生更深的興趣。
然而，真正開始製作後，他才發現設計並不是把圖畫出來就結束了。尺寸是否正確、結構是否穩固、組裝是否順利，許多原本在螢幕上看不出的問題，都會在實際製作時一一浮現。有時需要重新修改尺寸，有時則必須重新思考整體設計方式，再重新列印、重新測試，才能完成一件真正符合需求的作品。對他而言，這些反覆修改的過程雖然花時間，卻也是學習最大的收穫，因為每一次修正，都讓他更理解設計背後需要考量的細節。這也讓他發現，好的設計並非一次完成，而是在一次次驗證與修正中逐漸成熟。
（圖：學生展示皮革散子包專題成果 ）
另一段讓他印象深刻的學習經驗，則來自第一次接觸大型加工設備。實際面對機械設備，剛開始難免因高速旋轉的刀具與飛散的鐵屑感到緊張，但隨著老師一步步指導，以及不斷練習與考取證照，他逐漸克服原本的害怕，也開始享受親手把設計完成的成就感。對他而言，製圖科帶來的不只是專業能力，更讓自己在一次次挑戰中建立起面對問題、解決問題的信心。
從生活中發現問題，再用設計提出解方
除了培養專業技術，課程設計上也希望學生理解，設計並不是為了完成一份作業，而是為了解決真實世界的問題。
因此，高三的專題製作不只是整合三年所學，更鼓勵學生從生活中尋找靈感，思考如何運用設計改善日常需求。有些作品源自生活中的小困擾，有些則結合機械結構與力學原理，希望透過設計讓使用更加便利。從問題發想、繪製圖面、建立模型，到最後完成實體作品，每一個環節都需要學生反覆討論、測試與修正，也讓他們體會設計並不是憑空想像，而是一個持續思考與解決問題的過程。
陳主任也提到，課堂上經常利用生活中的工具作為教材，引導學生從熟悉的事物理解工程原理，再思考如何運用設計讓產品更符合需求。透過這樣的學習方式，抽象的力學、結構與製圖知識，不再只是課本上的內容，而是逐漸與生活建立連結，也讓學生更理解設計真正存在的價值。
從創意到實現，培養讓設計落地的人才
設計，不只是天馬行空地發想，更重要的是讓一個想法真正被實現。
屏東高工製圖科透過手繪基礎、電腦繪圖、加工實作、3D列印與專題製作等完整課程，引導學生在一次次設計、驗證與修正的循環中，逐步建立空間思考、設計規劃與解決問題的能力，也理解設計與製造之間密不可分的關係。
在陳主任眼中，製圖更像是一種「工程語言」。它不只是畫出一張圖，而是一套讓設計者、工程師與製造端彼此溝通的共同語言。學生在三年的學習中所累積的，也不只是繪圖技巧，而是將創意轉化為現實、把想法真正落地的能力。這份能力，不僅是未來進入工程與設計領域的重要基礎，更是面對快速變化產業時，持續創新與解決問題的核心競爭力。
開箱製圖科的學習日常！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產品經理需求5年成長263%！從Chatbot到AI Agent，PM工作正在發生什麼變化？
生成式AI熱潮即將進入新階段，企業對AI人才的需求也明顯發生變化。前幾年當我們談到「AI人才」時，多數人第一時間想到的可能是「AI工程師」、「資料科學家」或「機器學習工程師」；但到了2026年，另一群人才正在快速受到企業重視——那就是「AI產品經理」(AI Product Manager)。
文／《104學習》
本文導覽
AI產品經理是什麼？不只是「會用ChatGPT的PM」趨勢一：AI人才需求正在從工程端往產品與商業端擴散趨勢二：從「AI Chatbot」進入「AI Agent」時代趨勢三：PM不一定要成為工程師，但「做得出來」正在變重要趨勢四：只會Prompt，差異化可能愈來愈小趨勢五：企業不再只看AI使用率，而開始追問ROI趨勢六：AI Governance也正在進入產品經理的工作範圍未來可能不是「AI PM變多」，而是「所有PM都要懂AI」想進入AI產品領域，可以從這4層能力開始光是「知道AI」還不夠，實作才是最重要的一步從「會用AI」到「管理AI」，PM競爭正式進入下一階段
根據《104學習》發布的《AI人才趨勢報告》，近5年台灣AI人才需求成長 97.6%，明顯高於整體招募市場同期增幅。其中，「專案／產品管理」相關AI人才需求從2022年平均每月951人，增加至2026年3,453人，5年增幅高達263.1%，是成長幅度最高的職類。
這個數字透露了一個重要訊號：企業現在缺的不只是「會開發 AI 的人」，更缺「知道怎麼把 AI 做成產品的人」。
而這樣的轉變並不只發生在台灣。
從美國科技業到全球大型企業，AI發展的焦點正在從「模型有多強」，進一步走向「AI能不能真正進入工作流程、解決問題，並產生可以衡量的商業成果」。
產品經理，也因此站到了這波 AI 轉型的第一線。
延伸閱讀：不再只看影片！AI如何顛覆企業培訓？「圍繞AI設計學習體驗」成2026職場新顯學
AI產品經理是什麼？不只是「會用ChatGPT的PM」
「AI產品經理」(AI Product Manager)並不是多學、會用幾個AI工具，就可以在職稱前面加上「AI」。
簡單來說，AI PM 真正要做的是：
找到值得 AI 化的問題，設計 AI 解決方案，再把它變成使用者願意使用、企業可以持續經營的產品。
傳統產品經理需要進行：使用者研究、規劃 Roadmap、管理產品需求、分析數據，以及協調設計與工程團隊。
儘管這些能力到了AI時代仍然重要，但AI產品又多了不少全新的不確定性。
例如：
AI回答到什麼程度才算正確？
準確率90%可以上線嗎？
如果AI判斷錯誤，誰負責？
哪些事情可以讓AI自動完成？
什麼時候需要人類確認？
模型使用成本多少才合理？
使用者資料能不能送進大型語言模型？
AI產生幻覺時，產品要如何處理？
這些問題已經不單純是工程問題，同時也是產品的問題，因此，AI PM 的角色正在逐漸從單純的「需求管理者」，轉向：「Product Manager × AI Solution Designer × Business Owner」。
延伸閱讀：AI PM紅什麼？！年薪上看150萬！
哪些職類適合轉職成AI產品經理？這5種背景都有機會
你可能會想：「一定要原本就是產品經理，才能成為AI產品經理嗎？」
其實不一定。
AI產品經理需要的並不是單一技能，而是「產品思維 × AI理解 × 商業判斷 × 產業知識」的組合。因此，不同職務背景的人，都可能帶著原本的專業優勢切入AI產品領域。企業需要的不只是懂技術的人，更需要能理解實際工作問題、知道哪些流程值得AI化的人。
舉例來說，以下幾類工作者，轉職AI產品經理時尤其具有既有優勢：
產品經理／專案經理：產品方法與跨部門協作能力最接近。
軟體工程師／資料分析師：懂技術，更容易判斷AI能不能做。
UX／UI／使用者研究：最懂使用者如何與AI互動。.
行銷／營運／商業企劃：最了解市場、流程與ROI。
HR、金融、醫療、製造、教育等產業專業人才：Domain Knowledge可以成為最大優勢。
因此，想轉職AI產品經理，不一定要把過去的工作經驗全部歸零。相反地，原本累積的產業知識，很可能就是你的轉職籌碼。
真正需要做的，是在既有專業上補上「產品方法」與「AI能力」，慢慢形成自己的跨域組合：原本專業 × Product × AI。
未來企業需要的AI PM，很可能不是最會下Prompt的人，而是最清楚「問題在哪裡、AI可以怎麼解、產品怎麼落地，以及最後能不能創造商業價值」的人。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
趨勢一：AI人才需求正在從工程端往產品與商業端擴散
AI發展初期，企業最需要的是AI Engineer、Machine Learning Engineer、Data Scientist等技術人才。
但當企業真正開始導入生成式AI，管理者面對的問題就變了。
以前問的是：「我們能不能做AI？」
現在問的是：
「哪些流程最值得 AI 化？」
「這個功能真的有人需要嗎？」
「AI 可以節省多少時間？」
「導入之後能不能增加營收？」
「這筆 AI 投資到底值不值得？」
104人力銀行的人才數據也反映出這個轉變。除了專案／產品管理人才需求5年內增加263.1%之外，業務銷售相關的AI人才需求也增加247.8%，行銷相關需求則增加了165.4%，都是非常高的成長曲線。
換言之，AI已經不再只是資訊部門或研發部門的事情。它開始進入：產品、營運、行銷、業務、人資、金融、製造、教育等不同場景。
無獨有偶，世界經濟論壇(WEF)所發表的《Future of Jobs Report 2025》也將「AI and Big Data」列為未來成長最快的技能，並預估到2030年，現有工作所需的核心技能有約39%將發生變化。
所以未來真正稀缺的，可能不只是 AI 工程師，而是：懂原本專業，又知道如何利用 AI 改變工作的跨域人才。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
趨勢二：從「AI Chatbot」進入「AI Agent」時代
當2023、2024年AI應用剛起步流行時，多數企業選擇做「生成式AI」，那時候最常見的應用，就是「AI Chatbot」的應用。例如以下的情境應該不讓人感到陌生：
員工問：「公司差假怎麼申請？」
AI從知識庫找到答案後回覆答案。
但現在企業開始往下一個階段前進：「AI Agent」。
不同的是，過去AI Chatbot的主要負責的工作是：「回答問題」，而AI Agent能做到（或想做到）的則是：「完成任務」。
例如：過去的客服AI可能只是告訴顧客如何退貨。未來的AI Agent可能直接可以執行以下的動作：
讀取訂單
直接執行以下5個SOP
→ 判斷是否符合退貨資格
→ 建立申請
→ 通知物流
→ 更新 CRM
→ 回覆顧客
因此連帶讓產品設計從過去陽春的「對話介面」，直接變成完整可以提供服務的「AI Workflow」。
不過，根據勤業眾信在《2026 AI企業現況報告》指出，就算企業已開始積極布局Agentic AI，但當前AI的治理與組織準備程度仍有落差；企業真正面臨的挑戰已從「要不要用AI」，逐漸轉向「怎麼安全地讓AI進入核心流程」。
這也是AI PM接下來最重要的工作與挑戰，產品經理必須懂得設計：
AI 可以做到哪一步？
什麼時候交回給人？
哪些操作需要再次確認？
AI 可以存取哪些資料？
Agent 執行錯誤後如何恢復？
如果過去PM主要工作是在設計產品的「User Flow」，未來很可能還要學會設計：Human × AI × System 的 Agent Workflow。
延伸閱讀：文科生的AI時代生存指南：這4類證照幫履歷「套上科技濾鏡」，跨領域轉職必備！
趨勢三：PM不一定要成為工程師，但「做得出來」正在變重要
AI同時也正在重新定義產品經理與工程團隊之間的工作邊界。
過去 PM 想驗證一個產品概念，常見流程可能是：
需求研究
→ Wireframe
→ Figma Prototype
→ PRD
→ 工程開發
→ MVP
現在，Vibe Coding、AI Coding Agent、No-code／Low-code等工具正在壓縮這段流程。
產品經理即使沒有完整工程背景，也開始有機會自己建立：
AI Chatbot
簡單Web App
AI知識庫
RAG應用
自動化Workflow
AI Agent Prototype
未來企業期待 PM 的可能不只是：「你能不能把需求寫清楚？」，而會進一步變成：「你能不能先把想法做出來，證明值得投入？」
雖然這並不代表產品經理都要轉職成工程師。
但是當你真正理解基本的技術邏輯（包括 API、LLM、RAG、Prompt、Agent與資料流程），才能更有效率地和工程團隊一起完成產品。
延伸閱讀：PM的隱性停滯：你是「救火型PM」還是「系統設計型PM」？
趨勢四：只會Prompt，差異化可能愈來愈小
生成式 AI 剛出現時，「Prompt Engineering」曾經被視為非常稀缺的能力。但隨著模型能力持續提升，單純會操作ChatGPT、Claude 或 Gemini，會逐漸變成知識工作者的基本能力。
真正拉開 AI PM 差距的問題，不再只是：「Prompt 怎麼下？」，而是：「什麼問題值得交給 AI？」
例如：公司有50個客服流程，哪5個最值得優先 AI 化？AI 自動化率做到多少才有 ROI？如果準確率只有 90%，剩下 10% 的錯誤會造成什麼影響？哪些情境一定需要 Human-in-the-loop？
這些問題靠 Prompt Engineering 解決不了，它需要的是：「產品判斷＋商業理解＋AI知識＋產業經驗」。
因此未來有價值的人才組合，很可能會是：
金融 × AI
HR × AI
醫療 × AI
製造 × AI
教育 × AI
行銷 × AI
對已經有幾年工作經驗的產品經理而言，原本累積的Domain Knowledge（領域知識）並不會因AI出現而失去價值，反而可能成為自己切入AI產品的重要優勢。
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
趨勢五：企業不再只看AI使用率，而開始追問ROI
生成式 AI 剛進企業時，許多組織最先觀察的是：
多少員工開始使用AI？
一天用了幾次？
有哪些團隊導Chatbot？
但2026年之後，更重要的問題開始變成：「用了之後，到底產生多少價值？」
根據勤業眾信在2026年的研究顯示，66% 的企業已經從AI獲得生產力或效率提升；但是只有約20%已經看到AI帶動營收成長。儘管74%的企業期待未來AI可以創造營收，但這中間巨大的落差，就是「AI Product Manager」的機會。
OpenAI在2026年談企業AI投資管理時，也提出不應只看Token單價，而應衡量AI每一美元實際完成多少有價值的工作，包括成功完成的任務、節省時間、改善決策以及能否形成可規模化工作流程。
因此 AI PM 未來除了 DAU、Retention、Conversion 等傳統產品指標，還可能需要理解：
Task Success Rate
Accuracy
Hallucination Rate
Latency
Automation Rate
Human Intervention Rate
Cost per Successful Task
最後回到最核心的問題：這項AI產品，到底替使用者與企業創造了什麼價值？
延伸閱讀：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」
趨勢六：AI Governance也正在進入產品經理的工作範圍
2026 年另一個值得注意的全球變化，是 AI 法規正式進入執行階段。
歐盟的《AI Act》於2024年生效，多項規範已在2026年8月2日進入適用或執行階段，包括特定 AI 系統的透明度義務；部分高風險 AI 系統則有不同的後續實施時程。
因此做 AI 產品時，PM 未來還需要思考：
使用者知不知道自己正在跟 AI 互動？
AI 產出的內容需不需要標示？
產品使用了哪些資料？
哪些事情一定需要人工決策？
系統如何留下紀錄？
AI 判斷錯誤後如何追蹤？
特別未來的世界裡，金融、人資、醫療、教育等領域，AI Governance很可能逐漸成為產品設計的基本能力，需要注意的規範範圍將會愈來愈廣。
延伸閱讀：AI基本法借鏡國外 美專法重競爭、歐盟南韓有罰則
未來可能不是「AI PM變多」，而是「所有PM都要懂AI」
從更長期來看，「AI Product Manager」甚至未必永遠是一個獨立職稱。
就像現在很少有人特別強調自己是「Internet Product Manager」，當AI逐漸成為所有數位產品的底層能力後，企業遲早有一天將不再區分：Product Manager、AI Product Manager，而會認為：「產品經理本來就應該理解 AI」。
因此，真正值得產品工作者思考的，可能不是：「我要不要轉職 AI PM？」而是：
「我的 PM 能力，要怎麼升級成 AI 時代需要的產品能力？」
想進入AI產品領域，可以從這4層能力開始
如果把目前 AI Product Manager 所需能力整理成學習地圖，大致可以分成四層。
第一層｜產品基本功使用者研究、需求分析、產品策略、Roadmap、數據分析、商業模式第二層｜AI基礎理解生成式 AI、LLM、Prompt、API、RAG、AI Agent、資料流程第三層｜AI產品實作AI Product Design、AI Workflow、Prototype、產品驗證、Evaluation、Human-in-the-loop第四層｜AI商業化能力AI ROI、成本管理、AI Governance、產品商業模式與產業應用
真正的挑戰，是把這些原本分散的知識串在一起。
因為很多人現在已經「會用AI」，但從使用AI工具，到真正能提出一個AI產品構想、驗證需求、設計流程，再做出可以展示的Prototype，中間其實還有不小的距離。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
光是「知道AI」還不夠，實作才是最重要的一步
如果你原本就是產品經理、專案經理，或者希望往 PM 領域發展，現在需要補的可能已經不只是再上一堂「ChatGPT 工具課」。
而是實際練習：
怎麼找到值得用 AI 解決的問題？
怎麼把需求轉成 AI 產品構想？
怎麼和技術團隊討論 AI 解法？
怎麼快速驗證產品？
怎麼把 AI 概念變成真正的產品提案？
針對這樣的能力轉型，104人力銀行也與緯育TibaMe合作推出「第一屆AI產品經理學習營」，鎖定希望在PM實務中應用 AI、提升產品提案能力，以及希望踏入產品經理領域的職場工作者。課程預計自2026年10月17日起正式展開。
與單純介紹 AI 工具有所不同，如果你的目標是往 AI Product 發展，更值得關注的是能否透過有結構的學習與實作，把「AI 知識」轉化成真正能用在工作上的「產品能力」。
👉 查看「第一屆 AI 產品經理學習營｜緯育 TibaMe × 104 人力銀行」課程資訊
從「會用AI」到「管理AI」，PM競爭正式進入下一階段
回頭看這幾年的市場，可以大致看到產品人才能力的變化：
2023，會用 AI，是加分：生成式 AI 與 Prompt 開始普及。
2024，懂 LLM，是稀缺能力：企業開始嘗試 RAG、企業知識庫與生成式 AI 應用。
2025，能做 AI Product，開始受到重視：AI 從實驗性專案逐漸走向正式產品。
2026，能設計 Agent、Workflow、Evaluation 並衡量 ROI，價值快速提升：AI 開始真正進入企業核心工作流程。
放眼望去，下一階段真正稀缺的工作能力組合，很可能是：AI × Product × Domain × Business。
AI 工具的操作門檻只會愈來愈低，真正有價值的，反而是那些知道問題在哪裡、知道什麼值得 AI 化、能把想法變成產品，也知道怎麼衡量成果的人。
所以，對產品經理而言，現在真正值得問的或許不是：「AI會不會取代PM？」
而是：「當AI開始改變所有產品，我是否已經具備下一代PM需要的能力？」
推薦閱讀
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代理人時代，勝負不在AI多聰明！林之晨：關鍵在組織消除落地摩擦力
AI拆解傳統職位、重組專業分工：下一批高薪人才長什麼樣？
國科會115年度預算793億元 聚焦AI、晶片、機器人與太空科技
2026-05-06 聯合報記者董俞佳 由聯合新聞網授權轉載
國科會主委吳誠文表示，面對國際局勢快速變遷與地緣政治競合，科技已成為確保國家安全、提升社會韌性的關鍵。國科會今年度主管預算編列793億元，較去年增加108億元，將持續投入前瞻科技，強化台灣在AI、半導體、智慧機器人、太空科技及基礎研究等領域的競爭力。
國科會主委吳誠文今天赴立法院教育及文化委員會，報告今年度預算編列情形。吳誠文指出，國科會已提出「國家科學技術發展計畫（114至117年）」，擘劃未來四年科技發展藍圖，並將於115年啟動研擬「科學技術白皮書（116至119年）」，實現「智慧創新、民主韌性，打造均衡台灣」目標。115年度整體科技預算編列1665億元，投入重點包括AI及算力、晶創台灣方案、智慧機器人、太空科技等，以回應未來關鍵議題。
在AI布局方面，吳誠文表示，國發會、國科會、經濟部與數發部等部會合力規畫「AI新十大建設」，其中國科會主責全民智慧生活圈、量子科技、智慧機器人、主權AI及算力等項目，並將跨部會推動AI應用落地於交通、醫療等關鍵場域。半導體方面，國科會今年將延續「晶創台灣方案」，推動AI晶片與跨領域應用深度結合，將台灣既有晶片優勢轉化為整體產業競爭力。太空科技方面，福衛八號首顆衛星「齊柏林」已於114年11月29日成功發射，並自115年1月起展開正式取像任務，預計2031年完成高解析度光學遙測衛星星系布建。在基礎研究與人才培育方面，國科會115年度整體編列427億元，穩定支持學研界長期投入科研，並鼓勵對社會民生具重大影響力的研究。國科會也將擴大攜手技職校院及私立大學，在既有技專計畫中新增跨域實作類型，培育產業與社會所需的實務人才。
吳誠文表示，國科會也將持續推動科普教育，去年10月底發車的科普環島列車已新增南迴線站點，讓資源普及更多偏鄉學生及多元族群。國科會也會在科研合作協議基礎上，持續結盟國際夥伴，吸引國內外優秀年輕人才留台發展，並進一步擴及產業合作。
科學園區發展方面，吳誠文表示，科學園區114年營業額達5.8兆元，再創歷史新高，主要受惠於AI應用加速滲透，預期115年全年營業額也可望穩健成長。南科沙崙生態科學園區籌設計畫已於114年12月獲行政院核定，未來將以「生態先行」理念續辦開發計畫，並結合「大南方新矽谷推動方案」，以台南沙崙為核心，串聯嘉義、台南、高雄、屏東等地區成為半導體S廊帶，構建以AI為核心的產業生態系。
吳誠文表示，科技預算是國家戰略投資，國科會將持續投入前瞻科技，確保台灣未來在國際競爭中更具韌性與繁榮。
[joblist_plugin title='104精選【國家實驗研究院】工作機會' url='https://www.104.com.tw/company/76sfnje' amount='5']
【2026最新】AI產業人才認定指引3.0更新！5大能力評估、AI證照及學習資源、工作機會盤點
數發部2026年5月最新公布「AI產業人才認定指引3.0」，本次重要更新包括「AI治理素養」與「AI協作與開發」兩項能力，以及新增「推薦學習資源」幫助強化人才AI能力。本文帶你一次看懂AI三大人才類型、必備技能與證照資源推薦，並盤點AI人才職涯發展以及最常見的AI工作機會，幫助找到最適合自己的AI職涯起點。
※更新日期：2026/05/21
文／《104職場力》
本文目錄（點擊可快速前往）
你屬於哪種AI人才？研究、開發、應用3大類一次看想進入AI領域，5大能力你具備了嗎？AI能力如何認證和提升？新版推薦學習資源、證照整理AI人才職涯發展路徑圖及轉職跨領域建議AI產業人才常見職稱及104工作機會一覽投入AI領域3大建議：要具備哪些核心技術和軟實力？數發部「AI產業人才認定指引」電子書下載
2026.05更新：數發部2026年5月19日發布「AI 產業人才認定指引3.0」，兩項重要更新包括：1.因應2026年1月公布《人工智慧基本法》，新增「AI治理素養」能力，協助人才建立人工智慧應用風險的框架與意識；2.順應Vibe Coding與Agentic AI發展趨勢，新增「AI協作與開發」能力，強化人才與AI工具協作及開發的實務能力。並將指引從企業與求職者、培訓與認證機構參考的共通基準，進一步落實到產業工作場景。
想進入AI領域要做哪些準備？工作上如何認證自己的AI能力？為了協助國內人才掌握AI就業趨勢，數位發展部《AI產業人才認定指引》指出AI產業人才可分為研究、開發、應用3大類型，不論你是工程師、行銷人，還是剛準備跨領域轉職的上班族，都能在AI產業找到自己的角色！
指引中明確列出AI產業的人才分類、能力架構與專業認證方向，並提供職涯發展路徑及跨域建議。《104職場力》幫大家濃縮重點，整理懶人包，讓你一篇就看懂！
完整內容請參考數發部【AI產業人才認定指引】：因應AI技術與應用的快速變革，數發部指出，為了協助企業快速識別、應用與培育AI人才，並為個人職涯發展、培訓規劃及專業認證提供明確依據，特別制定本指引。並將隨著產業趨勢持續動態更新指引內容，強化AI人才標準與產業需求接軌。● 下載數發部《AI產業人才認定指引》（115年5月）>>● 數發部AI產業人才認定指引專區>>
延伸閱讀：搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人
你屬於哪種AI人才？研究、開發、應用3大類一次看
根據指引定義，AI產業人才是指具備人工智慧相關知識、技能與能力，並在各行各業中，從事人工智慧相關之技術研究、開發、應用、管理，或使用AI工具於生產、服務或行政管理相關工作流程的從業人員。
指引依據產業應用現況和專家建議，將AI產業人才分為「AI應用人才」、「AI開發人才」、「AI研究人才」等3大類別：
AI研究：AI技術的源頭，從事AI基礎研究與發表論文。
AI開發：AI技術的實現者，負責訓練出新的AI模型或開發新的AI應用工具。
AI應用：AI應用的使用者，將AI應用於各行各業，使用AI工具提高生產力。
AI產業人才分為3大類：AI研究、AI開發、AI應用（資料來源／AI產業人才認定指引）
本文整理將聚焦於「AI開發人才」及「AI應用人才」的相關資訊，包括AI認證資源、AI人才常見職缺及最新工作機會，還有職涯發展路徑，提供有意求職轉職、或即將進入職場的新鮮人參考！
想進入AI領域，5大能力你具備了嗎？
依據產業現況，指引列出「AI開發人才」及「AI應用人才」所需的5大類核心能力。（詳細說明請見下表）
AI應用人才：要能使用現有AI工具，提升執行中工作的生產力、管理能力、行政效率、加速流程、縮短時效與產生企業價值的能力。所需的能力類型包括「AI應用素養」、「AI工具應用」及「AI協作與開發」能力，將其應用於行銷、製造、醫療、教育、法律、金融等不同領域。
AI開發人才：需具備數學、機率、電腦科學相關知識背景，其內涵不僅限於模型開發，更關注將AI技術落實於產品和服務，所需的能力包括「AI程式語言應用」、「AI模型訓練」與「AI服務開發」。
AI產業人才5大類能力類型、11細項
人才類別能力類型細項能力說明AI應用人才AI應用素養AI素養瞭解AI基本知識、道德倫理、應用及限制AI治理素養能瞭解AI衍生的AI系統、人機互動、社會衝擊等風險AI工具應用文書應用能用AI工具進行文字內容產生、修改、翻譯及整理圖文應用能用AI工具進行圖像內容產生、擷取與修改影像應用能用AI工具進行影像內容產生、擷取與修改音源應用能用AI工具進行音源內容產生、擷取、翻譯及整理自動化應用能使用AI代理或相關自動化工具，實現工作流程自動化AI程式語言應用AI協作與開發能以自然語言引導AI協作撰寫程式AI開發人才程式應用能使用AI輔助程式開發AI模型訓練AI模型訓練能用模型訓練和學習（如ML、RL）等工具、技術及方法，訓練AI模型AI服務開發NLP/LLM/CV工程能用NLP、LLM、CV工具，結合AI工作流或提出新服務
11項AI能力類型對應哪些工具應用？相關AI工具資源參考
能力類型參考工具AI素養台灣人工智慧學校、Meta AI、好好用AI素養計畫AI治理素養EU Artificial Intelligence Act、NIST AI RMF、ISO 42001、AI literacy frameworkAI文書應用ChatGPT、Copilot、Gemini、ClaudeAI圖文應用Midjourney、Canva、Adobe FireflyAI影像應用Runway、ideogramAI音源應用ElevenLabs、MURF AIAI自動化應用n8n、Zapier、Power AutomateAI協作與開發Lovable、Claude、n8nAI程式應用GitHub Copilot、CursorAI模型訓練TensorFlow、PyTorch、scikit-learn、Amazon SageMaker、Azure AI Foundry、Vertex AINLP/LLM/CV工程OpenAI、Hugging Face、OpenCV、MediaPipe
AI能力如何認證和提升？新版推薦學習資源、證照整理
清楚AI人才需要具備的關鍵能力後，想學習或提升相關AI能力，可以參考數位產業署官網提供的相關培訓課程及AI能力認證內容，並透過相關資源來強化自己的AI競爭力。
以下整理素養類、工具類及專案類3種AI認證資源。
（資料來源／AI產業人才認定指引）
AI產業能力認證參考：素養類
AI素養類認證主要為「建立AI基本認知與倫理觀念」，著重培養非技術背景者對AI的理解與應用概念，不要求實作能力或程式操作。相關認證包括：經濟部iPAS AI應用規劃師、資策會生成式AI能力認證、AIA的AI素養級認證等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI素養認證名稱辦理單位AI-901:Azure AI FundamentalsMicrosoftAWS Certified AI PractitionerAWS
國內AI素養認證名稱辦理單位iPAS AI應用規劃師初級經濟部產業發展署AI 素養級認證台灣人工智慧學校AI 工程級認證：LLM 的行政任務應用台灣人工智慧學校生成式AI能力認證財團法人資訊工業策進會人工智慧工程素養認證財團法人資訊工業策進會AI+ 行銷科技專業人員財團法人資訊工業策進會TQC生成式AI應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會TQC人工智慧應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會EEC企業電子化人工智慧應用師財團法人中華民國電腦技能基金會
AI產業能力認證參考：工具類
AI工具類認證聚焦在「熟悉並應用AI工具完成任務」，要求能使用特定AI平台、工具或模型進行應用實作。常見任務例如影像生成、資料自動化分析、ChatGPT應用等，適合企業內部技能轉型或職能補強。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI工具應用認證名稱辦理單位NVIDIA Certified Associate: Multimodal Generative AINVIDIANVIDIA Certified Associate: Generative AI & LLMsNVIDIA
國內AI工具應用認證名稱辦理單位iPAS AI應用規劃師中級經濟部產業發展署生成式AI美術設計能力認證初級財團法人資訊工業策進會生成式AI美術設計能力認證中級財團法人資訊工業策進會生成式AI辦公室應用能力認證財團法人資訊工業策進會TQC+ GenAI 輔助資料擷取與分析 Python中華民國電腦技能基金會
AI產業能力認證參考：專案類
專案類認證聚焦在「具備完成AI專案的實戰能力」，對應如資料工程師、機器學習工程師等技術職務。用於評估技術人員是否具備立即上手企業AI任務的能力。包括：IBM AI Engineering Professional Certificate、AI-103: Azure AI Engineer Associate等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI服務開發認證名稱辦理單位AWS Certified Generative AI Developer - ProfessionalAWSAI-103: Azure AI Engineer AssociateMicrosoft
國際AI模型訓練認證名稱辦理單位AWS Certified Machine Learning Engineer (Associate)AWSAWS Certified Machine Learning (Specialty)AWSIBM AI Engineering Professional CertificateIBMGoogle Cloud Professional Machine Learning EngineerGoogle Cloud
認證名稱辦理單位TQC＋人工智慧：機器學習財團法人中華民國電腦技能基金會
104學習－課程推薦：
AI資料科學家全方位學程（緯育）
AI醫學影像分析實作直播學程（緯育）
AI學習資源專區｜AWS免費課程系列，完課自動同步學習紀錄到履歷表！
更多認證及培訓課程資訊，可至數位產業署官網查詢參考最新附表：AI產業人才認定指引專區
AI人才職涯發展路徑圖及轉職跨領域建議
不同科技背景的人，想成為3大類AI人才，職涯路徑要怎麼走？《AI產業人才認定指引》提供一份「AI人才職類與發展路徑圖」，整理「理工相關科系」及「其他科系」發展成為3大類AI人才（AI應用／開發／研究）的可能路徑。
資料來源：數發部《AI產業人才認定指引》
1. 以「AI應用人才」為例：
適合非理工背景，包括來自商管、行銷、設計等，或具備跨領域行動力者，可以透過學習AI工具的使用及AI素養，將AI應用於自身專業領域。
職涯發展路徑：AI工具使用能力與素養→AI加值型／AI導入型→AI產品經理
→AI應用人才跨域指引：未來若想轉向開發，需補足軟體工程及演算法知識，可跨域至「軟／硬體工程師」路徑。
2. 以「AI開發人才」為例：
AI開發人才有2條主要的發展路徑：AI工程師、資料專業人員，共同負責AI系統的建構和資料驅動。
AI工程師路徑：軟／硬體工程師→AI工程師→AI技術主管／AIOps工程師。
→ 轉資料途徑：若軟／硬體工程師或AI工程師對資料品質、資料策略有興趣，可加強統計學和資料治理知識，跨域至「資料科學家」路徑。→ 轉管理途徑：AI工程師或技術主管若具備良好溝通與領導力，可轉向「AI產品經理」或更高階的技術管理職位。
資料專業路徑：資料分析師→資料科學家。
→ 轉工程師途徑：資料科學家補足軟硬體工程技術後，也可以轉向「AI工程師」途徑。
3. 以「AI研究人才」為例：
職涯發展路徑為：深入數學／統計、演算法研究→AI科學家／研究員→研發主管
→ 跨域指引：AI科學家／研究員的成果是應用源頭，若能理解市場需求，可將研究成果轉化為實際產品。可跨域與「AI專案產品管理」合作，或轉向至該路徑。
AI產業人才常見職稱及104工作機會一覽
AI應用人才常見職稱及專業技能
《AI產業人才認定指引》指出，目前AI應用人才的職稱命名仍具有彈性和過渡性，需要依照產業特性和職務內容來判斷。以下整理參考職稱、角色定位、專業技能及最新工作機會。
點擊職稱或工作機會，可查看職缺：
參考職稱角色定位工作機會既有職稱（行銷專員、行政助理、人資專員等）AI工具的高效終端使用者和應用者看職缺>AI應用規劃師AI導入顧問流程優化專員協助企業規劃導入AI的數位轉型流程看職缺>AI產品經理技術與業務的橋樑，推動AI專案執行看職缺>資料標註師連接原始數據與AI模型理解的橋樑看職缺>資料分析師轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策看職缺>
1. 既有職稱（行銷專員、行政助理、人資專員等）
角色定位：AI工具的高效終端使用者和應用者
核心職責：於既有職務範圍內，透過熟練使用既有AI工具、應用程式或軟體，來提升個人工作效率、優化工作成果、輔助決策或拓展創意。
專業技能：核心專業仍是其原本的職務領域，此外對AI工具具備理解與判斷，熟悉多種AI工具的操作、Prompt編寫能力、生成式應用技巧。
工作機會：行銷專員、行政助理、人資專員、看更多應用AI工具職缺>
[joblist_plugin title='更多104【應用AI工具】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E5%85%B7&order=15' amount='1']
2. AI應用規劃師／AI導入顧問／流程優化專員
角色定位：協助企業規劃導入AI的數位轉型流程
核心職責：建構AI導入藍圖、評估痛點與效益、推動變革管理、企業訪談、現況盤點、需求分析、技術評估與導入建議。
專業技能：商業策略思維、資料治理、AI趨勢與工具理解、跨域分析、商業架構、數位工具評估與推進能力。
工作機會：AI應用規劃師、AI導入顧問、流程優化專員、看更多AI應用規劃職缺>
[joblist_plugin title='更多104【AI應用規劃】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai%E6%87%89%E7%94%A8%E8%A6%8F%E5%8A%83&order=15' amount='1']
3. AI產品經理
角色定位：技術與業務的橋梁，推動AI專案執行
核心職責：
整合使用者需求與AI功能，設計應用情境與流程，與技術團隊協作落地應用。
負責規劃與管理以AI驅動產品或服務的設計、開發與市場導入，常需與技術、設計與業務單位密切合作。
專業技能：商業分析、AI應用理解、需求分析、技術溝通
工作機會：看更多AI產品經理職缺>
[joblist_plugin title='更多104【AI產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15' amount='1']
4. 資料標註師
角色定位：連接原始數據與AI模型理解的橋樑
核心職責：
根據專案要求和標註規範，對文本、圖像、音訊、影片等各類型原始數據進行清洗、標註與分類。
確保標註數據的準確性和一致性，作為AI模型訓練的基礎。
識別數據中的潛在問題（如偏見、不足），並進行反饋。
專業技能：專案基礎領域知識與數據理解、標註工具操作、重複性工作效率與抗壓性
工作機會：看更多AI標註職缺>
[joblist_plugin title='更多104【AI標註】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%A8%99%E8%A8%BB&order=15' amount='1']
5. 資料分析師（介於AI應用與AI開發之間）
角色定位：轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策
核心職責：運用資料分析工具與統計方法，進行資料整理與清洗、探索性資料分析、視覺化報表製作、KPI指標追蹤、洞察報告撰寫、跨部門需求溝通、支援策略分析與AI導入績效評估。
專業技能：SQL、Excel、Tableau、Power BI、統計分析、Python/R（進階）、資料視覺化、問題拆解與商業邏輯思維
工作機會：看更多AI數據分析職缺>
[joblist_plugin title='更多104【AI數據分析】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%95%B8%E6%93%9A%E5%88%86%E6%9E%90&order=15' amount='1']
AI開發人才常見職稱及專業技能
AI開發人才常見職稱，在不同公司或組織也可能會有所差異。例如，「AI工程師（AI Engineer）」是最常見的職稱，泛指負責建構AI系統的人員。以下整理參考職稱、角色定位、專業技能及最新工作機會。
常見職稱角色定位工作機會自然語言處理（NLP）工程師專注於開發能夠理解和生成或人類語言的AI系統看職缺>大型語言模型（LLM）工程師專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中看職缺>電腦視覺（CV）工程師專注於開發能夠理解和分析圖像與影片的AI系統看職缺>機器學習（ML）工程師AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型看職缺>資料科學家擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。看職缺>
1. 自然語言處理（NLP）工程師
角色定位：專注於開發能夠理解和生成或人類語言的AI系統。
核心職責：
運用NLP技術，實現文本分析、語言識別、機器翻譯、聊天機器人等功能。
廣泛應用於客服、輿情分析、內容生成等領域。主要工作在於使AI可以理解以及生成類人類的語言。
專業技能：
熟悉NLP相關演算法和技術（如詞向量、語言模型、transformer）。
熟練使用NLP函式庫（如NLTK、spaCy）。
具備深度學習框架的使用經驗。
大型語言模型 (LLM) 工程師
工作機會：看更多NLP相關職缺>
[joblist_plugin title='更多104【NLP】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=NLP&order=15&page=4&jobcat=2007000000' amount='1']
2. 大型語言模型 (LLM) 工程師
角色定位：專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中。
核心職責：
負責建置與優化語言模型架構（如Transformer），訓練與微調模型以符合特定應用需求，並解決模型生成偏誤、知識更新等問題。
應用範圍包含智慧客服、知識問答、語意理解、內容生成、程式輔助撰寫等，也需參與模型部署與效能評估。
專業技能：
熟悉自然語言處理技術與演算法（如詞嵌入、命名實體辨識、語意分析、知識蒐集）。
精通語言模型架構（如GPT、BERT、T5）與其訓練原理，熟練使用深度學習框架。
具備資料清洗、標註與語料管理能力，並能處理多語言或特定領域語料。
工作機會：看更多LLM相關職缺>
[joblist_plugin title='更多104【LLM】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=LLM&order=15&jobsource=blog&page=1&jobcat=2007000000' amount='1']
3. 電腦視覺（CV）工程師
角色定位：專注於開發能夠理解和分析圖像與影片的AI系統。
核心職責：
運用圖像處理和深度學習技術，實現圖像識別、物件檢測、影像分割等功能。
廣泛應用於自動駕駛、安全監控、醫療影像分析等領域。主要工作在於開發出讓電腦可以辨識圖像，以及影片的相關應用。
專業技能：
熟悉圖像處理和深度學習演算法。
熟練使用電腦視覺函式庫（如OpenCV）。
具備深度學習框架的使用經驗。
工作機會：看更多電腦視覺相關職缺>
[joblist_plugin title='更多104【電腦視覺】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=CV+%E9%9B%BB%E8%85%A6%E8%A6%96%E8%A6%BA&order=15&page=2&jobcat=2007000000' amount='1']
4. 機器學習（ML）工程師
角色定位：AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型。
核心職責：
研究各式機器學習演算法，並利用演算法解決商業問題。
透過大量數據處理與特徵工程，持續優化模型以提升性能。主要工作在於利用機器學習，使得AI應用可以達成預期的目標。
專業技能：
精通機器學習演算法（如監督式學習、非監督式學習、強化學習）。
熟練使用機器學習框架，具備資料處理和分析能力。
工作機會：看更多機器學習相關職缺>
[joblist_plugin title='更多104【機器學習】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92+ML&order=15&page=1&jobcat=2007000000' amount='1']
5. 資料科學家
角色定位：擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。
核心職責：
運用統計分析、機器學習和資料可視化等技術，探索資料中的模式和趨勢。
需具備良好的商業理解能力，能夠將資料分析結果轉化為可執行的商業建議。主要工作在於分析資料，並且產出具有價值的資訊，輔助企業做出正確判斷。
專業技能：
精通統計分析和機器學習演算法。
熟練使用資料分析工具（如Python、SQL）。
具備資料視覺化和報告撰寫能力。
工作機會：看更多資料科學家職缺>
[joblist_plugin title='更多104【資料科學家】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&page=1&jobcat=2007001021' amount='1']
投入AI領域3大建議：要具備哪些核心技術和軟實力？
對於有興趣投入AI領域發展的人，《AI產業人才認定指引》最後給出3個建議：1.根據個人興趣及專業背景選擇自己的AI職涯起點（參考AI人才職涯發展路徑圖），2.需具備核心技術基礎、3.培養關鍵軟實力和終身學習態度。
其中列出的4個核心技術基礎，對AI開發人才和AI研究人才來說是必備的；至於AI應用人才雖不要求具備開發能力，但若能對於基礎知識有一定了解，將能更有效運用AI工具，與技術團隊的溝通協作也會更順暢。
程式語言： 專精Python，並熟悉其在AI領域的函式庫（如NumPy, Pandas, Scikit-learn, TensorFlow/PyTorch）。
數學與統計：掌握線性代數、微積分、機率統計，是理解AI模型運作的基礎。
資料基礎：理解數據庫（SQL）、資料清洗、資料前處理、資料可視化等基本技能。
軟體工程：熟悉版本控制（Git）、基礎軟體開發流程。
而在軟實力方面，不論選擇哪種AI職涯都需具備以下能力：
解決問題能力：能分析問題、提出解決方案並有效執行
溝通協作能力：AI專案通常需跨部門協作，溝通要清晰有效
批判性思維與創新：不盲從、敢於質疑，並能提出創新想法
適應變化與終身學習：AI技術發展訊續，需保持好奇心，持續學習新知和新工具
專案實戰：透過參與開源專案、Kaggle競賽、校內外專案或實習，累積經驗並建立作品集
數發部「AI產業人才認定指引」電子書下載
本文由《104職場力》整理重點懶人包，完整內容請參考數發部《AI產業人才認定指引》：
【電子書下載】AI產業人才認定指引(115年5月)下載
（資料來源：數發部AI產業人才認定指引）
104 AI職涯顧問發布《2026年科技業人才報告書》 人才缺口達19.3萬
AI發展，科技人才扮演重要角色！104獵才顧問用AI替中高階工作者推出的專業亮點加速器「104 AI職涯顧問」發布《2026年科技業人才報告書》，2026年科技業每月人才缺口達19.3萬人，當中以軟體及網路業人才缺口6.3萬人最多，半導體業人才需求增長最明顯；各職類中，軟體/工程類人員每月徵才2.5萬人最多，操作/技術、製程規劃、品保/品管人才缺口年增幅超過2成，成長速度最快。當前科技業迎接AI技術進入規模化應用，科技業招募也越來越重視AI人才，其中軟體網路業工作機會中，有3成為AI相關職務最多；以及全球供應鏈重組，外派工作機會以亞洲為最大宗，但美加地區自2025下半年起呈現翻倍增長，集中回補電子製造與半導體產業人才。下載《2026年科技業人才報告書》：https://pse.is/8yk67k
科技產業招募「位移效應」 半導體走升年增23% 軟體網路業趨緩
104 AI職涯顧問《2026年科技業人才報告書》透過數據了解軟體網路業、電信及通訊業、電腦及消費性電子製造業、光電及光學業、電子零組件業、半導體業6大科技產業徵才與薪資現況。觀察近3年六大科技業招募趨勢，104人力銀行人才永續長鍾文雄分析，科技業人才招募出現「位移效應」，軟體網路業雖長期是科技業中人才缺口最大的產業，但自 2024 年下半年從每月徵才最高峰8萬人滑落至2026年6.3萬人，相對半導體業則自2024年起穩定走升，每月徵才2.7萬人增長至4.1萬人，與去年同期相比年增幅達23%，反映AI、先進製程、高效能運算與供應鏈去風險化，持續推升核心技術人才需求。
科技業三大徵才職務：軟體/工程、工程研發、操作/技術 實作型職務人才需求激增
根據《2026年科技業人才報告書》，2026年科技業主要徵才職務軟體/工程類每月徵才2.5萬人最多、工程/研發類與操作/技術類2.4萬人居次。104人力銀行人才永續長鍾文雄指出，隨著AI工具的普及與效率提升，企業對工程師的需求正從「量」的擴張轉向「質」的盤整，軟體/工程類工作機會年減5%；操作/技術類提升30%、製程規劃類成長29%、品保/品管類增21%，反映出科技業發展重心正落地於實體產能的優化與良率的提升。對於具備現場管理與流程規劃能力的在職者來說，工作機會在自動化浪潮中不減反增。
科技業AI工作占比持續上升 軟體網路業成標配、電子製造業增長最明顯
AI從技術研發走向應用，《2026年科技業人才報告書》數據顯示，科技業中以軟體網路業的AI工作機會單季約2.7萬個最多、電腦及消費性電子製造業1.1萬個第二、半導體業1萬個第三。進一步觀察各產業AI工作機會占整體的比例，軟體及網路業自2025年維持在3成以上，顯示產業已進入高成熟度階段，AI 幾乎成為標配技能；電腦及消費性電子製造業變化最為明顯，占比由22%穩定上升至26%，反映AI正快速滲透至產品設計、製造流程與智慧應用；半導體業則維持在21%至22%間，小幅成長但節奏穩定，顯示AI導入多集中於關鍵製程與高價值環節，策略相對審慎；電信通訊、電子零組件與光電光學，AI占比多落在13%至16%，仍屬於逐步擴散的導入期。
科技業外派工作地區亞洲最多 美加翻倍成長人才需求強勁
地緣風險提升，全球供應鏈迎接新挑戰之際，《2026年科技業人才報告書》觀察科技業外派工作趨勢發現，6大科技產業中，電腦及消費性電子製造業每月徵才1,800個最多、電子零組件業1,100個第二、軟體及網路業700個第三。地區分布方面，亞洲地區長期維持每月約 3,100至3,800個工作機會最多，已成為科技業海外布局核心，相較大陸港澳外派需求明顯下滑，自2024年初約300個工作機會，降至2026 年1月僅約 160 個。另一方面，美加地區在美國推動美國製造政策，外派需求自2025年起快速增長，從2025年每月徵才247人增加至2026年593人翻倍成長，外派人才需求增長最明顯。
整體而言，科技業徵才已由過去的全面擴張，轉為聚焦「關鍵技術、關鍵產業、關鍵人才」的新常態。從AI、大數據到雲端運算，智慧科技正持續重塑企業的運作模式，也同步改變科技人才的能力結構與職涯路徑。下載《2026年科技業人才報告書》：https://pse.is/8yk67k
科技業求職，你還會想了解
五大數位科技人才「關注企業排行榜」出爐！台達電最風光
搶當AI新貴！6.7萬個AI工作機會 62%不限科系歡迎新鮮人
有任何收穫或想分享的，都來和大家一起聊聊吧！