Linux驅動程式【本課程為線上課，報名後專員會提供上課資訊】
104學習
PLC程式
PLC程式指的是工業自動化中，用來控制機械設備運作的邏輯控制系統程式設計。具備這項技能代表你能編寫、調試及維護控制流程，提升生產效率與穩定性，減少人為錯誤和停機時間。在製造業、電子業及機械業非常吃香，是自動化工程師、機電整合工程師等職位的核心能力。掌握這項技能能增加職場競爭力，帶來更多升遷和轉職機會。
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
掌握Claude Code從零打造企業級全端開發應用實戰班
打造高投入團隊：遊戲化工作設計與激勵機制實作班【9/17】
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
人工智慧-機器學習【本課程為線上課，報名後專員會提供上課資訊】
電腦視覺演算法之人臉辨識實戰【本課程為線上課，報名後專員會提供上課資訊】
AI邊緣運算實作TensorFlowLite for MCU【本課程為線上課，報名後專員會提供上課資訊】
數位自動化團隊協作攻略｜Power Automate整合應用
AI快速完成專業簡報
精選證照
考取專業證照，讓能力被市場看見
數位邏輯設計能力認證－實用級
1. 培養瞭解各種電子零件包裝
2. 培養瞭解各種電子零件線路接腳
3. 具備組合邏輯設計能力
4. 具備循序邏輯設計能力
5. 具備CPLD程式撰寫之能力
6. 具備訊號量測能力
7. 具備規劃架構發展流程的能力
8. 看懂程式內容並有修改之能力
TEMI 台灣嵌入式暨單晶片系統發展協會
敏捷專案管理師PMI-ACP
PMI-ACP® 是由國際專案管理學會（PMI®）推出的國際級敏捷專業證照，考試依據 PMI 最新全球實務分析（GPA）與任務分析（JTA）設計，並全面採用 PMI 官方授權教材與標準化教案，由 PMI 授權培訓夥伴（ATP）依一致規格授課，確保學員具備全球一致且高品質的專業素養與實務能力，真正接軌國際敏捷職場，建立跨框架整合思維與高品質交付能力的國際專業標準。
PMI-ACP® 融合 Scrum、Kanban、XP、Lean 等多元敏捷方法，強調跨產業應用能力與情境判斷能力，涵蓋敏捷轉型引導、產品價值創造、團隊協作效能與持續改進等核心能力。強化產品開發與交付角色的整合思維，使證照更貼近快速變動的市場需求，成為企業推動敏捷轉型與提升交付品質的關鍵戰力。
適合對象包括產品負責人（PO）、Scrum Master、專案經理、敏捷實踐者，以及已取得其他敏捷認證、希望建立更完整敏捷能力架構的專業人士。
PMI 國際專案管理學會
MLCE
MLCE證照專注於機器學習與雲端運算技術，涵蓋資料前處理、模型建構與優化，以及在雲端平台上的部署與管理能力。持有此證照代表具備運用機器學習方法解決實際問題的專業技能，並能熟練操作主流雲端服務，提升企業數據分析與智能應用的效能。此證照適合數據科學家、軟體工程師及IT專業人員，助力職涯發展與技術升級。
SAIR/GNU-Wave
實體設計 (Creo Parametric/SolidWorks)
實體設計證照主要驗證持有者在Creo Parametric或SolidWorks軟體操作上的專業能力，涵蓋三維建模、零件設計、組件裝配及工程圖繪製等技能，能有效運用軟體完成產品設計與修改，提升設計效率與精確度，適用於機械、電子及工業設計等多種產業，具備此證照者具備良好的CAD工具應用能力，能協助企業加速產品開發流程，提升競爭力。
尚未查核發照單位
數位邏輯設計能力認證－專業級
1. 具備數位邏輯設計實用級能力認證技術
2. 具備中級組合循序邏輯混合設計能力
3. 具備中級CPLD程式撰寫之能力
4. 具備設計與驗證的能力
5. 具備基本電路學與電子電路板的設計實作能力
6. 瞭解單晶片架構理論及實作應用
7. 培養瞭解各種電子零件包裝
8. 培養瞭解各種電子零件線路接腳
9. 具備銲接技能(DIP/THD/SMD/SOP元件)
10. 具備佈線LAYOUT技術
11. 培訓學員具備有閱讀原廠Data sheet能力
TEMI 台灣嵌入式暨單晶片系統發展協會
ICDL-運算思維與Python程式設計
ICDL國際認證符合現今產業趨勢，包含雲端協同作業、數位行銷、運算思維與程式設計、數據分析、專案規劃及必要之資訊安全..等能力，皆可完整學習，從而快速的應用在新技術及工作上。在全球超過100個國家的夥伴網路，以40多種語言授課認證，而財團法人電腦技能基金會(CSF)為ICDL台灣總代理。
ICDL Asia
精選貼文，掌握第一手知識
Claude Cowork排程任務怎麼用？讓AI定時工作，自動產出報告教學
想讓Claude定時幫你完成重複性工作？本文解析Claude Cowork的Schedule排程任務功能，教你設定執行時間、權限與模型，打造自動搜尋資料、整理內容、產出報告的AI工作流程。本文節錄自《Claude 萬用手冊》。
文／施威銘研究室
本文目錄（點擊可快速前往）
Schedule：讓Claude定時幫你做事實戰：每天早上接收台股盤前快報建立排程任務手動試跑排程任務
使用Cowork模式前，請先確認你已升級到Claude Pro以上方案（需付費訂閱），並安裝最新版Claude Desktop。Cowork是桌機版獨有功能，網頁版與行動版無法使用。Claude網址：https://claude.ai/下載桌機版：https://claude.ai/downloads延伸閱讀：Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇
Schedule：讓Claude定時幫你做事
前面介紹的Cowork任務，大多是「你下指令、Claude執行、完成後交回結果」的一次性流程。不過，實務上有些工作並不是只做一次，而是每天、每週或每月都會重複出現。
例如每天早上的市場快訊、每週五的工作週報、每月初的對帳整理，這些工作通常規則固定、格式明確，但每次都手動執行又很花時間。這時就可以使用Cowork的Schedule（排程任務）功能。
Schedule可以把一個任務的提示詞、執行時間與工作環境固定下來，讓Claude在指定時間自動執行。它和一般Cowork任務的能力差不多，一樣可以使用Connector、Skill與Plugin；差別在於，一般任務是你手動開始，排程任務則會依照時間表自動啟動。排程任務大致有幾個特性：
只需要設定一次任務內容
可以依照固定頻率自動執行，例如每小時、每天、平日或每週
每次執行都會開啟新的任務回合，並讀取當下最新的資料、檔案或Connector內容
執行結果會保留在任務清單中，方便日後回頭查看
能使用一般Cowork任務可用的Connector、Skill與Plugin
接下來，我們就來看看要怎麼設定排任務吧！
實戰：每天早上接收台股盤前快報
我們會以「每天早上8:00自動產生台股盤前快報」作為範例，示範如何建立一個排程任務。這個任務要做的事很單純：每天早上，Claude會自動搜尋最新的台股大盤、國際股市與指定自選股資訊，整理成一份Markdown格式的盤前快報，存到指定資料夾中；同時也會建立一封Gmail草稿，方便我們檢查後寄出。
也就是說，我們會把原本每天都要手動查資料、整理重點、寫成快報的流程，改成由Claude定時完成。接下來就來看設定方式。
建立排程任務
首先，進入左側欄的Scheduled頁面，點擊「+ New task」，可以看到兩種建立排程任務的方法：
Create with Claude，就是透過Claude一步步引導你建立排程。這種方式適合你只有大概想法，但還不確定任務細節該怎麼寫的情況。
Set up manually，即手動設定。這種方式適合你已經知道任務要做什麼、何時執行，以及要使用哪些工具。本例會使用手動建立的方式，直接設定盤前快報的排程任務。
點擊Scheduled，進入排程任務頁面；點擊+ New task，開啟建立選單；本例選擇「Set up manually」，開啟手動設定視窗。（圖／《Claude 萬用手冊》）
【TIP】注意！排程任務只有在電腦開機、未進入睡眠，且Claude Desktop持續開啟時才會執行。若希望排程任務能準時執行，建議開啟Keep awake，並確認Claude Desktop沒有被關閉。
開啟手動設定視窗後，就可以開始填寫排程任務的名稱、任務描述、任務內容、工作路徑、模型與執行時間等設定。其中最重要的是任務內容。這段文字就是Claude每次執行排程時會依照的提示詞。因為排程任務會反覆執行，若提示詞寫得太模糊，Claude每次都要花更多推理成本判斷你想要什麼，也比較容易產生不穩定的結果。
建議把資料來源、例外處理、輸出格式、檔名規則與後續動作都寫清楚。特別是排程任務通常會長期執行，模型選擇也要考量使用量。如果任務是固定流程、規則明確的工作，通常不需要使用最高階模型；本例雖然不算深度推理任務，但步驟較多，包含搜尋、整理、寫檔與建立Gmail草稿，因此使用Sonnet系列會比Haiku更穩定。
本例範例提示詞如下：
【提示詞】所有資料都用今天搜尋的結果，不要靠記憶，抓不到就標「資料缺漏」，過程中不要問我。1. 國際與台股大盤：幫我看昨天台股、美股、日韓股市主要指數 （加權、櫃買、道瓊、那斯達克、日經、KOSPI）的收盤點數和漲跌幅。2. 自選股：2330、2414、2317、3008、2603，每一檔列出昨日收盤、漲跌幅，以及近24 時內的重大新聞或公告1–2則（含連結）。3. 輸出：Markdown格式，分四段——國際盤、台股大盤、自選股、重點關注。 存到StockBrief 資料夾，檔名yyyy-mm-dd.md（今天），同名覆寫。4. 另外把內容轉成精簡的純文字郵件版，用Gmail擬稿到flag-examples@gmail.com，主旨「盤前快報-yyyy/mm/dd」。
（圖／《Claude 萬用手冊》）
Create scheduled task：
任務名稱建議使用英文或數字，因為Claude的任務名稱不支援以中文命名
選定工作路徑資料夾，本例為StockBrief
權限模式選擇「Act without asking」，避免排程執行到寫檔或建立Gmail草稿時停下來等待確認
選擇Sonnet系列模型。本例屬於搜尋、整理、輸出與建立草稿的固定流程，不需要使用Opus；但步驟較多，使用Sonnet會比Haiku更穩定
設定排程任務的執行時間
點擊「Save」儲存
（圖／《Claude 萬用手冊》）
儲存後，可以在Scheduled頁面的任務列表中看到剛建立的排程任務。（圖／《Claude 萬用手冊》）
【補充】設定排程的第三種方法
除了Create with Claude和Set up manually之外，也可以直接在新的Cowork任務中描述你想建立的排程任務，讓Claude協助規劃。
這種方式適合你已經知道大方向，但還沒整理好完整執行細節的情況。你只要先說明想建立的任務類型、執行頻率，以及大致要完成的步驟，Claude就能根據你的描述補齊任務內容、時間設定等。若資訊不足，它也會先提出問題，確認後再進入排程任務的建立流程。
明確指出要建立「排程任務」；提供簡單的步驟大綱，Claude就能根據你的大綱，協助補齊排程任務的設定細節。（圖／《Claude 萬用手冊》）
當資訊不足時，Claude會先提出問題，協助補齊任務設定；確認必要資訊後，Claude會進入排程任務的建立流程。（圖／《Claude 萬用手冊》）
手動試跑排程任務
設定完成後，建議先手動試跑一次，確認任務能不能順利完成。尤其是第一次建立排程時，不建議直接等到正式排程時間才看結果。因為如果提示詞、權限設定或資料夾路徑有問題，排程可能會在實際執行時失敗，反而錯過原本要產出的內容。
即使還沒到排程時間，也可以從Scheduled頁面的任務列表中點進任務詳細頁，手動啟動測試。
點擊剛建立的排程任務，進入任務詳細頁。（圖／《Claude 萬用手冊》）
點擊鉛筆圖示，可打開排程任務設定視窗，進行編輯修改；點「Run Now」，即可立刻手動執行一次排程任務。（圖／《Claude 萬用手冊》）
啟動排程任務後，左側任務清單中會出現Scheduled區塊，顯示正在執行的排程任務。點擊該任務後，就可以進入執行視窗查看進度。
排程任務的執行方式和一般Cowork任務很像。Claude會先根據提示詞規劃步驟，接著搜尋資料、整理內容，最後把Markdown檔寫入指定資料夾，並在Gmail中建立草稿。
點擊正在執行的排程任務，可以進入任務視窗查看過程
Runs：會記錄這個排程任務的每次執行紀錄
Progress：Claude依照提示詞規劃的任務步驟
Context：會顯示此排程任務，點擊後可以回到任務詳細頁
（圖／《Claude 萬用手冊》）
任務完成後，Claude會將生成的 Markdown檔寫入指定資料夾，它也會在Gmail中建立對應的盤前快報草稿。
（圖／《Claude 萬用手冊》）
Gmail草稿中查看Claude建立的郵件內容，確認內容沒有問題後，可再由使用者手動寄出或分享。（圖／《Claude 萬用手冊》）
這樣就完成排程任務的建立與測試了。
節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室 著
推薦閱讀：
Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇
Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學
「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？
告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！
工作導入AI，卻常常做一半沒下文？104資深協理：別先想「AI能做什麼」
做了一堆AI工具，卻沒多久就晾在那裡？該如何真正用AI解決工作問題？104資深協理李明倫分享3個實際案例、5類提示詞與7步驟實作法，教非技術職從「非做不可」的工作開始，把工作拆成角色交給不同的AI，打造你的「AI營運團隊」。
文／《104職場力》整理
本文目錄（點擊可快速前往）
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？如何選題：第一個AI專案，不要挑最大的問題讓AI進入工作流程：3個案例看人與AI重新分工非技術職如何和AI協作？把AI當「第一天上班的聰明新人」從問題到落地：非技術職也能採用的7步驟從最想解決的問題開始，打造你的AI營運團隊
公司導入AI後，興沖沖用AI做了一堆工具、Dashboard與Skill，卻過沒多久就晾在那裡，或者做一做就沒有下文……這可能是許多工作者近期的共同經驗和痛點，到底該如何和AI分工協作、真正用AI提升工作效率？
104人力銀行資深協理李明倫（Will Lee）觀察，生成式AI的出現，讓「先做一個工具看看」變得很容易，而他認為，AI應用能否落地，關鍵不在工具本身，而在一開始挑的問題。因此他認為，導入AI的第一個問題，不是先想「AI可以做什麼」，應該從「我現在最想解決什麼問題？」開始。因為持續存在的問題會帶來足夠的改善動力，團隊才會願意反覆測試、修正，最後把AI放進日常工作。
本文整理自104人力銀行資深協理李明倫於104「AI煙火小聚」分享的主題「如何打造你的AI營運團隊」，他並非技術職主管，過去兩年卻與團隊透過生成式AI、自動化及AI輔助開發（Vibe Coding），逐步改善資料整理、客服追蹤與工作流程，本次分享他與AI的協作心法。以下節錄精華內容。
【開始前的提醒】操作前應確認AI工具權限與資安規範本次分享中，李明倫使用公司提供的Claude企業版來協助盤點工作問題。實務上，工作資料能否提供給AI，仍應依照各公司核准的工具、權限與資安規範來判斷。建議操作前需確認哪些資料可以上傳、哪些內容應先去識別化。
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？
在成長期的單位，常見的工作狀況是：新的客戶、新的服務與新的流程持續出現，連帶增加新的名單、資料、報表、分析及管理需求；即使工作量倍數成長，但人力卻沒倍數成長，系統建置速度也不一定能跟上，因此耗費大量時間在人工整理資料。
「最好的方法還是系統。」李明倫說：「可是新的單位、新的服務很多流程還不確定，不可能直接建到CRM。」尤其是新服務剛開始運作時，流程與規格可能仍在調整。若此時投入大量工程資源建正式系統，一旦作業方式改變，系統都得跟著改。他形容，這階段急著要求PM與工程建系統，「其實只是在丟另外一個炸彈給他們」。
這種情況下，許多團隊會先用Excel試算表來因應過渡期。「結果就是我很會用Excel，包括寫各式函數。」他說，資料不多時，這種方式快速又有彈性；但隨著檔案、函數與使用者增加，Excel的極限逐漸浮現，例如檔案跑不動、多人共用時可能誤改、資料散落在不同檔案，或是主管需待人工彙整才能掌握進度，都是可能發生的問題。
而本次分享的AI輔助開發工具，李明倫將它定位為「過渡方案」。它不取代正式後台，也沒有直接串接所有系統；用途是讓尚未定型的流程先被實際使用、驗證和修正。等規格逐漸穩定，團隊再把真正需要的功能移入正式系統。這段過渡期也像一場低成本的使用者測試，幫助更快確認規格與使用方式。
如何選題：第一個AI專案，不要挑最大的問題
首先要注意的是，不是所有工作都值得投入時間打造工具，李明倫建議，優先挑「高頻、重複、可標準化、成效可驗證」的問題：
高頻：經常或定期發生。
重複：大量步驟相同，人工反覆複製、整理或確認。
可標準化：狀態、判斷條件、處理順序或截止時間能說清楚。
可驗證：能用時間、錯誤率、處理量、採用率或其他KPI比較改善前後。
選定之後，他建議先問5個問題，把答案寫下來當作「改善前」的基準：這件事多久做一次？每次花多少時間？有幾個人參與？哪裡最容易出錯？成功後要看哪個KPI？
另外，第一個專案不必挑全公司最大的痛點。規模越大，利害關係人、資料來源與例外情況通常越多。從最常重複、最容易驗證價值的工作著手，更容易做出第一個真的有人使用的版本。
讓AI進入工作流程：3個案例看人與AI重新分工
案例1：客服案件量大，進度仍靠Excel管理
把Excel搬上網頁只是表面，真正的改變是工作方式
某個客服團隊每天要處理大量資料，一筆筆聯絡、確認、做紀錄。曾經客服為了不掉球，發展出「把資料複製到Excel」的整理方式，記下當天聯絡狀況與下次聯絡日期，也方便主管查看進度及數據。為了改善工作流程，團隊起初嘗試增加試算表的函數和提醒，檔案卻隨資料累積變得更龐大、跑不動。李明倫接著把工作群組中的大量溝通訊息、現有流程規則、團隊成員口頭反映的問題彙整，交給AI協助標出流程中明確與仍在變動的部分，以及可能的斷點。
關鍵在於，AI蒸餾出可能的問題之後，還要跟現場同仁確認。「AI畢竟不在這個單位裡面，整理完以後我們還是會跟同事討論，哪些是大家認同的、哪些是AI想像的。與實際狀況不符合的，就剔除掉。」
問題收斂後，他們以Vibe Coding建立網頁工具來快速驗證。客服仍然處理同一批案件，但操作方式改變了：
所有案件集中處理，減少在不同資訊之間來回切換
網頁化操作，多人可同時查詢及填寫，資料不會互相覆蓋
可依案件屬性、時間與處理狀態等條件搜尋及排序
優先顯示當天必須處理案件，急件也能調整優先序
主管可直接查看處理量及相關數據，省去另行整理
【案例1】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這項工具的重點不只是幫忙整理資料，還改變了客服每天如何工作。客服能把注意力放在聯絡與服務，資料搜尋、排序、提醒與統計則交由工具承接。流程還在變動時，團隊也可以快速修改規則，持續確認哪些功能值得進入正式後台。
他分享，工具導入後，即使曾有人力較吃緊的時期，團隊單人每日處理量仍能較過去平均提升一倍以上，工作量的波動也有所下降。不過他也補充，還有各種因素可能影響成果，因此不能將改善幅度完全歸因於工具。
案例2：開發名單持續增加，需在多份Excel不斷切換
從「整理排序」到「開發優先順序建議」
另一個團隊會接到多種來源的開發名單，例如講座名單、不同月份的專案名單、AI推薦名單，每種檔案格式、欄位和產生時間不同，累積一段時間後，客服可能需要在多份試算表之間切換與比對；多人共用時，同樣可能不小心覆蓋資料。
為了改善工作模式，本例也以AI輔助開發製作管理工具，將不同批次的名單集中到同一個工具，客服可依人員、批次或開發狀態篩選，主管也能看到整體進度。同時，工具內不會直接顯示敏感的聯絡資訊，沿用內部原有的權限控管。
【案例2】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這個案例不同之處，是「名單整理排序」還多了一道AI與人工的來回協作：以AI參考過去成功案例的特徵，提出新名單的開發優先順序建議，並交由人工審查註記。人工複核被安排在關鍵判斷和防呆節點，大量整理與初步排序則交給AI。
案例三：公用客服信箱大量來信，回覆、紀錄、管理都費時
Power Automate與AI接力分類處理
公用信箱的回覆與管理也是許多團隊的痛點。信件數量少時，大家可以直接分工處理；但隨著業務成長，短時間內累積數百封來信，便可能出現重複處理、漏回或無法掌握處理進度等問題。
團隊原本把每封信登記到Excel試算表，再手動註記分類及處理狀態，管理雖有改善，行政負擔卻很重。
李明倫和AI討論解決方案，說明來信量、人工步驟與管理困難，最後決定採用Power Automate自動化工具，將Outlook收到的郵件定期匯入試算表，不必再花時間備份，收到即同步；再由AI協助分類，最後上傳至前例開發的客服處理工具，集中查看信件類別與處理進度。另外，Power Automate是AI提出的第2個建議。原先想的解法不可行，討論來回幾次才定案。
【案例3】信件管理流程示意圖（圖／104職場力小編使用AI製作）
共通點：沒有預設解法、讓AI從工具變營運夥伴
3個案例看下來，第一個共通點是都沒有預設既定解法。他們把團隊工作現況與遇到的困難交給AI盤點、討論，再從幾個解決方案裡比較選擇、來回修正，最後採用的做法有時可能與最初想像相差很遠。這些工具也都由團隊共同討論、實際使用並調整修正。
第二個共通點，是工作被重新拆解過。李明倫用「AI營運團隊」來形容，核心主張是把工作重新解構，拆解能力、角色，再看哪些可以交給AI。以名單案例為例，一套流程內其實有好幾種職責，例如整理與比對資料（助理、分析）、釐清規格與流程（PM）、開發工具（工程）、產出主管要看的數字（Dashboard管理），最後才是實際聯絡客戶的客服。現在其中好幾段交給AI，角色之間會互相接力，人只留在需要判斷的節點。讓AI從工具，真正變成「共同營運夥伴」。
非技術職如何和AI協作？把AI當「第一天上班的聰明新人」
「AI不是通靈。即便他非常聰明，你沒有跟他講清楚，他的回答當然不會精準。」
李明倫把AI視為第一天上班、能力很強的新同事。不過，AI能快速分析與建立原型，卻不了解部門情境，也不會讀心。若提供的背景越模糊，來回修正的次數通常越多。
因此盤點型提示詞可以包含5類資訊：
背景現況（Existing）：工作現狀、流程如何運作
規則與判斷邏輯（Rules）：工作實務上的詳細規則，包括決策規則、狀態定義、操作模式
佐證資料（Evidence）：實際工作檔案、畫面與案例說明
問題與落差（Problem）：目前看到的問題，哪裡耗時、容易出錯、缺少SOP
明確任務要求（Ask）：希望AI最後產出什麼、給誰用，例如建立SOP、待確認資訊、問題及建議
他也分享，「盤點型」和「工具型」的prompt不太一樣：盤點型要把問題和資料給足，和AI討論出卡點；而工具型比較單純，就是把功能講清楚。
AI「專業新人」交辦模板
想請AI先協助盤點問題，可以使用以下格式：
我目前要處理的工作是＿＿。現在由＿＿負責，使用＿＿工具。這件事大約每＿＿執行一次，每次花費＿＿。目前最耗時或容易出錯的環節是＿＿。現有資料包括＿＿。必須遵守的規則是＿＿。我希望改善的結果是＿＿。請先幫我整理目前的工作流程、主要痛點與可能解法，暫時不製作工具。請同時標出適合由AI協助的步驟，以及仍應由人判斷的步驟；如果資訊不足，請先向我提問。
實作心得1：一次只加一個功能，做完立刻驗證
直言自己並非技術職，李明倫打造工具時，會先和AI討論方案是否可行，確認後再逐步增加功能。他曾一次要求多項調整，結果自己和AI都容易混亂；後來改成一次處理一個小功能，完成後立刻驗證。此外，正式讓同事使用工具後，後續修改則要區分測試版與正式版（Staging／Production），避免調整功能時讓現場工具直接停擺。
實作心得2：AI說「很簡單」，不代表真能做出來
AI提出可行方案後仍要實測。李明倫坦言，有些AI口中的「很簡單」，最後仍可能做不出來；第一版範圍越小，團隊越能及早發現限制。遇到看不懂的技術問題時，他也會直接請AI換一種方式解釋，確認自己理解後再做選擇，避免盲目操作讓後續修改變得更複雜。
實作心得3：把專案知識建立在MD檔
每個主要專案也會建立MD檔，記錄規則、步驟與使用方式，避免重要脈絡散落在長對話中。至於是否進一步做成可重複調用的Skill，則要看流程的共通性。李明倫提到，許多工具的規則非常細，只適用特定單位；若跨團隊無法直接套用，保留成專案MD檔更實際。
實作心得4：文字講不清楚，就截圖給AI看
李明倫提到，和AI來回修正時，他大量使用截圖：把畫面截下來、圈起要改的地方，比打一長串文字精準得多。若要說明幾份檔案之間的關聯，他甚至會用PowerPoint畫成一頁示意圖。部署失敗時也是同樣做法：平台上會顯示錯誤訊息，截圖給AI就會自行修正，讓錯誤不再是障礙。
從問題到落地：非技術職也能採用的7步驟
想從0開始一個AI專案，必須涵蓋選題、盤點、測試與持續營運。綜合李明倫分享的實務做法，整理為以下7個步驟：
Choose 選題：選一個值得解決的問題，優先挑「高頻、重複、可標準化、成效可驗證」。寫下發生頻率、每次花費時間、參與人數、常見錯誤與成功指標。
Define 定義：用EPSP梳理現況（Existing）、問題（Problem）、AI解法（Solution）、標準流程（SOP）與預期影響（Business Impact）。
Discover 盤點：蒐集現有試算表、文件、SOP、工作討論、操作畫面，訪談真正執行工作的人（使用者痛點），再請AI整理流程、痛點與可能機會。整理完務必回到實務現場逐項確認。
Prototype 原型：只解決一條核心流程，第一版先求能用、能測，不急著做成完整系統。
Test 實測：找一位真實使用者放入真資料，實際使用一段時間（一天／一週），記錄錯誤與新需求，反覆修正。
Standardize 標準化：把有效做法整理成固定輸入、固定流程與固定輸出，並定義負責人、更新頻率、SOP及檢核標準。
Review 檢討：定期檢查時間、品質、KPI、使用率與可擴充性；若規則或現場需求改變，再回到下一輪選題與定義。
李明倫認為，真正可複製的不是Prompt，而是「Problem → Solution → SOP → Review」的方法，重新拆解工作，讓工作流程持續進化。
從最想解決的問題開始，打造你的AI營運團隊
而在工具導入後，李明倫建議AI專案的成效不要只看「做出幾個工具」，應追蹤使用者是否持續使用、人工時間是否下降、錯誤或遺漏是否減少、工作品質和核心指標是否改善，以及這套流程能否被交接與持續調整等。
他也強調，雖然本次分享是使用Claude，但不同AI工具都能協助盤點流程與建立原型，介面設計、功能穩定度和使用習慣可能各有差異，選擇自己和團隊用得順手的工具即可。真正決定專案能否落地的，仍是問題是否值得解、規則是否講得清楚，以及使用者是否參與驗證。
從「非做不可」的工作開始，AI才會進入每天與每週的真實流程。當團隊持續經歷「發現問題、建立解法、形成SOP、檢視成效、再修正」的循環，累積下來的成果會超過零散的提示詞或單一工具，逐漸形成一套可運作、可交接、可改進的人機協作系統。
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
【104 talks】必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能｜2/20 線上免費直播
文／104人資市集
「104 talks」致力於協助職場人士的知識學習與能力提升
為每位忙碌的職場人士，創立一個能夠高效學習的節目平台，集結各領域專業講師的知識與分享，為職場人士帶來啟發和新視角。
必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能
2025年想讓工作變得更輕鬆、高效嗎？
這場講座將帶您解鎖全新的工作思維，從掌握大局、時間管理到善用AI技能，讓繁瑣流程迎刃而解，能更精準且有策略的執行，輕鬆達到事半功倍的效果。
一起加入這場聰明工作術的旅程，讓工作變得更簡單！
講者及主題介紹
★黑馬思維－看懂局勢 跳脫平凡的密技- 主講人 : 楊東岳 | 大玩創意有限公司執行長
★掌握時間成本，創造高效任務管理策略- 主講人 : 曾正文 | PMP 國際專案管理師
★用AI方法徹底改造工作，輕鬆成為效率達人！- 主講人 : 林尚能 | 企業經營顧問
★這輩子免學Excel公式，用AI全部解決 - 主講人 : 吳承穎 | 查特普拉斯管理顧問有限公司 共同創辦人
講座資訊：
講座時間：2025/2/20（四）13:30~15:00
報名截止時間：2025/2/18(二)
活動形式：線上免費直播
適合對象：所有職場人士
價值：3600元 → 免費
立即點我免費報名
【報名流程】
1. 活動前1天，我們將以Email寄送活動通知及相關資訊給您，請隨時留意Email，以免遺漏。2. 本講座會以Youtube直播的方式進行。
【注意事項】
報名前，請詳閱課程內容及購買須知。
104 人資市集 保有相關課程內容調整及講師之變動權，可能視情況進行適當的修改與調整。
104 人資市集 保留報名審核權利。
如有課程相關問題，請至聯絡我們留下相關訊息。
． ． ．
最划算的全方位教育訓練方案！免費申請全課程試閱 >>
推薦你更多相關的好文章>>
【104 talks】時代 vs 世代：不可不知的 EAP 推動要點 | 興智國際執行長 黃智儀
【104 talks】現代領導者的人生進化指南 | 波波黛莉共同創辦人黃晨皓 Kim
【104 talks】AI 數據智能時代的工作再定義 | 微軟人資長王有蘋
【104 talks】運用心理能量，職場一路順暢 | 蘇予昕心理師
【104 talks】啟動你的能量計畫，打造高效人生 | 最速總經理王冠翔
【104 talks】提前佈局不被市場淘汰！第二曲線創新學 | 郭瑞祥
滿足中小企業的培訓需求！超過150+課程任選 >>
訂閱市集電子報與你分享專家文章及最新活動訊息 >>
加入104人資市集 Line 獲得新知與獨家優惠！
IC設計工程師、製程工程師與設備工程師一次搞懂！薪資、壓力與工作型態全面比較
在半導體產業中，不同角色的工程師雖然都在同一條產業鏈中工作，但無論從工作內容、工作場域，到薪資待遇，都存在明顯差異。本文整理前台積電營運效率部門主管—彭建文於104職涯診所EP482分享內容，從數位IC設計工程師與半導體設備工程師切入，並延伸探討數位IC設計工程師、類比IC設計工程師、製程工程師與設備工程師的不同。
文／104人力銀行小編整理
本文目錄（點擊可快速前往）
數位IC設計 vs. 半導體設備工程師：薪資差異從何而來？數位IC設計工程師：腦力密集的工作半導體設備工程師：與機台為伍的工廠守門人類比IC設計工程師：自然訊號的轉譯者半導體製程工程師 vs. 設備工程師 vs. 整合工程師：三者有何不同？結語：選擇工程職涯前，先了解你的生活型態與成就感來源
數位IC設計 vs. 半導體設備工程師：薪資差異從何而來？
以年薪中位數來看，數位IC設計工程師大約為 120萬，而半導體設備工程師則是 80萬。兩者都屬於半導體產業，但一個屬於上游的IC設計，一個則在中游與下游的製造階段。工作性質與壓力來源截然不同，也造就了薪資上的落差。
數位IC設計工程師：腦力密集的工作
數位IC設計工程師大多任職於聯發科、聯詠等IC設計公司，這些公司主要部門就是研發。工程師的日常工作幾乎都在辦公室內，負責用電腦設計與模擬IC電路，專注於專案的開發與時程控管。
這類工作強調「Time to Market」的壓力，意思是必須在限期內完成設計，趕上市場時機。例如原訂三個月完成的專案，可能會被要求一個月就得交出成果，因此需要極高的專注力與技術力。
尤其近年AI應用快速發展，帶動ASIC（特定應用IC）需求激增，讓IC設計研發的價值與重要性更上層樓。
[joblist_plugin title='【數位IC設計工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E6%95%B8%E4%BD%8DIC%E8%A8%AD%E8%A8%88%E5%B7%A5%E7%A8%8B%E5%B8%AB+ic+design&isJobList=1&order=15&page=1' amount='3']
半導體設備工程師：與機台為伍的工廠守門人
設備工程師的工作地點大多在新竹、苗栗、台南等地的無塵室，需穿著無塵衣，確保生產設備穩定運作。他們的壓力並非來自「時程」，而是「即時反應」——設備一旦故障，就可能造成數百萬的晶圓產能損失。
這些工程師需隨時待命（on-call），半夜接到機台異常的電話是常態，甚至需即刻返廠處理。壓力來源包括：
設備異常時需快速判斷、拆解問題
無法獨立處理時還需聯繫供應商（vendor）協助排除故障
處理完後還要撰寫報告，向廠長說明原因與改善方式
即使設備看似「沒問題」，工程師也可能因產出未達預期數量而被追問，壓力不容小覷。
[joblist_plugin title='【半導體設備工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E5%8D%8A%E5%B0%8E%E9%AB%94%E8%A8%AD%E5%82%99%E5%B7%A5%E7%A8%8B%E5%B8%AB&isJobList=1&order=15&page=1' amount='3']
類比IC設計工程師：自然訊號的轉譯者
與數位IC設計不同，類比IC設計工程師處理的是來自現實世界的連續訊號，如聲音、光線等，需將這些訊號轉換為IC可以處理的形式。這領域相對更貼近自然原理，也通常被視為IC設計的源頭之一。
數位與類比IC設計工程師在訓練與知識上有所區隔，前者強調邏輯與數位系統架構，後者則更重視訊號處理與電路模擬。
[joblist_plugin title='【類比IC設計工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E9%A1%9E%E6%AF%94IC%E8%A8%AD%E8%A8%88%E5%B7%A5%E7%A8%8B%E5%B8%AB&isJobList=1&order=15&page=1' amount='3']
半導體製程工程師 vs. 設備工程師 vs. 整合工程師：三者有何不同？
有些人會將「半導體工程師」這個名詞與製程、設備混為一談，實際上這三者職責明確分工：
半導體設備工程師：專職維護與操作生產設備，確保機台穩定運作，避免停機、達預期數量產出。
半導體製程工程師：掌控整條生產流程，優化機台的設定，思考如何提升良率。
半導體工程師（整合工程師）：是較廣義的角色，需了解製程、設備等不同面向，具備跨領域協調與整合的能力。
年薪中位數方面也有些幅差距：
半導體工程師：約 93萬
製程工程師：約 88萬
設備工程師：約 80萬
[joblist_plugin title='【製程工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%E8%A3%BD%E7%A8%8B%E5%B7%A5%E7%A8%8B%E5%B8%AB&isJobList=1&order=15&page=1' amount='3']
結語：選擇工程職涯前，先了解你的生活型態與成就感來源
數位IC設計、類比IC設計、製程工程師與設備工程師，雖然都屬於工程領域，卻走向截然不同的職涯路徑：
喜歡坐在辦公室、用腦力解題、參與長期專案，有技術深入與產品成就感？ 你可能適合走向 IC設計，無論是數位還是類比。
喜歡實作、現場操作、面對機台與即時問題，從實體運作中找到成就感？ 那 設備工程師 會是你的舞台。
喜歡系統性思考、跨單位協作、關注製程穩定性與良率提升？ 那你或許適合走向 製程工程師，成為連結設計與現場的關鍵橋梁。
每個角色都不可或缺，在選擇工程職涯之前，不妨先了解產業分工、自己的性格與成就來源，再決定適合自己的未來方向。
Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇
Claude Cowork怎麼用、需要付費嗎？本文解析Cowork與Chat模式差異、桌機版使用條件、操作流程、資料夾授權及安全機制，並比較3種模型的適用情境，幫助你選擇合適的AI工作方式。本文節錄自《Claude 萬用手冊》。
文／施威銘研究室
本文目錄（點擊可快速前往）
Claude Cowork要付費訂閱嗎？怎麼使用？Claude Cowork和Chat有何不同？安全風險解析Claude Cowork介面與2種授權模式Claude Cowork怎麼用？4步驟運作原理Claude Cowork模型怎麼選？適用情境對照
前一章我們透過Connector與Skill，讓Claude能讀取外部工具資料，並依照指定流程處理任務。不過在Chat模式中，Claude的行為主要停留在對話框裡，檔案上傳、結果下載與後續整理，通常仍需要由你手動完成。本章要介紹的Cowork模式，會把Claude從對話框往你的桌機或筆電（以下簡稱本機）再推進一步。它可以在你授權的範圍內讀寫本機上的指定資料夾，並把整理好的Excel、Word、簡報等成果直接放回你的電腦。
接下來，我們會從Cowork的基本操作開始，帶你認識Cowork專屬的外掛機制，並實際建立屬於自己的外掛。同時，也會說明Cowork在執行任務時的限制，讓你在使用前能先掌握它適合處理哪些工作，以及哪些情境需要特別留意。
Claude Cowork要付費訂閱嗎？怎麼使用？
使用Cowork模式前，請先確認你已升級到Claude Pro以上方案（需付費訂閱），並安裝最新版Claude Desktop。Cowork是桌機版獨有功能，網頁版與行動版無法使用。Claude網址：https://claude.ai/下載桌機版：https://claude.ai/downloads
Claude Cowork和Chat有何不同？安全風險解析
在操作Cowork前，我們先把它和前面介紹過的Chat模式做個對比，幫助理解兩者的定位差異。
Chat模式：適合一問一答、需要快速反饋的任務。Claude的輸出主要留在對話視窗中，檔案需要你上傳，結果也通常要由你自行下載、複製或貼到其他地方。它可以讀取你上傳的檔案，也能透過Connector取得外部資料，但不能直接到你的電腦裡讀寫檔案。
Cowork模式：適合多步驟、需要較長時間執行，或需要處理本機檔案的任務。它會自己規劃步驟、拆解任務，並在你授權的範圍內讀寫指定資料夾，最後把成果存回你的電腦。過程中你也可以隨時介入、暫停或修正。
看到這裡，你可能會有一個疑問：既然Cowork可以讀寫本機檔案，那會不會有安全風險？
實際上，Cowork並不是把Claude直接放進你的作業系統裡任意操作。Anthropic會為Cowork建立一個獨立的虛擬環境（沙盒），Claude執行的程式碼與Shell指令，都會在這個環境中運行，而不是直接作用在你的主機上。這樣做有兩個好處：第一，即使Claude在執行過程中產生錯誤檔案、安裝不必要的套件，或執行了不符合預期的指令，影響範圍也會被限制在虛擬環境內，不會直接作用在你的系統上。第二，Claude存取檔案採用白名單機制，只有你明確授權的資料夾，才會被掛載到虛擬環境中供Claude使用。換句話說，Cowork模式下的Claude雖然有手可以動，但這隻手僅能在玻璃箱內操作，而且玻璃箱只能伸進你打開的那幾個抽屜。
了解Cowork的基本定位後，接下來我們就進入Cowork介面，實際認識它的使用方式與運作機制。
Claude Cowork介面與2種授權模式
打開Claude Desktop後，將介面最上方的模式切換成Cowork，即可進入Cowork模式。
（圖／《Claude 萬用手冊》）
任務視窗選項說明：
New task：新建一個Cowork任務的入口
Projects：管理長期專案。每個專案能有自己的指令、檔案、排程與記憶
Scheduled：管理排程任務。在這裡可以查看、編輯、暫停或執行所有定期任務
Live artifacts：所有透過Cowork建立的Live artifact都會收納在這個頁面
Dispatch：跨裝置工作流的入口，可以從手機派任務給桌機處理
Customize：管理你目前安裝的Plugin、Skill與Connector
Claude的兩種權限模式
Cowork的存取權限提供兩種設定模式：Ask before acting與Act without asking。這兩種模式的差異，會直接影響Claude在執行任務時，是否需要先停下來等待你的同意。
Ask before acting（執行前先詢問）：Claude在動作之前會依照你在Connector中設定的Tool permission權限進行判斷。如果某項能力被設定為Need approval，Claude就會在執行到該功能時停下來詢問你，等你按下「允許」後才會繼續。這個模式適合你希望針對不同外部服務保留不同權限控制的情境。
Ask before acting（執行前先詢問）：當某項能力被設定為Need approval時，Claude會在任務執行過程中等待你的允許，才繼續執行。（圖／《Claude 萬用手冊》）
Act without asking（不詢問直接執行）：當選擇此權限模式時，畫面會跳出一個確認視窗，要求你在目前這個Cowork任務中，開放所有外部服務的能力限制。也就是說，這個任務下所有Connector的Tool permission會被強制視為Always allowed，讓Claude在執行時不會中途停下來等待確認。這種模式速度較快，但相對風險也較高，只建議在你完整監看任務流程，而且工作資料皆為可信來源時使用。
Act without asking（不詢問直接執行）：系統會要求在當前Cowork任務下，將全部Connector的權限都視為Always allowed，且任務執行過程中不會再針對外部服務操作逐一詢問。（圖／《Claude 萬用手冊》）
Claude Cowork怎麼用？4步驟運作原理
Cowork和Chat模式最大的差別，在於它不是接到任務就立刻回覆，而是以Agent（執行代理人）的方式運作。你給它一個目標，它會先規劃步驟，再依照計畫執行任務，必要時，它也會在過程中停下來向你確認。整體流程可以簡化成：Plan → Review → Execute（必要時Ask）。
什麼是Agent？
Agent可以理解為一種「以目標為導向」的AI系統。它和一般我問你答的Chatbot（聊天機器人，如Chat模式）不同，Chatbot多半由使用者一步步下指令；Agent則是在目標明確、邊界清楚的前提下，主動拆解任務、安排步驟、選擇工具，並持續推進工作。Agent通常具備三個核心特性：
目標導向：使用者給的是任務目標，而不只是單一步驟指令。
自主規劃：能自行拆解多步驟流程，不需要使用者針對每一步下指令。
工具整合與判斷：能依任務需求選擇工具，並在過程中判斷下一步該做什麼，例如分類檔案、選擇輸出格式，或決定是否需要向使用者確認。
【STEP 01】Plan：先產生執行計畫
你送出任務後，Claude不會立刻開始動作，而是先分析任務目標、需要處理的檔案、可能使用的工具，以及執行順序。接著，它會列出一份可見的工作計畫，讓你知道接下來打算怎麼做。
【STEP 02】Review：檢視與介入調整
計畫出現後，Claude不會停在原地等你確認，而是會直接依照計畫中的第一步開始執行。如果發現計畫方向不符合需求，可以隨時暫停執行，或在輸入框中要求Claude修改計畫內容。
這也是Cowork和一般Chat模式很不一樣的地方，你不必等它全部做完才修正，而是可以在任務進行中即時介入。
【STEP 03】Execute：開始執行並回報進度
進入執行階段後，Claude會依照計畫逐步處理任務，並在過程中更新每一步的狀態。你可以看到它使用了哪些工具、呼叫了哪些技能、產生了哪些檔案。整個流程不是黑箱操作，而是可以追蹤、檢視與介入的工作過程。
【補充】Ask：遇到不確定情況時暫停詢問
如果執行過程中遇到模糊或需要你判斷的地方，Claude不會直接猜測後繼續做，而是會暫停下來向你確認。例如執行規則不明確、輸出格式和任務描述有衝突等，它會提出問題，等你回覆後才繼續執行。
（圖／《Claude 萬用手冊》）
由於Cowork不是單純回答一句話，而是會經歷規劃、確認、執行、回報等多個階段，因此每次任務消耗的token通常會比一般Chat模式更高。任務越複雜、處理的檔案越多、執行步驟越長，模型成本也會跟著增加。因此，在使用Cowork前，除了理解它的執行流程，也要知道該怎麼選擇合適的模型。接下來，我們就來看Cowork模式中的模型選擇。
Claude Cowork模型怎麼選？適用情境對照
Cowork任務在執行過程中，Claude需要反覆判斷下一步、讀取中間結果、使用工具，並產出檔案。因此，模型選擇會直接影響三件事：執行速度、推理品質，以及配額消耗。簡單來說，模型越強，越適合處理需要複雜判斷與資料整合的任務，但通常執行速度較慢、配額消耗也較高；模型越輕量，速度和消耗量雖具優勢，但比較適合規則明確、變化較少的任務。
所以在選模型前，建議先問自己幾個問題：
這個任務需不需要複雜判斷？
如果只是批次整理、格式轉換、簡單分類，通常不需要太強的模型；若需要跨文件比對、找出隱含關聯等，就比較適合推理能力較強的模型。
檔案數量與內容長度多不多？
如果只處理少量短文件，輕量模型通常就夠用；若要讀取大量文件、長篇報告或多份資料交叉比對，就需要考慮模型的理解與整合能力。
任務流程會不會很長？
步驟越多，Claude需要判斷下一步、讀取結果、產出內容的次數也越多。這會拉長執行時間，也會增加配額消耗。
輸出結果是否為正式文件或長文本？
如果只是產生初步草稿、整理表格或固定格式摘要，可以選擇較輕量的模型；反之，要產出正式提案、長篇報告等高度精準的內容，就建議選擇能力較強的模型。
這是不是會重複執行的任務？
如果是每天、每週都會跑的排程任務，使用額度消耗會累積得很快。這類任務通常不建議一開始就使用高階模型。
也就是說，模型選擇的重點不在於越強越好，而在於是否剛好符合任務需求。下表整理Cowork介面中目前可用的三個模型系列與適用情境：
模型系列推理品質執行速度配額消耗建議使用場景Haiku系列適合簡單判斷最快最省規則明確、重複性高的任務，例如批次更名、簡單分類、欄位整理、固定格式摘要、把資料轉成指定格式Sonnet系列平衡穩定中等中等大多數日常Cowork任務，例如檔案整理、跨檔摘要、資料比對、Connector串接、產出Word/Excel/簡報初稿等Opus系列最強較慢最高需要複雜推理與整合的任務，例如大量文件交叉比對、合約條款差異分析、研究資料整理、長篇內容規劃與高品質撰寫
Cowork模型選擇的實務建議：
不確定該選哪個模型時，先用Sonnet，通常能兼顧輸出品質、執行速度與配額消耗。
任務規則越明確、格式越固定，就越可以改用Haiku以節省配額。
只有在需要跨資料推理、判斷細節或產出高品質內容時，再使用Opus。
Schedule這類定期執行的任務會累積消耗，通常不建議直接使用Opus。
節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室 著
推薦閱讀：
憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學
「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？
告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！
AI電力即國力，攻上產業新浪頭！
AI來了！從研究、開發、到應用，AI運算的百萬瓦賽局，AI電力不但是國家競爭力，也是人才新戰場。光寶科雲服務電能方案事業部資深處長李建男、以及光寶科韌體工程師Krista分享「光寶新三力」，當企業將研發重心從「被動代工」轉向「主動定義」，AI人才規格也不再只是聽命行事，而是和客戶並肩作戰、共同思考，能夠定義規格、超越標準答案，透過模擬與實作大膽嘗試，解決前線的技術難題，甚至為了追求1%的極限，不惜在最後一刻還有勇氣打掉重練。
**想進入光寶科？2026/7/4(六) 台北世貿一館和企業人資面對面。報名傳送門 **https://podcast104.pse.is/8sla9c
【本集來賓】李建男 Rolan Lee：光寶科雲服務電能方案事業部資深處長 ，長庚大學電機所畢業，在光寶科任職23年，主要負責AI資料中心、伺服器電源與能源管理解決方案相關的業務與產品策略推廣。張中昀 Krista Chan：光寶科企業運算服務事業部韌體工程師，為光寶科Pilot Z新世代人才養成計畫之一員。
【本集重點】06:00 AI關鍵字08:06 邊緣運算是光寶科另外走的道路？！10:35 電池運用佔比愈來愈高，光寶科領先同業13:08 電源管理數位化的趨勢15:24 吉卜力的算力，電源也出自光寶科16:22 光寶科如何協助夥伴企業解決電源難題？18:14 數位年代需求的人格特質21:46 AI時代下，最缺哪類人才？23:17 光寶科如何提供完整人員培訓機制？25:30 使用AI工具，讓工作更有效率27:31 光寶3力：AI協作力、學習敏捷力、跨域整合力30:03 工程師跨域工作的卡點
▍開箱不同職務，你還可以聽EP469 想進高薪科技業！選對賽道、表對心意。勇闖國際大廠！菜鳥強調好訓練，老鳥專攻好上手 EP571 設計烘豆APP，咖啡小白變身杯測師。以探索問題為樂！以用戶體驗為成就 EP544 便利超商區顧問3年，年薪逾百萬。儲備幹部練就5大基本功，「自由球員制度」多元輪調
從識人到用人：剖析性格特質，優化團隊組織配置
文／104人資學院
本文探討了企業在招募和管理人才過程中，如何透過剖析性格特質來優化團隊組織配置。僅僅依賴履歷和技能無法完全預測一位員工的適應性，性格特質乃是成功的關鍵。透過五大人格理論研發的性格量表，企業能夠深入了解求職者的情緒穩定性、合作性與創造力等，避免因性格不合而造成的離職風險。針對員工特質的精準配對，幫助主管制定適合的管理策略，促進團隊合作與穩定性。最終，透過科學的性格洞察，企業可提升選才準確度，打造高效團隊。
本文導覽
性格特質：選對人的關鍵依據
用人選才：從單一特質到性格組合
帶人管理：讓性格成為「用才依據」
性格X職務配對：提升久任與績效
實際應用：從團隊默契到領導選育
讓104測評中心成為選才用才的智囊
在招募與管理人才的過程中，常見一種情況是：履歷看起來完美、技能符合需求，但進入團隊後卻發現適應不良、溝通卡關，甚至短期內離職。這些問題往往不是能力不足，而是「性格不合適」。企業若能在選才階段就洞察性格特質，不僅能預測穩定度，更能提升整體團隊效能。
104人資學院資深專任顧問李冠輝在「精準選才×有效帶人：探索性格特質，打造高效團隊」的講座中指出，現代用人不能只看冰山上的專業技能，還要深入冰山下的性格特質與動機，才能找到「合得來、留得住、帶得動」的團隊成員。
性格特質：選對人的關鍵依據
我們過去常說「選才看能力、用才靠管理」，但李顧問提醒，性格才是決定這個人能否發揮所長的潛在條件。即使具備相同能力與背景，不同性格的人，在壓力下的表現、團隊互動、學習意願、接受回饋的方式都可能大相逕庭。
以五大人格理論（Big Five）為基礎，104測評中心設計的「性格量表」涵蓋情緒穩定性、親和樂群性、勤勉謹慎性、外向實踐性與經驗開放性等五大面向，細分為27項行為指標。例如：
抗壓性與情緒調適：預測應徵者面對壓力時的穩定度。
合作性與社交性：評估其團隊協作的潛能。
謹慎性與堅毅性：反映執行任務的細緻度與持久度。
企圖心與表現性：洞察其主動性與成果導向程度。
創造力與思辨性：判斷其應變能力與創新潛力。
透過短短15分鐘的測驗，就能掌握個人性格在各面向的相對位置，有效避免只看履歷或面談時留下的表面印象。
用人選才：從單一特質到性格組合
用對人，比用強的人更重要。李顧問強調，選才時不能只單點看「這個人有沒有責任感」，而是要思考多種性格的組合。例如：
企圖心高但堅毅性低：可能容易放棄、不穩定。
影響性高但同理心低：可能擅長說服卻易忽略他人感受，造成團隊摩擦。
合作性高但創造力低：或許適合穩定執行型的職位，但不利於創新任務。
這些組合的解讀，不僅有助於選才，也能幫助主管安排任務與溝通策略。104測評中心的報表設計，除了呈現各項性格指標的高低位置，也會提示可能的互補或風險組合，幫助HR與主管做出更立體的判斷。
帶人管理：讓性格成為「用才依據」
主管常面臨一個難題：部屬能力不錯，卻總是與他人發生摩擦、無法主動溝通，或無法承受壓力。這時若沒有性格上的理解，容易將問題簡化為「態度不好」，甚至錯失培育的可能性。
透過性格測評，主管能夠：
找到適合每位成員的工作風格與溝通方式。
避免高潛力人才因誤解而流失。
在帶領團隊時，運用差異性打造互補結構，而非一味追求同質化。
舉例來說，一位企圖心強但抗壓性低的新人，若在初期就安排大量獨立挑戰任務，可能會因壓力導致挫敗感，反而打擊信心。但若安排一位謹慎且穩定的資深同事進行協作，不但能保留其主動性，還能給予情緒支持，降低離職風險。
性格X職務配對：提升久任與績效
104測評中心根據多年大數據建立了「穩定任職模型」，能協助企業預測候選人是否具備長期穩定任職的性格特質。這在高流動率如客服、零售、行政助理等職位中尤其關鍵。
例如，具備「守成性」、「知足性」、「順應性」、「責任感」的員工，在偏重執行面、變動低的職務中通常更能久任、累積經驗、發揮穩定價值。相反地，若員工較具備「創意」與「冒險」特質，卻安排單調例行的工作給他，反而容易出現不穩定、不滿足的情緒，導致高離職率。因此，正確的性格與職務匹配，不只是找對人，更是留住人的重要關鍵。
實際應用：從團隊默契到領導選育
除了選才與用才，性格測評也能幫助組織理解整體團隊的運作模式。例如：
團隊是否過度集中在某一性格面向（如保守、低冒險），導致創新停滯？
是否缺乏情緒穩定與表現導向的中堅人才，造成執行落差？
團隊成員彼此的合作性、順從性、社交性差異大，導致溝通不良？
透過性格分析，企業能建立屬於自己的「團隊性格常模」，日後無論新招進來的是業務、行銷、PM或主管，都能更準確地評估其與現有文化的融合度。
讓104測評中心成為選才用才的智囊
人才不是用看的就能了解，也不是靠面談就能摸清。若你希望：
增加選才準確度，避免誤判與流失
協助主管理解團隊，提升帶人效率
建立符合企業文化與需求的性格選才標準
歡迎與【104測評中心】聯繫，從性格洞察出發，打造高效協作的團隊生態。讓我們一起讓「人」與「位置」的配對，不再靠運氣，而是靠科學。
>> 延伸閱讀：章魚、劍魚、海豚，你是哪一種？五大人格×海洋角色，秒懂人才性格職場力！
👉立即洽詢測評應用
打造企業「AI+綠領」雙軸升級計畫，專家建議5策略發展
台灣經濟迎來最強動能！受惠於AI運算需求與資通訊出口爆發，面對這波科技浪潮，企業招募不再只看學歷，具備AI開發與淨零碳排能力的「雙軌人才」正成為市場最炙手可熱的標的，身為資源有限的中小企業，如何在這場人才爭奪戰中突圍？文章中提供中小企業轉型AI×綠色人才發展策略建議，如：技能優先、證照加持、實戰專案及組織文化，以掌握未來人才樣貌，在數位與永續雙轉型中取得優勢！
文／鍾文雄（104資訊科技 人才永續長）
本文導覽
中小企業AI與綠領雙軸轉型下的人才發展策略一、導入技能優先「Skills-First」，取代以學歷導向的人才任用策略二、透過技能檢定、認證課程與證照，提高人才專業深度三、強化現有人才的「AI＋綠領升級計畫」四、善用政府、學校及專業機構的資源與協助五、打造綠色與AI的組織文化企業鍾愛未來人才的樣貌-跨域及整合型人才
根據行政院主計總處2026年初的報告，受惠於AI與高效能運算需求強勁，2025年台灣經濟成長率（GDP）上修至8.63%，創近15年新高，主要受惠於資通訊產品出口遠優於預期帶動。展望2026年，預測經濟成長率上修到7.71%，在穩健的出口與投資動能下，顯示科技出口動能續強，2026年人均GDP將突破4萬美元，台灣整體產業經濟展望正向發展，預估會帶動企業人才招募動能。
美國OpenAI公司在2022年底推出ChatGPT以後，AI應用在各領域的新科技推陳出新，企業除了要精簡大量數據與重複性工作流程以外，更需要投資AI在產品開發、服務流程及商務模式的技術創新。根據104人力銀行的調查統計，因應AI數位轉型發展需求強勁，2025年企業在AI人才招募職缺數超過3萬個，75%企業願意為具備AI開發技能的人才提供薪資加碼等誘因，平均增幅達9.5%以上。科技相關產業普遍看好自身及2026年景氣，在2026年的薪資調查報告中，軟體及網路相關業受到AI轉型與數位服務需求帶動，加上外商與新創公司競相徵才，調薪幅度7.1%居各產業之冠
另外，台灣「綠領」人才已進入搶才時代，職務缺口逼近3萬個，需求綠領的企業家數，2018到2025年8年間成長182%，需求綠領人才數量8年間成長278%。2025年下半年平均每月有5,340個綠領AI工作機會，年增幅57%，占整體綠領工作機會的18.2%，顯見企業對於AI與綠領技能雙軌人才的需求正日益增加。
▲ 資料來源：環境部綠領人才就業趨勢報告（2025年11月）
▲ 資料來源：環境部綠領人才就業趨勢報告（2025年11月）
中小企業人才若能同步補足AI能力與淨零／綠色能力，不僅符合供應鏈與法遵需求，也能在效率與營收端創造實質回報。
延伸閱讀：綠領人才缺口逼近3萬、8年成長278%年薪200萬高薪綠領出列！
中小企業AI與綠領雙軸轉型下的人才發展策略
中小企業的資金、人才與技術資源比不上大型企業，因此在AI與綠領雙軸轉型的人才發展策略，必須整合內部資源，連結政府相關部會與外部專業機構，掌握務實、穩健及驗證可行的原則下推進。
一、導入技能優先「Skills-First」，取代以學歷導向的人才任用策略
根據104人力銀行的調查統計，49.3%綠領工作不限科系，56.2%歡迎年資一年以下或不限。而企業對於AI人才資格要求，則有55%以上不限科系，整體綠領跟AI職缺歡迎大專以下學歷，技能、實作經驗、認證課程與證照已經超越學歷的要求。建議中小企業可以任用非理工背景人才、中高齡再就業人才、外籍與僑外生，藉由專業技能訓練強化員工綠領與AI雙軌應用能力。
二、透過技能檢定、認證課程與證照，提高人才專業深度
建議中小企業在綠領人才的任用與訓練發展上，連結經濟部產業人才能力鑑定iPAS的淨零碳規劃管理師能力鑑定與環境部淨零綠領人才培育課程。在AI應用技能的提升上，則可以參照數位發展部《AI產業人才認定指引》的人才類別與技能架構，搭配專業發展路徑，建構企業AI人才學習地圖。另外參與iPAS的AI應用規劃師能力鑑定與外部AI工具應用與資料分析師等國際認證，都可以提高企業人才的專業深度。
延伸閱讀：iPAS淨零碳規劃管理師初級證照：考試如何準備？哪些人適合考？
三、強化現有人才的「AI＋綠領升級計畫」
我們深知訓練學習必須連結實務應用，才能創造最佳的學習成效，如能規劃AI×ESG複合式訓練營，或是節能減碳專案導入KPI×AI數據化工具，以專案計畫推動訓學用合一，如能源自動監控與節費專案、碳盤查自動化專案、AI 製程減碳優化或是供應鏈碳資料品質管理等專案。
四、善用政府、學校及專業機構的資源與協助
根據調查取得環境部淨零綠領人才培育課程合格證明的人才，提升面試邀約率達5.4倍；根據iPAS專業人才媒合平台資料，目前已有超過千家企業加入認同，承諾「優先面試」獲證者，持有證照者的初次就業率高達 90%，平均而言，持證者的起薪較一般初任人員高出約 10%。
企業除了優先錄取通過政府相關部會推動的認證以外，鼓勵現職員工參加勞動部職訓中心課程、進入學校持續進修學程及課程、推動學校系所的研究與合作計畫，或是與外部專業機構進行輔導、技術移轉與驗證合作，都可以提升企業的營運績效及人才素質。
五、打造綠色與AI的組織文化
AI與綠領人才的留任關鍵來自薪資競爭力（如：綠領薪資中位數比整體高5.3%）、友善職場與工作環境（如：彈性工時、遠距／混合上班、提供學習資源及補助）、心理安全感、跨部門協作及學習型文化。
中小企業如能推動內部綠色行動，如設置節能小組、制定淨零目標，規劃AI Party、免費素食日、ESG Day、AI與綠能創新競賽等活動，提升全體員工參與感。搭配獎勵與鼓勵措施，如設立學習獎勵金、考取綠領／AI證照獎勵金、創新競賽獎金，逐步形塑公司綠色與AI的創新文化。
企業鍾愛未來人才的樣貌-跨域及整合型人才
因應資訊科技發展及企業永續經營的人才需求，跨專業領域人才如果能在原有的專業領域下，持續強化AI及綠領技能，便能夠整合多元資訊及數據做出適當決策，這是企業鍾愛與競逐的人才類型。
而從人才端來看，未來職涯如何不被AI與綠能專業取代、永保職場競爭力，持續維持學習動能，持續強化科技力及語文能力，在求學階段及工作中培養跨部門溝通與協作能力，透過實習、輪調及專案工作任務培養解決問題能力。
中小企業若能盡早完成AI×綠色人才的雙軸升級，不只可以符合國際企業永續及環保法規要求，更能提升營運效率、吸引高潛力人才，建立不可取代的競爭優勢。
（原文標題：中小企業雙軸轉型下的人才發展策略）
【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
如何提高工作效率？4關鍵因素解析：一心二用對生產力有負面效果
如何在有限的時間內完成更多高價值的任務？專家強調，關鍵在於處理對的事情、時間箱效益最大化、以一心專用取代一心二用、從看似無止境的任務獲取價值，生產力將能大幅提高。本文為《箱型時間：高速時代的15分鐘深度專注力》書摘精選，以實證數據揭示提高效率的秘訣。
文／馬克‧曹–桑德斯
本文目錄（點擊可快速前往）
想完成更多任務，要先做對的選擇什麼是「帕金森定律」？懂運用就能多產出「箱型時間」幫你判斷能否在時限內完成「一心二用」對生產力有負面效果有意識地使用你的「零碎時間」接受「無底洞」知識工作沒有明確的盡頭
現在不流行講生產力了。近來，這個概念已被染上負面色彩，令人聯想到過度干涉的管理方式、沒完沒了的工作、對工作生活平衡和心理健康的忽視。但我仍然能夠很有把握地提出，「提高績效」依舊是重要、值得推崇的工作和生活態度，而箱型時間幫助我們辦到這點。
想完成更多任務，要先做對的選擇
如杜拉克（Drucker）所說，想要完成更多的事情，最重要的是把注意力放在對的事情上。想要把注意力放在對的事情上，就要取捨和培養這麼做的心態，不覺得疲憊、不分心，也不覺得那是苦差事。這樣一來，我們將更專注在想要和需要完成的事。如果缺乏計畫，漫不經心地過日子，我們的注意力就會被很多不重要的事給分散。
箱型時間能幫助我們完成大多數的任務，我們可以利用時間箱輕鬆辨識出哪些是需要優先處理的緊急任務。至於非緊急任務，例如學習，也可以利用時間箱指定適合的時段，這樣才不會一延再延。我們也比較有可能在尚有精力處理的時候，正面迎戰經常被有意無意避開的困難任務。至於那些看起來小到不必規劃的單一任務，則可以集合起來，等待一個時間一起處理。最後，那些沒有用處、適得其反的任務，由於不會出現在行事曆上，我們看不到，自然沒有理由去做。
我們試著來量化那些好處。若一個任務的價值可以分成1到10分；假設，當你只是見招拆招，任務平均價值為6分；再假設，當你事先訂出該做的事，任務平均價值為8分，那樣價值就提高了33%。要是我們假設80/20法則適用於知識工作，那麼提升的幅度更大。少數關鍵任務就能貢獻大部分的生產力。
什麼是「帕金森定律」？懂運用就能多產出
有句老話只要顛倒過來，就能提高生產力。雖然很多人愛拿帕金森定律開玩笑，但這條廣受認可的定律告訴我們「工作會不斷膨脹，直到填滿可用的完工時間」。如果你有30分鐘可以整理房間，你就會花30分鐘整理房間；但是如果你有60分鐘，你就會花60分鐘。帕金森定律所說的時間損失，其實和拖延有極大的關係。而箱型時間就是把握這句話的相反面：把工作壓縮到符合排定的完工時間，用比較小的時間箱，來完成相同的工作，聽起來是否很划算。
這個概念有科學研究的支持。在一項研究中，參加實驗的大學生被要求判讀4組照片。其中一隊大學生在實驗開始前被告知第4組照片取消了，但是他們使用的時間，與維持看4組照片的其他隊沒兩樣。判讀3組照片的學生依舊用完可用的時間：「只要預期下一項任務被取消或臨時多出時間，可以在手邊工作東摸摸、西摸摸，會使人大幅降低效率，付出高昂的代價。」許多研究都觀察到相同的結果。
在另外一項實驗中，受試者隨機分配到5或15分鐘，用來完成一模一樣的任務。分配到15分鐘的人，依舊以長出許多的時間完成任務。第3項研究指出，影響期末考分數的因素，有超過1/3歸咎於拖延。
「帕金森定律」運用起來當然也有限度，你是可以規定自己要在1小時內，從零開始寫出1萬字的報告，但不可能辦到。箱型時間沒那麼神奇，前面所提的研究大多是說，你可以節省1/4到一半時間。但也有研究指出，時間減少導致品質下降。2014年，有一項比較近期的研究證實了這點：「有時間壓力的學生，比沒有時間壓力的學生，平均分數低了3分。」
不管是把截止時間定遠一點以減少壓力，還是只要做到一定程度就好，聽起來都很有道理。如果單是懂得運用帕金森定律，就能多擠出1/3的產出，何樂而不為？
「箱型時間」幫你判斷能否在時限內完成
箱型時間可以把大型任務拆成方便估算和管理的小型任務，也就是說這套方法能夠幫助你看清楚龐大計畫裡的各種要素。這類大計畫包括：搬家、推出新產品、籌辦生日派對等。
它可幫助你判斷能否在可用時間內完成，還是你需要另做安排。它也幫助你確認，在時間充裕的情形下，被拆解的小任務是否都能在時限內完成。
「一心二用」對生產力有負面效果
我們在第4章提過一心二用會引起某些負面情緒，然而一心二用也對生產力造成負面效果。
其實，不太會有人真的一面寫報告、一面聊天、一面查閱消費支出、一面簡報，現代人的一心二用，多半發生在分心回應訊息通知，有了通訊軟體（如微軟Teams、Slack、電子郵件）和硬體設備（如筆電、平板電腦、智慧型手機、智慧型手錶），每天都有數不清的通知，導致我們老想查看誰傳來什麼訊息，影響到工作。
一心專用通常能幫我們完成更多事，一心二用或情境切換則會使效率降低：有一份2001年的論文指出，一心二用和情境切換會耗損40%的商業生產時間。一心二用在某些情境非常危險，像是一面開車一面傳簡訊。在美國，每年有超過3千件死亡車禍，原因就是開車不專心。而且有一些認知負荷很高（例如教孩子代數或審閱法律文件）和恢復速度遲緩的事，特別不能被干擾或是一心二用。確實有極少數的任務可以同時進行，後續會在第18章討論。但是就絕大多數的情況而言，箱型時間完全排除一心二用的可能，完整呈現一次做一件事的強大力量。
有意識地使用你的「零碎時間」
我們每天都有許多的零碎時間，像是等候公車、通勤時間、在咖啡廳等人以及會議提早結束或被取消時。大部分的人會把這些時間拿來直接滑手機，是的，看手機已是現代人最直覺化的行為，每天會花超過兩小時的時間，在手機上瀏覽社群媒體。
我們不停滑著手機，很多時候甚至未從中感受到快樂，那不是娛樂，而是上癮。零碎時間被吃掉，享受好處的不是我們，而是大型科技公司。我們失去的每一分鐘，累積成一個又一個小時，甚至更多時間。試想，假如我們能運用零碎時間去做更有價值的事，該有多好。採用箱型時間，並且有意識地使用這些零碎時間，你的一天也許能多一小時有生產力的活動時間。
接受「無底洞」知識工作沒有明確的盡頭
知識工作沒有明確的盡頭。有生產力專家建議，針對這個狀況，最好的做法是接受它和不要在意它。最常見的例子就是電子郵件：當你收到很多電子郵件，一一回覆後，就會收到更多的回信……永無止境。
這麼說並不完全正確。雖然，真的不會有最後一封電子郵件（從這角度看真的沒有止境），但是電子郵件的確替我們傳遞許多有用的資訊。雖然寄出郵件之後，收件匣的信件會變多，但是在那一陣子的電子郵件往來，到了某個時間，你的計劃終將完成，也許是生意談好了，也許是團隊成員比之前更有參與感。你當然需要管理自己的收件匣，不能讓它影響你的情緒或妨礙其他該完成的事，後續將在第11章說明如何防範。
如果能夠考量到所有相關聯的因素，包括處理對的事情、時間箱效益最大化、以一心專用取代一心二用、從看似無止境的任務獲取價值，生產力將能大幅提高。有個有趣現象，就是一個正在節食，懂得計算和控制熱量攝取的人，會比沒有在計算的人多減掉一倍的體重。用數字估算效益或許過於單純，但是如我在2018年發表的文章所說，箱型時間若運用得當，至少能提高一倍的生產力。
節錄自：三采文化《箱型時間：高速時代的15分鐘深度專注力》／馬克‧曹–桑德斯 Marc Zao-Sanders 著
推薦閱讀：
新年目標怎麼訂？如何規劃並執行個人年度目標？ChatGPT指令快速搞定
提升工作效率5大步驟！學會高效管理時間，先找到「行動力開關」
工作永遠做不完，沒時間做重要的事？想突破需要有意識的4個認知
用「優勢公式」找對夥伴！Google與DeepMind工程師如何用AI改寫能源產業
Google與DeepMind工程師如何用AI讓數據中心省電40%，並創辦AI節能新創？看懂能力、動機與洞見組成的「優勢公式」。本文節錄自《商品決勝點》。
文／傑克納普、約翰澤拉斯基
你的優勢是什麼？優勢會以能力（capability）、動機（motivation）與洞見（insight）三種形式出現。為了解釋這三種優勢如何發揮作用，我要帶你回2014年認識三個人。他們日後成為公司創辦人。看看你能否從接下來的段落，找出三人替專案帶來的優勢─並猜一猜他們最終建立哪一種公司。
首先是機械工程師凱蒂．霍夫曼（Katie Hoffman）。
2014年的一個平常日，凱蒂在各種工業設備之間走來走去，手上沾滿灰塵和油汙。她的視線順著亂七八糟的線路走，一下子接這台機器，一下子接那台機器。凱蒂帶領的團隊負責翻新工廠，裝上新型控制系統以發揮最佳效能。這份工作很重要的一環，就是找出舊系統是如何運作，而實際情形永遠和設計文件說的不一樣。
凱蒂盯著的那條線，連到又一個工廠文件上沒提到的感應器。她用手機拍下照片，備註幾句話，然後嘆氣。成功破解舊系統並改善效率，的確會帶來滿足感─但凱蒂心知肚明，再過幾年，又會有另一批人跑來這，拆掉她所有的心血，再度翻新工廠。在那之前，系統將停留在這次的更新，永遠不會改善，直到再度大改造。凱蒂感覺這樣很浪費，想必還有更好的辦法，但是該怎麼做？
接下來是吉姆．高（Jim Gao）─也是機械工程師。
2014年一個普通的一天，吉姆坐在控制室裡，地點是Google位於愛荷華州的龐大數據中心。這座數據中心當初在設計時，吉姆就參與了，但他今天和凱蒂一樣，想著有什麼辦法能改善效能。
廠內漆成亮色的藍綠紅黃管線，通往四面八方，讓這座數據中心看起來有如《超級瑪利歐》（Super Mario）遊戲被搬到現實世界，只不過沒有蘑菇和飛行龜，只有一排排的伺服器機櫃。
一年12個月，一週7天，白天黑夜不停歇，隨時有冷水流過那些五彩繽紛的管線，負責吸收與帶走伺服器產生的熱氣。冷卻管的確有用，但吉姆檢視控制室的讀數，忍不住感到失望。這個系統太耗電。每次機櫃開始升溫，管理數據中心的團隊就必須加快冷卻系統的輸出。加速時耗用的能源愈來愈多，但也不能不加速─伺服器過熱就會當機，網路將斷線。或許這樣的效率不彰是無法避免的，或許工程技術頂多就只能做到這樣，但吉姆總覺得哪裡怪怪的。他到底漏掉什麼？
最後一位是電腦科學家維達．潘奈薛凡（Veda Panneershelvam）。
在2014年平凡無奇的一天，維達坐在倫敦的桌旁寫程式。他和世界級的軟體工程師團隊合作，一起尋找人工智慧研究的聖盃：寫出能在圍棋賽中打敗人類的電腦程式。
如果你不熟悉圍棋，只需要知道很複雜就夠了。西洋棋有10123種可能的走法，但圍棋有10360種，令人難以置信。圍棋棋盤可能呈現的棋局狀態，還要多過宇宙裡的原子數！
如果要在圍棋取勝，維達和同事必須開發出新型的人工智慧做法，創造能看見未來的程式。2014年的時候，大部分的人認為這是癡人說夢，但維達只覺得興奮。如果AI連圍棋都能勝出，誰知道還能替人類解決其他哪些問題。
我們來回顧一下，先從顧客和問題講起：
凱蒂正在解決大型製造商的工業控制系統缺乏效率的問題。
吉姆正在解決Google有如吃電怪獸的數據中心。
維達正在解決……這個嘛，我不認為他實際上是在解決圍棋的問題。我認為他真正在處理的，其實是人腦處理複雜問題的能力有限。我認為他的「顧客」是全人類。我知道，這聽起來有一點過於宏大，但我認為確實如此。
好，那凱蒂、吉姆和維達的特殊優勢是什麼？剛才提過，優勢有三種。
首先是能力。能力是指你能做到很少人能比得上的事。如果你在大公司上班，你可能享有知名品牌的好處，或是專案有很多預算；如果你替迷你的新創公司工作，你的能力有可能是專注與快速行動。不過，最能派上用場的能力通常是傳統的專業技能（know-how）：
凱蒂是機械工程專家，主要做工業控制。
吉姆也是機械工程師，專長是數據中心。
維達是電腦科學專家，專門做人工智慧。
凱蒂、吉姆和維達在各自的領域都是世界級的人才─有如女籃的凱特琳．克拉克（Caitlin Clark）與男籃的「詹皇」詹姆斯（LeBron James）─但光是他們的能力，還不足以完整呈現他們的獨特優勢。
接下來，我們來看第二種優勢：動機。動機是你想解決這個問題的特殊原因；你願意傾盡心力的事，別人不一定願意。動機也很重要，因為動機能指明一條路，讓你躍躍欲試，知道該在何處以什麼方式發揮長處。
凱蒂、吉姆和維達三位未來的創辦人，全都想要解決重要的問題，帶來正面的改變。這種精神令人欽佩，但過於籠統。我是說，很多人當然都想「讓世界更美好」─但唯有動機十分明確的時候，才能協助你決定該做什麼，所以講得再明確一點：
傳統的工業控制系統升級方式讓凱蒂沮喪。
實體系統的限制讓吉姆沮喪。
維達想運用AI替人類解決大型的問題。
注意到了嗎？以上三人中的兩人，主要是沮喪帶來了動力。如果你的動機也一樣，嘿，沒關係的。世上最優秀的產品，有的就是源自為現況感到憤慨、困惑、惱火、痛苦或抓狂。你不一定要從偉大的願景起步，憤怒也能帶來力量。
好，能力和動機加在一起後，三位未來創辦人的優勢變得更獨特。但他們分別會開哪種公司？讓我們進一步了解他們的故事。
兩年後，在2016年3月9日，維達站在南韓首爾四季飯店的會議室，透過現場影片串流，目不轉睛地看兩個人比賽圍棋。
棋桌的一方坐著李世乭，他是拿過18次世界冠軍的專業棋士。另一方則是業餘人士兼維達的同事。
維達看著同事下一個白子，接著注意力一下子回到會議室。電腦螢幕顯示數十張圖。「勝率圖」頓時表示對白方有利。
電腦認為能打敗看似無敵的冠軍李世乭。
過去幾天，維達和團隊成員─15名剛從倫敦飛來的電腦科學家─把會議室改造成臨時的控制中心。AI程式AlphaGo就是他們設計的。他們在控制中心把AlphaGo認為棋子該怎麼下，轉告給維達的同事，那名同事負責把棋子擺到真實世界的棋盤上。
那場比賽的贏家可以獲得100萬美金的獎金。有沒有人跟我一樣，覺得這個場景像是15名科學家合演高科技搶劫片《瞞天過海》？只不過李世乭其實是在和AI比賽，不是什麼祕密。裁判知道，李世乭知道，每個人都知道。全球各地轉播這場比賽，數百萬人觀戰，不過大部分的圍棋專家都認為圍棋太複雜，電腦不可能獲勝。
然而，在那個首爾的三月天，AlphaGo贏了。
數千英里外，吉姆仍在設法改良Google數據中心的冷卻系統。AlphaGo的故事如火如荼展開時，他偶然聽到這件事，備感著迷，開始追蹤首爾的最新情形，一點細節都不放過。
吉姆挖掘細節時得知，AlphaGo的AI使用「深度強化學習」（deep reinforcement learning）這個突破性的方法。吉姆冒出一個瘋狂的點子。深度強化學習會不會有助於冷卻數據中心？畢竟隨時找出最佳的控制配置，有一點像是在圍棋賽中找出最好的一步。
維達的團隊替DeepMind工作，而DeepMind是Google旗下的公司。這不正好。雖然吉姆沒見過他們，但嚴格來講大家都是同事。維達於是寄電子郵件給DeepMind團隊，解釋他的瘋狂點子。
維達認為這個數據中心的挑戰很吸引人，同意試試看。接下來密集的幾星期，維達、吉姆和DeepMind的工程師團隊，寫出新的深度強化學習程式，把Google數據中心的冷卻系統，交給這個新AI負責。
電力使用起初暴增，因為AI做起實驗，隨機調整控制設定，就像小朋友亂按汽車音響上的鈕。不過，AI也和幼兒一樣會學習，強化有效的策略，用電因此出現改善，再改善，持續改善，最後和AlphaGo一樣超越人類，Google數據中心的用電因此銳減四成。
我等一下會繼續說這則故事，但先來看維達和吉姆合作後發生的事。他們整合雙方的能力─吉姆的數據中心專業能力，加上維達的人工智慧魔法─打造出單打獨鬥生不出來的東西，發揮特殊的優勢。不過別急，好戲還在後頭。
2019年，吉姆和維達結識凱蒂─那位擅長翻新工業控制系統的機械工程師。三人開始討論如何能在Google以外的世界，減少能源浪費。廠房在加熱、冷卻與操作各種設備時，耗用大量的電力。AI也能在這方面幫上忙嗎？
吉姆和維達相信他們能大幅改善工廠的能源使用─但需要借重凱蒂的實務知識，才有辦法設計、販售與裝設解決方案。凱蒂曾在詮宏空調（Trane）、英格索蘭工程技術公司（Ingersoll-Rand）、雷神國防承包商（Raytheon）等企業，帶領過工程與創新團隊。她清楚製造商如何作決定，也了解工業控制系統的缺點。吉姆和維達熟悉的是Google經過精心設計的數據中心，而工業廠房的世界遠比那混亂─凱蒂則熟悉這個領域。三人決定放手一搏，辭去工作，在2019年底成立新創公司淮德拉（Phaidra）。
淮德拉是我們Character資本最早投資的一批公司，他們的故事深深啟發了地基衝刺。他們從大膽的專案起步：企圖運用AI讓各種工業廠房更有效率。他們測試點子，學習如何建立顧客的信任感，談成第一筆生意。淮德拉先在大型藥廠展開試行計畫，隔年拿到第一筆大訂單，在5座工業廠房部署AI，最終還把服務拓展至數據中心。維達、吉姆與凱蒂在2014年渴望見到的超越人類、具備適應性、能預測未來的系統，如今成真。
三人能成功的原因是第三種優勢也登場：洞見。
洞見是指對問題與顧客有深入的了解。洞見讓你擁有別人沒有的觀點。吉姆有數據中心的洞見，維達有深度強化學習的洞見，但淮德拉的策略能成真，仰仗的是凱蒂具備工業廠房─以及擁有那些工廠的企業─如何運作的洞見。
淮德拉三位創始人的能力與洞見加在一起，得出獨特的東西。你可以想成一條等式：
能力＋洞見＋動機＝特殊優勢
凱蒂、吉姆和維達見面時，心想：「天啊！想想我們聯手能做到的事！」淮德拉公司或許算極端的例子，但你也能和團隊利用特有的優勢，帶來屬於你們的「天啊！」時刻。
節錄自：時報出版《商品決勝點：全球最成功的產品設計師如何讓顧客買單》／傑克納普, 約翰澤拉斯基 著
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
廣達、緯創徵召量子電腦人才！台灣電子五哥研發落地加速搶人
2026-07-19 經濟日報記者王郁倫 記者吳康瑋攝影 由聯合新聞網授權轉載
電子五哥廣達（2382）、緯創（3231）開徵量子電腦工程師職缺，顯示硬體廠商正從前期探索跨入著手研發，廣達徵召人才鎖定量子電腦系統內部架構設計到外部控制電腦數據讀取專才，而緯創徵才範圍更大，從晶片封測到軟硬體整合全面徵才，兩家兆元大廠布局量子電腦策略似乎正與AI伺服器布局有高度一致性。
台灣科技產業下游開始布局量子科技，緯創跟廣達都開始徵召量子科技人才，其中，緯創設定人數無上限，徵求人才內容從硬體系統線路設計、晶片封裝與量測架構、超低溫實驗平台規劃維運、微波控制器設計與讀取到核心量子裝置實驗，如位元相干時間改良（讓電腦運算更穩定更持久），最後是軟硬體整合改良。
緯創徵召量子人才的廣度極大，也凸顯布局量子電腦技術的企圖心，期望從晶片模組到整體系統都掌握。緯創董事長林憲銘日前接受《經濟日報》提問時表示，對量子電腦技術將是自研與投資雙軌並行。
林憲銘更透露，將購買一座32量子位元的超導量子機器，與AI伺服器進行連線運算測試，未來也不排除爭取IBM 等量子系統代工或關鍵零組件製造商機。故此次大舉開出量子電腦職缺，也顯示其自建量子運算中心下半年將加速啟動。
[joblist_plugin title='【緯創 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E7%B7%AF%E5%89%B5' amount='1']
廣達此次開出1～2位量子人才需求名額，強調需要出差，符合業界觀察廣達常派出工程師到美國量子新創Rigetti Computing總部交流合作消息，廣達此次徵才要求主要包括量子硬體系統設計優化、量子控制線路、控制程式及資料分析工具、執行量子實驗做量子系統較準及參數設定，該部分人才技能偏向後段硬體面。
[joblist_plugin title='【廣達 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E5%BB%A3%E9%81%94' amount='1']
金寶電子（2312）與國際大廠SEEQC合作室溫電腦控制平台，在電子業下游跑得相當快，下半年第一版本將展開測試，董事長許介立也透露，除超導體新創，目前也廣泛跟其他技術業者合作比方離子阱，目前投資國外新創已有2~3家，未來會持續透過此方案擴大量子電腦布局。
對此，鴻海（2317）董事張慶瑞表示，台灣產業確實開始動起來！他日前曾發言擔心台灣量子人才環境不足，除缺乏產業留才，導致培育的人才畢業後面臨無處可去，只得去台積電（2330）就職或出國就業窘境。
在政府合併AI新十大建設推動方案中，量子技術已被列為三大AI關鍵技術之一，與矽光子及機器人位階相當，政府也從2022～2026年五年內投入80億元打造業合作平台，建立量子國家隊。
張慶瑞日前接受訪問指出，本土培養的量子人才約有150至200人，畢業後卻面臨沒有量子產業可以效力。該問題能否隨廣達、緯創及工研院都開出量子人才職缺而獲得解決將是未來可關注重點。
[joblist_plugin title='更多【量子電腦】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%E9%9B%BB%E8%85%A6' amount='1']
有任何收穫或想分享的，都來和大家一起聊聊吧！