成為 AI 科學家｜提升 AI 實作能力必備，深度學習 TensorFlow 基礎與應用
104學習
AI 能力
104 統計職務常見 AI 技能
TensorFlow
這項技能主要用於機器學習和深度學習模型的開發，能協助企業自動化資料分析、影像辨識、自然語言處理等應用。具備此能力的人才在人工智慧領域非常搶手，能提升工作效率並創造更精準的預測或判斷。對想進入AI、資料科學或軟體開發相關產業的求職者來說，是一項加分且實用的技術能力。
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
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】
AI 智慧工作流搭建與升級：60 分鐘 10 個 AI 智慧工作流技巧立即改善工作流程
【免費課程報名】技術開發技能 1-6 人人都可以是生成式 AI 的 Builder : Amazon Q 介紹 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-5 人人都可以是生成式 AI 的 Builder : Amazon Bedrock 介紹 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-2 開始採用生成式 AI: 提示工程,檢索增強生成與微調 | 完課紀錄回傳履歷表
【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
成為 AI 科學家｜機器學習好簡單，輕鬆讓你一手掌握資料科學實作 10 大技巧
【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
【免費課程報名】技術開發技能 1-1 生成式 AI 如何顛覆您的工作模式 | 完課紀錄回傳履歷表
精選證照
考取專業證照，讓能力被市場看見
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
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)
SSE AI Essentials國際認證
科技的發展，硬體的進步，新的計算機演算法不斷更新，開創造了人工智慧(Artificial Intelligence)的時代來臨了，目前已經成為全球學術單位、政府機關以及頂級企業必須認真面臨的挑戰。人工智慧(Artificial Intelligence)將會是個人求學、進修、求職，深造的必須技能。個人或企業在了解人工智慧之後，面對千變萬化的世界時，才能即時作出最適當的回應，在這科技日新月異的時代，不會輸在起跑點上。
Silicon Stone Education (SSE)
人工智慧：機器學習 Python
人工智慧研究如何使機器具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，是能讓事物變更聰明的科技。其研究範圍包含了：電腦視覺、語音工程、自然語言處理、移動與控制等。做為人工智慧體系的一部分，「機器學習」是一種資料科學的技術，也是實現人工智慧的一種方式，從資料中學習，獲得辨識或預測新進資料的技能，以協助電腦預測未來的行為、結果和趨勢，其技術廣泛應用在不同領域。
財團法人電腦技能基金會TQC+人工智慧：機器學習的題目設計包含：「監督式學習」、「非監督式學習」、「機器學習應用」等必備的知識及技術，運用不同機器學習方法進行實際案例之分析預測。
財團法人中華民國電腦技能基金會
負責任的AI技術課程認證
線上課程約8小時
這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。
完成此活動，贏取徽章！向世界展示您掌握的技能，拓展雲端領域的職業之路。
課程目標：
● 掌握 Google 採用 AI 開發原則的理由。
● 瞭解機構為何需實踐負責任的 AI 技術。
● 瞭解專案各個階段中的決策如何影響負責任的 AI 技術。
● 瞭解機構如何針對業務需求和價值量身打造 AI 技術。
Google
SSE Unity國際認證
Unity可說是現今這個世代，最引領風騷的IT技術之一，當你具備Unity的相關技術，那麼不論是在遊戲產業，甚至是正風起雲湧的虛擬實境/擴增實境，都將會有你的一席之地。
當你掌握了Unity相關技術，你的薪資也會有大幅度的提升。所以，擁有相關的Unity證照，將是你在IT技術證明的一項重要指標，也是求職時展示自己技術能力的強力證明。
通過本測驗，代表你已具備Unity的必要操作能力，能夠理解與運用C#腳本，具備獨立開發小型遊戲，或是與團隊協力開發大型遊戲的能力。
Silicon Stone Education (SSE)
精選貼文，掌握第一手知識
用Claude Code設計AI工作流！學了工具不等於系統，3範本打造專屬藍圖
Claude Code的主要功能Hooks、Skills、MCP、排程都學了，工作卻沒有變輕鬆？作者提醒「工具≠系統」，提供教師、工程師、研究者3種範本與藍圖模板，帶你用Claude Code設計專屬的AI工作系統。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）
工具學完了，系統還沒設計步驟1：盤點你的工作類型步驟2：3種典型使用者的系統設計步驟3：設計你的專屬藍圖步驟4：產出藍圖文件範例：王老師的AI工作流藍圖（教師版成品）
使用工具：Claude Code（需付費方案，免費版不能用）
安裝說明：Claude Code官方安裝說明
不想用終端機：下載電腦版，直接在桌面程式中使用Claude Code
工具學完了，系統還沒設計
學完Claude Code的所有主要功能，但工具≠系統——系統是「哪些任務由哪個工具負責、在什麼條件下自動觸發」的完整答案：
工具系統學了Hooks知道要攔截哪些操作、在哪些專案啟用學了Skills知道要建立哪些技能來服務你最常見的任務學了排程知道要讓哪些工作自動化、每週/每日跑什麼學了MCP知道要接哪些外部服務、接了之後做什麼
本章幫你把工具組裝成系統。
（圖／博碩出版《Claude Code全攻略》）
用詞約定：本章說的「排程任務」有兩種實作——官方Routines（Anthropic的雲端排程代理，/schedule建立）與本書自製排程框架（~/claude-routines/目錄＋系統排程器）。藍圖裡只要寫清楚用哪一種即可，兩者可混用。
設計系統的心態，也跟著模型在變。早期用AI靠的是「寫一個好prompt換一個好答案」；到了Fable 5這種能長時間自主運作的模型，重點變成「設計一套能讓Claude自我修正、環環相扣的系統」。
步驟1：盤點你的工作類型
在Claude Code中輸入：
請幫我進行一個 AI 工作系統設計諮詢。
首先，請問我以下問題，一次問一個，等我回答後再問下一個：
1. 你的主要工作或學習領域是什麼？
2. 你每天最重複、最耗時的 3 個任務是什麼？
3. 你目前最大的工作痛點是什麼？
4. 你的技術背景如何（純文字使用者/ 會寫基本腳本/ 程式開發者）？
根據我的回答，你會幫我設計一套 AI 工作流藍圖。
（圖／博碩出版《Claude Code全攻略》）
驗證點：Claude一次只問一題、等你回答才問下一題；4題答完後它主動給出初版藍圖草稿。
步驟2：3種典型使用者的系統設計
根據不同角色，這裡提供3個系統設計範本供參考。範本中出現的/summarize、/apa等都是自訂指令，不是內建指令。
（圖／博碩出版《Claude Code全攻略》）
範本A：教師/教育工作者
痛點：備課耗時、作業批改量大、每學期重複建立相同格式的文件
教師 AI 工作系統
每日自動（排程任務）：
morning-brief：
- 整理今日課程材料
- 生成當天課堂提問清單
每週自動（排程任務）：
assignment-review：
- 掃描收到的作業資料夾
- 批量生成評語草稿（教師審核後使用）
MCP 連接：
- Google Drive：讀取課程資料
- Slack/LINE Bot：與學生互動
常用 Skills：
- lesson-plan：生成課程計畫書
- quiz-generator：根據教材生成選擇題
- feedback-writer：生成個性化學生回饋
常用 Slash Commands（自訂指令）：
- /summarize：摘要一份教材
- /translate：翻譯英文資料
範本B：獨立開發者/工程師
痛點：Code Review費時、文件欠缺、重複性的設定和樣板程式碼
工程師 AI 工作系統
每日自動（排程任務）：
code-health：
- 掃描新增的 TODO/FIXME
- 報告昨日 commit 的簡短摘要
每 PR 自動（GitHub Actions）：
- Claude 自動審查並留言
MCP 連接：
- GitHub：PR 審查、Issue 管理
- SQLite/PostgreSQL：資料庫查詢
Hooks：
- PreToolUse：攔截 rm -rf 等危險指令
- Stop：任務完成提示音
常用 Skills：
- auto-commit：生成 commit 訊息
- my-code-review：結構化程式碼審查
- doc-writer：生成函式文件
CLAUDE.md：
- 語言：繁體中文
- 程式碼風格：PEP8 / Google Style
- 禁止：直接執行生產環境的 DELETE 語句
範本C：研究者/寫作者
痛點：資料整理耗時、格式不一致、報告撰寫耗費大量時間
研究者 AI 工作系統
每次執行（Script）：
research-pipeline：
- 輸入主題 → 自動生成報告草稿
- 輸出 Markdown + Word
每週自動（排程任務）：
weekly-digest：
- 每週整理本週閱讀的文章摘要
- 輸出一份「本週閱讀摘要」
常用 Skills：
- summarize-long：摘要長文
- rewrite：改寫語氣/ 格式
- reference-formatter：整理引用文獻格式
常用 Slash Commands（自訂指令）：
- /apa：轉換成 APA 格式
- /abstract：生成摘要
- /expand：擴充段落
步驟3：設計你的專屬藍圖
根據你的工作類型，用Claude Code幫你填入細節：
根據我的工作情境（[填入你的工作領域]），
請幫我設計一份完整的 AI 工作流藍圖，格式如下：
## 我的 AI 工作系統藍圖
### 🎯 設計目標
（節省時間在哪些地方？提升品質在哪些地方？）
### 📋 工作盤點表
| 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 |
### 📅 自動化排程
| 頻率 | 任務名稱 | 做什麼 | 技術實作（官方 Routines / 自製 cron） |
### 🔌 MCP 連接
| 服務 | 用途 | 優先級 |
### 🎪 Skills 清單
| Skill 名稱 | 觸發情境（寫進 description） | 功能 |
### ⌨ Slash Commands（自訂指令）
| 指令 | 功能 |
### 🔒 Hooks 設定
| 時機 | 觸發條件 | 做什麼 |
### 📋 CLAUDE.md 核心設定
（語言偏好、工作風格、禁止事項）
### 🔁 月度回顧（每月一次，直接回答這五題）
1. 哪個 Skill 最常用？（值得繼續維護）
2. 哪個 Skill 完全沒用？（可以移除或重構）
3. 有沒有重複做某件事超過 3 次？（應該自動化）
4. 有沒有哪個回答讓我覺得「它不夠了解我的情境」？（改 CLAUDE.md）
5. 這個月的費用/ 額度花在哪裡最多？（是否值得？）
### 🗓️ 實施計畫（今明後三步）
今天：（可以立刻做的）
本週：（這週內完成的）
本月：（一個月內建立的）
把「月度回顧」直接寫進藍圖，而不是另外記在腦子裡——這樣藍圖本身就內建了讓系統持續進化的機制。
步驟4：產出藍圖文件
讓Claude Code直接把藍圖寫成Markdown檔案：
請把我們剛才設計的 AI 工作流藍圖，
存成一個 ai-workflow-blueprint.md 文件，
放在 ~/Desktop/ai-workflow-blueprint.md。
同時加入今明後三步的具體實施計畫。
（圖／博碩出版《Claude Code全攻略》）
範例：王老師的AI工作流藍圖（教師版成品）
空白模板不好想像，下面是一位國中資訊老師照「步驟1～4」做完後的完整成品，可以直接拿去改：
# 王老師的 AI 工作系統藍圖（2026-07 版）
## 🎯 設計目標
- 每週備課時間從 6 小時降到 3 小時
- 作業評語從「來不及寫」變成「每人都有個性化回饋」
- 每學期重複性文件（進度表、通知單）零手工
## 📋 工作盤點表
| 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 |
|---------|-----------|-----------|---------|
| 備課簡報與講義 | 4 hr | lesson-plan Skill + /summarize | 2 hr |
| 作業批改評語 | 3 hr | feedback-writer Skill 批量產草稿 | 1.5 hr |
| 週報與家長通知 | 1 hr | weekly-report 排程任務 | 0.8 hr |
| 段考出題 | 2 hr（雙週） | quiz-generator Skill | 1 hr |
## 📅 自動化排程
| 頻率 | 任務名稱 | 做什麼 | 技術實作 |
|------|---------|--------|---------|
| 每日 07:00 | morning-brief | 整理今日課程材料＋課堂提問清單 | 自製 cron（~/claude-routines） |
| 每週五 16:00 | assignment-review | 掃描作業資料夾、產評語草稿 | 自製 cron（~/claude-routines） |
| 每週日 20:00 | weekly-report | 彙整本週教學紀錄成週報 | 官方 Routines（雲端排程） |
## 🔌 MCP 連接
| 服務 | 用途 | 優先級 |
|------|------|--------|
| Google Drive | 讀課程資料、存產出文件 | 高 |
| GitHub | 存放教材版本控制 | 中 |
## 🎪 Skills 清單
| Skill 名稱 | 觸發情境（寫進 description） | 功能 |
|-----------|---------------------------|------|
| lesson-plan | 「幫我備課」「做 XX 單元的課程計畫」 | 產出課程計畫書＋講義大綱 |
| quiz-generator | 「出題」「做測驗卷」 | 依教材產選擇題＋答案卡 |
| feedback-writer | 「寫評語」「批改回饋」 | 依作業內容產個性化評語草稿 |
## ⌨ Slash Commands（自訂指令）
| 指令 | 功能 |
|------|------|
| /summarize | 摘要一份教材成一頁重點 |
| /notice | 生成家長通知單（套固定格式） |
## 🔒 Hooks 設定
| 時機 | 觸發條件 | 做什麼 |
|------|---------|--------|
| PreToolUse | Bash 指令含 rm -rf | 阻擋（deny）並要求確認 |
| PostToolUse | 所有工具 | 記錄到 activity.log（月報數據來源） |
## 📋 CLAUDE.md 核心設定
- 所有回應使用繁體中文
- 評語語氣：鼓勵為主、具體指出一個改進點
- 禁止：學生個資寫入任何產出文件
## 🔁 月度回顧（每月最後一個週五）
1. 哪個 Skill 最常用？ 2. 哪個完全沒用？ 3. 有沒有重複超過 3 次的事？
4. 哪個回答顯示它不懂我的情境？ 5. 額度花在哪最多？
→ 配合步驟 6 的月報提示詞，用 activity.log 數據回答，不憑感覺。
## 🗓️ 實施計畫
今天：建 lesson-plan Skill、裝 activity.log Hook
本週：morning-brief 排程上線、Google Drive MCP 接通
本月：feedback-writer 調教到「八成評語可直接用」、跑第一次月度回顧
驗證點：對照這份成品檢查你自己的藍圖——每個Skill都有「觸發情境」、每個排程都寫了「用官方Routines還是自製cron」、月度回顧有排進行事曆。
節錄自：博碩出版《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
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
Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
精選 一句話改完整份簡報！Gemini、Copilot、Canva 三家 AI 簡報新功能怎麼選？
簡報做到一半，主管說「整份換成公司品牌色」「第 5 到 7 頁濃縮成一頁」，你是不是又要一頁一頁慢慢改？
十月底，Google、Microsoft、Canva 都在 AI 改簡報上有新動作：不用從頭重做，打一句話就能改整份現有的簡報。
先看三家各推了什麼：
Gemini in Google Slides（10/29 開始推出）
在側邊欄下一句指令，Gemini 會自己判斷要改哪幾頁，直接改在可編輯的投影片上，改完列出修改摘要。
適合：統一整份字型和配色、照另一份簡報的風格改、引用雲端硬碟的檔案補內容。
限制：目前只支援英文指令；要 Workspace 商務／企業版或 Google AI Pro、Ultra 方案。
Copilot in PowerPoint（10 月持續更新）
在 Copilot 對話框用聊天的方式改簡報，可以新增和重組投影片、換圖、套公司品牌範本。10 月新增品牌套件技能，比較長的工作關掉檔案也能在背景繼續跑。
適合：公司已經用 Microsoft 365、要符合品牌規範的正式簡報。
限制：完整功能需要 Microsoft 365 Copilot 授權；簡報太大可能超出系統上限。
Canva Brush（10/29 推出）
Canva 自家訓練的設計編輯模型，看得懂版面結構，小到改一行字、大到改整份簡報都可以，也能把簡報頁直接改成 IG 尺寸。
適合：行銷素材、提案簡報，以及同一份內容要改成不同尺寸的情況。
限制：目前開放給 Canva Pro 訂閱者，在 Canva AI 的模型選單選 Brush。
那我該用哪一個？先問自己三個問題：
1. 簡報平常放在哪裡？
Google 雲端硬碟 → Gemini；公司用 Office 和 Teams → Copilot；行銷素材都在 Canva → Brush
換工具的成本，常常比功能差異還大。
2. 要改的是「內容」還是「外觀」？
補數據、濃縮頁數 → 挑能讀到你原始檔案的工具（Gemini 讀雲端硬碟、Copilot 讀公司檔案）
換風格、改尺寸 → Canva Brush 和 Gemini 的整份套風格最順手
3. 有沒有品牌規範要守？
要對外、要對客戶 → Copilot 搭配公司品牌套件最穩；個人或小團隊 → Canva 品牌工具組也夠用
三個好用的指令寫法（英文版是給 Gemini 用的）：
・「把所有頁面的標題改成同樣的字級和顏色」
Make the titles on all slides the same font size and color.
・「把第 5 到 7 頁整理成一頁重點摘要」
Summarize slides 5–7 into a single slide.
・「依照這份檔案的內容，補充第 3 頁的數據」
Update slide 3 with more details based on [檔案名稱].
最常見的三個錯誤：
・一句話塞太多要求，改壞了也不知道是哪一步出錯
・改完沒有逐頁檢查，數字和專有名詞被 AI 改掉都沒發現
・忘了 AI 會直接改原檔：先複製一份，或記得用版本記錄還原
小練習：下面三種情況，你會先打開哪個工具？
① 業務提案要套客戶指定的品牌色，公司全面使用 Microsoft 365
② 季報簡報放在 Google 雲端硬碟，要把三頁數據濃縮成一頁
③ 活動簡報要同時改成 IG 貼文和限動尺寸
（參考答案：① Copilot ② Gemini ③ Canva Brush）
想把 AI 用進簡報、文案、視覺到影音的完整企劃流程，推薦 104 獨家課程「AI內容企劃力實戰課｜高效文案創作 × 視覺設計 × 簡報製作 × 影音生成」：
https://nabi.104.com.tw/course/104nabi/51189062-5156-4dec-9153-8464c6732b13
也歡迎留言分享：你最常用哪一家改簡報？「一句話改整份」真的有省到時間嗎？
資料來源：
Google Workspace Updates〈Edit entire presentations with Gemini in Google Slides〉
https://workspaceupdates.googleblog.com/2026/10/edit-entire-presentations-with-gemini-in-Google-Slides.html
Microsoft Support〈Edit with Copilot in PowerPoint〉
https://support.microsoft.com/en-us/powerpoint/edit-with-copilot-in-powerpoint
Canva Newsroom〈Introducing Canva Brush, a vision-language model for design〉
https://www.canva.com/newsroom/news/canva-brush/
（功能、方案與開放範圍以 2026 年 11 月官方說明為準，各家都是分批開放，帳號不一定馬上看得到）
Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
Skill（技能）可以想成一份寫給Claude的工作流程指南，本文解析Skill的功能、適用情境與觸發方式，說明內建Skill與個人Skill的差異，並分享使用官方Skill「canvas-design」的海報實作成果，有助建立可重複使用的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）
什麼是Skill？寫給Claude的工作流程指南Skill什麼時候適合用？Skill的3個核心特性1. 依任務意圖自動觸發2. 可在不同工作情境中重複使用3. 可以直接指定使用Claude中的Skill介紹與應用Skill應用：用canvas-design製作海報的實際結果
【使用claude skills要付費嗎？】Claude免費版及付費用戶均可使用Skills、Connectors等功能，在網頁版即可設定使用。Claude網址：https://claude.ai/
什麼是Skill？寫給Claude的工作流程指南
有了Connector之後，Claude可以連接外部工具，取得信件、行事曆或雲端文件等資料。不過，能取得資料，不代表它每次都知道「該怎麼處理」。舉例來說，你可能每週都會請Claude整理會議紀錄、撰寫週報，或回覆客戶問題。第一次你把格式和流程講清楚，它可以做得很好；但下次換一個對話，可能又要重新交代一次。就算Claude記得你的偏好，也不代表它一定會穩定遵循同一套處理流程。這時候需要的就不是更多記憶，而是一套可以反覆使用的工作方法，也就是Claude的Skill。
Skill（技能）可以想成一份寫給Claude的工作流程指南。它會告訴Claude：遇到某一類任務時，應該依照哪些步驟處理、使用什麼格式輸出，以及需要遵守哪些規則。
這樣說可能還是有點抽象，我們可以用一個實際例子來理解。假設你每週都要整理專案進度報告，而這份報告需要依照以下流程產出：
掃描專案資料夾，找出本週更新的文件。
讀取各專案的狀態紀錄。
提取本週完成事項、進行中事項與待處理問題。
整理成固定格式的週報。
依照指定命名規則儲存或輸出結果。
如果每次都在對話中重新描述這套流程，不只麻煩，也很容易漏掉某個步驟，或讓輸出格式前後不一致。但如果把這套流程寫成Skill，之後只要說「產生本週進度報告」，Claude就能依照固定流程執行，讓結果更穩定、效率更高！
Skill什麼時候適合用？Skill的3個核心特性
1. 依任務意圖自動觸發
Skill不是每次對話都全部載入，而是由Claude依照當下任務判斷是否需要使用。例如你請Claude「整理今天的會議紀錄」，它就能觸發會議紀錄Skill進行整理；但若你只是問「今天午餐吃什麼」，這個Skill就不會被拿出來使用。
這樣的好處是，你可以準備很多套不同任務的處理流程，而不必擔心每次對話視窗（Context Window）都先被一大堆技能塞滿，進而造成你對話的剩餘記憶空間很有限。Claude只會在需要時，額外載入與當前任務相關的Skill。
2. 可在不同工作情境中重複使用
Skill的另一個特性是，它不只綁定在單一對話中，而是可以在不同工作情境中重複使用。舉例來說，你建立了一個「會議紀錄Skill」，之後不論是在一般聊天、專案，或團隊內部討論中，只要任務是整理會議內容，Claude都可以載入並套用同一套整理方式。
3. 可以直接指定使用
除了讓Claude自己判斷要不要使用Skill之外，我們也可以在提示詞中直接指定要使用哪一個Skill。這通常可以透過 "/ "（斜線指令），或在任務描述中明確寫出「請使用某某Skill」來完成。
直接指定Skill的好處是，可以減少Claude判斷錯誤的機會。尤其當任務描述比較模糊，或同時可能符合多個Skill時，明確指定要使用哪一套流程，會讓執行結果更穩定。
Claude中的Skill介紹與應用
Claude的面板提供兩種Skill的來源，分為內建Skill與個人Skill。
內建Skill：內建Skill是Anthropic預先封裝在Claude環境裡的，所有使用者一登入就能直接使用，不需要任何啟用設定。主要包含文件產出類（如生成.docx、.xlsx、.pdf等格式的檔案），或是讀取文件（如讀pdf檔案、CSV檔等）操作。
舉例來說，當我們在聊天視窗要求他幫我們建立Word檔案時，他就會呼叫這些skill去幫我們執行：
能根據任務自動調用原生環境中的Skill（圖／《Claude 萬用手冊》）
個人Skill：需要自行透過Claude的Customize介面手動加入技能清單中，加入後，會出現在Personal skills清單中，之後就可以直接調用。
進入Customize頁面，開啟 Skills 分頁；開啟Skill總覽目錄，並挑選想用的技能加進來，目錄上有Claude提供的官方技能。（圖／《Claude 萬用手冊》）
目前目錄中有提供官方技能，點擊【+】可將技能新增至Claude中，之後Claude即可調用。（圖／《Claude 萬用手冊》）
新增的Skill會出現在Personal skills清單裡；點擊可直接建立新的對話視窗並帶入該技能到輸入框中，讓你測試使用；啟動開關，啟動後可讓Claude偵測任務要不要使用skill。（圖／《Claude 萬用手冊》）
【TIP】注意！所有加入的技能都會同步出現在Claude Desktop與Claude.ai（網頁版）中。
目前Claude官方提供的11種個人Skill，主要分為三種用途：
可直接使用：可以直接呼叫來完成特定任務，無需額外改寫或設定。
canvas-design：產出海報、卡片等視覺設計作品。
web-artifacts-builder：產出多元件的互動式HTML成品。
theme-factory：替現有成品套用視覺主題樣式，內建有10套不同主題。
doc-coauthoring：與Claude共同完成長篇文件撰寫。
algorithmic-art：產出帶隨機性的演算法藝術作品。
slack-gif-creator：產出符合Slack規格的GIF動畫。
learn：想搞懂某個知識點時，請Claude出題測驗或建立學習路徑。
作為範本參考：用處是讓你看懂寫法後，改寫成符合自身需求的專屬版本。
brand-guidelines：示範如何將品牌色彩與字體規範寫進技能。
internal-comms：示範如何將公司內部溝通格式寫進技能。
協助你建立Claude相關工具：以下技能是用來擴展Claude能力。
mcp-builder：引導你建立能串接外部服務的MCP伺服器。
skill-creator：引導你從零開發、測試並優化新技能。
Skill應用：用canvas-design製作海報的實際結果
接下來我們會以/canvas-design為例，示範技能的使用方式，同時解釋一個技能內部包含哪些檔案。加入技能後，它會出現在Personal Skills的列表中，點開就能查看這個技能的相關內容。
（圖／《Claude 萬用手冊》）
SKILL.md：技能的核心檔案，詳細記載這個技能的工作流程、設計原則、注意事項等。Claude啟用技能時，讀的就是這份文件
技能名稱與簡短描述：點進技能名稱後，最上方會顯示這個技能的用途簡介，告訴Claude何時應該啟用它
附件檔案：技能附帶的參考資料或資源檔案，作為Claude執行任務時可隨時取用的素材。不同技能會附上不同類型的附件，比如web-artifacts-builder技能附上建構網頁用的腳本與UI元件庫、internal-comms技能則附上各類公司文件的範例範本等。在本例的canvas-design技能中，附件是canvas-fonts字體資料夾，內含27種字體家族，Claude在生成圖片時可以直接引用，不需要另外下載
與平常使用Claude進行生圖不同，/canvas-design提供的是一套完整的設計方法論。它會要求Claude在開始繪圖之前，先建立一份設計風格（哲學）文件，思考這次作品應該採用什麼樣的視覺語彙、空間邏輯、色彩系統與字體調性，最後，再依照這份哲學去執行繪製。
不過這個技能有幾項明確的限制：
/canvas-design的輸出格式限於PNG與PDF。如果你需要JPG、SVG、PSD等其他格式，就必須在產出後另外轉檔。
Claude的生圖方式和ChatGPT、Gemini、Midjourney等工具不同。前述的工具都是透過圖像生成模型直接產生圖片，因此比較擅長做出攝影感、繪畫感，或具有真實材質的畫面。但Claude則是用程式畫圖，它會透過Python的繪圖庫，例如PIL、matplotlib，或SVG程式碼來計算圖形、線條、排版與色彩。因此，它擅長的不是寫實描繪，而是可被程式明確描述與控制的視覺形式。
Claude擅長的生圖範圍Claude不適合的生圖項目● 幾何構成、網格、色塊● 字體排印與版面設計● 參數化曲線（螺旋、波形、數學圖形） ● 重複圖案、點陣紋理、漸層● 資訊圖表式的視覺● 寫實的繪畫、攝影、有機質感● 人物、動物、植物等具象物體● 任何需要「手感筆觸」的內容● 細膩的場景描繪
【TIP】注意！雖然SKILL.md裡寫到Claude可以生成「博物館或雜誌等級的藝術品」，但這個目標只有在任務主題剛好落在它擅長的視覺類型時，才較容易成立。假設你要求它「畫一張可愛的深海生物海報」，它無法畫出真實的生物，最後改以用SVG拼出比較卡通化的替代圖形，結果反而會和原本承諾的高質感設計產生巨大落差。因此，在請它生成圖片之前，最好先確認你的主題是否能轉換成它擅長的視覺語言。
在了解優勢與限制後，我們就可以進入實作！本例要請Claude生成一張電子音樂活動海報。這類主題本身就很適合轉化成幾何圖形、線條、漸層、參數化曲線與排版設計，因此和/canvas-design的能力範圍相當契合。
/canvas-design實作結果：
（圖／《Claude 萬用手冊》）
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
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時代該學什麼？程世嘉：比技術更值錢的是「基本功＋軟實力」
AI能處理愈來愈多認知型工作，未來真正拉開差距的，不只是技術，而是基本功、批判思考、溝通協作與自學能力。程世嘉解析AI時代最值得培養的競爭力。本文節錄自《智慧通膨下的新商機》。
文／程世嘉Sega Cheng，蕭玉品採訪整理
本文目錄（點擊可快速前往）
比技術更值錢的能力：基本功＋軟實力，最有競爭力的組合別急著替孩子預測未來，先給他們選擇的機會AI愈強，越要練好這些「人類能力」
比技術更值錢的能力：基本功＋軟實力，最有競爭力的組合
在AI時代，資料輸入、基礎翻譯、會議紀錄整理等「認知型任務」的價值，正在快速降低。為什麼這麼說？當AI的智商已經達到130時，就能代勞那些依賴既定規則、記憶、模式識別和語言理解來處理資訊的工作。很多東西其實不用拍腦袋、自己在那邊想破頭，可以交由AI處理。
數據已經把這件事量化出來了。Anthropic在2026年1月發布的〈Amthropic經濟指數：理解人工智慧應用的新基石〉（Anthropic Economic Index: New building blocks for understanding AI use）裡，有一個值得企業牢牢記住的數字：AI已經能處理需要14.4年正規教育的工作任務，而美國勞動力的平均教育年限是13.2年。換言之，AI在「需要受教育才會做的工作」這個層次上，已經超過美國勞動力的平均水準。如果你把這個對比放回台灣，整個圖像會更刺眼，因為台灣勞動力的平均教育年限與美國接近，AI跨過去的那條線也一樣會跨過去。
從消費者價值的角度看，史丹佛數位經濟實驗室（Stanford Digital Economy Lab）在2026年4月公布的研究〈生成式AI的價值是什麼？〉（What is Generative AI Worth?），揭露了同一件事的另一面：美國成年使用者「願意放棄生成式AI一個月所需的補償金額」中位數，從2025年的3.4美元跳到2026年的11.4美元，一年內成長超過3倍。使用者正在用真實的支付意願告訴市場：AI處理的事情，他們真的離不開了。
別急著替孩子預測未來，先給他們選擇的機會
最近我在國內外的大小演講結束後，不分國籍的聽眾紛紛有這樣相同的疑惑：「AI已經發展成這樣，我們到底要教小孩什麼？」工作者則是問：「我該學些什麼？」我認為，首先「不要」去想像孩子未來會從事什麼職業，並用這個方式回推要教小孩什麼。因為我們不知道未來會有什麼職業被消滅或是被創造出來，而且你並不知道孩子的興趣是什麼。無論有沒有AI，「幫孩子規劃他們要走的路」這種想法早已不適用。前方的路看不清楚，世界早已是一個高度無法預測的環境。你只能幫下一代準備好「選擇的機會」。
答案其實很簡單，早期把孩子的基本功全部打好，包括語文、歷史、藝術、數學、科學、程式等，這些我們以前就在學的東西。你會問，這些東西不是AI都做得比我們好嗎？還有學的必要嗎？沒錯，但如果你是抱持全然的悲觀主義，並且以此為停止學習的藉口，那麼你可以直接放棄，當AI的人肉電池就好了（但人體的發電效率其實很差，要當電池也不夠格），這也不在我們討論的範圍。
下一代要面對的，是那些我們過去視為專業的科目，大部分都變成了現在必須了解的「通識課程」。因為人類的知識在每個領域都累積了許多年，所以世界經濟論壇早在10年前，就把識字、數字概念、科學常識、IT技能、財務觀念、邏輯思考、文化理解及公民素養等設定為「通識」（孩子確實愈來愈辛苦，因為我們以前列為「通識」的知識並沒有這麼多）。
在基本功之外，我們更需要關注「軟實力」。因應科技時代與全球化的挑戰，台灣教育部也列出21世紀學生需要的關鍵能力，包括創造力、溝通協調、團隊合作、批判性思考和解決複雜問題等能力。這些能力聽來可能有點像學術口號，但說白了，全是AI學不會的「做人做事」能力。
試想，如果一個孩子只會死背公式，遇到沒看過的問題就當機，那跟AI有什麼兩樣？如果他具備「批判性思考」能力，當AI給出錯誤、偏頗的答案時，就能敏銳察覺不對勁，甚至反過來引導AI找出正確解方。如果他有「溝通協調」、「團隊合作」等能力，還能把幾個各有專長的同學兜在一起，共同完成一個AI無法實作的科展專案。在知識取得門檻大幅降低的今天，能整合資源、解決未知問題的軟技能，才是讓孩子未來在社會上立足、不被輕易淘汰的護城河。再將這套基本功與軟實力的邏輯放回職場與工作者身上，情況也一樣。不論是行銷、業務、產品經理，都必須把基本功打好。
AI雖然能快速寫出一篇行銷文案、跑出精美的業績報表，但要是你不懂行銷心理學的底層邏輯，怎麼知道AI寫出來的東西能不能打動消費者？如果你沒有扎實的商業思維和財務觀念，如何判斷那份報表有沒有邏輯漏洞？基本功，是用來「駕馭」AI的韁繩。
AI愈強，越要練好這些「人類能力」
人性與軟實力才是核心優勢：當AI包辦中階認知任務，職場最具價值的能力就回歸制定策略與人際互動，因為領導力、創意、批判性思考、跨領域溝通這些「做人做事」的能力，是AI學不會的技能。
基本功是駕馭AI的韁繩：不懂行銷心理學，就無法判斷AI寫的文案能否打動人；沒有財務底蘊，就看不出AI跑出的報表有無邏輯漏洞。基本功不是用來跟AI競爭，而是用來駕馭AI的韁繩。
工程師從「碼農」升級為「建築師」：氛圍編碼讓人人都能當初階工程師，但AI無法判斷流量放大百倍會不會崩潰。沒有扎實基本功，連當AI審查員的資格都沒有。高階主管最需要使用AI：AI時代最迫切需要善用AI的是公司高層，因為高階主管掌握的「情境資訊」最豐富，能讓AI發揮最大的槓桿效益。
擁有面對多變環境的瑞士刀：面對不可預測的未來，除了必須擁有「多功能基礎能力工具包」，還要搭配自信、自我管理、自學3項核心能力，才能在變動世界中游刃有餘。
節錄自：天下文化出版《智慧通膨下的新商機：AI時代的稀缺能力與新護城河》／程世嘉Sega Cheng、蕭玉品採訪整理 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進入3.0時代：智慧通膨、零點擊、人機協作如何改寫白領工作？
零點擊時代來了：AISEO、GEO差在哪？如何才能「被AI引用」？
[joblist_plugin title='更多104【AI】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai' amount='3']
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
AI生成簡報別直接拿上台！5招擺脫「AI腔」，把報告變自己的
用AI生成的簡報「看起來很OK」，但千萬別直接上台報告！作者教你最後檢核內容，包括檢查數據、邏輯通順，以及調整簡報節奏、丟掉「AI腔」，把AI生成的簡報變成自己的樣子。本文節錄自《超有料！職場第一實用的AI簡報術》。
文／廖韋評
本文目錄（點擊可快速前往）
上台之前的簡報磨合練習檢核篇：錯誤內容的最後一道防線1. 檢查所有數據是否有明確出處2. 檢查內容是否符合MECE（不重疊、不遺漏）原則3. 檢查簡報前後邏輯是否通順調整篇：讓簡報變成自己的樣子1. 丟掉「AI腔」，讓簡報和自己語氣同步2. 調整簡報節奏與訊息密度
上台之前的簡報磨合練習
經過前面的大量努力，我們已經得到一份完全符合需求、視覺精緻、插圖到位、邏輯完整的簡報。這時候，千萬不要因為「看起來很OK」就直接拿去上台。我們還需要再花一點時間和這份AI簡報「磨合」，讓內容真正成為你的專屬語言。
編按：為了確保AI能夠做出精準符合需求的簡報內容，作者建議先定義簡報需求，做資料蒐集及資料彙整之後，透過投影片大綱規劃模組，生成完整投影片大綱，再正式進入以AI簡報工具生成投影片的環節。延伸閱讀：AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI簡報工具推薦
檢核篇：錯誤內容的最後一道防線
1. 檢查所有數據是否有明確出處
無論事前再怎麼防範，只要有AI經手就有可能有幻覺的存在。所以我通常是到了這個階段，才會手動檢查過一遍所有AI可能造成的幻覺。避免花費了大量力氣檢查資料，最後卻幾乎都沒用上的情形。
這個階段的概念就是寧可錯殺、不能放過。任何引用圖表、案例、研究報告，只要找不到明確出處的內容，最好就是直接刪除或更換！
重點檢查對象
產品規格與功能：不能講錯規格或給予出格的承諾。
時間相關的描述：要額外確認過時間軸是否符合。
數據或研究報告：一定要有具體的日期、規範。
2. 檢查內容是否符合MECE（不重疊、不遺漏）原則
AI在生成內容時，有時會把同一件事情在不同段落中重複引用：比如說在業績回報時就已經提及「成績下跌是因為競品降價競爭」，結果後續在「競品近期策略」的單元中又講了差不多的內容，這時候聽眾就需要困惑兩段資訊的不同之處，反而更疲憊。
或者AI是受限於文字輸出上限，導致沒能把所有該提到的內容都放在簡報中。可能會漏掉執行時程、KPI、前提假設這類的必放資訊。
檢查方式
拿出「簡報關鍵內容清單」，對比是否有漏掉清單上的內容？
試講的時候特別注意，是否有重複提到前面提過的內容？
3. 檢查簡報前後邏輯是否通順
最後，我們要檢查整個簡報是否能夠流暢的串連起來。AI生成投影片內容，並不會去思考投影片之間如何串接，所以容易出現「每一頁拆開看起來都合理，但講起來就是卡卡的」的狀況。
這是我每次上台前會花80%時間反覆練習的環節：「能否在切換到下一頁之前，就替下一頁的內容做一個預告。」
我的原則很簡單：每一張投影片的出現，都應該是回應上一頁提出的問題、或自然推進觀眾的思考。如果有一頁你不知道為什麼要放在這裡，或是不知道它回答了什麼問題，那這頁很可能就是冗餘或邏輯斷層。
調整篇：讓簡報變成自己的樣子
1. 丟掉「AI腔」，讓簡報和自己語氣同步
正因為AI能把資訊寫得很完整，所以常常寫得「不像人」。有時明明是你的簡報，念起來卻像是別人替你講話：語氣太正式、句子太長、每一段都在說理而不是說話。這就所謂的「AI腔 」。
簡報上常見的AI腔：
過度裝飾：「高度情境化的喚醒訊息，在用戶旅程的關鍵節點持續傳遞價值。」
連續兩句講同樣的意思：「這能大幅減少分心的情況，提升你的工作效率。」
通用的固定句法：「本報告中，我們將探討 … 的影響因素……」
過於強烈的情緒意圖：「夥伴們，讓我們一起掀起這波科技浪潮吧！」
添加人味的調整方式：
刻意用比較直接的語氣，來讓人感受到這份簡報有「手作感」。
加入一些迷因梗圖、互動問答、或者是有趣的案例。
上傳自己過往簡報，請AI將你的簡報語氣轉化為提示詞。
限定標題和內文的字數，迫使AI必須精煉語言。
將常用的固定句法設為禁止提到的字詞，強迫AI必須重新組織語言。
2. 調整簡報節奏與訊息密度
AI在設計投影片的時候，並沒有辦法很直觀的想像聽眾的心理與注意力變化。所以大部分時候AI產出的投影片內容都是滿滿當當的，如果我們直接沿用就會讓整場簡報訊息過載、講者跟聽眾都會疲憊。
調整訊息密度的方法：
針對重要的環節，將內容拆分成多張投影片並透過遮罩淡化。
刻意添加提問頁、金句頁、章節頁、複習頁，讓觀眾的大腦喘息。
適當加入額外的多媒體（影片、音樂）或者是實體互動打斷注意力週期。
正向的內容和負面的內容交互安排，透過情緒波動維持專注。
節錄自：旗標《超有料！職場第一實用的 AI 簡報術：用對工具讓生產力全面進化！》／廖韋評 著
AI時代「技能落差」是企業最大挑戰 技職年會倡產學共育
2026-07-15 聯合報記者柯美儀 由聯合新聞網授權轉載
人工智慧（AI）近年快速發展，產業需求持續轉變，技職教育也面臨新挑戰。台灣技職教育年會今（15）日登場，聚焦「AI時代的人才共育解方」，主辦的國際技能發展協會（Skills for U）執行長黃偉翔表示，企業目前最大挑戰是人才技能落差，須透過產官學合作，縮短AI時代人才培育與產業需求之間的距離。
延伸閱讀：學者示警 AI恐掀大失業 宜速應對
Skills for U執行長黃偉翔說，AI已快速融入民眾日常生活，從工作、學習到個人生活規畫都可見其應用，反映人類需求正帶動產業轉型，也重新定義人才能力需求。他指出，AI不只是軟體技術，更牽動AI伺服器、散熱、電源、記憶體等整體供應鏈發展，因此技職教育的人才培育必須與產業需求同步調整。
[course_plugin api_type='course_id' title='104 AI通用素養檢測｜104獨家AI測驗認證' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
黃偉翔指出，目前企業最大的挑戰在於技能落差，也就是求職者所具備的知識、技能與態度，與企業職缺所需能力存在落差；另一方面，學校與政府的人才培育速度，往往追不上產業快速變化的腳步，因此必須透過產官學及非營利組織共同合作，縮短人才培育與產業需求之間的距離。
黃偉翔表示，在教育部《技職教育政策綱領》的推動下，希望串聯政府、學校、企業及民間團體，共同建立技職人才培育生態系。今年年會共有超過70所學校、30多家企業、產業公協會，以及中央、地方政府與智庫代表參與，盼透過跨界交流，共同提出AI時代的人才培育解方。
教育部常務次長朱俊彰表示，技職教育現今面臨許多挑戰，產業變化快速，加上少子化衝擊，如何讓更多孩子、更多家長放心讓孩子投入技職教育體系，是教育部目前非常重要的課題。
談到AI時代的人才培育，朱俊彰表示，教育部今年5月提出「AI人才方舟計畫」，希望學生不僅學會負責任使用AI，更能運用AI解決問題，並培養AI無法取代的能力，「我們不會被AI取代，但會輸給懂得使用AI的人」。
延伸閱讀：AI力即國家競爭力！政院推「AI人才方舟計畫、指引3.0」，雙軌並進翻新產業生態
朱俊彰說，教育部正推動《技職教育政策綱領》，成立技職教育諮詢會，並與經濟部、國發會、勞動部等部會合作，同時持續協助大專校院強化師資、優化課程與改善教學環境，提升技職教育品質。
總統府副秘書長何志偉說，政府正推動AI及五大信賴產業、新十大建設，從半導體、智慧製造、機器人到無人機，每一項產業發展背後都仰賴技職人才支撐，「沒有人才，就沒有AI；沒有技職，就不會有產業」。
何志偉指出，台灣能走到今天，並非依靠少數人，而是無數在工廠、實驗室、教室及產線默默付出的工作者共同努力的成果。他提到，政府持續透過政策協助產業導入AI，例如今年4月已啟動中小微企業AI導入補助方案，最高每月可補助10萬元，並提供完整申請指引，希望協助更多企業運用AI提升競爭力。
更多AI課程，歡迎點擊按鈕前往104學習
AI破牆，硬知識貶值了！拆解「2種智力」決定你被取代還是被放大
當AI成為每個人都能用的外掛，獲取專業能力的成本就發生了斷崖式下跌。台灣大哥大總經理林之晨與資訊長蔡祈岩指出，生成式AI終結傳統分工邏輯，唯有翻轉晶體智力、全面轉向流體智力，才能不讓自己變成被組織埋葬的零件。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）
AI為什麼是那個「破牆者」？AI帶來的改變：專業能力邊界消失硬知識貶值了，活腦袋才是王道
既然分工早就開始出問題了，為什麼我們以前不談逆分工？為什麼個人電腦和網路都發明了，人類也登上月球了，公司裡的分工卻還是愈切愈細？
原因很簡單：過去做不到。
過去所有科技發明，像是電腦、網路、雲端、協作軟體，其實大多只是延伸了我們的手腳、記憶或通訊能力。它們幫我們算得更快、存得更多、傳得更遠，但它們沒有真正擴展我們的大腦容量。
你的大腦裝不下所有知識，一個人不可能精通所有專業。所以，隨著人類知識體系愈來愈大、每個學科愈來愈深，每個人從求學到職場，只能愈來愈專；公司的部門也只能愈來愈多，職能體系愈來愈膨脹。
直到生成式AI出現，情況才徹底改變。它像是一個能夠擴展我們大腦容量的底層引擎，讓我們第一次有力量打破不同專業之間的壁壘。
AI為什麼是那個「破牆者」？
要理解逆分工為何在此刻爆發，我們得先面對一個現實：人的大腦容量是有限的。
根據常被引用的一萬小時定律，你要花大量時間，才能成為某個領域的專家。你花10年學寫程式，就很難再精通商業法律；你把青春奉獻給視覺設計，可能就對財務會計一竅不通；你長期做業務，就很難同時成為資料科學家。
我們需要部門和專才，說到底，就是因為一個人的大腦裝不下所有知識，但大型語言模型改變了這個遊戲規則。
AI不是一個簡單的資料庫，它更像是一位真正讀完了全人類各行各業深度知識的「超級博士」──它讀過大量書籍、論文、文件、開源程式碼與各種人類知識材料，能把不同領域的語言翻譯成彼此看得懂的形式。
它不會讓非專家一夜之間變成真正專家，但它能讓非專家第一次跨過專業領域的第一道門檻，取得初步理解、草稿、選項、框架與可討論的成果。
這件事之所以重要，是因為大部分組織內部的卡點，不是每件事都需要世界級專家，而是大量任務連第一版草稿、第一輪分析、第一個可討論版本都生不出來。
AI讓這件事變了。
AI帶來的改變：專業能力邊界消失
當AI成為每個人都能使用的通用外掛，獲取專業能力的成本就發生了斷崖式下跌。
這不是說專業不重要，真正重要的專業，仍然需要人類專家把關。合約最後要法務審，程式最後要工程師看，設計最後要品牌與市場判斷。
但在AI之前，大量工作卡在「我根本不知道怎麼開始」或「進入新的領域時要先花費巨大的學習成本」。
在AI之後，更多人可以先做出第一版，讓事情進入討論與迭代，而且這個第一版是有模有樣、有所依據的。
這就是為什麼像台灣大哥大這樣的公司，會將全員導入AI提升生產力的計畫命名為「超人計畫」。
「超人」不是說每個人都突然變成天才，而是說每個人都應該有機會，把自己原本的能力放大。
硬知識貶值了，活腦袋才是王道
我們接著談智力。
這裡可以挪用心理學家雷蒙德．卡特爾（Raymond Cattell）的概念：晶體智力與流體智力。
我們並不是完全套用原本的心理學理論，只是借這個理論的名詞，而且略微改變其定義，把人的智力粗略分成兩種。
第1種：晶體智力
你可以把它想像成你腦中的硬碟資料庫和肌肉記憶，它指的是運用過去累積的知識、經驗和標準化技能來解決問題的能力。
例如律師背誦法條、醫師根據症狀診斷常見疾病、會計師熟練查帳、資深員工熟悉公司SOP。
這是傳統職場常說「愈老愈吃香」的原因，因為這些知識會隨著年齡與經驗累積。
第2種：流體智力
它更像是你大腦的中央處理器，負責運算速度和靈活性。
它處理的是全新、陌生、混亂，甚至從未見過的情境。它考驗的是邏輯推理、模式識別、問題拆解與適應能力，跟你背了多少書沒有直接關係。
例如創業家在混沌市場中尋找新的商業模式，或是工程師面對一個從未見過的系統故障時，快速找出可能原因。
殘酷的事實是：AI已經是這個星球上最強大的晶體智力載體之一，它讀過大量法典、醫學期刊、財報標準、程式碼範例與商業文件，它不會忘記，也不會疲倦。
如果人類還想在職場上跟AI比記憶力、比誰的知識更廣、比誰操作標準流程更快，那我們完全沒有勝算，而且差距只會愈來愈大。在晶體智力的賽道上，人類已經被超越。所以，人類的戰場必須全面轉向流體智力。
未來的競爭，不再是比誰的腦袋裡裝的知識多，而是比誰能更快釐清混亂局勢；不再是比誰能給出標準答案，而是比誰能向AI提出最一針見血的好問題。
當每個普通員工都能透過AI這個強大引擎，瞬間具備跨越研發、行銷、法務、設計與資料分析的能力，那些原本為了協調他們而存在的經理、總監與各種跨部門會議，也必然會被重新檢視。
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
微軟「AI員工」報到 可執行複雜、跨工具協作任務 台鏈振奮
2026-06-18報導 經濟日報記者蘇嘉維 由聯合新聞網授權轉載
微軟宣布「AI員工」正式報到，昨（17）日於全球推出Copilot Cowork，並獲全球逾半數的《財富》500強（Fortune 500）企業使用。法人看好，微軟推出AI員工後，有望帶動AI算力需求增加，不僅帶旺鴻海（2317）、廣達及緯穎等代工廠，也將為PC品牌注入一股全新成長動能。
延伸閱讀：你也是膨風一族嗎？63%上班族AI能力都在灌水，為什麼會這樣？
微軟指出，Copilot Cowork能夠執行複雜、長時間運行且需跨工具協作的任務。使用者只需定義工作內容Copilot Cowork即可端到端完成整個流程，並交付完成的結果，不僅是提供草稿或建議。
微軟「Copilot Cowork」功能與概況
核心應用可協助使用者定義任務目標，同時達成跨工具使用，獨立完成使用者交付的專案任務鎖定市場企業用AI領域最大特點透過雲端執行模式，讓使用者PC關機後，AI也可自動執行任務未來效應微軟Windows在PC市場稱霸情況下，有望帶動代理式AI應用快速推進
其中，Copilot Cowork最大特點使用雲端託管（Cloud hosting）讓檔案不會儲存於本機裝置，不僅安全性受到嚴格控管，且即便使用者筆電關機，任務仍可持續執行。內建的Work IQ 支援將所有任務與企業既有的系統連結，確保所有工作精準反映真實的脈絡，另外多模型設計可依照任務需求使用最合適的模型，並將隨著更多模型推出持續擴展能力。
Copilot Cowork目前已經整合Anthropic旗下的Opus 4.8與Sonnet 4.6等AI模型，並支援OpenAI的GPT 5.5。不僅如此，微軟預計在未來數周內發布的最新模型 Cowork 1，主打透過後訓練（post-train）優化，以相對更低的成本完成任務。使用Copilot時，使用者不會被綁定單一模型，可以根據需求選擇最具效益的模型或前瞻模型。
據了解，Copilot Cowork是微軟大規模進軍代理式AI（Agentic AI）市場的重要一步，不同於先前AI模型的一問一答方式，Copilot Cowork可獨立執行工作專案，即便電腦關機，也可以雲端運算方式持續推進工作，同時微軟Windows作業系統在稱霸PC市場情況下，代表Copilot Cowork將可望快速拓及全球PC，推動代理式AI應用快速發展。
微軟在推出Copilot Cowork同時也象徵AI算力需求進一步成長，當前切入微軟AI伺服器供應鏈的鴻海、廣達及緯穎等ODM廠後續接單有機會暢旺。
法人指出，廣達在微軟供應鏈不僅成功拿下GB300系列的NVL 72伺服器大單，後續Vera Rubin伺服器也將在下半年開始量產出貨，為廣達下半年營運增添成長動能。
[joblist_plugin title='【廣達】精選職缺，104上都看得到！' url='https://www.104.com.tw/company/ahfsoq0' amount='5']
不僅如此，微軟推出Copilot Cowork產品後，有望為PC市場帶來代理式AI新浪潮，推動PC換機需求，讓今年相對平淡的PC市場營運添新柴火，華碩、宏碁、微星及技嘉等PC品牌廠同樣受惠。
▲ 圖片來源：聯合新聞網授權轉載
AI產品經理需求5年成長263%！從Chatbot到AI Agent，PM工作正在發生什麼變化？
生成式AI熱潮即將進入新階段，企業對AI人才的需求也明顯發生變化。前幾年當我們談到「AI人才」時，多數人第一時間想到的可能是「AI工程師」、「資料科學家」或「機器學習工程師」；但到了2026年，另一群人才正在快速受到企業重視——那就是「AI產品經理」(AI Product Manager)。
文／《104學習》
本文導覽
AI產品經理是什麼？不只是「會用ChatGPT的PM」趨勢一：AI人才需求正在從工程端往產品與商業端擴散趨勢二：從「AI Chatbot」進入「AI Agent」時代趨勢三：PM不一定要成為工程師，但「做得出來」正在變重要趨勢四：只會Prompt，差異化可能愈來愈小趨勢五：企業不再只看AI使用率，而開始追問ROI趨勢六：AI Governance也正在進入產品經理的工作範圍未來可能不是「AI PM變多」，而是「所有PM都要懂AI」想進入AI產品領域，可以從這4層能力開始光是「知道AI」還不夠，實作才是最重要的一步從「會用AI」到「管理AI」，PM競爭正式進入下一階段
根據《104學習》發布的《AI人才趨勢報告》，近5年台灣AI人才需求成長 97.6%，明顯高於整體招募市場同期增幅。其中，「專案／產品管理」相關AI人才需求從2022年平均每月951人，增加至2026年3,453人，5年增幅高達263.1%，是成長幅度最高的職類。
這個數字透露了一個重要訊號：企業現在缺的不只是「會開發 AI 的人」，更缺「知道怎麼把 AI 做成產品的人」。
而這樣的轉變並不只發生在台灣。
從美國科技業到全球大型企業，AI發展的焦點正在從「模型有多強」，進一步走向「AI能不能真正進入工作流程、解決問題，並產生可以衡量的商業成果」。
產品經理，也因此站到了這波 AI 轉型的第一線。
延伸閱讀：不再只看影片！AI如何顛覆企業培訓？「圍繞AI設計學習體驗」成2026職場新顯學
AI產品經理是什麼？不只是「會用ChatGPT的PM」
「AI產品經理」(AI Product Manager)並不是多學、會用幾個AI工具，就可以在職稱前面加上「AI」。
簡單來說，AI PM 真正要做的是：
找到值得 AI 化的問題，設計 AI 解決方案，再把它變成使用者願意使用、企業可以持續經營的產品。
傳統產品經理需要進行：使用者研究、規劃 Roadmap、管理產品需求、分析數據，以及協調設計與工程團隊。
儘管這些能力到了AI時代仍然重要，但AI產品又多了不少全新的不確定性。
例如：
AI回答到什麼程度才算正確？
準確率90%可以上線嗎？
如果AI判斷錯誤，誰負責？
哪些事情可以讓AI自動完成？
什麼時候需要人類確認？
模型使用成本多少才合理？
使用者資料能不能送進大型語言模型？
AI產生幻覺時，產品要如何處理？
這些問題已經不單純是工程問題，同時也是產品的問題，因此，AI PM 的角色正在逐漸從單純的「需求管理者」，轉向：「Product Manager × AI Solution Designer × Business Owner」。
延伸閱讀：AI PM紅什麼？！年薪上看150萬！
哪些職類適合轉職成AI產品經理？這5種背景都有機會
你可能會想：「一定要原本就是產品經理，才能成為AI產品經理嗎？」
其實不一定。
AI產品經理需要的並不是單一技能，而是「產品思維 × AI理解 × 商業判斷 × 產業知識」的組合。因此，不同職務背景的人，都可能帶著原本的專業優勢切入AI產品領域。企業需要的不只是懂技術的人，更需要能理解實際工作問題、知道哪些流程值得AI化的人。
舉例來說，以下幾類工作者，轉職AI產品經理時尤其具有既有優勢：
產品經理／專案經理：產品方法與跨部門協作能力最接近。
軟體工程師／資料分析師：懂技術，更容易判斷AI能不能做。
UX／UI／使用者研究：最懂使用者如何與AI互動。.
行銷／營運／商業企劃：最了解市場、流程與ROI。
HR、金融、醫療、製造、教育等產業專業人才：Domain Knowledge可以成為最大優勢。
因此，想轉職AI產品經理，不一定要把過去的工作經驗全部歸零。相反地，原本累積的產業知識，很可能就是你的轉職籌碼。
真正需要做的，是在既有專業上補上「產品方法」與「AI能力」，慢慢形成自己的跨域組合：原本專業 × Product × AI。
未來企業需要的AI PM，很可能不是最會下Prompt的人，而是最清楚「問題在哪裡、AI可以怎麼解、產品怎麼落地，以及最後能不能創造商業價值」的人。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
趨勢一：AI人才需求正在從工程端往產品與商業端擴散
AI發展初期，企業最需要的是AI Engineer、Machine Learning Engineer、Data Scientist等技術人才。
但當企業真正開始導入生成式AI，管理者面對的問題就變了。
以前問的是：「我們能不能做AI？」
現在問的是：
「哪些流程最值得 AI 化？」
「這個功能真的有人需要嗎？」
「AI 可以節省多少時間？」
「導入之後能不能增加營收？」
「這筆 AI 投資到底值不值得？」
104人力銀行的人才數據也反映出這個轉變。除了專案／產品管理人才需求5年內增加263.1%之外，業務銷售相關的AI人才需求也增加247.8%，行銷相關需求則增加了165.4%，都是非常高的成長曲線。
換言之，AI已經不再只是資訊部門或研發部門的事情。它開始進入：產品、營運、行銷、業務、人資、金融、製造、教育等不同場景。
無獨有偶，世界經濟論壇(WEF)所發表的《Future of Jobs Report 2025》也將「AI and Big Data」列為未來成長最快的技能，並預估到2030年，現有工作所需的核心技能有約39%將發生變化。
所以未來真正稀缺的，可能不只是 AI 工程師，而是：懂原本專業，又知道如何利用 AI 改變工作的跨域人才。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
趨勢二：從「AI Chatbot」進入「AI Agent」時代
當2023、2024年AI應用剛起步流行時，多數企業選擇做「生成式AI」，那時候最常見的應用，就是「AI Chatbot」的應用。例如以下的情境應該不讓人感到陌生：
員工問：「公司差假怎麼申請？」
AI從知識庫找到答案後回覆答案。
但現在企業開始往下一個階段前進：「AI Agent」。
不同的是，過去AI Chatbot的主要負責的工作是：「回答問題」，而AI Agent能做到（或想做到）的則是：「完成任務」。
例如：過去的客服AI可能只是告訴顧客如何退貨。未來的AI Agent可能直接可以執行以下的動作：
讀取訂單
直接執行以下5個SOP
→ 判斷是否符合退貨資格
→ 建立申請
→ 通知物流
→ 更新 CRM
→ 回覆顧客
因此連帶讓產品設計從過去陽春的「對話介面」，直接變成完整可以提供服務的「AI Workflow」。
不過，根據勤業眾信在《2026 AI企業現況報告》指出，就算企業已開始積極布局Agentic AI，但當前AI的治理與組織準備程度仍有落差；企業真正面臨的挑戰已從「要不要用AI」，逐漸轉向「怎麼安全地讓AI進入核心流程」。
這也是AI PM接下來最重要的工作與挑戰，產品經理必須懂得設計：
AI 可以做到哪一步？
什麼時候交回給人？
哪些操作需要再次確認？
AI 可以存取哪些資料？
Agent 執行錯誤後如何恢復？
如果過去PM主要工作是在設計產品的「User Flow」，未來很可能還要學會設計：Human × AI × System 的 Agent Workflow。
延伸閱讀：文科生的AI時代生存指南：這4類證照幫履歷「套上科技濾鏡」，跨領域轉職必備！
趨勢三：PM不一定要成為工程師，但「做得出來」正在變重要
AI同時也正在重新定義產品經理與工程團隊之間的工作邊界。
過去 PM 想驗證一個產品概念，常見流程可能是：
需求研究
→ Wireframe
→ Figma Prototype
→ PRD
→ 工程開發
→ MVP
現在，Vibe Coding、AI Coding Agent、No-code／Low-code等工具正在壓縮這段流程。
產品經理即使沒有完整工程背景，也開始有機會自己建立：
AI Chatbot
簡單Web App
AI知識庫
RAG應用
自動化Workflow
AI Agent Prototype
未來企業期待 PM 的可能不只是：「你能不能把需求寫清楚？」，而會進一步變成：「你能不能先把想法做出來，證明值得投入？」
雖然這並不代表產品經理都要轉職成工程師。
但是當你真正理解基本的技術邏輯（包括 API、LLM、RAG、Prompt、Agent與資料流程），才能更有效率地和工程團隊一起完成產品。
延伸閱讀：PM的隱性停滯：你是「救火型PM」還是「系統設計型PM」？
趨勢四：只會Prompt，差異化可能愈來愈小
生成式 AI 剛出現時，「Prompt Engineering」曾經被視為非常稀缺的能力。但隨著模型能力持續提升，單純會操作ChatGPT、Claude 或 Gemini，會逐漸變成知識工作者的基本能力。
真正拉開 AI PM 差距的問題，不再只是：「Prompt 怎麼下？」，而是：「什麼問題值得交給 AI？」
例如：公司有50個客服流程，哪5個最值得優先 AI 化？AI 自動化率做到多少才有 ROI？如果準確率只有 90%，剩下 10% 的錯誤會造成什麼影響？哪些情境一定需要 Human-in-the-loop？
這些問題靠 Prompt Engineering 解決不了，它需要的是：「產品判斷＋商業理解＋AI知識＋產業經驗」。
因此未來有價值的人才組合，很可能會是：
金融 × AI
HR × AI
醫療 × AI
製造 × AI
教育 × AI
行銷 × AI
對已經有幾年工作經驗的產品經理而言，原本累積的Domain Knowledge（領域知識）並不會因AI出現而失去價值，反而可能成為自己切入AI產品的重要優勢。
延伸閱讀：AI害你被裁員？104資深協理：學會用AI開外掛，未來是你挑公司
趨勢五：企業不再只看AI使用率，而開始追問ROI
生成式 AI 剛進企業時，許多組織最先觀察的是：
多少員工開始使用AI？
一天用了幾次？
有哪些團隊導Chatbot？
但2026年之後，更重要的問題開始變成：「用了之後，到底產生多少價值？」
根據勤業眾信在2026年的研究顯示，66% 的企業已經從AI獲得生產力或效率提升；但是只有約20%已經看到AI帶動營收成長。儘管74%的企業期待未來AI可以創造營收，但這中間巨大的落差，就是「AI Product Manager」的機會。
OpenAI在2026年談企業AI投資管理時，也提出不應只看Token單價，而應衡量AI每一美元實際完成多少有價值的工作，包括成功完成的任務、節省時間、改善決策以及能否形成可規模化工作流程。
因此 AI PM 未來除了 DAU、Retention、Conversion 等傳統產品指標，還可能需要理解：
Task Success Rate
Accuracy
Hallucination Rate
Latency
Automation Rate
Human Intervention Rate
Cost per Successful Task
最後回到最核心的問題：這項AI產品，到底替使用者與企業創造了什麼價值？
延伸閱讀：85%員工上完課卻不會用！AI時代真正的危機不是失業，而是你的「技能已過期」
趨勢六：AI Governance也正在進入產品經理的工作範圍
2026 年另一個值得注意的全球變化，是 AI 法規正式進入執行階段。
歐盟的《AI Act》於2024年生效，多項規範已在2026年8月2日進入適用或執行階段，包括特定 AI 系統的透明度義務；部分高風險 AI 系統則有不同的後續實施時程。
因此做 AI 產品時，PM 未來還需要思考：
使用者知不知道自己正在跟 AI 互動？
AI 產出的內容需不需要標示？
產品使用了哪些資料？
哪些事情一定需要人工決策？
系統如何留下紀錄？
AI 判斷錯誤後如何追蹤？
特別未來的世界裡，金融、人資、醫療、教育等領域，AI Governance很可能逐漸成為產品設計的基本能力，需要注意的規範範圍將會愈來愈廣。
延伸閱讀：AI基本法借鏡國外 美專法重競爭、歐盟南韓有罰則
未來可能不是「AI PM變多」，而是「所有PM都要懂AI」
從更長期來看，「AI Product Manager」甚至未必永遠是一個獨立職稱。
就像現在很少有人特別強調自己是「Internet Product Manager」，當AI逐漸成為所有數位產品的底層能力後，企業遲早有一天將不再區分：Product Manager、AI Product Manager，而會認為：「產品經理本來就應該理解 AI」。
因此，真正值得產品工作者思考的，可能不是：「我要不要轉職 AI PM？」而是：
「我的 PM 能力，要怎麼升級成 AI 時代需要的產品能力？」
想進入AI產品領域，可以從這4層能力開始
如果把目前 AI Product Manager 所需能力整理成學習地圖，大致可以分成四層。
第一層｜產品基本功使用者研究、需求分析、產品策略、Roadmap、數據分析、商業模式第二層｜AI基礎理解生成式 AI、LLM、Prompt、API、RAG、AI Agent、資料流程第三層｜AI產品實作AI Product Design、AI Workflow、Prototype、產品驗證、Evaluation、Human-in-the-loop第四層｜AI商業化能力AI ROI、成本管理、AI Governance、產品商業模式與產業應用
真正的挑戰，是把這些原本分散的知識串在一起。
因為很多人現在已經「會用AI」，但從使用AI工具，到真正能提出一個AI產品構想、驗證需求、設計流程，再做出可以展示的Prototype，中間其實還有不小的距離。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
光是「知道AI」還不夠，實作才是最重要的一步
如果你原本就是產品經理、專案經理，或者希望往 PM 領域發展，現在需要補的可能已經不只是再上一堂「ChatGPT 工具課」。
而是實際練習：
怎麼找到值得用 AI 解決的問題？
怎麼把需求轉成 AI 產品構想？
怎麼和技術團隊討論 AI 解法？
怎麼快速驗證產品？
怎麼把 AI 概念變成真正的產品提案？
針對這樣的能力轉型，104人力銀行也與緯育TibaMe合作推出「第一屆AI產品經理學習營」，鎖定希望在PM實務中應用 AI、提升產品提案能力，以及希望踏入產品經理領域的職場工作者。課程預計自2026年10月17日起正式展開。
與單純介紹 AI 工具有所不同，如果你的目標是往 AI Product 發展，更值得關注的是能否透過有結構的學習與實作，把「AI 知識」轉化成真正能用在工作上的「產品能力」。
👉 查看「第一屆 AI 產品經理學習營｜緯育 TibaMe × 104 人力銀行」課程資訊
從「會用AI」到「管理AI」，PM競爭正式進入下一階段
回頭看這幾年的市場，可以大致看到產品人才能力的變化：
2023，會用 AI，是加分：生成式 AI 與 Prompt 開始普及。
2024，懂 LLM，是稀缺能力：企業開始嘗試 RAG、企業知識庫與生成式 AI 應用。
2025，能做 AI Product，開始受到重視：AI 從實驗性專案逐漸走向正式產品。
2026，能設計 Agent、Workflow、Evaluation 並衡量 ROI，價值快速提升：AI 開始真正進入企業核心工作流程。
放眼望去，下一階段真正稀缺的工作能力組合，很可能是：AI × Product × Domain × Business。
AI 工具的操作門檻只會愈來愈低，真正有價值的，反而是那些知道問題在哪裡、知道什麼值得 AI 化、能把想法變成產品，也知道怎麼衡量成果的人。
所以，對產品經理而言，現在真正值得問的或許不是：「AI會不會取代PM？」
而是：「當AI開始改變所有產品，我是否已經具備下一代PM需要的能力？」
推薦閱讀
AI害你被裁員？104資深協理：學會用AI開外掛，未來是你挑公司
AI代理人時代，勝負不在AI多聰明！林之晨：關鍵在組織消除落地摩擦力
AI拆解傳統職位、重組專業分工：下一批高薪人才長什麼樣？
104學習發布《AI人才趨勢報告》 企業招募十萬名AI人才
AI左右企業未來的發展！104人力銀行旗下「104學習」發布《104 AI人才趨勢報告》，2026年企業每月平均招募AI人才達10萬人，以工程職佔多數，隨著AI從技術端走向應用端，非工程職急起直追，專案/產品管理、業務銷售AI月均工作機會5年成長超過200%。想成為AI人才，關鍵硬技能包含流程自動化、機器學習演算法、自然語言處理。具備AI技能有望年薪翻倍，或是在職涯起步階段，握有薪資溢價的優勢，了解職務所需AI關鍵技能，歡迎進入104學習AI專區：https://tw104.pse.is/98lsfb。
AI人才需求5年成長97.6% 專案/產品管理、業務銷售、行銷職成長最明顯
「104學習」透過AI智能推薦求職者個人化課程，提供求職者精準學習解決方案，讓學習成果可視化，也被企業看見，在求職市場脫穎而出。根據《104 AI人才趨勢報告》，近5年AI人才需求成長97.6%，高於整體招募市場同期的22.9%。比AI人才的職類需求，2026平均每月需求軟體/工程1.7萬人最多、工程研發1萬人第二、操作/技術8,000人第三；看5年增幅，專案/產品管理類從2022年951人、增長到2026年3,453人，增幅263.1%最多，業務銷售從2022年1,801人、增長到2026年6,263人，增幅247.8%第二，行銷類從2022年2,270人、增長到2026年6,023人，增幅165.4%第三。104人力銀行總經理陳嵩榮指出，AI從技術走向應用，企業期待非工程職使用AI提升工作效率增加產值，人才需求成長明顯。
登入下載104 AI人才趨勢報告
製程規劃、學術研究職缺需具備AI專業比例逾3成 非技術職最高
進一步觀察各職類工作機會中，需要AI專業技能的比例，104人力銀行總經理陳嵩榮分析，非技術職中，企業推進智慧工廠、期待透過流程自動化提升生產效率與良率表現，製程規劃類的工作機會中，36.4%需要AI專業，是「非技術職」AI化比例最高的職類；學術研究類對於文獻蒐集整理、研究時統計分析AI能提升效率，工作機會有33.7%需要AI專業，品保/品管期待結合AI提升檢測效率與準確度，工作機會有28%需要AI專業。至於產業，軟體網路業當中的AI工作機會佔28.5%、電腦及消費性電子製造業佔27.6%、半導體業佔23.9%，需要AI專業工作者的產業，仍集中在科技相關產業。
成為AI人才常見工具聚焦LLM 證照機器人工程師證照、 iPAS +AI應用規劃師入榜
當企業招募越來越重視AI能力，職場工作者該怎麼準備？《104 AI人才趨勢報告》數據顯示，AI職缺中最常見的技能需求第一名為流程自動化，是提升效率最直接技能；第二名為機器學習演算法，廣泛應用於分類與預測任務；第三名為自然語言處理，文本理解語義分析，適用於客服、行銷與法務多個職類。
企業期待求職者會使用的AI工具，ChatGPT、PyTorch、Gemini位居前三名，ChatGPT、Gemini入榜顯示LLM已廣泛應用於職場中，成為解決問題、優化工作的重要夥伴。企業判斷求職者具備AI能力，iPAS+ AI應用規劃師為國家級的AI應用認證，成為企業找數位轉型人才判斷標準之一；針對製造業推進自動化場景，機器人工程師證照，則是企業識別硬體整合型AI人才能力重要指標。
2026 年 AI 職缺最常要求的 Top 硬技能
※點擊可查看相關課程或證照說明
排名技能近5年成長說明1流程自動化233%從製造到行政業務，效率提升最直接的工具2機器學習演算法64%監督式學習核心，廣泛用於分類與預測任務3自然語言處理147%文本理解語義分析，客服行銷法務均適用4預測分析168%商業決策核心，廣泛應用於金融、零售、製造場景資料來源：104學習
排名工具近5年成長說明1ChatGPT新興 ↑辦公自動化、創意協作、文字生成，企業首要培訓工具2PyTorch54%深度學習模型訓練，AI研發職位主流框架3Gemini新興 ↑多模態生成式AI，搜尋整合與企業應用快速擴張資料來源：104學習
排名證照說明1機器人工程師證照製造業自動化場景，硬體整合型AI職位需求2iPAS+ AI應用規劃師國家級AI應用認證，企業數位轉型人才標準資料來源：104學習
緯育 TibaMe 總經理陳鴻志分享，AI 已從職場加分項演變為不可或缺的「標配」。從國際趨勢觀察，企業對「具備 AI 素養」的職位需求大幅提升，53% 的工作者半年內都想積極學習 AI。陳鴻志強調，學習的核心應從「掌握單一技能/工具」轉向「打通完整應用情境」，透過將訓練、認證、就業媒合深度整合，解決學習與實戰脫節的痛點，不僅能顯著提升工作者的求職競爭力，更能為台灣產業打造關鍵的 AI 人才供應鏈基礎建設。
中央大學資管系兼任助理教授劉書銘指出，AI變化太快，去年還在瘋Prompt，今年熱度已轉移至Agent、RAG等，因此三個月才學一門技術已不符合需求，建議學習AI不只當作一門課，而是要獲得「理解未來的核心能力」更為重要，善用AI的人將會重新定義競爭力。
【104學習推薦】成為AI人才，立即行動！
104學習AI專區👉立即前往
104 AI素養認證：客觀評估AI應用能力，測驗通過一鍵匯入履歷👉立即前往
iPAS+ AI 應用規劃師：已成企業評估數位轉型人才標準
【初級】衝刺班｜速攻考點 × 模擬實戰 × GPT刷題攻略
【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題
AI鍍金！財會青年具備AI技能起薪溢價69%最高、學AI工具年薪翻倍
《104 AI人才趨勢報告》透過「去個人識別化」研究，找出透過AI打造鍍金職涯三大情境：
高薪AI人才，在半導體業擔任AI研發工程師，具備Matlab、LLM整合、領導力三大關鍵能力，年資7年年薪已突破300萬。在金融業擔任財務分析企劃主管，會預測模型、SAS以及擁有AI證照，年薪也突破220萬。
學AI職涯鍍金：擔任產品經理，花4年學習SAS數據預測模型，原本深厚硬底子加上AI工具的加成，轉型為AI產品經理，年薪從70萬成長至140萬元翻倍成長。
會AI起薪溢價：在 30 歲以下、年資未滿 5 年的職場青年中，具 AI 技能的個案，其月薪相對於「同職類非 AI 工作者的月薪中位數」明顯較高——財務會計高出 69%、門市營業 67%、MIS 網管 63%、旅遊休閒 53%。
成為AI人才獲得重要競爭力，「104學習」推出AI專區，將會自動帶入求職會員當前職務，分析最需要的AI技能，並提供技能測驗以及推薦課程，了解AI能力並強化：https://tw104.pse.is/98lsfb。企業端想培育AI人才，104人資市集則推出AI企業內訓課程， 實現員工AI化的目標：https://tw104.pse.is/98mx3p。
掌握職場趨勢，你還會想看
2026年COMPUTEX喊燒！「AI五層蛋糕」多家企業 7/4全面搶才
求職熱搜關鍵字揭密！ 「兼職」、「AI」成世代共同語言
力抗科技業虹吸效應！非科技業邀約面試力道兇猛 建築營造不動產最積極
[course_plugin api_type='course_id' title='【104學習推薦】成為AI人才' id='9759690a-9a20-4575-8dce-492636a1206c, 3987ebea-3686-4f67-a292-c46c3cc2128e, 19ba2cdd-5ae1-44a0-a975-01f989c92691']
AI時代的資工人何去何從？專家：向「文組」取經是條出路
AI快速發展，當Cursor等AI助手能幫人自動寫程式、AI預期將達到「中級軟體工程師」的水準，資工系新鮮人的就業處境正面臨艱難挑戰。資工教育、初階工程師到底該培養什麼技能？專家認為，未來資工人才需要擁抱AI素養、運算思維，讓資工系變得「更像文科學位」。
文／田孟心編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
教育怎麼改？「AI素養」是關鍵另一種機會：發現文科思維的價值
當「Cursor」等AI神器能幫人自動寫程式，資工教育、初階工程師到底該培養什麼技能？卡內基美隆大學等程式教育專家建議，讓資工系長得「更像人文學科」，是一條出路。
隨著ChatGPT等聊天機器人的能力不斷進化，它們開始能夠像人類一樣順暢地回答問題、撰寫論文。但論及「取代人類」的挑戰，它們最有殺傷力的，還是針對電腦科學領域。
如今，大型科技公司和新創公司都紛紛推出能自動產生程式碼的AI助手，而且能力正在迅速提升。
今年一月，Meta執行長祖克柏預測，AI將在今年的某個時刻達到「中級軟體工程師」的水準。
新鮮人的境遇特別艱難。根據技術研究和教育機構CompTIA的分析，在過去三年中，尋求兩年或兩年以下經驗員工的公司數量，下降了65%。
教育怎麼改？「AI素養」是關鍵
大學校園裡，以編寫程式碼為主的資工系首當其衝。這引起全美各地大學的資工系所，都在努力理解技術轉型的影響，並努力思考在AI時代該教授哪些內容。
美國頂尖資工院校之一，畢業生遍佈全球各地大型科技公司的卡內基美隆大學，資工教授柯提納（Thomas Cortina）指出，「AI確實震撼了資工教育」。儘管卡內基美隆過去在培養學生方面取得佳績，但今年，資工學院還是暫停暑期工作，邀請教職員一同規劃針對AI時代的新課程。
哥倫比亞大學的資工教授溫（Jeannette Wing）也表示，「我們正看到AI海嘯的冰山一角。」
綜合《紐約時報》訪談許多資工教育工作者，他們認為資工學科可以擴展，變得「更像文科學位」，亦即更加重視批判性思考和溝通技巧。
這與美國國家科學基金會（NSF）的想法不謀而合。
該基金會正在資助一個名為「Level Up AI」的計畫，結合大學與研究人員，共同探討AI教育的本質。
主導這項計劃的資工教授馬希爾（Mary Lou Maher）直言，「資工教育的未來可能會減少對程式設計的關注，而更專注於『運算思維』和『AI素養』。」
其中，運算思維指的是能否將問題分解成更小的任務，逐步訂定解決方案，並利用數據得出基於證據的結論；而AI素養指的是，理解AI如何運作、如何負責任地使用AI，以及AI如何影響社會。
馬希爾強調，培養「理性的懷疑」應該成為新的目標。
根據世界經濟論壇《2025年未來就業報告》，當前最重要的求職技能是「分析性思考」、「彈性」和「社會影響力」。
報告裡也提到，「AI素養」不僅僅是為IT專業人士「錦上添花」，而是對全人類都很重要，教育部門更該強化這個技能。
歐盟與OECD也發起「人工智慧素養框架」（AILit），預期在2026年發布，幫助年輕學習者以批判性、創造性，和合乎道德的方式接觸AI。
另一種機會：發現文科思維的價值
在求職市場上，資工系畢業生也開始發現文科思維的價值。
在一片慘淡的就業前景中，北卡羅來納大學夏洛特分校的大四生德雷克（Connor Drake），幸運地在30次投遞（通常要投100-200次）後，就面試上一家科斯的網路安全實習生職位。
德雷克分享，他個人對AI的「防禦策略」，是拓展自己的技能組。除了資工專業以外，他還輔修政治學，加強學習安全與情報研究，並且擔任大學網路安全社團的負責人——如此一來，他就更能勝任網路安全專業領域的工作。
「資工學位曾經是通往就業天堂的金鑰匙，」22歲的德雷克說道，「但現在情況已不是那樣了。」
最後，儘管資工畢業的菜鳥面臨就業寒冬，但也有專家認為，AI對於「輔助軟體市場」大有前景。
如今，從醫學到行銷領域都在客製化自家的聊天機器人，這些聊天機器人軟體必須為各產業量身打造，並由這些產業的數據庫提供支援。
史丹佛大學計算機科學教授艾肯（Alex Aiken）認為，軟體工程崗位的成長可能會下降，但參與程式設計的人員總數將會增加。
因此，大專院校仍可維持對資工基礎知識和AI原理的教學，並擴展用新工具進行軟體設計的大量實務課程。
或許，有一個重要的前提是：資工學員不會太過仰賴AI本身。
卡內基美隆的柯提納表示，許多資工學生將聊天機器人視為完成作業的「靈丹妙藥」，「但他們連一半的程式碼都看不懂，」「很多人正在意識到自己寫程式碼的價值，打算重新開始。」
（資料來源：NYT, WEF, Nature, FAS）
（原文標題：AI時代的資工人該何去何從？專家：向「文組」取經）
推薦閱讀：
AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
念到博士卻失業？AI時代，大學畢業該繼續升學嗎？
AI浪潮下孩子還要上學嗎？世界權威、母親李飛飛：教育是這4重點
AI秒殺人類工程師，現在矽谷科技家長都希望小孩讀「這類科系」
[joblist_plugin title='更多104【軟體工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&jobcat=2007001004' amount='3']
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
拓展職場人脈以往仰賴長期互動與經驗累積，現在，AI工具可以幫助把零碎的資訊轉化成結構化的人物畫像，不論是初次接觸潛在合作夥伴，或設計更適合的交流話題與合作提案，都能有效減少盲目試探，人脈經營更有方向。本文節錄自《AI時代的高價值人脈學》。
文／孫路弘
本文目錄（點擊可快速前往）
科技賦能：AI如何對接並翻轉6大能力天花板AI實戰應用情境：零碎資訊化作結構化人物畫像
當AI的浪潮席捲而來，整個世界的運行方式都發生了深刻的轉變。傳統的運作模式被大幅優化，曾經需要多年累積才能獲得的技能和資源，現在只需短短數月甚至數日，便可實現快速升級和高效應用。這種變革同樣滲透到了人脈構建的領域，原本漫長而艱難的人脈關係經營過程，如今變得更加快速、高效與精準。
科技賦能：AI如何對接並翻轉6大能力天花板
過去傳統模式，想要建立高品質的人脈網路，是一場長期的耐力與智慧考驗。一個人要想在人脈關係中表現出色，需要熟練掌握6大核心能力：精準識別他人的性格特質、準確鎖定關鍵人物、制定有效的接觸策略、提升信任層次、提出雙贏的合作建議，以及在合作中持續鞏固深化彼此的關係。但這些能力的形成，往往需要數年的累積與反覆實踐，才得以達成。
而今在AI的賦能下，這種煩瑣、緩慢的人脈構建過程被徹底顛覆了。AI的介入，將人與人之間原本抽象、感性的關係建立方式，變成了有據可依的精準管理模式：
資訊歸類與深度分析： AI 能夠快速進行大規模資訊收集，自動完成歸類，極大提高識別他人特徵的效率。
精準評估人物價值： 透過大數據分析與演算法模型，精準判斷目標對象對自己發展的實際需求與利益。
客製化溝通方案： AI可以自動生成針對特定人物的接觸策略，提供從初次見面到關係密切的一站式行動方案。
智慧監測信任升溫： 即時監測關係進展，動態調整溝通策略，智慧推薦最適合雙方交流的話題。
精準媒合雙贏合作： 基於雙方特點與資源需求，提出精準而務實的合作建議，高效交換資源。
這種強大的助力，讓普通人也能輕鬆維護高效的人脈網路，將過去需要10年苦練的人脈經營之道，壓縮到了一年甚至更短的時間內，迅速實現職業進階與個人成長的全面突破。
AI實戰應用情境：零碎資訊化作結構化人物畫像
人脈關係的核心在於對他人全面、深入且精準的了解。過去，這樣的了解往往是建立在長期而頻繁的日常互動上。而在今天，我們可以利用AI的強大數據處理能力，迅速從海量的零碎資訊中提取答案，形成清晰的人物畫像。
若以想要與潛在合作夥伴「A君」建立市場合作關係為例，直接找上對方可能顯得太過冒昧、突兀。這時，利用AI工具以非侵入的方式，對他過去一年在社群媒體發布的數條日常動態（如主辦年會的成就感、週末去山裡被大自然治癒、休假去歐洲感受慢節奏等）進行大數據加工，便能萃取出高產值的三維度人物畫像：
擅長領域維度（專業硬實力）： 從他多次成功組織大型活動並強調「團隊共同願景」，可看出他非常擅長且享受團隊協作和公共溝通，在管理和團隊建設上具備豐富經驗。
個人偏好維度（情緒軟實力）： 他傾向追求工作與生活的平衡，對自然環境與旅行有明顯偏好，對情緒有較高的自我覺察力。
成就感來源維度（內在驅動力）： 他的自我價值極大程度建立在外界評價與團隊成就上，核心驅力來自「客戶的肯定」與「團隊付出得到回報」。
掌握了這些結構化資訊，未來不論是與他一對一溝通，或是想跨界整合邀請他參加小型研討會，你都能利用AI快速設計出最能引發共鳴的客製化交往策略。
總而言之，AI大規模收集和加工資訊的能力，不是傳統方法的簡單替代，而是實現了人際關係管理的全面升級。藉由AI的力量，我們能更深入了解目標對象、快速鎖定核心話題，在人脈構建的道路上快速實現突破，推動自身職涯進入快速發展的「坦途」。
節錄自：今周刊《AI時代的高價值人脈學：人脈格局決定命運高度，讓每次互動都在累積關係資產》／孫路弘 著
有任何收穫或想分享的，都來和大家一起聊聊吧！