【免費課程報名】技術開發技能 1-4 AWS 上的生成式人工智能和流程建構端到端優化 | 完課紀錄回傳履歷表
104學習
AS/400
AS/400 是 IBM 於1988年推出的中大型企業專用伺服器平台，主要用於企業資源規劃（ERP）、財務、人事等核心系統。具備這項技能代表能操作及維護這套穩定且長期使用的系統，熟悉其作業系統、程式語言（如RPG）、資料庫管理及系統整合。由於許多傳統企業仍依賴這平台，懂得相關技術的人才在特定產業中具備穩定且不可或缺的價值，適合想進入金融、製造或大型服務業的資深IT專業人士。
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
【2026/12/29開班】AWS架構設計實戰
AWS雲端架構規劃｜建置實務應用
【2026/12/21開班】Architecting on AWS (AWS架構設計實務)
CompTIA Security＋國際網路資安認證班
Architecting on AWS
成為 AWS 達人第一步！打造你的第一個 AWS 架構！
從實務出發－企業網路安全建置與技術展示| 資安線上課程
【免費課程報名】技術開發技能 1-8 深入剖析 AWS 計算服務 驅動生成式AI潮流的力量 | 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
ACS
ACS（澳洲電腦學會）證照專為資訊科技專業人士設計，涵蓋軟體開發、系統分析、網路安全等領域，證明持有人具備專業知識與實務技能。此證照有助提升個人在國際IT產業的競爭力，並增強職場認可度，適合希望在資訊技術領域深耕或轉職者。持有ACS證照者通常具備良好的問題解決能力及最新技術應用能力，能有效應對快速變化的數位環境需求。
Avaya Inc
AWS 認證的解決方案架構師-助理級認證
AWS Certified Solutions Architect - Associate 著重於成本和效能最佳化解決方案的設計。對於擁有 AWS 雲端或強大的內部部署 IT 經驗的候選人來說，這是理想的起點。本考試不需要深入的編寫程式碼實作經驗，不過熟悉基本程式設計概念會讓您具備優勢。
AWS
ISSAP
ISSAP（Information Systems Security Architecture Professional）證照專注於資訊安全架構設計，強調企業整體安全策略與技術架構的整合能力。持有此證照者具備分析企業安全需求、設計安全系統架構及制定防護措施的專業技能，能有效保護組織資訊資產免受威脅，適合從事資安架構師或資安顧問等職務，提升職場競爭力。
International Information Systems Security Certification Consortium
Sybase Certified Professional -- Adaptive Server Enterprise Developer
Sybase Certified Professional -- Adaptive Server Enterprise Developer證照專為具備Sybase ASE資料庫開發技能的人士設計，涵蓋資料庫結構設計、Transact-SQL程式撰寫及效能優化等核心能力。取得此證照代表持有人能有效管理資料庫應用程式，提升系統穩定性與效率，適合從事資料庫開發與維護相關工作，增強職場競爭力。
Sybase
BEA Certified Architect
BEA Certified Architect證照驗證持有人具備設計、規劃及實作企業級應用系統的專業能力，涵蓋系統架構設計、整合技術及效能優化等範疇。持證者熟悉BEA中間件產品，能有效運用其功能提升系統穩定性與擴展性，協助企業建構高效且安全的資訊平台，適合從事大型軟體專案架構設計與技術領導工作。
BEA System
ACPT
ACPT（亞太認證程式設計師）證照旨在驗證持有人具備軟體開發與程式設計的專業能力，涵蓋演算法設計、程式語言應用及系統分析等核心技能，適合軟體工程師及相關技術人員提升職場競爭力。該證照強調實務操作與問題解決能力，符合亞太地區產業需求，有助於求職者在資訊科技領域獲得更佳發展機會。
Apple
精選貼文，掌握第一手知識
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
AI工作機會已達12.1萬個，要如何成為企業爭搶的AI人才？104人力銀行推出「AI人才就緒計畫」，在104學習精靈平台上架AWS官方免費AI課程，並結合課程推廣、證照推薦、履歷回寫與職缺媒合，打造「學習→認證→求職」的完整鏈路！
文／104人力銀行
本文目錄（點擊可快速前往）
AI工作機會年增9.1% 從研發需求走向製造應用AWS與104打造AI即戰力人才鏈學習平台×履歷資料庫整合
AI席捲全球，企業對AI與雲端技能人才需求持續攀升，104人力銀行增加AI關鍵字到413組、同時擴充AI招募職缺的比對範圍，觀察2025年第二季「正在開缺」以及「曾經開缺且已找到人」的AI工作機會數已有12.1萬個，其中，60.3%不限科系，代表自主學習AI或能應用AI的求職者，有機會成為企業爭搶的AI人才。104人力銀行運用Amazon Web Services（AWS）雲端服務與課程資源，推出「AI人才就緒計畫」，預計首年觸及超過3萬名學習者，導入超過300萬筆學習紀錄至履歷系統，打造「學習→認證→求職」的完整鏈路，為台灣職場注入數位動能。
104「AI人才就緒計畫」AWS免費AI課程
AI工作機會年增9.1% 從研發需求走向製造應用
104人力銀行最新統計，2025年第二季AI相關工作機會12.1萬個。依產業，5.8萬個AI工作機會集中於電子資訊/軟體/半導體業、占整體AI的48.3%，其次為一般製造業1.6萬、占11.9%，批發/零售/傳直銷業1.2萬個、占9.7%。依職缺，2.4萬個AI工作機會屬於軟體/工程類人員、佔整體AI的20.1%最高，其次為業務銷售1.2萬個、行銷類1.1萬個、工程研發類1.1萬個、操作/技術類0.6萬個。
比對年增幅，2025年第二季AI工作機會，比去年同期成長9.1%。AI工作需求最強的前三大產業，以一般製造業年增幅16%最顯著；需求最強的前五大職務，以操作/技術類人員年增幅31.4%最強，AI需求不再專屬科技大廠，而是逐步從研發需求落地、走向製造應用。
[joblist_plugin title='更多104【AI相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI&isJobList=1' amount='3']
AWS與104打造AI即戰力人才鏈學習平台×履歷資料庫整合
104人力銀行統計，近期的AI相關工作有60.3%不限科系，徵才企業放寬科系要求，但越來越需要懂AI應用、以及能解決實務問題的跨域人才，求職者若能自主學習AI、具備應用AI的能力，更能成為企業爭搶的AI人才。
呼應AWS培育雲端技術人才的「零介入科技計畫」，針對本次的「AI人才就緒計畫」，104人力銀行將扮演關鍵推手角色，將AWS官方課程上架至104學習精靈平台（https://nabi.104.com.tw/course/aws），並結合課程推廣、證照推薦、履歷回寫與職缺媒合，打造「學習→認證→求職」的完整就業鏈路，為台灣職場注入AI及數位動能。
AWS官方免費AI課程>>立即報名
104人力銀行預估，計畫首年將觸及超過3萬名學習者，並導入超過300萬筆學習紀錄至履歷系統，協助求職者在AI與數位轉型的浪潮中脫穎而出。此外，104也將運用站內廣告、社群貼文與EDM等多管道推廣課程，並優化平台內AI技能學習與證照推薦系統，讓求職者能快速獲得實用技能，提升轉職與升遷機會，打造「學習即戰力」的人才養成平台，助力求職者與企業在AI時代同步升級。
看AI人才就緒計畫
了解更多最新趨勢，你還會想看
COMPUTEX將登場 類比IC設計工程師年薪155萬居科技人才之冠，半導體薪資競爭力最強
104公布最新10大職場趨勢！科技與金融年薪逾90萬元、「新時代高薪職務」出列
AWS助攻AI人才媒合 超過4.5萬人透過免費課程累積AI「學力」證明
AI相關職缺需求持續攀升，年成長9.1%，2025年第二季更突破12萬個AI相關工作機會。為回應市場熱度，104學習與AWS合作推出 「AI人才就緒計畫」，上線五個月已吸引超過4.5萬人次參與AI入門與進階技術的學習路徑，無論是商務應用、提示工程、生成式AI到雲端技術，皆成功帶動學習與求職行為轉換，逐步打造具備「學習力×科技力×溝通力」的AI人才生態圈。
文 /【104學習】
AI學習熱潮持續升溫 生成式AI與提示工程最熱門完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標挑戰AWS官方證照：打造被市場看見的競爭力
AI學習熱潮持續升溫 生成式AI與提示工程最熱門
由104學習與AWS合作推出的「AI人才就緒計畫」，包含兩大主題「商業應用技能」與「技術開發技能」，總共16堂、不到10小時的免費課程。該計畫自2025年7月在104學習課程中心上線以來，共吸引超過4萬5800人次參與課程，展現台灣職場對生成式AI、提示工程與雲端技能的高度需求。
在課程主題中，「商業應用技能」最受學員青睞，其中又以 「生成式AI如何顛覆您的工作模式」課程的學習人次最高，反應許多非工程領域的職場工作者，也開始積極導入AI工具提升效率與創造力。
[course_plugin api_type='course_id' title='AWS商業應用最受歡迎課程' id='553bc7bd-5e0e-48c4-af58-41ed7368ce15']
在「技術開發技能」主題部分，最受歡迎的則是「提示工程最佳實務：有效利用Claude 3」，協助工程師與技術人員掌握當前最主流的提示設計與生成式AI 應用技巧，進一步提升模型運算與內容生成的品質。
[course_plugin api_type='course_id' title='AWS技術開發最受歡迎課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
特別的是，當使用者在104學習完成AWS線上課程之後，系統將自動產出完課證明，並直接同步至使用者的104履歷表中，讓企業能一眼辨識求職者的AI能力。這項機制不僅提高求職者履歷的讀取率，也為學員帶來更明確的求職優勢。
完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力
因此，除了超過4.5萬人次投入AI 技能學習之外，104 與AWS的AI人才就緒計畫，更因具備「學習紀錄回傳與履歷自動更新」功能，使求職者與企業兩端的行為皆出現顯著轉變。
在求職端，根據104學習的數據顯示，在「商業應用技能」主題中，以完成「打造生成式AI就緒組織」課程的學員求職行動力最積極，這些學員在獲得該課程的完課證明，學習紀錄自動同步至履歷後，在接下來三個月內，他們主動應徵職缺次數成長了195.4%，也就是說，完成生成式AI課程的學員，更願意多投幾封履歷。這項數據同時反應，具體的AI技能證明不僅帶來求職者的成就感，更能強化他們的信心，使其願意跨出舒適圈，投遞過去因技能門檻而不敢挑戰的職缺，AI 學習歷程因此成為促進求職行動力的重要推力。
[course_plugin api_type='course_id' title='完課後立刻推升求職行動力' id='10361c40-8284-4333-b589-b234b1c815bb']
學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標
在企業端，104學習觀察到相同趨勢。在「技術開發技能」課程主題中，完成「提示工程最佳實務 : 有效利用 Claude 3 」並擁有該學習紀錄認證的學員，在三個月內獲得的企業主動邀約面試次數提升68.8%。顯示企業在搜尋人才時，已優先鎖定具備AI技能學習歷程的履歷。104與AWS認證的學習紀錄成為企業招募時的重要指標，使其更容易辨識具備生成式AI、提示工程與雲端應用能力的即戰力人才。
這些數據不僅代表學習行為上的進步，更顯示AI技能已深刻影響求職市場的互動方式。對求職者而言，學習不再只是加分項，而是能直接轉化為行動力與機會；對企業而言，AI學習歷程正在成為加速辨識人才、提升招募效率的新標準。
[course_plugin api_type='course_id' title='讓企業邀約率增加的課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
立即觀看 104 x AWS AI人才就緒計畫免費16堂完整課程
挑戰AWS官方證照：打造被市場看見的競爭力
在補強AI 技能後，越來越多學習者開始進一步挑戰AWS官方證照。根據多項國際IT證照薪資調查，擁有AWS AI相關證照，平均年薪上看10萬美元，顯示雲端與AI技能已成為全球企業高度重視的能力指標。對求職者而言，AI證照不僅是技能驗證，更是企業在評估AI應用與技術能力時可直接參考的「專業可信度」。
104學習與AWS整理出最受學習者關注的AWS熱門認證：
AWS認證的人工智慧從業人員-基礎級認證 AWS Certified AI Practitioner-Foundational了解更多AWS認證的雲端從業人員-基礎級認證AWS Certified Cloud Practitioner-Foundational了解更多AWS認證的機器學習工程師-助理級認證AWS Certified Machine Learning Engineer-Associate了解更多AWS認證的開發人員-助理級認證AWS Certified Developer-Associate了解更多
關於AWS官方認證更多資訊
如果還沒準備好立刻投入考照，104學習也提供多元的AWS認證學習資源，協助使用者們以更從容的步伐進入雲端與AI的專業領域。104學習涵蓋從基礎入門到進階備考的完整課程，包括雲端基礎概念、生成式AI應用、提示工程實作、機器學習訓練流程與AWS服務操作技巧等內容，都能找到相對應的學習路徑。104學習以系統化課程、可回傳104履歷的學習紀錄與彈性進度安排，陪伴準AI人才逐步累積雲端與AI技能，為正式挑戰AWS證照打下更扎實的基礎。
探索更多AWS認證課程
[joblist_plugin title='更多104【AWS AI人才】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=AWS;mode=s&page=1' amount='5']
延伸閱讀👉 AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！👉 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👉 AI人才需求強勁！工作機會年增9.1% 企業數位轉型與人才培育成關鍵
客戶都用AI比好規格了，業務還在背型錄？專家：高價值業務要進階「問題顧問」
只會背型錄的業務，正在被AI取代！作者為深耕產業超過20年的B2B業務專家，指出業務的價值已從「介紹產品」轉向「看懂客戶還沒發現的問題」。從一次買筆電遇上兩種業務的經歷看起，並提供B2B業務的3種AI應用提示詞。本文節錄自《90%高級主管出身業務，B2B聖經》。
文／吳育宏
本文目錄（點擊可快速前往）
別做產品專家，要當問題顧問從產品知識到問題洞察，業務角色正在轉變【B2B業務AI應用】AI提示詞範例
別做產品專家，要當問題顧問
網際網路把現今的市場，變成名副其實資訊爆炸的環境。換言之，業務員若是無法從資訊提供者，轉變、升級成為資源整合者，勢必無法彰顯業務工作的價值，終將被市場所淘汰。從另一個角度來說，可以整合資源、做出綜合判斷的業務員，才有能力解決顧客的問題，而不是淪為背誦產品規格的專家，也就是從產品導向進階成為「問題導向」。說的白話一點，就是我們的產品是什麼型號、樣式、規格沒那麼重要，重要的是我們能幫顧客解決什麼問題。
幾年前，我到3C賣場打算增購一臺小筆電。我對個人電腦的了解非常一般，平時也不會花太多時間去研究產品資訊，純粹被小筆電輕巧、方便的特點吸引。所以，出門前我大致瀏覽過各廠牌小筆電的規格，好讓自己在賣場不會顯得太外行。
在3C賣場，我遇到的第一位年輕店員，了解我正尋找小筆電產品後，在不看任何書面資料的情況下，熟練的背出各廠牌的主要規格差異和折扣價格，我確定他是一位下過功夫的產品專家。但我打算找另一家店略做比較後再下決定，這位年輕店員似乎習以為常，他帶著自信告訴我：「歡迎再比較看看，你會知道我們是最划算的。」
到了第二家店，我遇到一位年齡較長的銷售人員，他的溝通方式創造出完全不同的銷售對話。在我表明要找小筆電產品後，他問了我一連串關於：「你為什麼要買小筆電？」的問題，從我預計使用的場合、時間，一直聊到個人使用習慣和偏好，我們的對話情境圍繞在我工作、生活的每一個細節，最後，他給了我一個出乎意料之外的結論：「先生，你不可以買小筆電！」
好極了，這是我第一次帶著新臺幣站在業務員面前，聽到這麼另類的建議。當然， 他並不是要結束這次交易，而是又花更多時間和耐心向我解釋，依照我的使用習慣，若是選擇小筆電，一定會在短時間內後悔。接著，他推薦一臺價格超過小筆電兩倍的筆記型電腦，同時再不厭其煩的說明它的規格，對我實際使用上有何幫助。
那個下午，我很幸運一次遇到兩位專家，一位是「產品專家」，另一位是「問題專家」。產品專家不斷提醒我聚焦在規格和價格，所以我心裡想的是：「不要漏掉其他眾多店家，應該好好的比較一番。」但在問題專家面前，我比較像是接受診斷的人。這些深入我實際需求的問診過程，網路上各種「比價王」，或是能將規格、價格倒背如流的產品專家都無法做到。所以，我沒有拿著他建議的機型，再去求助第三家店。因為他的建議比較像是醫生開的處方箋，而我從來不會和醫生的專業意見討價還價。
我在機械產業銷售空氣壓縮機時，也遇過類似狀況，客戶希望我們提供「氣冷式」機種的報價單，我和工程師看過客戶的工廠配置、使用環境後，很可能建議完全不同的「水冷式」機種（編按：氣冷式空壓機安裝簡單、成本較低，但受環境溫度與通風影響較大；水冷式建置成本較高，但散熱穩定，適合高溫與長時間運轉的工廠環境）。只要你能提供專業、合理的判斷依據，通常客戶都會感謝你提供不同的意見。
這也說明，業務人員在展開銷售對話前，最好先問問自己打算當「產品專家」，還是當「問題專家」。
從產品知識到問題洞察，業務角色正在轉變
過去許多B2B業務員，習慣把大量時間花在熟背產品型錄、規格與功能差異，認為只要夠熟悉產品，就能展現專業、取得客戶信任。但在今天的市場環境裡，這樣的優勢正在快速消失。當客戶3分鐘就能透過ChatGPT查完競品規格、價格區間與市場評價時，「會背型錄」已不再是競爭力。資訊透明後，客戶真正期待的，不再是有人幫他介紹產品，而是有人能幫他看見問題。
但更現實的是，許多業務在客戶經營上，仍停留在人工整理Excel報表、憑經驗判斷客戶關係的階段。客戶快流失了，往往等到訂單消失才發現；想接觸關鍵人物，也只能靠送禮、勤跑客戶，或刻意裝熟建立關係。這些做法最大的問題，不只是效率低，而是業務角色很容易被市場邊緣化，最後淪為單純的資訊轉述者。
AI時代來臨後，真正高價值的業務角色，反而變得更像企業顧問。未來頂尖業務的價值，不在於知道產品，而在於看懂客戶還沒發現的問題。例如，一家電子製造業客戶，近半年訂單高度集中在單一終端品牌，表面上營收成長，但AI若結合公開財報、供應鏈新聞與產業數據分析，就可能提前看出訂單集中風險、海外政策變動、原物料波動，甚至庫存壓力升高。這時候，真正有價值的業務，不是繼續介紹產品，而是主動提醒客戶未來可能面臨的經營風險。
未來的業務工作，將越來越像數據判讀與商業顧問。AI可以協助企業快速分析營收集中度、預測客戶流失風險、找出交叉銷售機會，甚至自動整理競品情報。但真正能拉開差距的，仍然是人的判斷能力。因為AI可以快速整理資訊，但如何解讀數據背後的商業意義、如何協助客戶做出更好的決策，依然是人類最重要的價值。
【B2B業務AI應用】AI提示詞範例
1. 產業風險預警：
我是一名電子零組件業務，主要客戶為〔公司名稱〕。請分析該公司近一年的財報與供應鏈新聞，列出三個它們可能面臨的經營風險（如訂單過度集中、政策影響或原物料波動），並提供三個我能以「顧問身分」提出的對策建議。
2. 競品分析與破解：
客戶目前正同時評估我們與〔競品A〕的〔產品類型〕。請整理〔競品A〕在市場評價中常見的痛點，以及我們的產品相較之下，能如何降低客戶的長期營運風險。
3. 數據洞察摘要：
這是一份客戶〔輸入產業類別〕的市場趨勢報告。請幫我提取出三個會直接影響客戶「成本控制」或「競爭優勢」的關鍵數據，以便我能主動提醒客戶提早應對。
節錄自：大是文化《90%高級主管出身業務，B2B聖經：從跑客戶到利用AI問對問題，這是你薪水翻倍、卡位晉升、認識大老闆的最快成功捷徑！》／吳育宏 著
104 AI工具再升級！用戶使用率突破86.8% 智慧媒合率超過4成
精準善用每天5,000萬筆以上使用者行為軌跡 打造最強AI求職求才引擎
AI浪潮推動全球人才生態系快速變革，如何透過AI工具精準媒合企業與求職者，成為人力資源領域重要任務。104人力銀行每天處理超過5,000萬筆使用者行為軌跡，已成全台規模最大的人才資料庫，成功模擬徵才企業與求職者的雙向溝通並推測需求偏好，開發包含「AI推薦工作／推薦人才、AI訊息分類、AI履歷健檢」等功能服務，目前已有86.8%的使用者用過站內AI產品服務，智慧媒合率達41.12%，幫助工作與人才更有效率地找到對方，引領整體求職求才生態開啟AI智慧嶄新篇章。
AI破解雙向媒合難題 智慧篩選提升效率
104人力銀行研發處協理張世淳指出，人力資源媒合的技術門檻遠高於一般電商的推薦系統，既不能把最知名的企業推給所有人，也不能透過演算法「創造需求」，主因職缺與人才無法被無限複製，且必須雙方都有意願；求職求才系統最大的挑戰在於讓AI理解「人性化的平衡」，找出真正能促成行動的匹配組合。他說，104 AI工具的核心在於濃縮資訊、提升判斷效率，使用者原本可能需要看二、三十筆或是更多的職缺或履歷，現在可能只需看十筆職缺或履歷就能精準掌握重點，顯著提升媒合效率與成功率。
推薦工作與人才、訊息分類、履歷健檢 三大AI工具解決使用者痛點
104人力銀行產品暨價值營運處資深協理王之璘指出，求職者面臨「資訊太多卻不知從哪開始」，企業端則面臨「履歷量大卻難以快速篩選」的共同痛點，因此需要能同時提升搜尋效率與行動意願的AI工具。為解決這些核心問題，104人力銀行導入各種AI服務，協助求職求才雙方更快速找到適合的工作和人才。包含：
AI推薦工作／推薦人才：透過104內部數據與行為模型，根據求職者的履歷與個人偏好等資料主動推薦職缺，以及依照企業所需條件與徵才偏好提供具備高符合度的人才，透過深入理解使用者需求減少「盲搜」。實際成效顯示，求職者應徵AI推薦的職缺，獲得企業邀約面試的機會是自行查詢工作的3.2倍；企業邀約AI推薦人才的面試同意率也是一般查詢的3倍，不僅大幅提升了求職效率，媒合成功率也相應成長。
AI訊息分類：在傳統求職過程中，求職者常會收到企業大量邀約訊息，104的AI精選自動將企業面試邀約訊息分為「專屬」和「一般」。其中，「專屬」大約占60%，由AI精選和求職者履歷、自傳、求職偏好、求職行為軌跡等相關性較高的訊息，另外40%和求職者較無關聯會被隔離在「一般」，且允許使用者隨時手動調整分類，或啟用/停用此功能，增加了使用的靈活性。
AI履歷健檢：求職者經常面臨對自身優勢與市場需求理解有限的盲點，AI履歷健檢工具針對求職者的履歷表進行分析，只需3秒鐘就能提供客製化的調整方向與建議，且為確保真實性，主要提供撰寫方向參考而非直接代寫，例如提示補充獎項、專案或描述細節，引導求職者依自身經歷調整，協助提升亮點與面試機會。近4成求職者獲取AI建議後，都會進一步更新履歷，整體面試機會提升20%。
從海量數據到精準匹配 104用AI推動智慧招募新時代
AI應用不斷推陳出新，104人力銀行研發處協理張世淳表示，開發AI產品的關鍵思維，需要面對龐大的數據與複雜的媒合需求，104全集團將AI視為人才升級的社會創新，投入大量資源研發能夠理解並學習使用者行為與偏好的AI演算法，技術難點包括如何從非結構化數據中提取有價值資訊、如何確保推薦的公平性與精準度，以及如何將複雜的AI模型無縫整合至用戶介面，都考驗著104的技術實力與創新能力。
張世淳指出，導入AI工具並非取代人力，而是釋放人力，加速人才與企業「找到彼此」的過程；透過AI工具，能夠超越個人主觀判斷，精準分析需求偏好並推薦理想人選與職缺，提升招募成功率。 更多內容請參考：104 AI+ 全服務網頁（ https://tw104.pse.is/8nrlya）
延伸閱讀：
104推出「AI職涯平台」超過萬種職缺一鍵搜尋求職工具、課程、證照一次到位
【工作快找App】AI專屬推薦、更多篩選條件，求職找工作更對味｜3.24.0版本更新教學
【工作快找App】新增AI訊息分類的啟用開關、專屬外籍人才的導覽入口｜3.25.0版本更新教學
我的履歷缺少哪些關鍵要素？104「AI履歷健檢」提高履歷完整度｜104履歷診療室
IBM示警 AI模型與AI應用已成為門檻低、商業價值高的駭客攻擊目標
2025-08-04 經濟日報記者簡永祥 由聯合新聞網授權轉載
IBM近日公布《2025數據洩漏成本報告》警示，目前企業應用AI的速度遠超過其建置AI安全與治理，然而許多企業為了讓AI應用快速上線而忽略AI安全與AI治理。缺乏監管的AI系統更容易遭受攻擊，且造成的企業損失更為重大。
今年的報告首次針對AI應用的安全防護、治理機制、與控制訪問狀況進行研究；儘管研究結果顯示曾出現AI相關安全漏洞的企業僅佔採訪樣本的 13%，AI應用已經成為門檻低、商業價值高的網路攻擊目標。
IBM安全和營運產品副總裁Suja Viswesan指出，報告結果顯示AI 應用與治理之間的斷層已經存在，駭客正伺機而動。企業的AI應用普遍缺少基本的存取控制，導致機敏資料遭洩漏、模型可以輕易被篡改。隨著AI技術更多、更深、更廣地融入企業流程，AI安全防護必須成為基礎與重心。不作為的代價不僅損失金錢，更將損害客戶的信任、企業的透明度與自主權。
報告也提出一份比較資料：企業若在其安全業務領域廣泛應用AI與自動化技術，其資料洩露損失平均減少190萬美元，處理數據洩漏事件的周期平均減少80天。
報告的關鍵發現包括以下內容：
AI時代的企業安全漏洞發生領域
AI治理政策：63%曾發生數據洩露的企業尚未建立AI治理政策或仍在規劃階段。已經制定AI治理政策的企業裡，僅有34%定期審查未受批准的AI工具。
「影子 AI」的代價：五分之一的企業曾因影子 AI現象（未經公司同意或監管的AI工具）導致數據洩露，僅 37% 的企業制定管理或偵測影子 AI 的政策。與較少出現影子AI的企業相比，發生率高的企業其平均數據洩露成本多出 67 萬美元。涉及影子AI的安全事件導致個人身份資訊 (65%) 和智慧財產權 (40%) 洩露的比率，遠超過全球平均值（分別為 53% 和 33%）。
由AI驅動的智慧型攻擊：16%的數據洩露事件涉及駭客使用AI工具；主要用於網路釣魚或發動深度偽造的網路攻擊。
數據洩漏的經濟損失：
數據洩漏成本：全球數據洩漏平均成本下降到 444萬美元，是近五年來首次下降；但美國企業的平均數據洩漏成本卻高達1022萬美元。
處理數據洩露的全球平均周期創新低：隨著更多企業執行內部漏洞檢查，讓全球處理數據洩露的平均周期縮短至 241天，較前一年減少17天。與被外部攻擊的洩漏事件相比，透過內部檢測發現漏洞的企業平均減少損失達90萬美元。
醫療照護業的數據洩露成本仍居首位。儘管醫療行業的資料洩露成本較2024年減少235萬美元，其742萬美元的平均損失仍在本次調查的所有行業中居首位。醫療業的安全漏洞識別與控制周期長達 279 天，比全球均值241天多五周以上。
更多企業抵制駭客勒索：企業拒絕支付贖金的比率增加，63%的機構選擇拒絕支付勒索贖金，2024年的比率為 59%。儘管有更多企業抵制勒索，敲詐及勒索軟體事件的平均成本仍居高不下 — 尤其是被駭客攻擊時，損失高達 508萬美元。
AI 風險攀升，但企業對投資AI安全措施的動能卻不足：計畫在經歷數據洩漏事件後增加安全投資的企業比率顯著下降，從 2024年的63%降至2025年的 49%。而在計畫追加投資AI安全的企業裡，建置以AI驅動的安全方案或服務的企業不到一半。
數據洩漏的「長尾效應」：營運中斷 、營運成本增加
幾乎所有受訪企業在數據洩露後都發生業務中斷。大多數企業報告回復平均耗時超過100天，可見業務中斷的嚴重程度。
數據洩露的影響不僅止於漏洞控制：近半數企業表示計畫因洩露事件提高商品或服務的價格，其中近三分之一的企業漲價幅度達 15% 或更高。
這份報告由IBM主持與分析、Ponemon Institute 執行訪問；資料來自於2024年3月至2025年2月全球600家發生過數據洩露的企業。
延伸閱讀：
2025資訊長前瞻報告：平衡資安威脅與AI創新是企業成長關鍵
資安人才搶手！工作5年成長1.5倍 薪資中位數5.3萬增12%| 104玩數據
暗網也招手！經驗20年的資安「神級新鮮人」如何成為白帽駭客？
2025資訊長前瞻報告：平衡資安威脅與AI創新是企業成長關鍵
各國企業領導者為了從競爭激烈、變化快速的商業環境中脫穎而出，都竭盡全力尋找方法應對及解決。為深入了解全球科技業高層─特別是資訊長（CIO）在當前職場中的職責、挑戰和優先事項，《Experis 2025 CIO Outlook Study》針對全球1,393位科技領導者進行調查，結果顯示：企業必須在日益嚴峻的網路安全威脅和持續升起的AI創新浪潮之間找到微妙平衡，才能在未來的商業競爭中穩住腳步。
文／《104職場力》
本文導覽
網路安全是最大隱憂AI創新是驅動企業成長的雙面刃成功轉型的關鍵要素：人才與協作建立防護體系、培養人才是成功之道
網路安全是最大隱憂
隨著2024年網路犯罪的總成本將達到9.5兆美元，報告指出，網路安全成為全球科技領導者最關心的議題，有高達41%的CIO表示這是他們最大的焦慮源。因為企業面臨的挑戰不再僅是技術問題，而是牽涉到聲譽、營運乃至於生存。
調查還顯示，77%的企業計畫在2025年增加網路安全預算，這充分顯現企業對網路風險的重視。不過僅提高相關預算還不夠，報告強調，企業在面對網路威脅時缺乏統一的應對協議，員工對新安全技術的接受度也不高。
這代表企業不僅需要投入更多資源在安全技術上，還必須加強全員的資安意識、培養具備足夠技能的人才，並確保風險管理策略與網路安全防護之間的協調與平衡。
AI創新是驅動企業成長的雙面刃
在持續關注網路安全的同時，人工智慧的浪潮也正席捲各行各業。該報告也指出，AI將成為2025年技術投資的3大重點之一，其中67%的企業計畫增強對AI的投入，因為科技領導者普遍認為AI有助於提高日常生產力。
雖然策略上選擇增強投入，但CIO們對AI的態度逐漸趨向務實，從數據來看，僅有13%的參與者認為「提供AI解決方案是CIO最重要的任務」；多數受訪者認為AI仍處於初步階段，需進一步完善；另有33%的人表示，AI對企業的實際影響仍不清晰。
這樣的謹慎態度說明企業在接受AI創新時，除了重視其潛在價值，也同樣認知到限制。報告後續更提到，企業的關注應放在「如何將整體技術基礎建設與AI相結合，以便更好支持業務需求並實現快速的投資回報」。
延伸閱讀：AI時代主管四大考驗：「AI員工」效率高但有時不受控，如何管理人機協作？
成功轉型的關鍵要素：人才與協作
在面對網路安全威脅和AI創新的雙重挑戰時，人才短缺的問題就越發凸顯。調查發現，全球76%的IT雇主表示「難以找到所需的技術人才」，傳統大學教育也很難跟上瞬息萬變的技術需求；更糟的是，只有28%的企業會定期為IT人員提供最新技術的培訓。
為了解決人才問題，企業需要採取創新的策略，例如與人力資源部門緊密合作、開發多樣的招募管道，並考慮廣納那些有潛力且願意學習的非傳統IT人才。此外，企業還應重新設計IT職位，在其中融入AI相關技能，並提供硬技能和軟技能等全方面的培訓。
報告強調，許多CIO面臨的挑戰並非單一技術難題，還涉及跨部門合作。CIO普遍認為，與運營長（COO）的關係是企業未來成功的重要關鍵，但超過一半的IT領導者卻認為，高層管理團隊對CIO的角色缺乏足夠了解。因此，CIO需要更積極地與其他部門建立信任和合作，明確傳達IT的價值，並爭取重要利益相關者的支持。
延伸閱讀：企業人才培訓重點：把人才當作「人財」訓練專業能力
建立防護體系、培養人才是成功之道
《Experis 2025 CIO Outlook Study》結論點出：在日益複雜的網路安全環境和迅速發展的AI技術面前，企業不能再孤軍奮戰，要取得成功，關鍵在於建立高度韌性的安全防護體系，以務實的態度擁抱AI創新，並積極投資於人才培養與跨部門合作。只有那些能夠在網路安全和AI創新之間找到最佳平衡，並有效整合技術、人才和合作的企業，才能在2025年及未來的商業競爭中持續成長，贏得未來。報告中提出的行動建議，例如將網路安全視為全公司的議題、對AI保持實際期待，以及加強與人力資源部門的合作等，都指引著企業未來的方向，眼下正是企業重審技術戰略、積極應對挑戰、掌握機遇的關鍵時刻。
若企業希望在強化資安的同時優化人資管理流程，避免人事資料被盜取，選擇資安有保障的數位人資系統是企業提升資安韌性與管理效率的關鍵！104 HR Max人資系統通過 ISO 27001、BS 10012、ISO 29100及行動應用APP MAS標章等多重資安管理認證，並設有多層級權限控管、資料加密機制，以及定期弱點掃描等，協助企業安心進行人事、薪資等機密資料管理，讓內部系統風險與營運效率都能兼顧。👉了解更多【104 HR Max】介紹：https://104ha.com/1VReQ
延伸閱讀：
「生成式AI」將成新寵兒？公司導入前請先想好3件事：你是真的需要，還是跟風？
企業如何吸引與招募不同世代人才
企業轉型，為何7成都失敗？管理名師李吉仁：人才出問題，最大元凶是績效評估
如何成為後端工程師？精準掌握必備核心技能＆職涯精進攻略
你是否想轉職成為後端工程師，打造更穩定、具成長性的技術職涯？無論你是剛開始學習程式語言的新手，或正在尋找明確學習方向的職場工作者，這份後端學習地圖將幫助你掌握後端工程的核心技能、實戰經驗與職涯發展路徑。透過系統化的學習規劃與專案實作，你將更有信心地踏入後端領域，成為職場中真正被需要的技術人才。
文 /【104學習精靈】
本文目錄（點擊可快速前往）
後端工程師是什麼？和前端、全端工程師有什麼不同與優勢之處？掌握後端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能轉職後端工程師的學習策略後端工程師薪資行情與職涯發展後端工程師的挑戰與機會
後端工程師是什麼？和前端、全端工程師有什麼不同與優勢之處？
🎯 後端工程師工作內容
後端工程師（Backend Engineer）主要負責伺服器端的邏輯開發，包括資料庫管理、API 設計、伺服器架構以及系統效能優化。他們確保前端應用程式能夠順利與後端系統交互，並提供穩定的數據與服務。
🎯相近職類比較：DevOps、全端、前端、後端工程師差別
職位主要負責技術負責範圍後端工程師（Backend Engineer）伺服器架構、API 設計與串接、資料庫管理、效能優化負責後端邏輯、數據清理，確保前端能夠存取正確的資料前端工程師（Frontend Engineer）HTML、CSS、JavaScript、React、Vue負責 UI/UX 設計，開發與使用者互動的前端界面全端工程師（Full Stack Engineer）前端 + 後端技術能獨立開發完整應用，涵蓋 UI、後端 API、資料庫管理DevOps 工程師（DevOps Engineer）Docker、Kubernetes、CI/CD、自動化部署負責開發與運行環境的部署、監控與維護，提升開發效率
🎯 為什麼選擇後端開發？
後端開發是資訊產業中穩定且高度需求的領域，適合對邏輯、架構、系統思維有興趣的學習者投入：
就業市場穩定成長：隨著數位化轉型普及，後端開發職缺在各行各業皆有需求，從新創到大型企業都有穩定徵才。
強調邏輯與架構設計：後端工程著重資料儲存、伺服器溝通、API 設計等，適合喜歡系統設計與架構思考的人。
職涯彈性大：從初階後端工程師到系統架構師，甚至 DevOps、SRE、資安領域都有後續延伸路徑。
遠端與自由接案機會多：後端開發技能通用性高，較容易接國際案或轉為遠距工作者。
AI 與資料應用的基礎：資料庫管理、API 串接、運算效能等能力，也可延伸應用至 AI 系統部署或資料工程等新興領域。
🎯 誰適合轉職後端工程師？
後端開發適合各類背景者，關鍵在於邏輯思維、學習動機與持續投入：
✅ 設計/前端背景：具備良好使用者體驗與前端邏輯，轉後端可成為 Full-Stack 工程師，提升職涯彈性。
✅ 商管背景：邏輯能力佳且理解商業流程，適合轉後端結合業務邏輯，強化企業系統開發應用。
✅ 理工背景（如物理、數學）：邏輯與抽象能力強，容易掌握資料結構與演算法，是進入後端的優勢群體。
✅ 非資訊領域自學者：只要有堅強動機與自律力，透過系統性訓練與專題實作亦能成功轉職。
✅ 現職 IT 工程師（如測試、維運）：已具備技術背景，轉入開發領域有明顯加速效益。
✅ 資料分析師：熟悉資料處理與 Python，轉向後端可擴展資料處理與系統部署的完整技能鏈。
掌握後端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能
🧭 後端工程師技能、工具分類表
語言與工具資料處理與資料庫API 設計與架構DevOps 與部署基礎Python / JavaScript / Java / GoGit / GitHub / GitLabSQL（PostgreSQL / MySQL）資料庫基礎觀念REST APIHTTP 基礎了解部署概念核心*熟悉後端框(SpringBoot, Django, Express, Gin)*熟悉語言設計模式撰寫可讀性高的程式NoSQL（MongoDB / Redis）基本資料模型設計身分驗證（JWT / OAuth）API 文件設計（Swagger）*Docker 容器化*CI/CD 自動部署 進階*多語言協作力*程式效能優化*高效能資料庫設計*索引分片與備援策略GraphQL / gRPC微服務架構（CAP / CQRS / Event Sourcing）Kubernetes、服務網格（Service Mesh）監控與日誌系統認證*程式語言認證 (例如Python 程式設計證照PCAP）*個人作品集AWS Database SpecialtyMongoDB 認證*API 設計課程證*書專案開發經驗（如 Hackathon）*AWS Certified DevOps Engineer*CKA（Kubernetes Administrator）▲ 後端工程師應具備技能、工具能力、職涯指引表，點選不同技能會對應到相關課程。
後端工程師學習地圖與路徑（搭配AI工具）
🔰 初學者階段（0–6 個月）
✅ 目標：熟悉基礎程式語言與網路知識，能夠開發基本 API。
📌 學習內容：
選一門後端語言（Python / JavaScript / Java）：選一門主流語言打好程式基礎，進入開發世界。
Git 與版本控制（GitHub / GitLab）：讓你能有效保存、回朔與分享你的程式碼。
理解網路基礎與 HTTP 協議：理解網站如何運作與資料如何傳輸。
SQL 資料庫（PostgreSQL / MySQL）：學習資料查詢語言，管理網站背後的資料。
REST API 開發：學習建立網頁服務的後端接口。
Python 程式設計能力 - 線上免費檢測
📌 AI 工具應用：
ChatGPT 協助語法學習與除錯：快速解釋語法、找出 bug、提供程式碼建議。
GitHub Copilot 協助寫基礎 CRUD 程式碼：協助補上程式片段。
📌 備選學習：
Go 語言：效率高但語法嚴謹，對初學者略具挑戰。
Node.js（JavaScript 後端）：若未來想走全端路線可以學。
✅ 適合考取的證照：
Python 程式設計證照（PCAP）
ITS (Information Technology Specialist, IT 資訊科技專家認證
Oracle MySQL Database Developer
AWS Certified Cloud Practitioner（雲端基礎，有助於未來學 DevOps）
[course_plugin title='Python課程' keyword='Python 輕鬆上手學' amount=1]
[course_plugin title='後端工程師入門課程' keyword='成為後端工程師' amount=1]
🚀 中階階段（6–12 個月）
✅ 目標：熟悉進階 API 設計、資料庫優化，學習 DevOps 工具。
📌 學習內容：
學習後端框架 (Express、Spring Boot、Django、Gin) ：掌握常用的後端框架。
身份驗證與授權（JWT、OAuth）：幫使用者安全登入，讓資料不被偷看。
NoSQL 資料庫（MongoDB、Redis）：適合儲存彈性格式的資料或快取機制。
Docker 容器化：讓你的程式「打包好、帶著走」。
CI/CD 自動部署（GitHub Actions）：程式更新後自動上線，省時又省心。
📌 AI 工具應用：
使用 AI 幫你產生 Dockerfile 與 CI/CD 配置：不懂也能靠 AI 輔助上手。
協助設計 API 架構與資料庫 schema：加速設計與重構過程。
📌 備選學習：
GraphQL：適合複雜資料查詢，但非所有團隊使用。
gRPC：適合內部高效通訊場景，小型專案可暫不碰。
Jenkins（較舊型 CI/CD 工具）：學習成本高，可視需求使用。
HATEOAS（超媒體 API）：學術價值高，實務上較少見。
✅ 適合考取的證照：
MongoDB Developer Certification
Docker Certified Associate (DCA)
Microsoft Azure Fundamentals (AZ-900)
HashiCorp Terraform Associate（如學有餘力涉略基礎 IaC）
[course_plugin title='後端工程師中階課程' keyword='接案必學 ◆ 邁向更專業的App開發' amount=1]
🏆 進階階段（12 個月以上）
✅ 目標：學習架構設計，提升可擴展性與效能。
📌 學習內容：
微服務架構（CAP 理論、CQRS、Event Sourcing）：學會如何將大系統拆小管理，處理資料一致性問題。
Kubernetes 與服務網格（如 Istio）：讓多個服務能自動部署與協調運作。
高效能資料庫設計與分片策略：設計能承受高流量的資料系統。
系統監控與安全性實踐（如 Prometheus、Grafana）：確保系統穩定、安全運作。
📌 AI 工具應用：
AI 幫你設計 YAML 檔與架構圖：快速理解與部署分散式架構。
系統瓶頸分析助手：用 AI 分析 log 或效能資料，加快除錯與優化。
📌 備選學習：
Istio 等 Service Mesh 工具：適合大型微服務團隊，維護成本高。
Event Sourcing：較進階模式，建議有實務需求時再深入。
✅ 適合考取的證照：
Certified Kubernetes Administrator (CKA)
AWS Certified Solutions Architect – Associate
Google Cloud Professional Cloud Architect
DevOps Engineer Professional（AWS / Azure）
[course_plugin title='後端工程師進階課程' keyword='Java進階專業｜前後端整合開發與應用' amount=1]
5個後端工程師應具備的軟技能特質：
邏輯思維與問題解決能力
能夠理解業務需求並轉化為系統邏輯，並針對錯誤快速找到根本原因。
【小測驗】來測測看自己的問題解決技巧 👉 問題解決 - 職能檢測｜104學習精靈
溝通與跨部門協作能力
後端工程師需與前端、產品經理、DevOps 甚至業務單位協作，良好的溝通有助於準確理解需求與回報技術限制。
【小測驗】來測測看自己的溝通能力技巧 👉 溝通協調 - 職能檢測｜104學習精靈
學習與自我成長動能
後端技術（如框架、資料庫、API標準）快速演進，必須持續學習與更新知識。
細心與責任感
後端處理大量資料及邏輯，細節錯誤容易引發資安問題或系統錯誤。
時間管理與自我管理能力
在遠端工作日益普遍的環境下，自律與時程安排變得尤為重要。
轉職後端工程師的學習策略
🎯 初學者或轉職者的學習策略
轉職或初學後端工程，建議採取階段式、任務導向的學習策略，以下列點歸納：
設定明確學習階段：分為基礎語言（如 Python/JavaScript）、資料庫應用、框架學習（如 Django、Node.js）、部署維運。
專案導向學習：每學完一個階段，就進行小型專案驗證所學，例如 Todo List、部落格、會員系統等。
培養問題解決能力：鼓勵查文件、逛論壇、問 ChatGPT，建立獨立解決 bug 的習慣。
學習版本控制與團隊協作：掌握 Git、GitHub、簡單 CI/CD，增加求職競爭力。
善用 AI 工具輔助學習：例如用 ChatGPT 解釋程式碼、Copilot 寫樣板、Kaggle 或 LeetCode 練習邏輯。
參與社群與實戰活動：參加黑客松、Open Source 專案、小型 Freelancer 案，強化實務經驗與人脈。
建立個人學習履歷：記錄學習歷程、撰寫技術部落格、整理 GitHub 作品集。
🎯 不同領域的客製化學習策略對照表
學歷背景優勢可能挑戰調整建議資訊相關科系已具備基礎程式能力、學科知識缺乏實務經驗、專案規模小強化實作專案與部署經驗，參與社群或實習累積履歷非資訊理工（如數學、物理）邏輯與數學能力強，適應資料結構與演算法快缺乏開發環境熟悉度與應用場景理解著重環境建置、框架與資料庫應用，透過實作強化「業界語感」設計/前端背景了解 UI/UX 與前端邏輯，轉職成為全端潛力大對資料結構與後端語法較不熟悉從 API 串接、簡單後端框架入手，逐步學習資料庫與後端設計邏輯商管/人文背景商業邏輯與跨領域溝通力強，善於理解用戶需求技術門檻高、邏輯訓練少以高階語言（如 Python）為起點，結合專案題材（如 CRM、報表系統）學習效果更佳在職 IT 工程師（測試、維運）已熟悉技術工具與環境、具系統性思維缺乏開發流程與程式架構設計經驗透過轉任內部開發專案或小型 App 開發練習，搭配設計模式與框架學習資料分析/AI 轉職者熟悉資料邏輯與語言（如 Python）、了解資料流缺乏完整系統建構經驗補足後端架構設計與部署技巧，從資料處理串接 API、Flask、FastAPI 切入
後端工程師薪資行情與職涯發展
後端工程師薪資概況
📌台灣後端工程師薪資
初階（3年以下經驗）：月均薪約6.2萬。
中階（3- 5年經驗）：月均薪約 6.5 萬。
高階（5-10年經驗）：月均薪約7.3萬。（以上資料來源：104薪資情報）
📌影響薪資的因素
技術棧與專精程度熟悉高效能架構（如微服務、分散式系統）、熱門語言（如 Go、Rust）、或 DevOps/雲端技能者，薪資會更高。
產業領域與公司規模金融科技、AI、新創、外商薪資通常優於傳產與一般中小企業。
作品集與實戰經驗有實際上線專案、參與開源、或技術部落格者更具競爭力。
證照與專業認證（如 AWS Certified、Kubernetes、GCP）對某些企業或外商來說是加分項。
英語能力與跨國協作經驗能與國際團隊溝通的工程師更受青睞，也更容易爭取外派或海外遠端工作機會。
英文能力 - 線上免費檢測
後端工程師的職涯發展路徑
🔵 技術專精路線（Individual Contributor / IC Path）
從「後端工程師」起步，專注於技術深度與系統設計，逐步升級為具備橫向影響力的技術專家。
▶ 初階 / 中階後端工程師（Backend Engineer）
負責功能開發、資料庫操作、API串接與單元測試。
▶ 資深後端工程師（Senior Backend Engineer）
擁有跨模組開發與維護經驗，熟悉系統效能優化、API 設計規範。
✳️ 學習前端技術 → 全端工程師（Full-Stack Engineer）
技能補充： React/Vue、Node.js、前後端整合、RESTful/GraphQL。
應用情境： 適用於產品團隊需快速開發 MVP 或技術創業者。
✳️ 提升系統架構能力 → 系統架構師（Software/System Architect）
技能補充： 微服務設計、DDD、API Gateway、資料一致性、可觀測性（Observability）。
應用情境： 適用於中大型系統升級或技術重構專案。
✳️ 學習 DevOps → DevOps 工程師（DevOps Engineer）
技能補充： GitOps, Jenkins, GitHub Actions, Docker, Ansible。
應用情境：經由緊密的開發＋運營合作，使企業更高效推出高品質產品。
▶ 全端工程師（Full-Stack Engineer）
獨立開發從 UI 到 API 再到資料庫的完整功能。
▶ 系統架構師（System Architect）
負責設計全系統技術藍圖，定義模組邊界、資料流設計與技術選型。
✳️ 進階發展 → 技術總監 / Technical Director
職責： 統籌技術方向，領導技術專案與架構決策，跨部門協作。
技能補充： 領導力、溝通簡報、技術戰略思維、預算與風險管理。
▶ DevOps 工程師（DevOps Engineer）
專精於部署、CI/CD、環境自動化。
✳️ 進階發展 → 雲端工程師（Cloud Engineer）
職責： 能設計具備高可用性與彈性的雲端基礎架構。
技能補充： 深耕 AWS/GCP/Azure 架構與雲原生技術（如 K8s、Terraform）。
🟢 團隊管理路線（Team & People Management）
此路線適合有溝通、協調與人員培育熱情者，從帶小團隊到參與公司策略。
▶ 後端 Team Lead / 技術主管
同時參與開發與團隊管理，負責人力分配、專案交付與人員指導。
技能補充： Agile/Scrum、敏捷儀表板管理、1-on-1 輔導技巧。
▶ 技術經理（Engineering Manager）
管理多組技術團隊，協助產品規劃、技術優化與跨部門協作。
負責團隊招募、績效制度設計、技術資源管理。
▶ 技術總監（Technical Director）或 VP of Engineering
結合技術與策略視角，影響公司中長期技術方向。
需要具備技術深度 + 商業理解力。
🟠 技術轉職／橫向拓展路線（Cross-functional Path）
探索其他工程領域，發揮後端背景延伸價值，適合追求多元發展者。
▶ 資料工程師（Data Engineer）
優勢：
熟悉 API 設計＆模組化架構：資料平台的模組設計類似微服務設計邏輯。
熟悉系統效能：幫助處理大規模資料運算與資源調度。
熟練程式語言(如 Python、Java)：可快速上手資料工程工具
可有效打造 ETL 流程、管理資料倉儲、支援 AI/ML 任務。
技能補充：
資料處理：Spark、Kafka、Airflow、dbt
資料庫：PostgreSQL、ClickHouse、BigQuery、Snowflake
資料管線：ETL/ELT流程設計、Data Lake、Data Warehouse 架構
編程與基礎統計：Python、SQL、資料品質檢查
職涯發展路徑流程圖
🔹 總結路徑圖說明
(起點)
後端工程師
│
├── A. 學習前端 → 全端工程師
├── B. 提升架構能力 → 系統架構師
│ └── 技術決策 → 技術總監
└── C. 學習 DevOps → DevOps 工程師
└── 深入雲端架構 → 雲端工程師
哪些產業需要後端工程師？
後端工程師幾乎是「所有數位服務產業的基礎職位」，以下是常見產業範疇：
📌電商與零售：處理會員系統、購物流程、庫存管理、金流串接等核心後台邏輯。📌金融科技（FinTech）：開發支付、帳戶、交易、驗證等安全敏感的服務。📌社群與內容平台：如論壇、影音平台、交友 App，後端負責資料儲存、帳號系統與推薦演算法等。📌SaaS / B2B 企業服務：提供線上系統給其他企業使用，如 CRM、HR 系統。📌物流與運輸：如外送、倉儲、車隊派送，依賴大量 API 串接與資料即時處理。📌醫療與健康科技：處理病例、預約、穿戴裝置資料等，需高度資安與資料完整性。📌遊戲與娛樂產業：遊戲帳號、伺服器同步、排行榜、商城等核心功能皆由後端處理。📌政府與公部門資訊系統：如戶政、健保、交通資訊等數位服務。
後端工程師的挑戰與機會
🚀 6個常見的後端工程師挑戰
技術複雜度高：需同時掌握資料庫設計、系統效能、資安與架構邏輯。
看不見的貢獻：成果不如前端「有畫面」，但卻是維運的關鍵，常常被低估。
資安責任重大：系統若當機、資料異常，後端通常是第一個要排解問題的人，需確保數據安全，防止攻擊與資料洩漏。
需快速跟上技術演進：如容器化（Docker）、微服務架構、雲端部署等都不斷更新
高效能與擴展性要求：需設計能夠處理大量請求的系統，確保穩定性與效能。
跨團隊協作：需要與前端工程師、產品經理、DevOps 團隊密切合作，確保系統順利運行。
🌟 後端工程師4大機會
可轉職多種技術職：例如 DevOps、技術主管、架構師，或橫移到前端/全端。
全球需求穩定成長：任何需要「運作」的數位產品，都需要後端支撐。
遠端與海外機會多：因後端較少受地域限制，常見國際合作或海外招募。
進可攻、退可守：進可發展高階技術領域如 AI 後端、大數據平台，退可穩定就業於各類企業內部系統開發。
延伸閱讀：
產品經理 - 學習地圖(上)：技能養成篇
成為雲端工程師的攻略指南：核心技能＆職涯精進完整解析
轉職前端工程師│工作內容、技能、薪水與職涯發展指南
數據分析師工作內容是什麼？薪水高嗎？技術能力與職涯發展指南
想當資料工程師？工作內容、核心技能、薪水、職涯發展完整解析
[joblist_plugin title='更多104【後端工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=%E5%BE%8C%E7%AB%AF%E5%B7%A5%E7%A8%8B%E5%B8%AB&mode=s&page=1' amount='3']
ARCI法則是什麼？用4角色解決跨部門分工混亂│專案管理必學技巧
ARCI法則（阿喜法則）是解決跨部門分工混亂的專案管理工具，透過當責者A、負責者R、諮詢者C、知會者I這4個角色，讓每項任務都有明確主導人，本文會說明ARCI是什麼、當責與負責的差異，以及如何建立責任矩陣，趕緊學起來，讓專案不再卡關。
文／《104職場力》
本文導覽
ARCI法則是什麼？阿喜法則的4個角色定義一張表快速記住ARCI法則4個角色ARCI法則怎麼用？建立責任矩陣關鍵4步驟步驟1│先把專案拆成具體可執行的任務步驟2│為每個任務指定角色步驟3│確認每個人的角色認知步驟4│卻ARCI落實進日常工作流程ARCI常見問題與錯誤：3個地雷要避開地雷1│搞不清「當責」跟「負責」，導致出現兩個A！地雷2│把所有人都塞進C地雷3│I只是名單，資訊沒有真正傳到位ARCI適用什麼情境？為什麼跨部門專案特別需要ARCI法則？
多人協作的專案，最常在哪裡卡住？通常不是技術問題，也不是時程太緊，而是一件更基本的事：沒有人說清楚「這件事到底誰負責」。
任務在會議上交代了，但最後沒人真正接手；兩個主管同時下指令，團隊不知道該聽誰的；法務、客服等關鍵部門到了專案快結束才被拉進來，導致延誤或重工等，這些問題，幾乎每個跨部門工作者都遇過，根源都在於分工不明確。
ARCI法則（又稱阿喜法則）就是為了解決這個問題而生的工具，它不複雜，核心只有4個角色，但能把原本說不清楚的責任關係結構化，讓整個團隊知道該專案「誰主導、誰執行、誰要先被問、誰需要被通知」。
ARCI法則是什麼？
ARCI法則（ARCI Model，中文讀音就是唸「阿喜」）主要是用來推動跨部門專案與管理的工具，這4個字母各代表一種角色，並依重要性排列：
阿喜法則的4個角色定義
A — Accountable（當責者）
當責者A是指身為一項任務的「最終負責人」，這個角色擁有拍板決策的權力，但也必須為專案握的最終成果承擔全部責任，通常每個活動或專案中只會有一位當則者。
R — Responsible（負責者）
負責者R是指實際把任務做完的人（執行者），在當責者A的帶領下規劃、執行、追蹤，並定期向A回報進度，跟A不同的是，同一項任務中可以有多位R。
C — Consulted（諮詢者）
通常在專業度或複雜度較高的任務推進前，會需要諮詢專家意見，諮詢者C就是這類顧問型角色，但要注意的是，除了給意見、協助溝通之外，C沒有決策的權力（主導權必須在當責者A手上）。
I — Informed（知會者）
知會者I不參與決策，通常也不會執行任務，只需要在每個節點上「被告知專案進度或結果」，方便後續任務執行即可。
一張表快速記住ARCI法則4個角色
角色關鍵問句人數限制Accountable 當責者這件事最後誰說了算？只能1位Responsible 負責者這件事誰實際去做？1位或多位都可Consulted 諮詢者決策前需要問誰？視需求，精準為佳Informed 知會者結果需要讓誰知道？視需求
ARCI法則怎麼用？建立責任矩陣關鍵4步驟
ARCI的執行方式比想像中容易，重點不是有沒有做表，而是有沒有讓它變成團隊的共同語言，只要依循這4個步驟就能輕鬆上手：
步驟1│先把專案拆成具體可執行的任務
不要一開始就急著指定角色人選，因為任務越模糊，角色越難分配，這階段首先要把專案「分解成明確的工作項目」，舉例來說：
今天有個新產品上市專案，任務拆開來應包含：產品定位與目標設定、行銷素材製作、合約與法規審查、平台上線與技術測試、上線後成效追蹤等具體細節，不是單純用「讓產品順利上市」這麼籠統的方式概括。
步驟2│為每個任務指定角色
任務拆解完後，再針對每一項指定對應的ARCI角色，同樣以「新產品上市」專案為例，分工舉例如下：
任務項目A當責者R負責者C諮詢者I知會者產品定位與目標設定產品主管PM業務、行銷工程、設計行銷素材製作行銷主管文案、設計師PM、品牌業務、客服合約與法規審查PM法務財務、採購產品主管平台上線與技術測試技術主管工程師、QAPM、客服行銷、業務上線後成效追蹤PM行銷分析師業務、產品各部門主管
延伸問題：「當責者A」與「負責者R」可以是同一個人嗎？
可以，但不是什麼專案都適合。
在小型任務或人力真的極有限的情況下，A與R都由同一人擔任這沒什麼問題（甚至還很常見），但如果是大型專案或跨部門合作時，A與R會建議分屬不同人，這樣有個好處：A能夠用更宏觀的角度督導成果，而R能夠專注在執行細節，兩者形成監督與執行的分工。
步驟3│確認每個人的角色認知
實行ARCI常常發生的烏龍是「角色分配好了，但對於要做的事情及責任範圍的認知沒對齊」，於是最後在混亂中失敗了。
建議分配好角色後，可以在專案啟動會議（Kick-off）中，明確說明個角色的權力義務，並讓大家複誦自己的理解，確保彼此認知一致，而不是分好、填上握表格就當完成。
步驟4│卻ARCI落實進日常工作流程
另一個ARCI最容易失效的原因是「分配的時候用ARCI法則，但執行用另一套」。
其實要把它融入實際工作也有訣竅，比如：
做下一個重大決策前，先確認C是否已參與並給意見。
每次例會先看A有無到場，是否了解情況跟當前成果。
定期追蹤專案進度，確保R有精準執行，若有問題也可同步解決。
產品或資訊對外發布或上線前，確認I名單中的人都已收到資訊。
當ARCI成為專案溝通跟執行的基本框架，它才能真正發揮效果。
ARCI常見問題與錯誤：3個地雷要避開
地雷1│搞不清「當責」跟「負責」，導致出現兩個A！
「當責」跟「負責」傻傻分不清楚，這是團隊在分配ARCI角色時最常遇到也是最容易混淆的地方，如果沒有釐清，導致一項任務出現兩個或以上的A，那最終還是可能會落得專案無人負責或目標分散的下場。
所以「當責」跟「負責」差在哪？
我們以一個具體例子來說明：
主管要你把一份文件寄給合作夥伴，你把信寄出去、任務完成了，這是「負責（Responsible）」的表現，但如果你在寄出後打電話確認對方收到，且傳遞到正確的人手上，確保溝通目的達成，這就是「當責（Accountable）」。
簡單說，負責者R對任務執行完成與否負責（事情做完了嗎？）但當責者A還必須對執行後的結果負責（要的結果達到了嗎？）這個差異，決定了A與R在專案中截然不同的角色定位，也決定了兩者的價值。
了解之後，團隊必須謹記規則：每項任務只有一個A，如果真的難以取捨，代表這個任務需要再拆細，或者需要在組織層面更清楚釐清誰有決策權。
地雷2│把所有人都塞進C
C的本意是「需要其意見才能做出好決策」，而不是「有點相關的人都放進來」，沒經過取捨萬一讓C清單過長，會導致每件事都因為要等一大圈人確認，反而延遲專案進度。
真正應該列入C的人選，是那些「專業或意見會直接影響任務成果」的人，例如：法律風險由法務判斷、技術可行性由工程師確認。
地雷3│I只是名單，資訊沒有真正傳到位
ARCI矩陣上的I欄看起來雖然在末端，但絕對不能輕忽！會列入I代表這批人是「有必要了解進度或成果」的角色，可能是專案後期的支援端，或是完成後續的推廣／結案單位等，如實知會這些單位才能避免公司資訊或營運出現斷層。
ARCI適用什麼情境？
ARCI其實適用於所有需要多人協作的工作，但在下列幾種情境中，使用的效益最為顯著：
跨部門專案：例如品牌活動、數位轉型、系統導入、制度改版等，涉及的部門越多，ARCI所帶來的降噪效果越明顯。
流程長、節點多的任務：例如新產品上市、大型品牌活動、組織年度報告等，這類任務每個環節的A和R都可能不同，適時定義與分工，才能確保每個流程細節的品質。
新主管接手或新團隊建立：在新團隊磨合期間，可以用ARCI快速建立共識與默契，比瞎猜、亂摸索再補救有效得多。
分不清責任歸屬的團隊：有些團隊可能人多事多，或都是資歷較淺的工作者，若沒有主心骨、分工不明確，可能會出現一團亂的局面，這時候實行ARCI能幫助大家了解責任歸屬、提升效率。
為什麼跨部門專案特別需要ARCI法則？
跨部門協作有一個共同的隱性問題：每個人腦中對「自己該做到哪裡」的責任認知其實完全不一樣。
因為專業、組織文化的不同，對同一件事有不同理解跟看法這很正常，但如果沒有拿出來討論，讓灰色地帶無限延伸，很容易變成專案卡關主因之一，甚至出現搶功勞或到處卸責的尷尬局面，比如以下幾個最常見的協作痛點：
任務沒人接：任務在會議上說完了，但沒有人明確承接，最後就懸在半空中，這正是因為沒有指定A與R，導致大家都以為別人會做，最後落得一場空。
找不到決策窗口：事情推進了一半，遇到問題需要選擇、收斂或決策的時刻，卻沒有人能給明確的指示，導致錯失黃金期或期程延宕。
太多意見喬不攏：跟上面那點相反，萬一是一堆人都搶著當A，光是對焦目標就夠累了，還可能會出現多頭馬車的情況，不僅影響執行效率，到最後也可能導致分裂對立。
關鍵部門太晚加入：很多組織習慣專案先行，邊做邊加人，其他部門有什麼問題再補救，但萬一是法務、技術這種硬傷，到最後階段才被通知的結果，不是雞飛狗跳就是砍掉重練，ARCI在一開始就把C與I明確列出，能有效避免這個問題。
很多人以為專案管理的重點只有包含時程控管、進度追蹤，但在真實職場中，當角色分配、責任歸屬等更前端的事沒有先處理好，後續會更加窒礙難行。
ARCI法則優勢在於，它把一件本來說不清楚的事，用4個角色結構化了，當每個人都知道自己在這個任務裡是誰，不需要每走一步就確認一次，那溝通成本就會明顯下降。
下次啟動一個新專案之前，不妨先花點時間把分工說清楚，會發現推行起來事半功倍唷！
延伸閱讀：
做了13個番茄鐘專案才推進10%？你可能用錯「番茄鐘工作法」！
甘特圖是什麼？免費軟體＋甘特圖Excel範例教學懶人包
AI如何看穿客戶潛在需求？3招幫B2B業務找到商機
在AI時代，B2B業務真正的挑戰轉向了「資訊的處理與轉化」。作者為深耕產業超過20年的B2B業務專家，教你3招用AI判斷對方「現在為什麼需要你」。透過AI分析企業財報、法說會、徵才資訊與決策者的公開動態，業務可以從零碎訊號中找出客戶尚未明說的需求，掌握更精準的提案時機。本文節錄自《90%高級主管出身業務，B2B聖經》。
文／吳育宏
本文目錄（點擊可快速前往）
大海撈針已過去，精準打擊才是關鍵為什麼AI是B2B業務的最佳情報員？一、情報蒐集的第一步：建立客戶的「數位畫像」二、從法人說明會到財報：AI如何解讀「老闆的真心話」三、社交媒體的隱形情報：挖掘決策者的個人見解
大海撈針已過去，精準打擊才是關鍵
在B2B業務的世界裡，資訊就是力量，而「資訊不對稱」曾是業務人員獲利的來源。但在AI時代，資訊已經不再稀缺，真正的挑戰轉向了「資訊的處理與轉化」。
過去，一位資深業務可能需要花上10年，才能培養出對產業的敏銳嗅覺，但現在透過AI的輔助，即便是業務新人，也能在極短的時間內展現出專家級的洞察力。
本章將帶你深入探討如何運用AI建立一套精準的情報調查研究系統，從核心邏輯到實戰案例，全面重塑你的業務競爭力。
為什麼AI是B2B業務的最佳情報員？
在傳統的業務開發模式中，蒐集情報是一項極其耗費體力的工作。過去我們習慣「掃街」，或是在搜尋引擎輸入關鍵字，但得到的往往是成千上萬條零散的訊息。這種蒐集方式有3個致命傷：
第一，資訊破碎化，你看到的只是客戶的片段，難以拼湊出完整的商業全貌；
第二，解讀主觀化，人的大腦容易產生偏誤，只看自己想看的，忽略了潛藏的風險；
第三，時效滯後性，當你在報紙上看到客戶的新聞時，競爭對手可能早已採取行動。這種低效率的勞動，正是平庸業務與頂尖業務的分水嶺。
AI的出現，徹底翻轉了這場遊戲。首先，AI具備強大的「彙整力」，如同一具高效能的過濾器，能在短短幾秒內掃描全球的數位足跡，將繁雜的數據轉化為有意義的摘要。
其次，AI擁有強大的「邏輯解析力」，它能識別出資訊之間的隱性關聯。例如，它能從一家公司頻繁招募自動化工程師的動作中，推論出該公司即將進行大規模的數位轉型。
最後，AI具備「多維度聯想力」，它能幫你把看似無關的政策變動、技術突破與客戶需求串聯在一起。簡單來說，AI就像是一個24小時不休息、博學多聞且反應極快的「數位參謀」，它幫你完成了最枯燥的資料過濾，讓你將精力集中在最關鍵的策略判斷。
以下透過實戰案例進一步說明。
一、情報蒐集的第一步：建立客戶的「數位畫像」
在正式接觸客戶前，建立「數位畫像」是決定開發成功率的關鍵。這就像是在進行一場外科手術前的掃描影像，你必須清楚知道對方的組織結構、決策脈絡，以及目前的「健康狀況」。一個好的數位畫像應該具備三維深度：第一，財務體質，這決定了對方口袋的深度與結帳信用；第二，策略方向，這決定了你的產品是否在對方的優先清單上；第三，經營痛點，這就是你切入的缺口。
你可以利用具備強大聯網能力的AI（如ChatGPT或Perplexity），下達具備框架感提示詞：
請分析〔目標公司〕過去兩年的營運重心變化。重點關注： 1. 他們在哪些研發領域投入最多資金？ 2. 他們近期的人才招募偏好？ 3. 他們在社交媒體上最常被抱怨的點有哪些？
透過上述多維度交叉分析，AI能幫你生成一份比官網更真實的「企業性格報告」。你會發現，有些公司看似保守，實則在悄悄布局新技術；有些公司看似高調，實則面臨人才流失的危機。
【實戰案例A：傳產轉型的精準切入】
某位銷售自動化倉儲系統的業務，將一家國內老牌紡織大廠作為目標。過去他多次拜訪，對方總是回應「目前營運穩定，無更換需求」。後來，他利用AI進行深度的調查與研究，分析該紡織廠近3年的公開資訊，以及上游原料供應商的變動。結果發現一個關鍵訊號：該廠近期大幅縮減了國內倉庫的租賃面積，並頻繁與跨境電商平臺接觸。
業務員因此從中解讀出：該廠正從過去「大宗貿易模式」轉向「小量多樣的跨境直銷」，這也意味著，他們過去大面積的倉儲邏輯已不再適用，急需「高頻率、小包裝」的自動化揀貨系統。於是，他在提案時直接以此為題，精準命中對方老闆隱而未現的焦慮，在第一場會議就成功取得評估測試的機會。
二、從法人說明會到財報：AI如何解讀「老闆的真心話」
對於上市櫃公司，法人說明會（編按：又稱法說會，上市公司向機構投資人報告營運狀況、財務績效，及未來產業展望的正式會議）與財報是業務人員的「戰略地圖」。但問題在於，財報充滿了冷冰冰的會計數字，而法說會逐字稿動輒上萬字，內容充斥著官腔與專業術語。業務員往往因為看不懂或沒耐心，而錯過了最核心的銷售訊號。
事實上，老闆在法說會上對分析師說的話，往往隱藏著他們最真實的壓力來源，因為他們必須對股東負責。現在，你可以把AI當成你的「首席財務分析師」，將法說會的錄音轉成文字後，直接餵給AI，下達精準的提示詞：
請閱讀這份兩萬字的法說會紀錄，幫我回答3個問題： 1. 老闆對於明年預算撥款最謹慎的領域在哪？ 2. 哪些部門目前正面臨產能或成本的壓力？ 3. 老闆反覆強調的3個關鍵詞是什麼？
AI就能瞬間把冗長的報告濃縮成一張「商機表」。這種解讀力能讓你避開客戶的地雷區，直接針對對方的「獎金區」進行提案。
【實戰案例B：從招募資訊看穿採購需求】
一位IT系統整合商的業務員想開發一家中型製造商。他在AI的協助下，分析該公司在人力銀行的招募數據後發現，該公司過去3個月密集招募具備「雲端資訊安全」 背景的工程師，且應徵條件特別強調「混合雲架構管理」（編按：指用一套整合性的方式，去管理「同時使用公有雲＋私有雲＋本地機房」的IT系統與資源）。
業務員立刻判斷出，這家公司正處於從本地端主機遷移到雲端的過渡期，且內部非常擔心資安漏洞。他在開發信中避開了通用的軟體介紹，而是寫道：「針對製造業在遷移雲端過程中，如何確保舊有製程數據不外洩的實務分享」。這封信在發出後的兩小時內，就得到了該公司資訊長（Chief Information Officer，簡稱CIO）的親自回覆，因為這正是他當下最頭痛、最需要外部專家協助的課題。
三、社交媒體的隱形情報：挖掘決策者的個人見解
在B2B銷售中，訂單成敗往往取決於「決策圈」裡的那群人。這群人包含了使用者、影響者、採購者與最終決策者。每個人的喜好、價值觀與恐懼點都不同。以往我們只能透過碰面來觀察，但現在數位足跡讓每個人都變得「透明」。透過分析決策者在LinkedIn 或專業社群的公開言論，AI能幫你進行深度的「人物側寫」。
延伸閱讀：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
你可以請AI協助分析目標對象近期的公開互動。例如，某位技術長（Chief Technology Officer，簡稱CTO）最近頻繁轉發關於「邊緣運算」（編按：Edge Computing，將人工智慧的運算任務，從遙遠的雲端資料中心，轉移至更貼近使用者的終端裝置上執行）的文章，這代表他對於中央集權式的系統有疑慮；或者某位採購經理在專業論壇上抱怨過「供應商售後反應太慢」，這就是你突圍的機會。透過AI的情緒分析與偏好歸納，你能為每位決策者量身打造專屬的「溝通頻率」。這不是投其所好，而是真正的同理心展現，讓你的提案在對方心中產生共振。
【實戰案例C：用老闆的話，說服部屬】
某位銷售節能設備的業務，目標客戶是一家電子代工大廠。他原本的對口單位是總務部，對方總以「節電效果有限，回本太慢」為由推辭。後來，業務員改變策略，利用AI分析該集團董事長在股東會上的致詞，與年報中的ESG承諾。AI幫他抓出一個關鍵點：集團董事長已公開承諾「在兩年內達成15%的減碳目標，且此目標與各部門主管的年度績效考核掛鉤」。
業務員拿著這份資料，重新向總務部提案，標題改為：「如何協助貴部門達成董事長要求的15%減碳績效，確保部門KPI達標」。這一次，總務部主管不再推託，反而積極主動的向高層請購，因為這項提案直接關係到他的績效與升遷。
節錄自：大是文化《90%高級主管出身業務，B2B聖經：從跑客戶到利用AI問對問題，這是你薪水翻倍、卡位晉升、認識大老闆的最快成功捷徑！》／吳育宏 著
科技革命…台灣拚主權AI 簡立峰：缺人才
2026-03-26 聯合報記者陳儷方 由聯合新聞網授權轉載
中東戰火燒向科技設施，在地緣政治風險下，地球上好像沒有一個地方是安全的？Google台灣前董事總經理簡立峰表示，中東戰爭所引發的基礎設施受攻擊風險，讓產業重新思考未來ＡＩ資料中心部署方式，也許上太空是強化ＡＩ韌性重要的方案。
台外媒體人茶敘昨邀簡立峰以「美中壟斷ＡＩ優勢，為什麼台灣該視ＡＩ為國家韌性的一部份？」為題發表演講。他指出，在戰爭背景下，ＡＩ資料中心可能面臨被攻擊的風險，使得相關基礎設施安全性受到關注，也因此促使產業重新思考未來的部署方式，而衛星早就是資料中心的一種形式，ＡＩ資料中心上太空並非不可能，而是新的發展方向。他認為，當地面環境不安全時，將ＡＩ資料中心移往太空，成為一種可能的選項。
部署AI資料中心 太空是選項
不過，簡立峰也說，ＡＩ資料中心上太空仍存在成本與技術挑戰，包括發射成本極高，一旦失敗損失巨大；同時也面臨能源與散熱問題，由於太空沒有介質，散熱困難，因此需要材料技術進一步發展。若無法解決散熱問題，資料中心可能必須採取不同軌道方式，例如在較低高度運作，以改善部分條件，但仍涉及高度成本與風險。
簡立峰在演講中提到，台灣在主權ＡＩ發展上同時存在優勢與缺口，其中最核心問題是「人才不足」，但在全球化環境下，可以透過重新定義人才來源，使更多能參與台灣產業、為台灣創造價值的人納入整體人才體系，以擴大發展基礎。
台灣ＡＩ發展高度集中在少數關鍵企業，其中包括台積電、鴻海、聯發科與台達電等四家公司。簡立峰指出，這些公司在台灣ＡＩ供應鏈與技術能量中具有關鍵影響力，並在一定程度上決定台灣ＡＩ未來發展方向。
在供應鏈角色上，美國與ＡＩ晶片相關企業已高度進入台灣，包括輝達、ＡＭＤ、美光，以及Google TPU team，使台灣成為全球ＡＩ供應鏈的重要節點，台灣與美國雙方其實是高度互相依存，一方面台灣供應鏈支撐美國ＡＩ發展，另一方面台灣也依賴美國的需求與技術帶動。
在能力結構上，簡立峰表示，台灣供應鏈具備「最早知道需求」的特性，例如能率先掌握伺服器電壓變化等系統需求，並進一步帶動整體系統設計與改變，顯示台灣在ＡＩ基礎設施調整中具有重要位置。
公司名稱工作機會台積電看職缺鴻海精密工業股份有限公司看職缺聯發科技股份有限公司看職缺台達電子工業股份有限公司看職缺NVIDIA看職缺美商超微看職缺台灣美光看職缺Google看職缺
另一方面，ＡＩ也正在改變人類教育的方式與學習習慣。
身處ＡＩ時代的人類，簡立峰說，除了「學會問問題」之外，更重要的是如何與ＡＩ反覆互動與修正，如果只是把問題丟給ＡＩ、一次取得答案就直接使用，這種行為等同抄襲；但如果能與ＡＩ來回修改十次，則是進入學習的過程；若能持續到一百次反覆修正與調整，則更接近創造的層次，顯示學習不再是單向獲取，而是持續迭代的過程。
能力新定義 看人與AI總和
在此模式下，人類使用ＡＩ不只是提問，而要懂得要求ＡＩ改進、檢查ＡＩ內容是否足夠好，並持續修正結果。簡立峰認為，這種能力本質上是一種品質判斷與思辨能力，設法讓ＡＩ輸出的內容更符合目標與情境。
簡立峰同時表示，個人的能力也不再只是單一個體，而是「一個人加上AI agent」的整體能力，甚至出現一個人加上ＡＩ，就能完成過去團隊才能完成的工作，將使小型組織與傳統工作型態被重新洗牌，此時能力不再只屬於個人，而是人與ＡＩ系統的總和。
簡立峰指出，帶著問題的人會更具優勢，擁有情境與執行能力的人也會勝出，因為ＡＩ可以協助完成研究與迭代，但問題的定義與方向仍由人決定，因此，未來教育的核心也將從知識記憶轉向問題定義、反覆修正與ＡＩ協作能力，形成新的學習與能力體系。
想知道自己的AI素養多高？需要持續學習，還是以能獨當一面？歡迎上104學習檢測！→AI 素養級認證 模擬試題→104 AI通用素養檢測
延伸閱讀：
2026職場洞察│AI素養成必備！把握企業3痛點 有望漲薪30%
【新鮮人AI素養】為什麼我履歷填了AI技能，卻還是被刷掉？
AI實力超群卻沒面試邀約？如何讓企業一眼看見你的高階AI素養？
「AI推薦工作」面試機率提升3.2倍 104推動智慧求職求才服務
全球數位轉型浪潮推動下，AI不僅是產業發展關鍵字，更將成為改變求職與求才的關鍵力量。根據104人力銀行數據顯示，8月整體AI相關工作機會11萬個，而具備AI技能的求職者，企業主動邀約次數能提升1.5倍。為突破傳統招募困境，104導入AI智慧服務，包括履歷掃描、AI推薦工作與職務內容生成等功能，讓求職者與企業能更精準媒合，至今已有39.2%網站使用者使用過智慧媒合服務，整體AI服務使用率更提升至85.25%，有效加速人才與職缺「找到彼此」，推動招募流程進入智慧化新時代。更多內容請參考104 AI+網頁：https://www.104.com.tw/ai/services
AI重點職務薪資百萬起跳履歷自述AI技能企業邀約次數1.5倍
根據104人力銀行最新統計，8月AI相關工作機會近11萬個，產業分布以電子資訊/軟體/半導體業占整體48%為主要，其次則為一般製造業13%、批發/零售/傳直銷業10%。職務以軟體/工程類人員20%為主，另外包含業務銷售類10%、工程研發類9%、行銷類9%，顯示除了關鍵研發人才之外，也越來越往「應用」端靠近。地區的部分，台北市36%與新北市15%加總超過半數為最主要，其次則逐漸往台中、新竹桃園、高雄台南擴散。
若看薪資，AI相關職缺的年薪中位數為80萬元，明顯高於非AI職缺66萬元，重點高薪職務則包含AI工程師114萬元、資料科學家112萬元、演算法開發工程師110萬元，其中更有高達48.7%的AI職缺薪資標示為「面議」，顯示市場對AI人才的薪資彈性空間更大，遠高於非AI職缺的17%。同時，履歷自述具備AI專業技能的求職者，企業主動邀約次數提升1.5倍，快速拉開與其他求職競爭者的關鍵差距。
104開發「AI推薦工作」服務推測需求偏好、精準媒合
在傳統的招募流程當中，求職者及企業共同面臨許多挑戰：求職者自行製作履歷難以突顯亮點，對自身的優勢與市場需求理解有限，只靠直覺或關鍵字搜尋，面對海量的職缺不知如何挑選，導致投遞履歷卻石沉大海；徵才企業則困擾於許多求職者的履歷格式不一，投遞履歷的人選與實際職缺需求落差大，花時間撰寫職缺描述文案，卻寫不出精準具吸引力的內容，導致招聘效率低下。
對此，104人力銀行導入以AI技術為核心的嶄新服務，提供全方位智慧解決方案，包括：
AI履歷掃描：求職者只需一鍵上傳自身客製化履歷表PDF檔案，系統便可自動轉換成符合104格式的標準履歷，對求職者而言能減少73%履歷製作時間，也讓企業透過習慣的常用格式，快速掌握履歷亮點，近3個月內已有萬名求職者搶先使用。
AI推薦工作：透過AI演算法，根據求職者的履歷、行為與個人偏好等資料，主動推薦符合條件的職缺，以提升求職效率與媒合成功率，根據實際成效，求職者應徵AI推薦的職缺獲得企業邀約面試的機會，是自行查詢工作的3.2倍。
AI生成職務內容：徵才企業於撰寫職缺內容時總是勞心勞神，AI生成職務內容功能導入生成式AI並由104研發單位加工訓練，企業只需輸入職務名稱，系統便能一鍵生成專業且具吸引力的職務說明，每個職類更提供10個說明範例供選擇，大幅節省人資撰寫文案的時間，顯著提升職缺曝光度，已累積近三成企業使用。
AI助力招募流程大躍進 104智慧媒合比例近四成
透過導入AI技術，104人力銀行智慧媒合工作的比例從2023年的24.79%上升至2025年的39.2%，實際使用AI創新服務的人數占比也從2023年的56.5%提升至2025年的85.25%。104人力銀行表示，AI並非取代人力，而是加速人才與企業「找到彼此」的過程，透過AI的神助攻將能超越個人視角，精準分析需求偏好並推薦理想人選與職缺，提升招募成功率和人才留用率，真正邁入智慧招募新時代。更多內容請參考104 AI+網頁（https://www.104.com.tw/ai/services）。
更多AI趨勢，你會想看
104 AINNOVATION年會半數員工參與勝者共獲3張股票獎金價值近百萬
AI人才需求強勁！工作機會年增9.1% 企業數位轉型與人才培育成關鍵
商務Email好難回？用Claude Skill建回信SOP，4大類型自動判斷、10秒寫出90分初稿
商務Email回信好花時間？一封客訴回信斟酌30分鐘？作者示範用Claude Skill建立回信SOP：自動判斷詢價、客訴、合作、會議跟進4大信件類型，10秒生成90分初稿，附SKILL.md完整內容。本文節錄自《10 倍速！AI Skill 全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
Email商務溝通Skill4種場景實作案例場景1：詢價回覆場景2：客訴回應場景3：合作洽談場景4：會議跟進
編按：本文作者示範的「商務Email回信Skill」，是運用Anthropic Claude／Claude Code的Skills功能。將常用工作流程寫成SKILL.md檔上傳至Claude後，AI便會依固定步驟與規則自動執行，不必每次重寫提示詞。（claude.ai免費版即可使用；Claude Code需付費訂閱）延伸閱讀：「Skill」和「提示詞」差在哪？6大差異與SKILL.md寫法一次看
商務Email是職場最高頻的溝通工具。一封得體的回信可以加分，一封失禮的回信可能丟掉客戶。
問題是：「得體」很花時間。你要想措辭、想語氣、想格式、想有沒有漏回什麼問題。我們建一個Skill，覆蓋4種最常見的商務Email場景。
任務痛點Skill解法商務Email措辭斟酌、格式調整4種場景模板即寫即發
Email商務溝通Skill
以下為這個Skill的完整內容（SKILL.md）：
# 商務Email溝通Skill## Description根據來信內容和場景，自動生成得體的商務Email回覆。## Steps ### Step 1：判斷信件類型- 詢價回覆 / 客訴回應 / 合作洽談 / 會議跟進- 判斷語氣（正式 / 友善正式 / 親切）### Step 2：生成回覆- 開頭：感謝+回應主旨- 中段：具體內容（報價/解決方案/合作條件/會議摘要）- 結尾：下一步行動+禮貌收尾### Step 3：格式化- 加上適當的稱謂和簽名檔- 檢查語氣是否一致## Rules- MUST：回覆所有來信中提到的問題- MUST：明確標示下一步行動和時間- NEVER：用過於口語的表達- NEVER：承諾超出權限的事項（標記 [需主管確認]）- Check if：有公司簽名檔模板→套用
4種場景實作案例
以下4段為建立Skill後，實際在Claude Code輸入的回信需求範例：
場景1：詢價回覆
客戶來信問SmartCS平台的價格和功能。請回覆，包含：- 三個方案的價格表（基礎版/專業版/企業版）- 每個方案的功能差異- 邀請線上 Demo
場景2：客訴回應
客戶投訴系統在上週五下午當機兩小時，影響到他們的客服運作。請回覆，語氣要誠懇但不卑屈：- 致歉- 說明原因（伺服器維護未提前通知）- 補償方案（延長一個月服務）- 預防措施
場景3：合作洽談
有一家教育科技公司想跟我們合作，把我們的AI客服整合到他們的學習平台裡。請回覆：- 表達合作意願- 提出初步合作模式（API 整合 / 白標 / 分潤）- 邀請下週會議討論細節
場景4：會議跟進
今天跟ABC公司開了一個小時的需求會議。請幫我寫會議跟進信：會議結論：1. 他們選擇專業版方案2. 需要客製CRM串接模組3. 預計下月初啟動4. 下週五前提供正式報價請把這些結論整理成跟進信寄給張副總。
4種場景，4封信，Claude Code每封大概10秒生成。你花2分鐘檢查一下有沒有需要修改的地方，就可以寄出了。以前你可能要花30分鐘斟酌一封客訴回信的措辭—現在AI先給你一個90分的版本，你只需要微調到95分。
節錄自：博碩《10 倍速！AI Skill 全攻略：建立 Skill 驅動 AI 系統，打造從學術研究到專案開發的自動化工作流》／曾慶良（阿亮老師） 著
推薦閱讀：
Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
Claude怎麼用？免費版有什麼限制？Chat、Cowork、Code及實用功能盤點
有任何收穫或想分享的，都來和大家一起聊聊吧！