CompTIA SecAI＋國際AI資安認證班
104學習
Ansible
這項技能主要用於自動化IT環境管理與部署，能有效簡化伺服器設定、應用程式部署及多系統協調作業。具備此能力的人才，可提升工作效率、降低人為錯誤，並加速專案交付速度。對於企業推動DevOps文化及持續整合/持續部署（CI/CD）流程非常重要，尤其在雲端服務與大型基礎架構管理中需求高。掌握此技能，有助於提升技術競爭力，並增加在系統管理、自動化工程及雲端運維等職務的就業機會。
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
【天下學習｜線上課】AI Agent 零基礎打造個人工作流｜數位員工 ✕ AI 工具整合 ✕ Agent 生態串接
生成式 AI 辦公室應用能力課程
AI 協思簡報術｜從模糊點子到精準說服的提案策略
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高效領導術：主管必備60大應用場景全攻略
AI工程師與企業開發必修！FastAPI後端精通：全面入門與進階實戰指南
EC-Council COASP AI資安專家認證課程
【2026/12/29開班】AWS架構設計實戰
Vibe Coding：AI 網路應用開發實戰（上）
精選證照
考取專業證照，讓能力被市場看見
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)
生成式 AI 技術開發技能證書
AWS 為協助個人突破職涯新價值，推出「AI 人才就緒計畫 」(AI-Ready Talent Development Program)，針對不同角色免費提供系列生成式 AI 課程、專業 AI 認證備考資源、AWS 生成式 AI 服務試用，更進一步協助您取得 AI 認證！
學習本課程，您將能了解提示工程、檢索增強生成與微調的最佳實踐、掌握生成式 AI 端到端流程建溝以及驅動 AI 流程須考量的數據、儲存與運算等基礎架構。還能進一步了解如何將 AWS生成式AI服務應用在實際營運情境。
AWS
CCSE Plus NG with Al
CCSE Plus NG with AI證照專注於雲端運算與人工智慧技術的整合應用，涵蓋雲端基礎架構管理、AI模型訓練與部署，以及資料分析與安全性管理，培養具備跨領域技術能力的人才，適合從事雲端服務開發、AI解決方案設計與系統維運等職務，提升企業數位轉型競爭力。
Check Point
AI技術輔助高效廣告認證
※ 線上課程約4小時 --
瞭解 Google 跨管道 AI 解決方案的重要性，並學會如何建立及調整這類廣告活動來達成業務目標。
取得 AI 技術輔助高效廣告認證，即表示 Google 認可你具備下列能力：
● 說明 AI 對整體 Google Ads 廣告活動的重要性。
● 擬定符合業務目標的 AI 自動化策略。
● 瞭解跨管道 AI 技術輔助廣告活動和工具的好處。
● 說明靈活思考的重要性，以及如何根據市場需求彈性調整預算，取得實際業務成果。
● 使用 Google Ads 報表和洞察資料，清楚掌握 Google AI 成效。
Google
Infrastructure Automation Certification
Infrastructure Automation Certification證照專為具備基礎設施自動化技能的專業人士設計，涵蓋自動化工具的使用、腳本撰寫及系統配置管理，提升企業IT環境的效率與穩定性。持有此證照代表具備運用自動化技術優化部署流程、降低人為錯誤及加速系統維護的能力，有助於在快速變動的數位時代中提升職場競爭力。
HashiCorp
AI-102 AI工程技術師
作為 Microsoft Azure AI 工程師，您可以建置、管理及部署 AI 解決方案，以充分利用：
Azure 認知服務。
Azure 應用 AI 服務。
您的責任包括參與所有 AI 解決方案的開發階段，包括：需求定義與設計、開發、部署、整合、維護、效能微調、監視；您會和解決方案架構師合作，將架構師的願景轉換成現實，並與資料科學家、資料工程師、物聯網 (IoT) 專家、基礎結構系統管理員，和其他軟體開發人員合作，以建置完整的端對端 AI 解決方案。
Microsoft
精選貼文，掌握第一手知識
AI如何改變我們工作關係和對公司的信任感
原標題：AI如何改變我們工作關係和信任感
隨著人工智能逐漸成為職場核心的一部分，企業與員工之間的關係動態也面臨前所未有的挑戰與轉型。透過一項2021年的研究，我們將探討AI對職場心理契約——員工對公司的期望和認知——的各種影響，包括員工在工作投入和信任感上的變化。文章深入分析了異化型合約現象，此現象描述了因為AI引入而出現的人際疏離感，以及它潛在引發的不安和生產力下降。透過了解這些動態，公司可以有效地維護人性化職場環境，並促進積極且協作的人力資本管理策略。在這樣急速革新的環境中，企業如何抓住機遇管理風險，是所有人極需思考的重要課題。
文： 小婉家族研究生 周郁恩 | 工商心理實驗室
進入現今的人工智能（AI）時代，人們好奇：這會怎麼影響我們的工作？是否什麼都變成機器人代打，或是我們與公司的關係會有何變化？2021年一項研究就針對這個題目，分析AI進入職場將如何影響員工的心理契約，工作投入和信任感。
什麼是心理契約？
「心理契約」指員工對公司的期望與互動關係，這種契約不是開發在經濟交易上，而是一種無形的理解和感受。一般分為兩種：
1.交易型契約：以薪資和工時為主，此層關係較淺，員工大多是為了收入而工作。
2.關係型契約：帶有社會與情感結合，員工和公司間有更深的依靠和長期成長合作，這層次的關係會提升工作滿意度和公司成效。
AI採用對工作關係的影響
研究發現在AI未介入時，心理契約能顯著提升員工的工作投入和對公司的信任。但一旦公司引入AI技術，這種正面影響會明顯下降。
研究更提出了一種新型心理契約，稱為異化型合約（Alienational Contract）。這種合約是因為AI引入而引發的關係變化，員工與公司關係浮光略影，而人際交流大量削減。例如零時數合約或工作全面由AI技術管理，員工不再有興趣或成就感。
多堂免費大師講座，提升你的職場思維與視野 >>
AI引入的隱憂
1.工作不安感：AI對較低技術之工作造成威脅，讓員工感到未來不可預測。
2.信任關係弱化：AI技術成為主要操控力量後，員工和公司之間的信任關係會大打折扣。
3.工作投入降低：員工對工作的熱情會因不確定性而降低，進而影響效能。
公司如何應對AI採用
為了在引入AI技術時保持員工的體驗和投入，公司可以措取以下措施：
1.加強內部溝通和培訓：使員工了解AI如何輔助工作，清楚未來發展。
2.保持人性化的工作環境：即使AI介入，仍要確保人與人之間的交流與合作。
3.提供生活指導和導向：為感到工作壓力或迷惘的員工提供更多支援與資源。
人工智能採用有助於提升公司效率，但也對員工工作投入和信任關係造成影響。公司應在導入AI技術同時，認真考量對員工心理和社會關係的影響，避免異化型合約的擴散，將經濟效率與社會負責完美帶結。
小婉家族研究生:N
參考資料：
Braganza, A., Chen, W., Canhoto, A., & Sap, S. (2021). Productive employment and decent work: The impact of AI adoption on psychological contracts, job engagement and employee trust. Journal of Business Research, 131, 485–494. https://doi.org/10.1016/j.jbusres.2020.08.018
看更多來自工商心理實驗室的好文 >>
在職場中你容易被情緒勒索嗎？這五大人格特質最易受影響
職場八卦：氣質性嫉妒與組織認同的交織
能者多勞？還是忍著過勞？ 小心引發工作倦怠
Z世代安靜離職消失了嗎？不，它進化成「怨恨缺勤」
學習時間管理就能提升效率？探索你的「時間特質」找到關鍵
超過5000+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 >>
最划算的全方位教育訓練方案！免費申請全課程試閱 >>
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 >>
精選 AI寫企劃、看數據總是不能用？4種工作先排順序再交代，第一版就能討論
請AI寫企劃、做研究、看報表，結果常常看起來很完整，卻不能直接用？
問題多半不在AI的能力，而在我們只說「幫我寫」「幫我分析」，讓它自己猜目的和標準。
四種常見工作，可以共用同一個骨架：
1. 交代目的與標準：給誰看？看完要做什麼決定？
2. 排好先後步驟：先要中間產物，確認後再往下做
3. 要求附上依據：出處、算法、引用原文，讓你能驗收
套到四種工作，各有一個先後順序：
① 寫企劃｜架構先定，內容後補
先寫明讀者與目的，請AI只給三個主張和大綱；確認後才補內容，每個數據都附出處，查不到就標「待查證」。
② 做研究｜大題切小題，說法衝突並陳
先把大問題切成四到五個能用資料回答的小題；每題比對三種來源、標出年份；說法互相衝突時，請AI並列出來，由你判斷。
③ 看數據｜問題先行，數字在後
不要只丟報表說「幫我分析」，先寫成決策問題，例如「上季回購率下滑，是哪一群顧客流失」；講好期間、欄位和比較基準，只要兩三個關鍵發現，並附計算方式。
④ 審提案｜先找漏洞，後打分數
先逐條列漏洞並引用提案原文、分出輕重；再依事先講好的配分計分；最後請AI扮反方，提出最強的反對意見。
最常見的三個錯誤：
・一開口就要整篇成品，方向錯了只能整篇重寫
・AI給的數字沒查就直接用
・一邊挑毛病一邊打分數，分數被第一印象帶走
小練習：挑一件你這週要交的工作，寫下這兩句再交給AI——
「這份東西給＿＿看，看完要他＿＿。」
「先給我＿＿（大綱／小題清單／漏洞清單），我確認後再繼續。」
比較一下，和你平常的第一版差在哪裡。
想看完整的五分鐘影音說明，104學習免費課程「AI工作術」四堂已經上線，免費報名就能看：
第1堂｜5分鐘學會用AI寫企劃
https://nabi.104.com.tw/course/104nabi/57aed01b-9d82-4438-b09e-e2367abc0207
第2堂｜5分鐘學會用AI做研究
https://nabi.104.com.tw/course/104nabi/595a665d-07a3-461d-b37e-1f8158eca70d
第3堂｜5分鐘學會用AI看數據
https://nabi.104.com.tw/course/104nabi/0f3d424e-1658-49a2-851e-6c9fff296f43
第4堂｜5分鐘學會用AI審提案
https://nabi.104.com.tw/course/104nabi/19983d11-9e93-41ae-9924-46f8d6cd47dd
也歡迎在留言分享：這四種工作，你最常請AI幫忙哪一種？有沒有哪一次的第一版特別好用（或特別難用）？
使用提醒：AI可能出錯，重要數字請自行查證；上傳資料前先確認公司規定，並去除姓名、電話等個資。文中案例皆為假設情境。
Claude Code Subagent怎麼用？3分鐘建好第一個子代理，判斷何時該多Agent分工
一個任務想同時檢查安全性、效能和測試，只能一件一件問AI？本文說明Subagent（子代理）的分工模式，帶你用一個Markdown檔建立第一個官方Subagent，再用一張表判斷什麼任務適合多Agent協作。本文節錄自《Claude Code全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
什麼是Subagent？官方Subagent、自製Orchestrator差在哪？建立第一個官方Subagent：直接寫.claude/agents/檔案Subagent適用情境：什麼任務適合多Agent協作？【進階提示詞】讓Claude Code幫你建好Orchestrator
編按：本文收錄Subagent觀念與官方Subagent實作；以Python自製Orchestrator的逐步教學未收錄，文末附「進階實作提示詞」，可直接讓Claude Code幫你建好。
什麼是Subagent？官方Subagent、自製Orchestrator差在哪？
一般使用Claude Code的互動是一對一的：你問一個問題，Claude回答，然後再問下一個。
Subagent（子代理）改變了這個模式：
你的指令
↓
Orchestrator Agent（協調者）
├──> Subagent A：分析安全性
├──> Subagent B：分析效能
└──> Subagent C：分析測試覆蓋率
↓（三個同時執行）
Orchestrator 收集結果，合併報告
（圖／博碩出版《Claude Code全攻略》）
為什麼要用多Agent？
速度：3個任務同時跑，比依序執行快3倍
專注：每個Agent只做一件事，提示詞更精準
隔離：一個Agent失敗不影響其他Agent的結果
規模：一個人管不完的工作，交給Agent軍團
「Subagent」其實有兩種
在Claude Code的語境裡，「Subagent／子代理」這個詞指兩件不同的東西，別混在一起：
官方Subagent自製Orchestrator本體.claude/agents/*.md 定義檔（YAML frontmatter + system prompt）你自己寫的Python腳本執行方式在互動session內，由主Agent自動委派或你明確指名用 claude --print 開多個獨立進程平行呼叫上下文每個Subagent有獨立context，結果回傳主對話每個進程完全獨立，由腳本收集輸出適合重複使用的專職角色（審查員、測試員、文件寫手）大量平行任務、CI/CD整合、跨專案批次處理
官方Subagent是Claude Code內建、最正規的子代理機制（下文會帶你從零建立）；自製Orchestrator則是當你需要一次派遣大量Agent、或把Claude塞進自動化管線時用。
建立第一個官方Subagent：直接寫.claude/agents/檔案
若走「Python orchestrator + --print CLI」的程式化路線，可以一次派遣大量Agent平行工作。但你的第一個Subagent不應該寫Python——官方Subagent只是一個Markdown檔案，3分鐘就能建好。
舊版備註：舊版Claude Code曾提供 /agents 互動式精靈（7步驟引導建立Agent），該精靈已於v2.1.198（2026-07-01）移除。現在的做法是直接建立定義檔，反而更快、更透明；細節以官方文件為準。
官方Subagent的本體是一個放在以下位置的Markdown檔案：
位置範圍適合場景.claude/agents/（專案根目錄下）只有目前專案能用跟專案綁定的Agent（如Flask app的API tester）~/.claude/agents/所有專案都能用跨專案通用的Agent（如「程式碼審查員」）
第一次練習建議放專案級，玩壞了不會影響其他專案。
建立資料夾與定義檔
# Windows PowerShell（在專案根目錄下）
New-Item -ItemType Directory -Force .claude\agents
notepad .claude\agents\security-reviewer.md
# macOS / Linux（在專案根目錄下）
mkdir -p .claude/agents
nano .claude/agents/security-reviewer.md
（圖／博碩出版《Claude Code全攻略》）
security-reviewer.md 完整內容（可直接貼）
---
name: security-reviewer
description: 安全性審查專家。當使用者要求檢查安全漏洞、SQL injection、硬編碼密碼、eval/exec 濫用、輸入驗證問題時使用此 agent。
tools: Read, Grep, Glob
model: sonnet
---
你是一位資安專家，專門審查 Python 程式碼的安全性。
分析範圍：
- 注入攻擊（eval、exec、shell injection、SQL injection）
- 敏感資料處理（明文密碼、硬編碼金鑰、個資）
- 不安全的函式使用
- 缺少輸入驗證
輸出格式：Markdown 報告，每個問題標注嚴重度（🔴嚴重/🟠中等/🟡輕微）、檔案與大約行數、問題描述、具體修正建議。
只報告確定的問題，不要猜測。
（圖／博碩出版《Claude Code全攻略》）
frontmatter欄位說明：
欄位作用填寫要點nameAgent的識別名稱小寫加連字號，如 security-reviewerdescription決定觸發時機主Agent根據這段描述判斷「什麼時候該委派給它」，把使用情境寫清楚tools允許使用的工具最小權限原則：安全性審查只需要讀（Read、Grep、Glob），不給Write/Edit/Bashmodel使用的模型sonnet（平衡，推薦）/ opus（最強）/ haiku（最快最省）/ inherit（跟主Agent相同）
模型怎麼選：安全性審查建議sonnet（對應目前的claude-sonnet-5）——haiku（claude-haiku-4-5）太簡略容易漏掉細節；opus（claude-opus-4-8）或旗艦fable-5留給真正需要深度推理的任務，這類審查用不到。
觸發你的Subagent
存檔後重新啟動Claude Code（讓它重新讀取agents資料夾；是否需要重啟以實際版本為準），有兩種觸發方式：
自動委派：你的要求符合description描述時，主Agent自動把工作交給它
明確指名：直接說「用security-reviewer幫我審查calculator.py」
這裡拿calculator.py當練習對象，裡面故意留了eval()、shell=True等資安問題。你也可以換成手邊任何一支.py。
[模擬]觸發該Agent的對話：
> 用 security-reviewer 幫我審查 calculator.py
● security-reviewer(審查 calculator.py 的安全性)
完成
發現 2 個問題：
嚴重：calculate_from_string 使用 eval() 執行未驗證輸入
存在任意程式碼注入風險，建議改用 ast.literal_eval()
中等：run_calculator_script 以 subprocess.run(..., shell=True) 執行外部指令
若 script_path 來源可控則有 shell injection 風險，建議改為 shell=False 並拆成清單
（圖／博碩出版《Claude Code全攻略》）
官方Subagent vs.自製Orchestrator：什麼時候用哪個？
你的目標推薦方式第一次建Subagent練手.claude/agents/定義檔（本文示範）重複呼叫同一個專職Agent.claude/agents/定義檔即可一次平行派遣3+ 個AgentPython orchestrator整合進CI/CD pipelinePython orchestrator跨專案複用同一套Agent定義檔放~/.claude/agents/
結論：先用定義檔把「一個Agent一個職責」的概念跑通；自製Orchestrator是進階用法，學會了能應付更大規模的協作場景。
Subagent適用情境：什麼任務適合多Agent協作？
不是所有工作都適合Subagent架構。這張表幫你判斷：
情境建議架構原因分析一個檔案的bug單一Agent任務小，不值得overhead同時分析多個面向（安全/效能/測試）Multi-Agent面向獨立，可平行處理50個檔案，每個需要翻譯Multi-Agent大量獨立子任務寫一個複雜的功能，步驟有依賴單一Agent步驟有前後依賴，無法平行每天掃描新增的PR定時Orchestrator結合Routines定時執行跨語言文件翻譯（10種語言同時）Multi-Agent（10個）語言翻譯互相獨立
核心原則：任務之間沒有依賴關係、可以獨立完成，才值得用Multi-Agent。
【進階提示詞】讓Claude Code幫你建好Orchestrator
複製以下提示詞，直接貼進Claude Code開始操作。提示詞裡的檔名／路徑是示意，請換成你自己專案裡實際存在的。
開始前，請先確認兩件事：
系統已裝Python 3——Orchestrator是Python腳本。先驗證 python --version（沒反應試 py --version）。
claude指令在PATH裡——腳本會呼叫claude。先在終端機直接打 claude --version，確認叫得動。
Step 1：建立Orchestrator腳本
請幫我建立 orchestrator.py，能夠同時啟動 3 個子 Agent 分別執行：安全性掃描（偵測硬編碼密碼和 SQL injection）、效能分析（統計函式長度和巢狀層數）、測試覆蓋率報告。完成後合併三份報告輸出總結。
Step 2：執行並驗證結果
請執行 orchestrator.py，等待所有子 Agent 完成後，顯示最終整合報告，並標出最需要優先修正的問題。
節錄自：博碩文化《Claude Code全攻略：從一句話到部署上線，打造你的AI Agent開發團隊》／曾慶良（阿亮老師） 著
推薦閱讀：
Claude Code越聊越笨？4個指令管好「上下文」，用量60%就該主動壓縮
商務Email好難回？用Claude Skill建回信SOP，4大類型自動判斷
「Skill」和「提示詞」差在哪？6大差異與SKILL.md寫法一次看
AI加速技能斷層！專家揭潛在隱憂：新一代技術人才能力下滑
在AI與自動化技術席捲各行各業，本文作者、MIT博士麥特．比恩指出，人工智慧雖提升企業生產力，卻也打亂了原本仰賴「專家帶新人」的技能傳承路徑，導致新一代技術人才能力養成受限。這種「技能斷層」在全球蔓延，不僅使職場新鮮人難以勝任複雜任務，也讓企業與組織面臨長遠的人才空洞與績效風險。本文節錄自《技能密碼》。
文／麥特．比恩
本文目錄（點擊可快速前往）
追求生產力，卻打斷技能的核心各行各業的潛在隱憂技能落差造成數兆美元損失
追求生產力，卻打斷技能的核心
現在許多職場因為科技的介入，硬生生隔開資淺員工與資深員工，也就是新人和專家。我們拚命追求生產力，卻打亂技能密碼的核心，但是挑戰、複雜性和連結三者缺一不可。如果這些元素不完整，未來我們該如何學習與智慧機器共事？
大家經常問我：「機器人會不會搶走人類的工作？」答案很簡單：「會。」
目前最完整的研究顯示，企業每添購一台機器人，大約會取代3到6個工作機會。然而，有一個問題比失業更重要：有多少工作、又有哪些工作正在改變？有一項長達40多年的研究，最後只發現一個規律：每當人類採用自動化或新技術，並沒有太多的工作消失。放到整體經濟來看，這些消失的工作根本微不足道，可能也就幾萬個而已。但是有更多工作因應新技術進行調整，這個數字恐怕是數千萬，甚至是幾億。因此這些從業者都要掌握新的工作方式，才能穩定完成任務。沒錯，學習才是目前最大的挑戰，因為工作模式改變了，這影響的是全球數十億人，而變化的速度正在加快。
回到克莉絲汀動手術的例子，看看一切會有什麼不同。她上次輪班是做傳統手術，後來經過6個月，她又把一位攝護腺病患推入手術室，不過這次迎接她的是一台巨大的機器人。機器人有4隻手臂，重達約455公斤左右，主治醫師將機器人連接到病患的身體。隨後他們脫下手術服，走到距離病患約5公尺的控制台，整場手術都是靠「遙控」。
克莉絲汀只能站在旁邊，看著主治醫師操控機器人的手臂，將病患的身體組織拉取並分離。
操作機器人的手術，有別於傳統外科手術，就像使用iPhone一樣簡單，醫師可以獨力完成整台手術。主治醫師也知道克莉絲汀需要練習，也希望給她機會，但也知道她的速度較慢，容易出錯，一旦讓她操作，就只能承擔風險。動作慢，就會拉長麻醉時間，徒增中風的風險；出錯了，出血量會更大，甚至發生更糟的結果。但是，病人的安全第一。因此這次克莉絲汀幾乎沒有機會接近病人的神經。4小時的手術，如果她能夠操作15分鐘以上，就要謝天謝地了，而且還只是切割脂肪這種非常簡單安全的環節。輪到她操作時，主治醫師只會在一旁大聲喝斥，一旦犯下大錯，主治醫師就會直接點一下觸控式螢幕，搶過來自己做，把她晾在一邊，感覺就像小時候戴著「我是笨蛋」的帽子，站在角落罰站。經過這樣的手術，她怎麼可能成為更優秀的機器人外科醫師？
結果就是，像克莉絲汀這樣的住院醫師，即使完成培訓，對機器人手術仍然缺乏信心，也沒有學到多少技術。後來，克莉絲汀成為外科醫師，第一次獨立操作機器人手術，卻在控制台上狂冒冷汗，動作斷斷續續，速度慢到不行，不小心燒壞和切除許多身體組織。手術團隊不發一語，氣氛相當凝重，人人面露難色。病人最後的失血量是她導師的10倍，原本只需要3小時的手術，硬生生拖到7小時。我在機器人手術室裡，親眼目睹一切，忍不住詢問克莉絲汀的外科主任，好奇這項新技術對醫師這一行的影響。外科主任非常憂心，雖然美國還是有精通機器人的明星外科醫師，但是絕大多數操作機器人的外科醫師手術實戰技能不足。他說：「我的意思是，這些人根本做不來。從來沒有真正操作過機器人，只有站在旁邊看別人做，看過電影，並不代表你就能當演員。」
這引發我的關注。然而，現在對機器人手術的需求正在瘋狂成長；很多醫院早就有手術機器人，還硬逼克莉絲汀這樣的新手醫師上場，反正她遲早得使用。2019年，《美國新聞與世界報導》(U.S. News & World Report)和《連線》(Wired)獨立調查此事，結果發現機器人手術培訓簡直就是「無法無天」，成果「糟糕透頂」。2022年，全球頂尖工程雜誌《科技縱覽》(IEEE Spectrum)也得出同樣的結論。許多人在接受機器人手術時，可能會遇到臨床訓練不足、手術經驗不夠，甚至對操作控制台沒信心的醫師。
光想都覺得可怕嗎？我也這麼覺得，但這只是開端。
各行各業的潛在隱憂
外科手術和其他行業沒兩樣，也是拚命引進智慧科技，彷彿站在自己建造的火箭前，全力衝向嶄新的未來。而這種趨勢從數十個職業和組織開始蔓延，再來是數百個，最後影響全球，這正是我們面對的現實。我深入研究先導入機器人的領域，大概有數十個，從這些數據來看，許多職業原本依賴專家帶新人的學習模式，但是如今已經無法繼續。
頂尖律師事務所拚命壓低成本，但對一件事毫不手軟，就是投入人工智慧等技術，「支援律師的工作流程」。現在文件審閱已經開始自動化，菜鳥律師不再做這些工作，律師事務所連工時費用都省了，資深律師反而接手更多的案子，效率更高；客戶花的錢更少，律師事務所也因為縮減人手，賺得更多。結果菜鳥律師和資深律師完全隔開了，沒機會觀摩、沒辦法參與，更別說幫忙前輩分攤工作，從中學習。最近Law.com有一篇評論，嚴肅提醒大家：「現在新一代的律師，正在錯失接受培訓與專業發展的機會。」
再看看警察的例子，警察局也在使用人工智慧的預測工具，幫忙分配巡邏區域，如此一來，是否能有更多的時間打擊犯罪？對菜鳥員警來說，現實並非如此，他們必須處理文書工作，餵養這些系統，反而沒時間跑社區，和前輩一起學習。
至於高階金融的領域，資深銀行業者加碼投資FactSet和CapIQ等工具，以人工智慧輔助市場分析與公司評價。2021年，金融業獲利1千7百億美元，但是這種自動化也改變了工作流程，導致菜鳥銀行職員大多在製作例行報告，無法和資深職員共事，就連資深職員也表示：「（資淺員工）對市場趨勢和業務情況的理解力正在明顯退化。」從這些尖端產業來看，在人類學習與機器學習的交會處，專家和新人之間的連結正在瓦解。
關於這個問題，我從全球經濟各領域蒐集優質的數據，其中有很大一部分是我個人十幾年的研究，還有其他優秀的田野調查。除了上述的例子外，其他職業也受到影響，我還在持續補充，像是高等教育、線上人力平台、晶片設計、新聞業、資料科學、刑事司法、新生兒加護病房、公共教育、音樂創作、機器人學、開放式創新、航太工程、叫車服務、長途貨運、拆彈、無人機駕駛、餐飲服務、次級物流、放射學、營建業、財富管理、零售業、汽車工程、客服中心營運等。雖然這些行業用的智慧科技不太一樣，但是都有一個共通點，就是總會干擾專家與新人的連結，屢試不爽。
這個問題很嚴重，牽涉到數兆美元。
技能落差造成數兆美元損失
我來拆解一下：產業有需求，卻找不到人才，稱為技能落差（skills gap），最近有人估算，光是全球製造業，技能落差就造成數兆美元損失，把這個數字乘以所有行業，虧損會更驚人。
過去3年來，美國經濟諮商局（Conference Board）調查企業執行長最擔憂的問題，榜首始終是吸引和培養人才。
對勞工來說，這也是頭號問題，根據2020年德勤（Deloitte）調查顯示，有45％受訪者擔心自己的技能在3年內就會不夠用。
另一項LinkedIn的調查顯示，高達94％受訪者表示，只要公司願意重視員工的職業發展，就會選擇長期留任。
然而，我們因應這個問題的方式，似乎是在開倒車。2020年，我們在技能發展投入的經費，有5千億美元都用在正式培訓，包括課堂學習、線上自學課程，或是近來的手機短影音。
只有極少的資金，用來奠定我們最寶貴的技能，也就是無所不在的非正式連結。原本資源就已經少得可憐，再加上我們對這種連結的理解太落後，導致這一點資源也白白浪費了。
為什麼會這樣？因為人工智慧的好處太誘人，這些系統放大專家的能力，帶來更好的成果。
不然你試著說服那些資深記者、技師或主管，讓那些實習生回來磨練，允許他們犯錯、拖慢效率。克莉絲汀的故事及其他無數類似的例子，跨越各個產業、技術、時期和職位，不斷提醒我們這個問題。為了追求更好的成果、更高的效率、更大的利潤，我們設計出這些智慧科技，引導人工智慧的發展，並選擇投資哪些研究。但是我們正悄悄付出代價，損失高達數兆美元。
科技、技術及技能一直在變，專家和新人的互動關係也要與時俱進，畢竟工作需要越來越複雜的技能。試想，生在古羅馬時期的梅內拉奧斯，怎麼可能像我們一樣拿著「智慧型手機」，從羅馬的市場打電話、發送郵件或傳送照片給斯特凡諾斯？但是在以前，我們至少有時間適應。關鍵就在於適應的過程，仰賴專家和新人的合作，一步步建立必要的知識，以整合新科技、新技術及新的工作關係。只不過現在這種學習，變得越來越困難。這種全面的衝擊，勢必會打破數百年來專家帶新人的模式，讓許多寶貴的技能跟著消失，因為技能發展離不開挑戰、
複雜性與連結。新一代技術人才的能力正在下滑，組織也變得空洞。在這個關鍵時刻，一不小心，無論是個人或集體，都會喪失適應未來的能力。
節錄自：商周出版《技能密碼：MIT博士教你從似懂非懂到穩定輸出，把專業變事業的職能升級攻略》／麥特．比恩 著
推薦閱讀：
AI時代人才怎麼學？擁有「4大軟實力」更重要
沒有人會是「AI」局外人！當AI技能從選填題變成必選題，你確實該緊張
2025職場技能趨勢！該放上履歷的15種高薪技能
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 >>
AI不在乎你的職稱！前LinkedIn執行長：把工作拆成「3類任務」看風險與機會
AI究竟會如何改變我們的工作？你的工作中，哪些最危險、哪些反而更有價值？前LinkedIn執行長萊恩．羅斯蘭斯基與LinkedIn經濟機會長阿尼許．拉曼，從LinkedIn的數據及觀察拆解技能、職涯與組織正在發生的結構性改變，提出觀點：AI不會一次取代一份工作，而是逐項改變工作裡的任務。本文節錄自《工作大重組》。
文／萊恩．羅斯蘭斯基、阿尼許．拉曼
本文目錄（點擊可快速前往）
從任務角度重新理解自己的工作3大類任務：辨識AI風險重新調整工作重心
當有人問你：「你是做什麼的？」你大概會回答自己的職稱。「我是行銷。」「我是工程師。」「我是咖啡師。」長久以來，我們都是這樣理解工作的：每個人都有固定的角色，也有明確的職責範圍。
這樣想其實很合理。過去幾十年來，企業一直是用這種方式看待你，你很可能也是這樣看待自己。你的職稱決定了你的薪資、組織位階以及未來發展。績效考核會根據標準化的職務說明來衡量你的表現。不論是專員、經理、總監還是副總裁，每個人都要符合預期的表現。從人生第一份工作到最後一份工作，整個職場架構幾乎都是圍繞著這些標準建立。這套觀念早已烙印在我們心中，對許多人來說，職稱已經變成了我們的身分認同。
從任務角度重新理解自己的工作
但AI不在乎你的職稱，也不會理會工作職責的界線。它逐步接手工作中的各項任務，從內部改變現有的職位。當職稱的意義一天比一天淡薄，如果你仍然用職稱來定義自己，這樣不只是自我設限，甚至相當危險。
你的職稱也許是財務分析師，但實際的工作內容是什麼？你從各種不同的來源蒐集資料；發現別人忽略的模式；把數字轉化成高階主管聽得懂的故事；安撫焦慮不安的利害關係人；指導資歷較淺的同事；巧妙應對辦公室政治，爭取各方支持。
那麼，究竟是哪一項任務定義了你？全部都是，也全都不是。這正是重點所在。長久以來，我們許多人任由職稱定義自己的職涯。但你不只是財務分析師、水電工，或專科護理師。你不等於任何一個職稱。你擁有許多人類獨特能力、貢獻與潛力，沒有任何職稱能完整概括。
放下職稱、不再用它來定義你的工作，或許令人不安。但如果你試著從任務的角度重新理解自己的工作，把重點放在你每天真正在做的事情、而非職稱，反而會有一種解放的感覺，對自己的職涯擁有更大的主導權與掌控感。
隨著AI時代到來，這種以任務為核心的思維模式，將是我們應對這場變革的關鍵。接下來的問題是，哪些任務最先發生變化？我們該如何因應？
3大類任務：辨識AI風險
這套方法能幫助你清楚看出，AI會在哪些地方影響你的工作，以及人的獨特優勢又在哪裡。現在，寫下12項占據你大部分工作時間的任務。不是寫職稱、也不是職務說明，寫下你每天實際在做的事情。接著，把任務分成3大類。
第一類：AI可自行完成的任務。
例行性、可預測的任務，依循明確規則的結構化資料。這類工作更需要準確性與一致性，而非個人判斷力或創造力。這類任務由人類來做並不會增加太多額外價值，因為完美執行遠比個人特色更重要。
第二類：你可以與AI協作的任務。
這類任務既需要處理資料，也需要理解情境；既講求效率，也需要同理心；既要能辨識模式，也要能策略思考。AI能放大能力，卻無法取代你的經驗、直覺，以及對細微差異的理解。想在這類任務中表現出色，你需要具備AI素養。不只要懂得如何使用AI工具，更要知道哪種任務應該使用哪種工具。
第三類：只有人類能做到的任務。
這些任務需要EQ、創造性的問題解決能力、道德判斷，以及經營複雜的人際關係等能力。正因為人與人的互動充滿變數，這類任務無法被簡化成固定的規則或模式。你必須讀懂那些沒有說出口的微妙關係、建立信任、在模糊與不確定中做出判斷，進而創造全新的事物。
重新調整工作重心
現在，看看你的這3類任務：你分配給每一類任務的時間，各占多少比例？這些數字其實透露了很多訊息，它們能反映你的工作面臨多大的風險，又蘊藏多大的機會。
如果超過一半的工作都落在第一類任務，那麼你已經進入紅色警戒區。不是明天，是現在。你的工作已經開始被顛覆了。這些依循規則的例行性任務，正是AI最擅長的領域。
如果你的第二類任務幾乎是空的，那麼你很可能錯過工作新時代最大的機會。這些結合人類判斷力與機器能力的任務，正是新工作誕生的地方。別白白放棄了AI能帶給你的優勢。
如果你的第三類任務不到一半，代表你現在的工作讓你沒有太多機會去磨練人類獨有的能力，而這些能力正是讓你的職涯長期更有保障的關鍵。
長遠來看，成功的關鍵在於重新調整工作重心。有意識地把第一類任務移往第二類，在第二類任務中善用AI工具，騰出更多時間投入第三類任務。你可以想像成一條輸送帶。隨著AI愈來愈進步，第一類任務會逐漸消失，第二類任務會出現新的機會，讓你能運用AI完成過去做不到的事情。當你愈來愈擅長第二類任務，就有更多餘裕、激發更多靈感，投入更有深度、機器無法取代的第三類任務。
節錄自：天下雜誌《工作大重組：LinkedIn全球趨勢洞察──AI浪潮下的技能洗牌、職涯轉向與組織新秩序》／萊恩．羅斯蘭斯基、阿尼許．拉曼 著
推薦閱讀：
AI拆解傳統職位、重組專業分工：下一批高薪人才長什麼樣？
AI時代你的工作還安全嗎？李開復「2張職場地圖」解析難取代關鍵
AI代理大爆發！專家：7件「無聊工作」最適合外包給AI
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
AI與淨零浪潮下，企業如何佈局「未來型人才」？
AI與淨零轉型雙重驅動下，企業人才需求已發生結構性轉變，未來的挑戰不再只是「補足人力」，而是如何建構可持續的創新能力。本文解析科技業與民生服務業的員工價值主張差異，揭示企業尋求「未來型人才」必備的十項關鍵職能，並分享了五大關鍵實務思維，提供給企業在建構人才創新能力上策略方向及參考。
文／鍾文雄（104資訊科技 人才永續長、社團法人中華人力資源管理協會常務顧問）
本文導覽
企業營造開放創新文化建構員工價值主張企業尋求「未來型人才」的關鍵職能一、從人力補齊走向人才價值設計二、從技能培訓轉向關鍵思維能力培育三、從明星個人走向組織整體效能四、從管理控制轉向賦能型領導五、從短期效能衡量走向長期人才投資結語
在數位發展、淨零轉型與產業升級同時推進的時代，企業對人才的需求條件已明顯出現結構性轉變，對企業人力資源與人才發展而言，未來的挑戰不再只是「補足人力」，而是如何協助企業建構可持續的人才創新能力。
過去大數據與敏捷創新讓我們更重視數據思維與實驗精神；跨域整合讓我們更重視協作、責任感與持續改善；AI與雲端科技的發展讓我們更重視系統思考與綜觀全局，其實產業發展一路都在經歷技術浪潮與轉型，企業也持續在重新定義什麼叫做好的人才。
AI的發展與應用，不會只是一項新增的技術能力，只改變某一類工作或只影響某個產業，而是直接進入每個人的工作流程與學習發展歷程。我們的工作模式已經從自己做到與AI協作，即將發展到指揮AI工作，AI開始影響我們怎麼思考、做事、學習、協作、判斷與創新。
延伸閱讀：2026職場決勝關鍵在這！專家解碼大缺工時代下的5大人才趨勢
企業營造開放創新文化建構員工價值主張
一零四人力銀行於2024年舉辦第一屆雇主品牌大賞，其中得獎的統計58家科技業得獎企業，主打的員工價值主張(Employee Value Proposition)項目第一名為職涯發展，第二名為訓練發展，這反映科技業重視員工的成長與技能提升。提供清晰的職涯規劃及完善的培訓計畫，不僅能吸引求職者，也能降低離職率，留住核心人才。
開放創新文化及良好的團隊合作分別為第三與第四名，反映出科技業的核心運作模式。創新文化需要多元的想法和跨部門合作，因此許多企業都相當注重培養開放的工作氛圍，促進員工間的互動協作與創意激發。
圖中顯示科技業員工價值主張占比排名由高至低為職涯發展(55%)、訓練發展(44%)、開放創新(40%)、同事合作(40%)、福利制度(36%)、薪資待遇(27%)、企業永續(24%)及其他占比低於20%的領導養成、工作平衡、績效管理、多元共融。 ▲ 資料來源：2025年科技業人才報告書 104人力銀行
另外得獎的46家民生服務業企業員工價值主張（EVP）中，「同事合作」以48%的比例排名第一，顯示出團隊合作對員工的重要性，良好的同事關係不僅能提高工作滿意度，還有助於提升整體效率。其餘項目中，「領導養成」「企業永續」「開放創新」各佔19%，整體而言，開放創新文化與永續發展正成為服務業EVP的核心主軸，民生服務企業在招募訊息與內部制度，逐步強化開放創新、同事合作機制、職涯/訓練路徑與可見的福利制度，以吸引及留任人才。
圖中顯示民生服務業員工價值主張排名為同事合作(48%)、職涯發展(40%)、福利制度(33%)、訓練發展(33%)、薪資待遇(21%)及其他占比低於20%的領導養成、企業永續、開放創新、多元共融、品質導向。 ▲ 資料來源：2025年民生服務業人才報告書 104人力銀行
企業尋求「未來型人才」的關鍵職能
根據優樂地永續服務公司的一項企業與人資主管調查，台灣企業在面臨全球化發展、資訊科技與環境變動下，讓企業得以永續經營的未來型人才，應該具備文化理解力、外語能力、適應彈性工作地點的能力、數位能力、跨領域學習、終身學習、EQ(情感智商)、創新創造力、學習如何思考與解決問題等十項關鍵職能。不論是企業甄選人才、員工發展計畫或是未來人才的自我學習與養成，都可以透過多元學習與發展管道，培養職涯永續的能力。
圖中顯示企業尋求的未來型人才，應該具備文化理解力、外語能力、適應彈性工作地點的能力、數位能力、跨領域學習、終身學習、EQ(情感智商)、創新創造力、學習如何思考與解決問題等十項關鍵職能。▲ 資料來源:《2025 HR×ESG行動指南手冊》優樂地永續服務(股)公司
許多企業已投入各式人才發展方案，但成效不一，關鍵往往不在工具是否先進，而在於背後的人才思維與政策是否跟上人才轉型及永續經營的需求。以下從人力資源的實務視角，淺談企業推動人才創新時，值得關注的五個關鍵思維與對應做法。
一、從人力補齊走向人才價值設計
過去企業面對人力缺口，多半以快速補人為優先，然而在產業快速變動下，許多職務內容本身正在重塑。若仍以過往職務內容描述來徵補人才，容易造成「人到位、卻無法創造新價值」。成功企業的做法是由人資部門與用人單位重新檢視關鍵職位，釐清該角色在組織轉型中所扮演的價值，再思考是透過內部調整、跨域培養，引進外部人才來滿足需求。這樣不僅提升人力運用彈性，也有助於留才與能力累積。人資部門可觀察的指標與方向：
關鍵職位內部轉任或輪調比例
新角色到位後的價值產出回饋
職務重新設計案件數
二、從技能培訓轉向關鍵思維能力培育
隨著工作型態改變，單一技能的有效期限愈來愈短，與其教導更多技能，不如培養員工的學習能力、問題分析及跨域思考更為關鍵。企業可以將傳統課程調整為情境式學習或行動專案，讓學員針對真實營運問題提出改善與行動方案，不僅促進能力整合，也提升學習成效轉化率。人資部門可觀察的指標方向：
行動學習或專案型課程的完成率
員工參與跨域技術研討與產品討論次數
學習後工作行為改變的主管回饋
培訓成果與實際流程改善連結度
三、從明星個人走向組織整體效能
若企業過度依賴少數績優個人，短期績效或許亮眼，長期卻容易形成風險。人才創新的重點，應放在如何讓能力留在組織，而非只留在人身上。有些企業開始調整績效與獎勵制度，將團隊合作、跨部門參與及經驗傳承納入考量，使知識能夠在組織中流動。人資部門可以觀察的指標方向：
跨部門專案參與率
建立跨部門專案與技術交流平台，舉辦技術分享、社群活動或內部論壇場次
關鍵知識文件化與交接完成率
人才異動後的組織運作穩定度
四、從管理控制轉向賦能型領導
創新型人才能否發揮，與其直屬主管的領導方式高度相關。若組織文化過度強調零錯誤與層級控制，往往抑制學習與創新。在領導力發展上，愈來愈多企業建立開放且尊重專業的組織文化，讓人才感受到被重視，將重點放在「給方向、給信任、給回饋」，而非只教導管理技巧，透過員工體驗調查了解員工是否感受到支持與安全感。人資部門可觀察的指標方向：
員工心理安全感調查結果
團隊改善與創新提案的數量與採納率
主管支持度與回饋品質
五、從短期效能衡量走向長期人才投資
人才培育的成果往往無法即時反映在績效上，因此企業需有耐心與長期視角。企業可以透過追蹤高潛力人才的留任、發展與接班狀況，逐步建立對人才投資的共識。當人才發展被視為支撐企業永續競爭力的基礎，人資部門的角色也更能與企業策略緊密連結。人資部門可以觀察的指標方向：
高潛力人才留任率
關鍵職位接班人覆蓋率
中長期職涯發展與晉升情形
各部門人才梯隊養成齊備度
結語
人才創新不只是HR的專責工作，而是組織面對產業轉型時的重要能力基礎。當HR能從制度執行者，轉為協助企業整合策略、文化與人才的夥伴，人才發展將不只是支持營運，更能成為推動轉型的關鍵力量。
（原文標題：企業人才創新的關鍵思維與實務）
【作者介紹】鍾文雄● 一零四資訊科技股份有限公司人才永續長● 社團法人中華人力資源管理協會常務顧問
當AI出錯，你還看得出來嗎？習慣依賴AI，可能流失3種關鍵能力
工作交給AI代勞，效率變高了，但你還能自己做判斷嗎？長年身處金融保險、風險管理與AI應用第一線的作者提醒，判斷力是在「假設、行動、承受後果、修正」的迴路中長出來的，點出長期依賴AI，可能悄悄流失的3種關鍵能力。本文節錄自《讓AI做事，你做主》。
文／連子智
當我們不再經歷過程，習慣依賴AI，還能自己做判斷嗎？
當人從參與者變成接收者，判斷標準從內部生成變成向外對齊校準。這一節要追問的，是這個轉變的長期後果。
人類正在放棄自己的因果經驗，屬於行為層面的因果斷裂。我們知道，判斷力不是由正確答案累積出來的，是從錯誤中學習成長而來的。因此，我們應該自問的是：當我們不再經歷形成結果的過程，判斷力會有什麼變化？
判斷力，是在因果迴路裡長出來的
專業判斷並不是一種抽象能力，它是在反覆的行動與修正之中慢慢形成。人類的判斷力來自一個完整的經驗鏈：提出假設、採取行動、承受後果、理解偏差、修正認知。這是一條因果迴路。正是在這條迴路裡，我們學會辨識問題的結構，分辨哪些變數重要，哪些細節只是雜訊。
一個資深的專業人士之所以能在AI代理產出的結果中辨識出細微的邏輯缺陷，是因為他曾在那張桌面前，經歷過無數次從無到有、從錯誤到正確的推導過程。離開桌面所代表的技術進展，正在悄悄改寫這條迴路。
現在想像一個剛入職兩年的新人分析師，在一家已經高度AI化的金融機構工作。他每天的工作是確認AI系統產出的評估報告是否符合格式、數字是否對齊校準。他從沒有機會自己推導過一份評估，也從未經歷過「推導錯了、被主管打回來、重新想一遍」的過程。他不是不努力，而是從未進入過那個讓判斷力生長的環境。
過度依賴AI，3種關鍵能力悄悄流失
對使用者而言，這是極為流暢的體驗；對判斷力而言，卻意味著3種關鍵能力的悄悄流失：
1. 偵測異常的能力
當你不知道正確答案是如何被推導出來的，也就是當AI代理出現「語言上說得通、現實上卻有問題」的輸出時，你就會難以察覺。第五章說語義真空讓AI代理的行動帶著完整的語言說明，而現在，你自己的判斷力也在萎縮，你識別那個說明裡有問題的能力，也會同步下降。
2. 干預底層的能力
這是重建底層推論的能力。當AI代理遇到它從未見過的情境、相關性系統的歷史規律在新情境裡失效，也就是第六章描述的那種結構性失靈時，你就需要能夠重新推論，而不是只依賴工具。但如果你長期沒有經歷過推論的過程，你手上就沒有可以導航的因果藍圖。
3. 遷移邏輯的能力
真正的判斷力能夠從一個問題舉一反三，把在某個情境裡學到的推論結構，遷移到另一個本質相似、但形式不同的問題上。如果你只習慣接收特定任務的結果，這種能力就會被僵化在特定的工具介面內，難以遷移。
這3種能力的流失，在短期內幾乎不可見，因為AI代理的輸出品質掩蓋了它們的消失。你仍然能夠完成工作，仍然能夠交出結果，但你完成工作的方式，已經從「我理解這個問題，我判斷該怎麼做」，悄悄變成了「我描述目標，我接收結果，我確認格式是否符合規範」。久而久之，判斷不再是由內而外的自主生成，而是由外而內的被動確認。
這或許是最隱蔽的一面。我們以為AI代理是在強化我們的能力，但實際上它可能正在替換我們的能力。從更長遠的角度看，這不只是個人能力的問題，而是組織認知的問題。當越來越多關鍵決策建立在未經參與的結果之上，組織內部對因果鏈的理解恐怕將日益模糊，一旦情境發生變化，系統浮現無法應對的變數時，我們是否仍有能力重新接手？
節錄自：聯經出版《讓AI做事，你做主：用因果主權，建立可交代、可接管的決策治理防線》／連子智 著
AI資安疫情蔓延全球，專家建議：7個面向建立企業資安防護網！
AI興起，正在快速改變資安攻防的遊戲規則，過去需要投入大量時間攻擊漏洞、測試的駭客工作因AI而降低門檻。企業和機關更應該主動積極的備戰，國家資通安全研究院的院長龔化中，建議企業或機關可從7個面向著手建立資安防護網、保護數位資產，千萬不要心存僥倖！
文／龔化中（國家資通安全研究院 院長）
本文導覽
AI資安攻擊，已經進入新的階段在AI時代，不要心存僥倖，就是最基本的防禦一、 減少暴露在外的攻擊面：少一個入口，就少一個風險二、注意供應鏈安全：避免病從口入三、建立多層防護：不要期待系統永遠不會被攻破四、降低洩密傷害：保護最重要的數位資產五、做好營運維持：最重要的是確保組織活得下去六、冷靜應變：不要把時間花在找戰犯七、即時通報與聯防：一起阻止災害蔓延面對AI資安疫情，現在就是備戰的時候
最近常常看到一些AI相關的趣聞，有人想用AI協助健身房報名手續，結果發現名額已經額滿，AI竟然想辦法駭進系統幫忙插隊；也有實驗結果發現，最先進的AI為了完成任務，竟然暗中突破原本設定的限制，甚至嘗試入侵其他系統來「偷看答案」。
這些新聞看起來很有趣，就像科幻電影裡才會發生的情節。但當這些能力開始被駭客利用，情況就不再只是科幻，已經逐漸變成一場真實的資安風暴。
AI資安攻擊，已經進入新的階段
AI正在快速改變資安攻防的遊戲規則，在過去駭客需要投入大量時間進行資訊蒐集、漏洞研究、程式撰寫與攻擊測試；而現今AI正逐漸降低這些複雜工作的門檻，讓攻擊者可以更快、更大量地尋找目標與弱點。更值得注意的是，攻擊能力正在快速普及；惟防禦能力的成熟需要時間。
AI已經可以協助攻擊者尋找暴露在網路上的系統、分析漏洞、撰寫攻擊程式，甚至協助突破一些原本需要高度專業能力才能完成的工作。另一方面，AI資安防禦工具仍在快速發展中，其穩定性、準確性以及實際部署經驗等，都還需要時間持續累積。
這就像一場新的數位疫情：威脅已經開始擴散，但我們的「疫苗」與防禦體系還在持續研發與強化。
我們預期，未來一段時間AI所帶來的資安威脅仍會持續升高，直到漏洞管理、防禦工具、資安治理與整體應變機制逐步成熟，威脅才可能逐步趨於穩定。因此，面對AI資安疫情不是消極等待風暴來臨，機關與企業都應該提前部署備戰，做好準備。
延伸閱讀：有內鬼！商業機密被竊怎麼辦？5個QA帶你認識「營業秘密法」
在AI時代，不要心存僥倖，就是最基本的防禦
我們有以下幾項建議，提供給各級機關與企業參考：
一、 減少暴露在外的攻擊面：少一個入口，就少一個風險
AI搜尋網路上的弱點，成本低、速度快，而且可以大規模自動化。因此防守方的第一個原則就是盡量減少暴露在外、可能被攻擊的入口，魔鬼藏在細節裡，過去一些工程人員認為「應該沒有人會注意」的小細節，在AI時代可能很快就會被發現，例如：
研發、測試人員使用的遠端伺服器或開發中網站。
資訊營運人員使用的跳板機或系統服務帳號。
已經停止使用，卻沒有真正下線的舊系統與服務。
暫時開放、之後卻忘記關閉的網路服務或帳號。
工程人員可能以為自己留下的小小後門沒有「人」知道，但現在AI找得到。因此，各級主管應要求做好系統、設備、服務與帳號的完整盤點，該關閉的關閉、該更新的更新、該限制存取的限制存取。
延伸閱讀：別當職場資安網的漏洞，維護機密、當心智慧型手機上的惡意連結
二、注意供應鏈安全：避免病從口入
一個組織就算本身資安治理良好，就像一個注重健康、經常運動的人，還是可能因為「吃進去」的東西有問題而生病。
很多駭客其實不需要自己花大量時間研究目標。當一個熱門產品或軟體被發現重大漏洞，攻擊者可以利用自動化工具迅速找出哪些組織正在使用它，接著發動攻擊。
最近前沿AI公司與資安研究團隊大量運用AI挖掘開源軟體與資訊系統漏洞，漏洞發現與揭露的速度正在加快。這對整體資安環境是一件好事，但也代表攻擊者取得這些資訊的速度同樣很快。
因此，組織不能只知道「我們用了很多套系統」，而必須真正知道我們到底用了哪些系統？哪些版本？由誰管理？出了漏洞之後誰負責處理？
更重要的是，要建立明確的更新與修補策略。因為更新本身也可能造成風險。如果沒有經過測試與規劃，匆忙更新可能讓原本正常的服務中斷。
因此，除了正常的更新流程之外，也應預先準備緊急隔離與網路阻擋措施。當重大漏洞發生時，可以先限制有風險的設備或服務，爭取時間進行安全、完整的修補。面對快速變化的漏洞環境，最重要的不是每一次都搶第一個更新，而是要有能力快速判斷、快速隔離、快速修復。
延伸閱讀：每天上班收發上百封e-mail，這5大電郵詐騙手法，你不可不知
三、建立多層防護：不要期待系統永遠不會被攻破
進入AI資安攻擊時代，我們不能再期待「系統絕對不會被入侵」，更務實的做法是假設某一層防禦終究可能被突破，然後讓下一層防禦接住它。
防火牆、身分驗證、端點防護、網路監控、異常行為偵測、資料保護，以及最後的事件應變，都應該形成多層防線，這裡最重要的其實是「時間」。
如果駭客花了五分鐘突破第一層防禦，而我們可以在三分鐘內發現異常並啟動應變，就有機會在他進入核心系統之前把攻擊阻斷，資安防禦不一定要做到滴水不漏，但一定要讓攻擊者很難一路暢通。同時，重要的資安能力也不要形成單一依賴。即使最可靠的供應商，也可能發生服務中斷、漏洞或遭受攻擊。
關鍵的防禦能力應該保留替代方案與自主應變能力，避免一個單點故障就讓整個組織失去防禦能力。
延伸閱讀：密碼用生日、常用平台用同一組密碼？這些帳號被盜的資安大地雷，你也犯了嗎？
四、降低洩密傷害：保護最重要的數位資產
有一句成語「懷璧其罪」。你最重要的機密，往往就是駭客最想要的東西。
因此，第一步不是想辦法把所有資料保護到百分之百，而是先問自己：這些資料真的需要保存嗎？不必要的個資、信用卡資訊、機密文件與其他敏感資料，能不保存就不要保存。
如果確實需要保存，就必須做好分級、權限控管與加密，讓資料即使被取得，也不容易直接被使用。
AI時代還出現了一個新的風險：員工為了工作方便，可能直接把公司內部資料交給AI工具處理。
一份內部文件、一段程式碼、一份客戶資料，看起來只是一次簡單的AI查詢，卻可能成為新的資料外洩管道。因此，組織在導入AI的同時，也必須建立清楚的AI使用規範：什麼資料可以交給AI？什麼資料絕對不能交出去？這已經是每一個機關與企業都必須面對的新課題。
延伸閱讀：51%常用密碼在1分鐘內就能被AI破解，5個提高「密碼管理」的必知QA
五、做好營運維持：最重要的是確保組織活得下去
資安事件發生後，真正造成巨大損失的，不一定是資料被偷走，而可能是整個組織無法正常運作。
因此，除了防禦之外，更重要的是「韌性」，要有確實可行的營運維持計畫，並且真正演練過。資訊系統的資料備份與還原、電力與外部網路的備援、人員工作的替代設備，以及關鍵業務的替代流程，都應該預先規劃，而不能只是「有備份」，還要確定真的還原得回來。
對企業而言，也要思考資安事件發生後的營運資金與替代供應商。
就像狡兔三窟，重要的服務不能只有一個出口。當外部服務突然中斷時，組織才有能力撐過最困難的幾天甚至幾週。
資安的最終目標，不只是防止被攻擊，而是即使被攻擊，組織仍然能夠繼續運作。
延伸閱讀：專家建議：保護在家工作的視訊環境，務必注意7個要點避免資安威脅
六、冷靜應變：不要把時間花在找戰犯
資安事件發生時，不論事前做了多少準備，都不可能保證完全不受影響。
這時候最重要的，不是第一時間追究「到底是誰的錯」，而是先把災情控制住。按照既定的事件應變計畫執行，迅速隔離、確認影響範圍、保全證據、恢復服務，再進一步檢討原因。
也就是說，應該把「改善制度」和「懲罰個人」清楚區分。只有讓第一線人員敢於通報，組織才有可能真正學習，也才有機會避免下一次更大的事故。
延伸閱讀：如何戰勝全球資安聞之色變的勒索病毒，有效避免辦公室資料被其綁架呢？
七、即時通報與聯防：一起阻止災害蔓延
新冠疫情期間，及早發現、即時通報與跨單位合作，是控制疫情的重要關鍵。AI資安疫情也是一樣。
當一家企業發現新的攻擊手法，如果能夠儘速通報，就有機會讓其他企業提前做好防護，避免同樣的攻擊在整個產業快速擴散。
這也是為什麼資安不能只是「各自顧好自己的事情」。
在AI時代，一家組織發現的攻擊手法，可能在幾個小時之內成為另一家組織的災難。因此，更快速的通報、更有效的情資共享，以及政府、企業與資安社群之間的聯防，會變得比過去更加重要。
國家資通安全研究院是台灣的「數位消防隊」，我們會持續強化情資分析、威脅研判與應變協助，盡力守護國家與人民的數位資產安全。
如果政府機關或關鍵基礎設施業者遭遇疑似AI輔助的攻擊，可以透過數位發展部資通安全署或主管機關進行通報；民間企業與組織也可以透過TWCERT/CC（台灣電腦網路危機處理暨協調中心）通報，我們將盡力提供必要的協助。
台灣電腦網路危機處理暨協調中心
延伸閱讀：APP潛藏資安危機，5大常見可疑程式、別讓它出現在你的手機裡！
面對AI資安疫情，現在就是備戰的時候
AI資安威脅已經不是未來式，而是現在進行式。我們不需要恐慌，但必須提高警覺。沒有人能保證自己的系統永遠不會被攻擊，也沒有人能預測下一個AI工具會把攻擊能力提升到什麼程度。
真正重要的是，在攻擊能力快速進化的今天，我們能不能更快盤點自己的弱點、更快發現異常、更快隔離風險、更快恢復營運，也更願意把自己發現的威脅告訴其他人。這場數位疫情不可能只靠一家機構解決。政府、企業與整個資安社群都必須一起提高防禦韌性，才能把每一次攻擊的傷害控制在最小範圍。
AI資安疫情已經開始。現在，就是備戰的時候。
（原文標題：AI資安疫情全球蔓延， 機關與企業如何迎戰？）
本文獲 國家資通安全研究院 同意授權於《104職場力》刊載
AI代理工時達人的6倍，注意力成瓶頸！從Anthropic內部研究看3個協作提醒
AI交出成果的速度愈來愈快，你卻忙著確認方向、檢查內容、回覆下一步？開發Claude的Anthropic研究自家員工後發現，AI代理執行時數達員工工時的6倍，人的注意力反而成為產出瓶頸。《104職場力》延伸整理3個提醒，帶你重新安排與AI協作的方式。
文／104職場力
本文目錄（點擊可快速前往）
AI代理執行時數達人的6倍，為何注意力成瓶頸？產出增加，員工從「做事」轉向「管AI」提醒1：交給AI前，先決定要它做什麼、怎樣才算做好提醒2：產出增加，驗收方式也要調整提醒3：把注意力留給重要決定、讓團隊知道下一步從「做事」到「管AI」，判斷力要在工作中累積
「AI都幫忙做了，為什麼還有這麼多事要處理？」
同時請AI查資料、整理報表、寫提案，成果很快就送到眼前，接著卻是一連串需要你回應的問題：資料可靠嗎？哪個方向值得繼續？這份內容能交出去了嗎？
Anthropic在10月發布的內部報告〈How employment is changing at Anthropic〉，觀察到這種工作變化。研究分析公司的人事資料、AI使用紀錄、產出指標、員工問卷、行事曆與面試評分表，並訪談17名員工，追蹤AI如何改變工作與用人需求。Anthropic也指出，公司的部分用人做法有其特殊條件，這份研究提供了觀察工作變化的案例。
AI代理執行時數達人的6倍，為何注意力成瓶頸？
報告指出，到了2026年8月，員工指派的互動式AI代理累計執行時數，約為員工工時的6倍。這個比較加總了代理及子代理的執行時間，員工工時則按人數及每週40小時估算。AI代理可以連續執行多個步驟，例如使用工具、修改程式、測試與整理結果。這裡的執行時數計入推論與主動使用工具的時間，排除超過30分鐘的等待。
另一方面，AI代理仍經常需要人的回應。Anthropic發現，在互動式、多輪工作階段中，約8成經過時間是在等待人類輸入。閱讀量也帶來考驗，依互動式代理輸出的文字量及每分鐘閱讀250個英文單字推估，即使是非技術部門，要讀完這些輸出，也需要超過半個工作週。
一邊是等人回應的代理，一邊是不斷送到眼前的成果。報告因此指出，人的注意力成了代理產出的瓶頸。有工程師形容，自己面對的是一整支不斷要求他注意的Claude大軍。
產出增加，員工從「做事」轉向「管AI」
Anthropic觀察，工程師人均程式碼提交頻率約為半年前的5倍，業務成交更多客戶，法律部門也處理更多合約。研究追蹤同一位員工的表現，也發現採用AI工具後，產出隨之增加；公司同期快速成長，則是理解這些變化的重要背景。
省下的時間，也讓員工重新安排工作。一位業務人員表示，自動化接手了原本約20%的任務，包括起草郵件、串接客戶管理系統；一位招募人員則利用AI協助尋找人才、追蹤申請及分析資料，轉而投入面試設計與候選人互動。
值得注意的是，員工開始花心力安排AI如何工作。2026年4月的內部問卷中，20%的受訪者在開放式回答裡，提到自己的角色從執行工作轉向管理Claude。報告也記錄了員工撰寫代理指令、建立監控工具，以及安排代理互相檢查產出的做法。
報告將這類圍繞AI工作流程的建置與管理，稱為「後設工作」（meta-work）。它在平均員工互動式Claude工作階段中的占比，從2025年秋天的10%升至2026年春天的22%，增加超過一倍。
當工作開始包含安排AI任務、審查大量成果，以及處理接踵而來的決定，上班族可以怎麼準備？以下《104職場力》從委派、把關與協調，整理出3個提醒。
提醒1：交給AI前，先決定要它做什麼、怎樣才算做好
當工作逐漸轉向「管AI」，第一步就是把任務說清楚。
Anthropic報告中的一個產品設計團隊，原本負責撰寫Claude.ai問候語等產品文字，後來建立了引導代理生成內容的脈絡資料，再轉向設計提示詞與模型評估。他們把對產品文字的判斷，轉成指引AI產出、評估成果的依據。
Anthropic在2025年12月的另一份內部研究也發現，受訪工程師傾向把容易驗證、出錯代價低的工作交給AI，策略與需要組織脈絡的判斷則留給自己。
這種轉變需要工作者先理解需求，再把自己的判斷轉成AI能執行的規則。
對一般上班族而言，可以從寫清楚任務目的與完成標準開始。例如要請AI「做一份競品分析」，還需要說明許多條件：要比較哪些品牌？資料範圍要觀察多久？分析要幫助團隊選活動主題，還是決定預算？
交辦前，可以先想清楚3件事：
用途：這份成果要幫誰做什麼決定？
標準：必須有哪些內容、資料與來源？
確認時機：遇到什麼問題，需要先停下來問你？
以行銷工作為例，可以這樣交辦：「請整理A、B、C等3個品牌最近半年的公開活動，比較目標客群、主打訴求及優惠方式，每項附上來源與日期。先交比較表，等我確認後再提出活動建議。」
先確認資料與比較方向，再往下發展提案，能讓修改發生在較早的階段。工作範圍愈清楚，AI也愈容易沿著你需要的方向執行。
提醒2：產出增加，驗收方式也要調整
AI能快速交出多份報告或多個版本，檢查工作也需要重新安排。
Anthropic研究檢視同一位員工、同月份、同一程式碼目錄下，代理與員工直接撰寫的程式碼，未觀察到後續刪除或還原比例的差異。這是研究採用的品質觀察指標；報告也指出，程式碼品質有許多面向，AI錯誤可能更難察覺。
這項做法提供了一個實用方向：依工作內容設定驗收重點，讓檢查有明確依據。
延續競品分析的例子，例如價格需要核對幣別、方案與促銷期間；「這個品牌主攻年輕客群」則要檢查是否有資料依據。數字正確與分析合理，需要分別確認。
建議依照任務列出交付前的檢查項目：
整理資料時，要求附上原始來源、資料日期及尚未確認的項目。
製作報表時，要求保留計算方式，方便重算關鍵數字。
撰寫對外信件時，優先核對價格、時程、承諾及公司立場。
提出分析建議時，分開呈現已知事實、推論與假設。
也可以請AI在交付時，先列出需要確認的問題，作為審查清單的起點，再依原始資料與工作要求，檢查是否還有遺漏。最後，記錄連同交代、修改及檢查在內的總時間。持續使用幾次後，便能看出哪些任務確實節省時間，哪些需要調整流程。
提醒3：把注意力留給重要決定、讓團隊知道下一步
AI同時處理多項工作，也可能同時向你提出多個問題。每一項都要求回應，卻未必同樣重要。
Anthropic員工開始建立監控與彙整工具，管理代理的產出及要求。人與人的討論也持續存在：員工會議時間中位數較一年前增加20%，不帶人的技術職員工也增加16%。公司擴張與職務組成變化是背景因素，受訪者則指出，複雜問題仍需要人一起討論、決定。
報告也指出，決策紀錄會影響代理能否取得最新脈絡。團隊在會議中改了方向，就需要更新相關文件，讓後續工作沿用正確資訊。
可以從以下做法開始：
錯開需要判斷的任務。啟動AI任務時，先想哪個階段需要你確認，把要大量判斷的任務錯開，留出閱讀與決策時間。
把重複規則留下來。例如報表使用哪些欄位、資料缺漏時如何標示，下一次工作便能沿用已確認的要求。
交接時附上目前狀態。交出AI協助完成的提案，簡短說明哪些資料已核對、哪些問題待確認、需要誰決定，以及由誰往下執行。
主管也需要把審查與協調納入時程，訂清楚優先順序與最後確認的人。產出加快之後，團隊要一起安排好接下來的判斷與交付。
從「做事」到「管AI」，判斷力要在工作中累積
工作內容改變，Anthropic評估人才的重點也跟著移動。研究分析面試評分表後發現，技術職評語愈來愈常提到自主性與判斷力；非技術職則更常討論候選人是否以客戶與組織使命為重。
這些變化，也伴隨初階技術職占比下降：自2025年初以來，初階人員占技術部門的比例從21%降至14%，占技術職新進人員的比例則從27%降至9%。如何讓新人取得實作與學習機會，成為企業需要面對的問題。
對上班族而言，可以從每一次與AI協作的過程累積判斷：交辦前，先寫下自己的分析；收到成果後，比較差異、查明理由；完成工作後，記錄哪些做法有效、哪些問題需要補足知識。這些經驗，會成為下一次設定任務與驗收成果的依據。
當AI代理承接更多工作，人的注意力該放在哪裡？從想清楚任務、驗收成果，到和團隊做出決定，每一步都需要工作者運用專業，也在過程中持續學習。
（資料來源：Anthropic）
推薦閱讀：
AI亂象！95%企業被「工作垃圾」拖垮，你的團隊也有Workslop雷包嗎？
AI導入成敗看中階主管！5種卡關管理風格，你的團隊中哪種？
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代理人時代開跑，為何有些企業空有工具卻跑不動？台灣大哥大總經理林之晨與資訊長蔡祈岩指出，AI代理人時代，真正拉開差距的不是AI多聰明，而是組織重塑制度、消除落地摩擦力的速度，並點名企業該推動的5大戰略。本文節錄自《逆分工》。
文／林之晨、蔡祈岩
本文目錄（點擊可快速前往）
代理人時代：螢幕工作的無限重組企業消滅摩擦的5大戰略
市面上關於AI與工作的流行預言，往往充滿了表面合理卻彼此打架的矛盾。例如，黃仁勳曾指寫程式不再是必備技能，引發「軟體工程師最快失業」的焦慮；但同時，社群又盛傳「水電工、木工等藍領最安全」的建議；工具商更天天高喊「不會用AI的人將被會用AI的人取代」。這不免讓人質疑：如果工程師是最會用AI的群體，為何會最先受衝擊？水電工不碰AI，憑什麼最安全？
這3句話都沒有錯，矛盾的鑰匙在於「時間維度」。這就像3個人站在同一座山的不同高度，山頂下雪、山腰下雨、山腳出太陽，切入的都是不同的層次。
第一個10年（2026～2035）「代理人時代」： 軟體工程師首當其衝。因為他們的工作最純粹地發生在螢幕之內的數位世界，這正是AI代理人最先重組的範圍。
第二個10年： 水電工的藍領工作暫時安全，是因為AI的實體「身體」還沒長齊，修水管等任務高度依賴現場經驗。但當具身AI機器人成熟，實體工作在第二階段同樣會迎來重組。
「會用AI的人取代不會用AI的人」： 這並非特定職業，而是每個階段內部的競爭規則。第一階段是會用AI的工程師取代不會用的；第二階段則是會指揮機器人的技師取代舊技師。
工作並非一次性消失，而是經歷錯位、重組到重新定義的過程。如果將未來30年的不同階段全部壓縮進「現在」，就會陷入無謂的爭論。拉開時間軸，才能看清在不同階段中，資源與能力究竟該往哪裡放。
代理人時代：螢幕工作的無限重組
在第一個10年，AI將從對話工具進化為能自主規劃、執行的「專案經理」。此階段的最大紅利在於所有「螢幕上能完成的事」，轉化為可大規模複製、調度的生產素材。
過往知識工作卡在繁瑣的跨部門流程，AI代理人則將寫報告、做簡報、分析數據、開發原型等能力「即時可得化」。這迫使被組織底層壓抑的需求浮上水面，企業開始做以前因人力成本過高而「不值得做」的事，例如中小客戶的客製化分析、普及的策略幕僚能力。在小說、影音等創意生產領域，創意的生產流程被拆開，迎來供給側的大爆炸。此時紅利不會平均分給擁有工具的人，而是集中於能將多個AI代理人接進工作流程、創造新產能的跨界人才。
然而，這個10年真正的勝負不在AI變得多聰明，而在組織「消除落地摩擦力」的速度。歷史上真正拉開差距的，從來不是最早看見技術的人，而是最快重塑制度系統的玩家。正如工業革命時，真正讓蒸汽機威力兌現的是英國圍繞其建立的專利、金融與現代法律配套；而清朝洋務運動空有鐵甲艦，卻想「中學為體，西學為用」不願動彈體制，制度摩擦最終導致血流成河。
企業消滅摩擦的5大戰略
AI是這個世代的馬鐙與弩，解放了雙手，但也唯有願意重新設計系統的企業才能在加速曲線上勝出。企業在這個10年具體該推動5件整體變革：
第一、領導層必須自己下水每天使用，而非視為IT部門的事。
第二、組織結構動刀，升級中層、放大個體並組成變形蟲團隊，不能用舊組織跑新工具。
第三、重新定義人才標準，從看「會什麼」轉向看「能用AI做到什麼」，改寫招聘與薪酬結構。
第四、勇敢將資源從既得利益的舊系統抽走、投向新系統。
第五、徹底重塑文化，容忍快速試錯與鼓勵跨界融合。
這5件事是一個整體的多個面向，技術躍遷的紅利從不雨露均霑。新秩序來臨之際，企業與個人都必須用接下來10年的具體行動回答：在這場奇點倒數中，你究竟想當英國，還是當清朝？
節錄自：天下雜誌出版《逆分工：AI 時代的生產力革命，重構組織、市場到經濟的生存新賽局》／林之晨、蔡祈岩 著
有任何收穫或想分享的，都來和大家一起聊聊吧！