SolidWorks零組件機構設計
104學習
切割機
指能有效將複雜問題拆解成更小、更容易處理的部分，讓工作流程更有條理且效率提升。此技能強調分析與分工，能幫助團隊明確分配責任，避免資源浪費及重複作業。擁有此能力的人，通常在專案管理、問題解決及流程優化上表現出色，對提升整體產能與品質非常關鍵。簡言之，就是將大目標化繁為簡，確保每一步驟都能順利執行並達成最終成果。
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
杜絕瞎忙！高效能時間管理
解放繁瑣工作｜打造Power Automate自動化工作流
數位自動化團隊協作攻略｜Power Automate整合應用
HR效率神器！Power Automate 啟動自動化辦公
（2026最新）勞動契約撰寫秘笈【08/19】
工作方法進化論 首部曲
影音後製剪輯實戰課(Final Cut篇)
快速入門RPA｜用EMILY機器人帶你實現高效工作術
精選證照
考取專業證照，讓能力被市場看見
甲級鑄造技術士
鑄造職類技術士技能檢定規範於民國六十五年公告，為因應工商業發展與本行業技術水準之提昇於民國八十五年修訂乙、丙級規範。鑄造是最古老的藝術(ART)，更是最先進的科技（HIGH-TECHNOLOGY），鑄造技術的發展與經濟起飛脈動同步，既保有傳統鑄造技術的精華，更融入了現代技術，以符合未來企業發展的可能需要，將整體技能架構加以整合，以期能與企業界的實務需求結合。
鑄造為機械製造行業之一，依技能範圍及專精程度分三級以配合行業發展特性所需：
(一) 甲級為具鑄造設計與品質管理，技術指導與成本分析之專業人員。
(二) 乙級為具鑄造獨立作業及技術指導能力之從業人員。
(三) 丙級為具鑄造基本作業能力之從業人員。
甲級工作範圍：從事各種鑄造法之模型（具）與鑄模設計、製作、金屬熔解、鑄件檢測、鑄材試驗、鑄疵分析與對策、工廠管理、環保與工業安全等技能。
勞動部勞動力發展署技能檢定中心
丙級事務機器修護技術士
事務機器是一種自動控制產品，具體的說就是一部機器中結合了機械、電機、電子以及光電的領域。但售後服務工作多屬單獨應付，故事務機器修護工所需的技術要求是多方面的，加上產品壽命週期的變化，必須瞭解新產品的特性，以及累積各項技術經驗，能獲得升遷的機會。
因進口事務機器的技術資料多為原文，敢對閱讀能力的要求甚高，故欲擔任事務機器的修護工作最低應為高工不相關科別畢業，機工、電工、電子等並受過短期事業訓練者為合格。
勞動部勞動力發展署技能檢定中心
乙級鑄造技術士
鑄造職類技術士技能檢定規範於民國六十五年公告，為因應工商業發展與本行業技術水準之提昇於民國八十五年修訂乙、丙級規範。鑄造是最古老的藝術(ART)，更是最先進的科技（HIGH-TECHNOLOGY），鑄造技術的發展與經濟起飛脈動同步，既保有傳統鑄造技術的精華，更融入了現代技術，以符合未來企業發展的可能需要，將整體技能架構加以整合，以期能與企業界的實務需求結合。
鑄造為機械製造行業之一，依技能範圍及專精程度分三級以配合行業發展特性所需：
(一) 甲級為具鑄造設計與品質管理，技術指導與成本分析之專業人員。
(二) 乙級為具鑄造獨立作業及技術指導能力之從業人員。
(三) 丙級為具鑄造基本作業能力之從業人員。
乙級。
工作範圍：從事鑄模製作、金屬熔解及澆鑄等技能。
勞動部勞動力發展署技能檢定中心
丙級鑄造技術士
鑄造職類技術士技能檢定規範於民國六十五年公告，為因應工商業發展與本行業技術水準之提昇於民國八十五年修訂乙、丙級規範。鑄造是最古老的藝術(ART)，更是最先進的科技（HIGH-TECHNOLOGY），鑄造技術的發展與經濟起飛脈動同步，既保有傳統鑄造技術的精華，更融入了現代技術，以符合未來企業發展的可能需要，將整體技能架構加以整合，以期能與企業界的實務需求結合。
鑄造為機械製造行業之一，依技能範圍及專精程度分三級以配合行業發展特性所需：
(一) 甲級為具鑄造設計與品質管理，技術指導與成本分析之專業人員。
(二) 乙級為具鑄造獨立作業及技術指導能力之從業人員。
(三) 丙級為具鑄造基本作業能力之從業人員。
丙級工作範圍：從事鑄模製作、金屬熔解及澆鑄等技能。
勞動部勞動力發展署技能檢定中心
乙級重機械修護技術士
重機械修護技術士技能檢定規範於民國七十二年五月三十一日公告，依其技能範圍及專精程度分為甲、乙、丙三級，為提昇本職類從業人員技能水準及符合社會之需要，爰於八十七年度再予修訂。重機械為現代化建設的必備機具，對施工技術及工程品質的提昇皆有密切的關係；而重機械修護專業人才的培育，可經由技能檢定而有效提昇專業素養。
乙級重機械修護技術士細分為引擎、底盤兩組。
1. 乙級引擎組工作範圍：重機械引擎的拆裝、分解、組合、檢查、測量、調整、保養維護、故障排除及機件鑑定。
2. 乙級底盤組工作範圍：重機械除引擎以外之各項機件的拆裝、分解、組合、檢查、測量、調整、保養維護、故障排除及機件鑑定。
勞動部勞動力發展署技能檢定中心
初級機械設計工程師
為因應經濟環境變遷，配合政府的產業政策與機械產業未來發展趨勢，建立國內機械專業人才認證體系，並藉以提供企業界優良之機械專業人才。本認證依據機械人才的職能為基礎，發展能力指標及評鑑內容，協助產業篩選合乎需求的人才。並邀集機械類產官學研各界參與規劃，作為認證之標準，以確認通過此認證之專業人才，確實具備產業需求之能力。就個人而言，取得此認證可提升個人之就業能力，就企業而言，則是企業人才選用的客觀標準。
通過初級機械設計工程師考試者，應可執行機械元件之設計工作之能力。
工業技術研究院
精選貼文，掌握第一手知識
告別制式勞動，迎向 AI 時代人才的變革與重構
從 AI、大數據到雲端運算，智慧科技持續重塑企業運作模式，也同步改變科技人才的能力結構與職涯路徑。當技術不再只是工具，而是開始參與決策、流程與協作機制的設計時，企業對人才的期待，也隨之快速被改寫。隨著生成式 AI 進入科技研發現場，產業競爭的焦點，逐漸從單純的效能與技術規格面，轉向研發流程、協作效率與人才結構的重新配置。
文／104人力銀行
立即下載《2026科技業人才報告書-人才版》
本文導覽：
先定義後拆解，掌握工具且能同時進化的優勢
AI 不是取代能力，而是重新設計組織的槓桿
AI 改變的不只是工具，而是人才競爭的基準
無論是深耕資安領域的趨勢科技、由單點工具轉向 AI 驅動工作流程的KDAN 凱鈿、將服務版圖延伸至「新商務」場景的騰雲科技，亦或是持續推動流程優化的技嘉科技，皆不約而同指出：AI 並不是單一技術的導入，而是從根本上，重新定義工程師的工作方式與企業的選才邏輯。
先定義後拆解，掌握工具且能同時進化的優勢
趨勢科技指出，在資安產業中，AI 的導入不僅提升效率，更放大了攻防的速度與規模。企業真正需要的，已非能單純完成任務的工程師，而是要能理解問題、拆解問題，並知道如何運用 AI 讓產品與防禦能力持續進化的人才。「企業現在看的人才，不再是會不會寫 code，而是能不能用 AI 定義問題、拆解問題，並把它真正放進工作流程裡。」
這樣的轉變，使「會寫程式」逐步從門檻條件，轉變為一種基本能力。
KDAN 凱鈿則觀察到，企業選才的標準明顯被翻轉。過去對工程師的面試，多半以程式語言的熟悉度為主，然而當 AI 加入成為日常工具，真正拉開差距的，反而是思考邏輯和問題拆解的能力。「以前我們面試工程師，程式語言熟悉度大概佔六、七成，思考能力佔三、四成；現在幾乎倒過來。」甚至可以說，判斷能力及邏輯架構，已遠勝單一技術的掌握。能力結構之外，AI 也在重新設計工作流程本身。
AI 不是取代能力，而是重新設計組織的槓桿
面對 AI 帶來的轉型壓力，騰雲科技則是認為，企業需要的人才，除了熟悉新工具，得要能解構既有的流程與模式，並予以重新加以設計。「頂尖的人才必須完備能解構問題的智慧，將經年累月結痂的既有工作流程無情拆解，再結合新工具進行徹底重構，以此創造出破局的商業價值。」在如此框架之下，AI 並非取代既有能力，反倒成為推動組織再造的重要槓桿。
相較之下，在硬體與韌體研發領域，AI 帶來的影響則呈現不同面貌。
AI 的導入並非突然出現，而是建立在長期流程自動化與知識共享文化的基礎之上。技嘉科技表示，當標準化與重複性的工作逐步由工具接手，企業在選才的課題上，反而更回到人才的本質。「AI 並沒有讓工程師變得不重要或被取代，反而讓一件事變得更加清楚——當工具越來越強，人真正不可取代的，仍然是持續學習、理解問題，以及把經驗轉化為能被團隊延續的知識。」
也因此，雖分處不同產業與戰略位置的四家企業，卻給出近乎一致的答案——AI 確實已改變你我的工作流程與內容，也對工程師的角色重新定位，然而企業真正關注的，不是誰會被取代，而是誰能定義出與 AI 協作的新方式。
AI 改變的不只是工具，而是人才競爭的基準
當 AI 已能協助完成大量數據的整理、流程文件撰寫及程式生成，甚至是輔佐當下決策的研判時，隨之浮現的是一個跨越產業和領域的深層叩問——AI 會不會取代人類？
觀察四家受訪的企業，答案竟出乎意料地一致：AI 並不會讓「人」變得不重要，而是讓人才的價值重新排序。但首先被改變的是，企業對工程師角色的認知與理解。當標準化、重複性的工作逐步由工具接手，真正拉開差距的，不是技術的熟練度，而是能否理解問題、拆解流程，並持續與新工具共同進化的能力。
正如受訪者所指出：「不是 AI 會取代人，而是會用 AI 的人，會取代不會用 AI 的人。」對企業而言，這意味著選才邏輯正在改變；對求職者而言，也代表未來職場的競爭力，將來自於跨領域理解問題的能力，以及在變動之中持續重塑自身角色的位置。
立即下載《2026科技業人才報告書-人才版》
掌握更多科技業人才趨勢，大家都在看這些：
告別制式勞動、迎向職能重構：騰雲科技在 AI 時代的破局商業學
AI 時代，寫程式不再是護身符——KDAN 凱鈿重新定義「好人才」
AI 時代的研發現場：回歸人才特質，技嘉如何重新定義工程師的工作方式
在趨勢科技，唯一的競爭對手是駭客：AI 時代下，資安人才與研發現場的真實變化
大腦其實不擅「多工」！學會一招，不過度勞累也能提升產出
多工處理就代表高效率嗎？其實頻繁切換任務反而會讓大腦精疲力盡。作者分享，依據任務種類、客戶、專案、使用工具來分類，將同類別任務一起處理，就能在不過度勞累的情況下達成高效率產能。本文節錄自《節省工時的100種方法》。
文／森田幸（森田ゆき）
一般認為，人類的大腦並不擅長多工處理。進行多工作業時，注意力容易分散，不僅容易出錯，也難以保持專注。或許有些人也曾有過這樣的經驗：同時進行好幾項任務，或是短時間內將專注力切換到其他事情，結果大感精疲力盡。
當然，也一定有人覺得，只要努力，就能做到多工處理。但若是努力過了頭，反而會偏離提升時間效能的本質。在處理文書工作時，若能刻意避免多工，專注把每件事做好，自然就能更加輕鬆的提升效率。
舉例來說，假設你是依照這樣的流程來工作：先製作了要寄給A公司的報價單，接著去追蹤與B公司專案相關的過往郵件，再整理成資料，然後回覆C公司的詢問郵件，最後一邊瀏覽A公司的網站，一邊製作提案書，最後寄出……。
在這種情況下，每當要切換到下一項任務時，對應的客戶就會改變，所以每一次都必須切換意識。此外，由於使用的工具也因任務有所不同，對大腦來說是相當沉重的負擔。
同類別任務一起處理
所以，只要將它依照任務種類、客戶、專案、使用工具的分類來歸納，就能大幅減輕大腦的負擔。
以剛剛的例子來說，若將「A公司」相關的任務統合在一起，接續完成報價單和提案書的製作，大腦就不必過度勞累的運作。再者，以郵件寄出A公司的報價單時，若能順便處理C公司的詢問郵件，接著再去確認B公司的郵件往來紀錄，那麼只需要查看一次收件匣就可以了。
還有其他例子，包括製作一份請款單時，順便先將其他客戶的請款單也同時處理好，就能減少打開試算表軟體、拿出計算機的次數。又或者，雖然交件期限不同，但只要有能同時完成的工作，就在同時段一口氣處理掉。接著，讓郵件在最適合交件的時機送出，如此事先做好預約寄送的設定，就能讓自己輕鬆許多。
「該如何安排順序才最有效率呢？」在著手開始工作前，請先養成思考這個問題的習慣吧！
POINT：思考最有效率的工作順序。
節錄自：大是文化《節省工時的100種方法：我在巴克萊銀行、AIG、安聯等外商主管身邊學會，品質與速度兼顧的時短工作術，不用拚命就有高績效。》／森田幸（森田ゆき） 著
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
超越標準答案？！AI運算的百萬瓦賽局，在光寶你也可以擁有「定義規格」的技術特權！
在科技製造業，許多工程師常受困於「追趕規格」的無力感。然而，光寶科技正發起一場思維革命，將研發重心從「被動代工」轉向「主動定義」。 憑藉深厚的跨域整合實力，光寶工程師不再只是填寫考卷，而是大膽定義未來能源規則，在這裡，創新不再是高風險的口號，而是每一位職人在安全感中放手一搏的日常。
文／《104職場力》
本文導覽（點擊可快速前往指定段落閱讀）
思維翻轉革命：定義未來電源架構技術的任性：為了1%的效率，我們拒絕妥協速度的決勝：用敏捷重新定義硬體開發全球的舞台：你的能量，決定你的疆界
在台灣的科技製造業，許多工程師都曾有過一種共同的無力感，撞上的不是技術瓶頸，而是「意義」的流失。
客戶給了規格(Spec)，PM壓了時程，工程師的任務就是把這些數字「做出來」。過程中，為了避免犯錯，為了達成良率的門檻，傾向使用最保守的設計與架構。「創新」往往只淪為簡報上的口號，因為在產線壓力前，創新意味著不可控的風險。
然而，這種「防禦性開發」的邏輯，正在被一場發生在運算核心的革命所打破。
當AI伺服器算力需求呈現指數級暴漲，舊有的標準答案儼然已失效。走進光寶科技的研發中心，你便會發現這裡的不同。工程師之間談論的不是怎麼「完成交付」，而是如何在物理極限的邊緣，利用公司賦予的強大安全網，大膽地定義未來的能源規則。
思維翻轉革命：定義未來電源架構
「現在的 GPU 是 AI 運算的大腦，但這個大腦運作時，需要心臟和血液的供應。」
光寶科技 Tiger Team資深處長李逸飛(Ifei Lee)
光寶科技Tiger Team資深處長李逸飛(Ifei Lee)，用生動的醫學比喻形容光寶的角色：「我們做的電源是心臟，散熱是血管。如果供電不及或散熱不順，大腦就會因為『心律不整』產生停擺。」
過去模式是客戶給規格、供應商照做，這只是代工，不是研發。光寶改變了遊戲規則：我們不只是執行，而是主動診斷、提出解方，甚至在客戶未察覺潛在問題前，預先定義未來架構的解決方案。」這需要具備跨域整合力，從電網到晶片生態系思考，從硬體到軟體，全面系統性思維能力的人才。
「這要求工程師須具備光寶新三力之中的高度「跨域整合力（Cross-Domain Integration）」。」
Ifei描繪了未來場景：隨著AI算力爆炸，未來的電源機櫃將邁向百萬瓦(Mega Watt)等級。「這意味著要把五六百戶家庭的用電量，或三四百台冷氣機，全塞進一個冰箱大小的空間裡運作。」
在這種極限場景下，單一技術無法解決問題。工程師必須打破硬體、軟體、散熱的界線，從整個場域(Scope)思考。從電網配置到晶片負載，這是一個系統工程。
「所以我們不是簡單賣產品而已，重點在於提供解方(Solution)。」Ifei 強調，「當你能幫客戶想到他沒想到的痛點，並用 POC(Proof of Concept)證明解法有效時，客戶就不會把你當供應商，而是視為共同定義未來的夥伴。」
這正是光寶給工程師的第一個承諾：在這裡，你不是在填寫別人出好的考卷，你甚至可以定義題目，並寫下答案。
技術的任性：為了1%的效率，我們拒絕妥協
如果Ifei談的是戰略，那麼雲服務電能方案事業部(CSP Power)資深經理張弘杰(Derek Chang)，則演繹了第一線的「工程師職人精神」。
Derek負責AI資料中心關鍵的電源系統與BBU（備用電池單元），每天都在與物理極限搏鬥。「最大挑戰是空間沒變，但需求變了。」Derek 解釋，「AI數據中心瓦數從4KW一路飆到20KW，且因要塞進更多電池，留給電源的空間反而變少。」
這是一個殘酷的數學題：功率密度(Power Density)提升了6倍以上，但體積不能變。
一般面對這種任務，通常會選擇折衷處理：告訴客戶不易做到，或犧牲效率換取穩定。畢竟換新架構風險巨大，出了問題誰負責？但在光寶，Derek的團隊做了截然不同的決定。
「為了再提升那1%的效率，我們決定主動換架構。」 Derek 語氣中透著執著，「我們可以與客戶協商降規或用舊架構硬撐，但為了逼自己更好，我們主動改變遊戲規則。」
這1% 效率提升代表巨大的能源節省，但也意味著必須跳出舒適圈。是什麼讓光寶工程師敢於如此「任性」？
Derek給出的答案令人意外：因為有安全感。
「我們有強大的『設計品質確保單位(Quality Assurance Team)』。」Derek 解釋，「他們不是等產品做好才挑毛病，而是開發初期就介入，幫我們做各種Corner Case（極端情況）測試，找出被忽略的盲點。」
這就像為走鋼索的工程師鋪設了安全網。工程師知道設計在交付前會經過嚴格驗證，這讓他們敢於放手一試。更深層的，是一種「不急於抓戰犯」的文化。
「以前覺得技術是冰冷的，但現在我們希望工程師是有溫度的。」
光寶科技 雲服務電能方案事業部(CSP Power)資深經理張弘杰(Derek Chang)
Derek分享了一次深刻的經驗：曾有專案發生嚴重客訴，甚至影響到公司業務。「在很多公司，這種情況下第一反應通常是『找戰犯』。」Derek 回憶說，「但當時主管給了我們充分的時間與空間，只告訴我們：『先專心解決問題。』他幫我們擋下外部壓力，讓我們能專注找出Root Cause（根本原因），而不是急著找人負責。」
這種「可以放手一搏」的心理安全感，讓工程師明白：在這裡，失敗不是終點，而是突破的必經之路。而除了有主管支持，整個團隊更是最重要的靠山。
「這也是為什麼我說這家公司變得更有溫度。」Derek提到，光寶透過軟實力課程培養溝通與同理心。「以前覺得技術是冰冷的，但現在我們希望工程師是有溫度的。唯有懂得換位思考與團隊合作，才能在高壓環境下一起走得更遠。」
速度的決勝：用敏捷重新定義硬體開發
「在這個時代，敏捷比力量更重要。速度，有時候比體型還關鍵。」
光寶科技 企業運算服務事業部(Enterprise Power)處長劉宇舜(Sky Liu)
「在這個時代，敏捷(Agile)比力量更重要。速度，有時候比體型還關鍵。」Ifei曾這樣提到。而在企業運算服務事業部(Enterprise Power)處長劉宇舜(Sky Liu)的團隊裡，這句話轉化為每天運行的制度。
Sky負責競爭激烈的企業級電源產品，敏捷開發的導入，讓最終成品來得更好更快。
「傳統硬體開發是瀑布式流程(Waterfall)，許多規格必須在早期定案。由於後期變更成本高，一旦晚發現與客戶需求不符，往往難以調整。」Sky 解釋。
為了打破閉門造車，在光寶，軟體業邏輯被移植到硬體研發。「我們現在每兩週一個Sprint（開發階段），每四週一次 Review（成果檢視）。」敏捷開發明確地重塑了整個研發節奏。「透過快速迭代，我們做出小的MVP（最小可行性產品）就送去驗證。客戶反饋快，我們修正就快，永遠跟客戶在同一個頻率上。」
這模式對人才提出了新要求：「學習敏捷力(Learning Agility)」。
在光寶，資歷不是唯一標準，快速適應調整才是王道。Sky講述了一個故事：有次客戶需求變更，專案時程被瞬間壓縮一半。「那是個不可能的任務，」Sky說，「按傳統邏輯大家應該會抱怨。」
但團隊展現了驚人韌性。「不分資深資淺的夥伴，都主動跳出來問：『我可以多做什麼？』」Sky 回憶，「特別是剛加入的年輕工程師，沒有退縮，反而視為展現機會。」結果，這個專案在第一次試產(Pilot Run)就滿足了大部分要求。
為了讓年輕人更快上戰場，光寶建立了 「Pilot Z」 人才孵化機制。
「我們不希望新人覺得被放生。」Sky介紹，「這像『打通關』遊戲。前三個月，有專屬導師(Mentor)帶著你。」第一個月學基礎，第二個月熟架構，第三個月參與專案。每一關都有練習題與Mentor引導。甚至現在有針對菁英培訓的Pilot Z新世代人才養成計畫與研發替代役，在入職前兩個月脫崗培訓，與跨部門的同仁一起學習。
「Every step counts（每一步都算數）。」Sky強調，「即使是新人，我們也鼓勵他研究新技術議題並與大家分享。我們想聽年輕人的見解，這對團隊也是激盪。」
此外，光寶也深知工程師對職涯的焦慮。透過OGSM(Objective, Goal, Strategy, Measure)定期檢視，主管與員工討論雙軌發展。想學新技術，有AI社團；想學管理，有專案管理培訓；想換環境，公司也鼓勵跨BU的專案支持與跨域合作。
延伸閱讀：重塑產業，光寶科技用90天打造AI新世代人才Pilot Z
全球的舞台：你的能量，決定你的疆界
隨著轉型加快，人才舞台早已不侷限台灣。「我們正在推動Global Career Opportunities。」Ifei補充，「我們已與國外頂尖大學及實驗室合作，佈局未來技術。」
這意味著，光寶工程師有機會直接對接世界級研究機構，參與最前沿探討。同時，光寶將 「AI協作力」 視為核心。「現在是資訊爆炸年代，你必須快速辨識底層邏輯。」Ifei說，「我們鼓勵用AI工具加速學習與除錯。AI是你的大腦延伸，讓你把腦力用在創新上。」
採訪尾聲，問到：「為什麼現在是加入光寶最好的時機？」Derek沉思後說：「因為無論是產品或員工福利，光寶都正在往好的方向發展，而且很有感。」
對技術人才來說，最迷人的職場不是只有薪資福利吹上天，而是感到「被尊重」。尊重專業，所以賦予定義架構的權力；尊重成長，所以允許犯錯並提供安全網；尊重未來，所以提供全球舞台與AI工具。
在光寶，既可以是規格執行者，更可以是搶先解決兆瓦級難題的未來人；是可以為了1%效率重塑架構的專業職人，也可以是剛加入就用新技術驚豔全場的領航者。
在全球流動的時代，光寶已搭好舞台，等著定義超凡的未來。
光寶針對AI電源與液冷人才大量招募中，快來看看是否有合適的職缺▶ 立刻投遞
計畫趕不上變化不用砍掉重來！2招照樣保持高效
即使訂好了一天的工作計畫，突如其來的意外總是難以預料──像是上班途中遇到塞車，導致整個行程延誤，讓人不禁懷疑是否該整天「砍掉重練」。事實上，計畫不是用來完美執行的，而是提供方向與彈性調整的依據。本文節錄自《減法》，分享兩個簡單有效的做法，面對突發狀況也能穩住步調、維持高效！
文／王世民
本文目錄（點擊可快速前往）
1. 心態上的調整：破除完美主義，接受不完美2. 行動上的調整：及時調整當天的計畫
假如你本來的計畫是在9點到公司開始做第一件要事，但不巧的是，路上堵車，導致在9點15分才到達公司。在這種計畫剛開始執行就遇到了意外的情況下，你會怎麼辦呢？
圖／商周出版提供
大部分人可能會選擇放棄當天的整個計畫，但其實大可不必。
只要做好兩個調整，計畫依然能發揮作用，讓你的一天保持高效率。
1. 心態上的調整：破除完美主義，接受不完美
在一天的執行過程中，完全按照計畫執行的情況非常罕見。更常見的情況是計畫無法如預期般執行。
制訂計畫的本質，並不是要求執行情況必須與計畫完全一致，計畫的作用是提前做了一次預演，讓你在執行時心裡更有底，遇到問題後能快速調整。
既然這樣，為何大多數人在計畫未如期執行後，就會選擇放棄呢？
這就是完美主義在作祟：要嘛做到完美，要嘛就不做。
所以，只要心態上接受不完美，就不會輕易放棄一天的計畫了。
2. 行動上的調整：及時調整當天的計畫
當計畫執行情況出現偏差後，需要考慮哪些任務或時段可以進行調整，以適應變化後的情況。
以早上因為堵車而晚到公司15分鐘為例。
在這種情況下，可以接受稍晚開始做第一件要事，並利用上午預留的11點至11點半這個留白時段來做彌補，如圖5-42所示。
圖／商周出版提供
需要注意的是，調整當天計畫時，不要修改原計畫時段的內容，而是使用藍色字體在實際執行中填寫新的計畫安排。
節錄自：商周出版《減法：少即是多，慢即是快。關於時間、精力、效能與人生管理的核心科學。5%精英都在做的減法工作術》／王世民 著
推薦閱讀：
夢想太遠，讓你停滯不前？3步驟聚焦當下找回動力
別再貪多學不會！學習也要「減法」，3步驟避免淺層學習不白忙
美關稅衝擊下 工具機廠商謀轉型 紛切進AI和半導體
2025-08-19 聯合報記者黃寅 由聯合新聞網授權轉載
美國關稅衝擊，機械業和工具機業衝擊大，但業者也紛紛轉型求生，像是以溫控知名的哈伯精密已轉型朝AI伺服器和半導體產業設備的溫控進軍，和大集團則不僅研發出機器人零組件中的行星齒輪減速機、諧波減速機和半導體封裝測試的最終檢驗分選機，並朝產業控股方向前進，迎接挑戰。
工具機要有好的精度，溫度控制是關鍵，哈伯精密是國內的溫控大廠，也受日本工具機廣泛應用。董事長許文憲說，疫情期間，訂單大起大落以及大陸的紅色供應鏈崛起，讓他從5年前構思公司必須找尋新的方向，因此逐步摸索，並在AI伺服器和半導體產業設備的溫控上找到新市場。
他說，相較於工具機產業殺價競爭，AI伺服器的散熱和半導體產業設備的溫控，價格和產業環境上都更穩定，尤其是半導體產業，對產品的品質要求高，不容易更換產業鏈夥伴，更適合公司的永續發展。目前公司將提升員工能力，增加菁英人力，提高公司的附加價值，以能永續經營。
[joblist_plugin title='更多104【哈伯精密】工作機會' url='https://www.104.com.tw/company/alt70dk' amount='3']
和大集團總裁沈國榮表示，以公司在機械業59年的歷史，要切進行星齒輪減速機、諧波減速機和半導體封裝測試的最終檢驗分選機，技術上不是問題，而是以往機器人產業還未興起，市場需求沒那麼大，因而沒有切入，但是現在量的需求已上來，協力體系也發展出來，公司因而也切進這些產業。
沈國榮認為全球工具機市場正面臨結構性改變，中國大陸受美國進口限制影響，加速發展自製關鍵零組件，低階工具機售價大幅降低，撂奪中階市場，台灣業者腹背受敵。據工具機公會統計，過去10年產值、出口額都腰斬。因此，他認為推動產業控股，以集團化方式發展較有利。
和大近年入主高鋒、達佛羅、邦泰等多家公司，朝集團化發展，他說，如此一來集團可統一採購、共同研發、打通業務通路，發揮更大的綜效，連銀行貸款都比較好談，也更有利於面對關稅風暴。
[joblist_plugin title='更多104【和大工業】工作機會' url='https://www.104.com.tw/company/o0d52tc' amount='3']
供應鏈裡的隱形推手：當技術走在趨勢之前，企業與人才如何看見彼此？
AI、先進封裝與智慧製造持續推動台灣供應鏈升級，從高階載板、電漿設備到精密零組件與稀有金屬再生，關鍵企業的人才需求也同步成長。本文解析半導體與製造業供應鏈的技術實力、人才缺口與職涯機會，帶你看見藏在產業鏈中的隱形推手。
文／104人力銀行
本文導覽：
「隱形」並非沒有名氣，而是關鍵角色藏在供應鏈裡
專利只是起點，真正的門檻在於進入客戶製程
產業看見了實力，人才是否看見了職涯？
人才缺口背後，也是一場辨識與溝通的落差
把產業實力，轉化為人才理解的職涯價值
一顆 AI 晶片要順利運作，除了晶片設計與晶圓製造，還需要高階載板完成訊號與電源連接；一座自動化工廠要維持速度與精度，仰賴換刀系統、分度機構等關鍵零組件；先進封裝要提高良率，少不了電漿清洗、蝕刻與表面活化；而工具機、航太及半導體製程所需的鎢、鈷，也需要回收、純化與精煉能力，才能降低對進口原料的依賴。
這些企業未必站在終端市場最前端，所提供的產品與服務，卻可能決定一條產線是否能穩定運轉、一項新製程能否正式量產，以及台灣供應鏈能否在地緣政治與原料管制下維持韌性。
在各自的專業市場中，它們其實並不缺乏知名度。客戶、供應商、投資人與產業工程師，早已熟悉其產品與能力；真正尚未被充分理解的，未必是企業名稱，而是它們在供應鏈中扮演的角色、長期累積的專業實力，以及能夠提供給人才的職涯機會。
「隱形」並非沒有名氣，而是關鍵角色藏在供應鏈裡
一般消費者看見的，通常是晶片、伺服器、智慧型手機、電動車或自動化設備等終端產品。至於產品如何被製造，背後需要哪些材料、零組件與製程設備，反而較少受到關注。
然而，產業競爭力往往正是建立在這些不容易被看見的環節。要判斷一家公司的重要性，不能只看新聞聲量、社群討論或求職市場的知名度，也必須檢視它在特定市場中的位置、是否進入指標客戶供應鏈、擁有哪些專利與製程能力，以及產品一旦缺席，客戶需要付出多高的轉換成本。
從市場資料來看，本系列觀察的供應鏈角色中，有業者的鎢酸鹽產品於 2024 年出口量躍居全球第二；也有自動換刀系統在國內市場取得超過八成市占率。它們服務的客戶橫跨半導體、印刷電路板、工具機、航太與精密製造，部分成果更由美系半導體大廠指定委託開發。
這些成果說明，它們早已不是被動等待訂單的零組件供應商，而是參與客戶製程、設備升級與下一代產品開發的重要夥伴。然而，一旦離開產業圈，外界未必理解這些數字所代表的意義，也未必知道一項看似微小的材料、零組件或製程設備，為何足以影響整條產線。
專利只是起點，真正的門檻在於進入客戶製程
專利與製程資料，更能說明這些企業為何能成為供應鏈中的關鍵推手。例如，有公司以自有專利將廢棄硬質合金中的鎢、鈷重新純化為高品質原料，補上台灣稀有金屬供應鏈的缺口；也有電漿設備業者已取得 9 項發明專利及 1 項新型專利，並具備處理最大 660 毫米見方板件的能力。
另一端，高階 IC 載板必須面對更細線路、更高層數與更嚴格的良率要求；精密換刀與分度機構，也必須在速度、定位精度、耐用度及長時間運轉之間取得平衡。
這些成果很難只靠單一設備或一張專利證書完成，而是由材料配方、機構設計、設備控制、製程參數與現場經驗長期累積而成。對供應鏈業者而言，真正的門檻往往出現在客戶驗證。產品必須符合既有設備、製程與品質規範，再經過測試、調整及量產確認，才能正式導入產線。
當供應商開始與客戶共同解決良率、效率、穩定度及下一代製程問題，它所提供的便不再只是材料或零組件，而是一套結合產品、製程與服務的解決方案。專利可以保護一項發明，而共同開發與量產經驗，則逐漸形成更難被複製的競爭優勢。
產業看見了實力，人才是否看見了職涯？
市場地位與專業能力，未必會自然轉化為求職市場上的雇主品牌。尤其 B2B 企業鮮少直接面對消費者，產品經常藏於設備、材料或製程之中；受到保密協議限制，也未必能公開客戶名稱與合作成果。
即使企業已有一定辨識度，求職者搜尋公司時，看見的仍可能只是產品名稱、產業分類與職缺條件，卻未必理解企業究竟在解決什麼問題，以及一份工作與 AI、先進封裝、智慧製造或循環經濟之間的關聯。這種落差已經不是單純的「公司不知名」，而是企業累積的專業實力，尚未被完整轉譯成求職者能理解的職涯語言。
一名機械工程師可能不知道，換刀速度、分度精度與設備可靠度，會直接影響智慧工廠的生產效率；材料與化工人才未必意識到，稀有金屬的純化與再生已經牽動供應安全；設備、電機與控制人才，也可能不知道，電漿製程與高階載板正是先進封裝持續發展的重要環節。
當求職者無法理解企業的產業定位，自然也難以判斷自己能在其中學到什麼、累積哪些專業能力，以及未來可以走向哪裡。
人才缺口背後，也是一場辨識與溝通的落差
104《2025 製造業人才報告書》顯示，製造業工作機會一度突破 16 萬筆，平均每五個職缺只能分到一名求職者；半導體產業單月人才缺口也達 3.4 萬人。從研發、製程與品管，到設備操作、維修及故障排除，幾乎每一條專業線都在搶人。
對供應鏈企業而言，人才競爭的對手早已不限於同業，也包括所有能提供更清楚職涯想像與更高品牌辨識度的科技公司。薪資與福利固然重要，但求職者同樣會評估企業所處的市場、發展潛力、可累積的專業，以及個人在組織中的成長空間。
另一方面，「人才如何被看見」也是企業必須面對的課題。支撐這些產業的，不只有傳統印象中的電子與電機人才，還包括機械、材料、化工、冶金、自動化、軟體控制、設備維護與現場服務等不同背景。當技術跨越原有的產業分類，公司也需要重新辨識人才，不再只依賴特定科系、職稱或同業經歷，而是看見不同領域之間可以轉移的能力。
人才缺口因此不只是「沒有人應徵」，也可能是企業與求職者尚未真正理解彼此：企業沒有充分傳達自身的專業定位與職涯發展機會，而人才也不知道自己的能力，可以在哪一個供應鏈環節發揮影響力。
把產業實力，轉化為人才理解的職涯價值
企業需要讓求職者理解，工程師正在解決哪些產業瓶頸；專利如何轉化為真正的產品與訂單；客戶驗證代表哪些能力；一項材料、一套機構或一道電漿製程，又如何支撐全球客戶的下一代產品。同時，也要讓不同背景的人才知道，自己可以從哪裡開始、如何被培養，以及能夠累積哪些能延續至下一階段職涯的專業能力。
「供應鏈裡的隱形推手」並不是要尋找一群無人知曉的企業，也不是以規模或市場排名決定誰值得被放大，而是希望重新理解一群已在專業市場累積技術、客戶與量產經驗，並持續推動產業發展的公司。
當技術已經走在趨勢之前，下一個課題，不只是讓更多人認識這些企業，而是讓企業與人才真正看見彼此。唯有當產業實力被理解、職涯機會被看見，企業才能找到合適的人才，人才也能在供應鏈中找到自己的位置，共同推動下一個世代的產業發展。
延伸閱讀｜深入看半導體供應鏈的人才與職涯
想更了解半導體供應鏈裡的工作機會？從材料研發、高科技廠房到營造工程，看看不同企業需要哪些人才，以及不同專業如何找到切入半導體產業的機會。
從傳統化工走向科學公司：李長榮讓不同專業走進半導體材料
從反覆送樣到正式量產：新應材如何讓台灣材料進入半導體製程
整合藏在建築裡的百餘種管線，撐起半導體良率的隱形系統——專訪洋基工程
營造蓋的不是工廠，是半導體起跑的第一秒：麗明營造在高壓工地，養出能扛數十億專案的人才
AI 時代的研發現場：回歸人才特質，技嘉如何重新定義工程師的工作方式
隨著 AI 技術快速發展，科技產業的競爭焦點也逐漸從單純的硬體效能與產品規格，轉向研發流程、協作效率與人才結構。AI 的導入不只是加入新工具，而是重新定義工程師的工作方式，整個工程生態正逐漸從「單一開發」走向「系統化管理」與「跨域協作」。
文／104人力銀行
本文導覽：
從自動化到 AI 工具導入，研發現場的變革早就開始
AI 真正改變的，是工程流程的邏輯
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 不會取代工程師，但會改變工程師的角色
在技嘉科技（GIGABYTE Technology，以下簡稱技嘉）的研發現場，這樣的轉變其實已經持續了十多年。韌體開發二處處長吳宗達在技嘉任職超過十五年，主要負責主機板 BIOS 與韌體相關開發。他回顧，從早期 CI/CD 與開發自動化，到近年把 AI 工具與 AI Agent 帶進工作流程，真正改變的並不是單一技術，而是整體研發流程的思考方式。
從自動化到 AI 工具導入，研發現場的變革早就開始
吳宗達回憶，十多年前進技嘉時，研發團隊仍有大量重複且需仰賴人工處理的工作，流程也尚未建立完整的標準化機制，於是開始著手推動工作流程的優化，而 AI 的導入並非突然，而是建立在多年流程自動化與整合的基礎之上，AI 的加入更像是一把催化劑，正微妙地重塑工程師的日常。
過去很多時候，只要把功能完成即可；現在則更強調文件與知識整理。「以前可能只要把事情做完，現在會更重視為什麼這樣做，還有怎麼讓別人下次更容易接手。」
AI 真正改變的，是工程流程的邏輯
AI 對研發現場最大的影響，其實不是單一工具，而是整個開發邏輯的轉變。就吳宗達形容，過去的工程流程比較像是單一線性的任務鏈，僅需交付給特定負責的人即可。
隨著產品與系統越來越複雜，單靠記憶與口述交接已難以支撐整個研發體系，這些原本存放在人腦中的知識與個人經驗，必須被整理成文件、紀錄與規格，甚至要能轉化成可被系統使用的資料結構。
從口耳相傳的經驗，轉向數位化的 Open File，最終成為 AI 可讀取的 Open Data。然而從AI 的角度來看，真正的問題反而是餵給 AI 的「資料不夠多」。他指出，若企業內部沒有足夠的工作紀錄、文件資料，AI 也無法持續迭代學習。
也因此，就研發流程上逐步從「流程導向」（Process Oriented） 轉向 「API 導向」（API Oriented）的思維，將原本分散在不同開發人員或部門的工具與資料可以被串接，整體的工作流程也能橫向擴展。
他坦言，AI 目前主要還是輔助的角色，部分的規格整理、工作日誌彙整，皆可透過 AI Agent 協助完成，同時讓管理者能更容易掌握專案脈絡、進程。倘若涉及到績效評估、團隊溝通或情境判斷時，仍需要回到「人」來做最後的決策。
技嘉科技韌體開發二處處長吳宗達
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 技術快速發展，也讓許多企業重新思考或定義徵才的條件；而在技嘉的研發團隊中，選才標準並沒有出現劇烈改變，反而是回歸初衷：人格特質。
人資夥伴補充，技嘉的研發職缺，第一關是由主管直接做篩選，長期以來他們最重視的特質，其實一直沒有變：好奇心、學習能力，以及解決問題的熱情。AI 工具的使用經驗當然加分，對多數 RD 職缺來說，並不是唯一的門檻，只要具備良好的基礎能力與學習意願，很多工具都可以進公司後再學習。
在吳宗達看來，AI 時代反而讓這些人格特質變得更重要。根據他的觀察，現在不少工程人才會透過 Side Project 或 GitHub 專案展示自己的能力，像是開發小工具、嘗試自動化流程，甚至研究區塊鏈或智能合約等題目。這些看似與職缺未必直接相關的經驗，往往能反映一個人是否真的對技術有興趣，也更容易被企業注意到。
「如果一個人平常就會自己做一些 Project，我通常會特別留意。」這也正呼應當前科技產業的招募趨勢，對許多年輕工程師而言，找工作不再只是離職後才開始準備，而是平時持續累積作品與成果，在市場上保持被看見的狀態。
AI 不會取代工程師，但會改變工程師的角色
當被問到 AI 是否會取代工程師時，吳宗達的答案很直接：「不會，但工作思維一定會變。」他認為，未來的工程師角色會更像是與 AI 協作的整合建構者，而不是單純執行任務的人。許多企業過去長期忽略的流程問題，包括知識沒有被記錄、流程缺乏標準化⋯⋯現在都必須重新整理並規格化。
因此，看似「工作變多」，但其實是那些是原本被忽略的流程工作，現在開始被系統化與文件化。隨著 AI 工具越來越成熟，工程師的價值也正在改變：不再只是完成某個任務，而是能理解整體工作流程、整理知識，並讓團隊能力得以持續累積。
AI 並沒有讓工程師變得不重要或被取代，反而是讓一件事變得更加清楚——當工具越來越強，人真正不可取代的能力，仍然是持續學習、理解問題，以及把經驗轉化為能被團隊延續的知識。
立即下載《2026科技業人才報告書-人才版》
[joblist_plugin title='更多104【技嘉科技】工作機會' url='https://www.104.com.tw/company/a4kvltk' amount='3']
為什麼目標總是達成不了？關鍵在「拆解」：重視複盤，而非結果
管理目標為何容易出現問題？作者認為制訂目標時若只盯著結果，不僅可能影響效果，甚至惠導致下次訂目標畏首畏尾。因此，建議關注「達成目標的步驟分解」，因為目標的實現本質上就是「拆解＋各個擊破」的過程。本文節錄自《不內耗的主場工作法》。
文／夏鵬
本文目錄（點擊可快速前往）
實現目標就是拆解任務成功若單憑運氣或機率，只會讓你更洩氣
管理目標出現問題，關鍵在於「拆」這件事上欠缺方法與耐心。
目標和結果是兩個大不同的概念：前者是我們對未來的設想和計劃，後者則是過往因素累積後的實際展現，兩者的重要區別是我們在制訂目標時必須關注的。若只盯著結果，不僅情緒會受影響，還可能影響效果，甚至導致我們在下次制訂目標時畏首畏尾。因此，我們應關注達成目標的步驟分解。
簡言之，別只盯著結果，要盯步驟。
首先，結果作為之前工作的總結，屬於過去式。過去之種種，不是我們能把握和改變的，任何超出我們可控範圍的事件，一旦過分糾結便只會徒增內耗。舉個例子，你參加馬拉松比賽，若目標是跑完4千公尺，但由於體力不支，只跑了2千公尺就退賽了，此時你根本沒必要沮喪，因為這2千公尺是你體力和訓練水準的真實反映，是之前體力和訓練積累的結果。如果你看到別人跑完全程並獲得獎牌就心生懊惱，那你就是錯把結果當目標了。
又例如，如果我們月初制訂的2百萬銷售計畫，到了月底只完成了1百萬元，這也不是目標高低或結果好壞的問題，而是意味著我們需要根據目標，調整日常行銷策略。
目標是前進的方向，結果只是達成目標過程中的一個階段性事實。我們不應陷入達標或未達標下所帶來的情緒，而是要用階段性的事實去對照目標，以此作為基礎，進行複盤，制訂出改進計畫。在複盤時，我們要回顧之前做了哪些準備、採取了哪些行動，並分析哪些行動是有效的，可以繼續堅持；哪些行動是無效的，甚至產生了負面影響，需要及時調整或停止；以及還有哪些必要的行動是缺失的，需要補充實施等等。總之，面對結果，我們應該做的是複盤和改進，而不是簡單地評判對錯好壞。
實現目標就是拆解任務
其次，若只關注結果，往往無法達成目標。前文中提到，要實現目標，必須將其分解為具體的、可執行的步驟，而不是將其當成一道簡單的算術題。那麼，到底如何有效地拆分目標呢？這裡提供一個關鍵的洞察：對任何目標的拆解，都要遵循一個原則，即這件事必須在你的可控範圍之內。
以減肥為例，很多人只關注減肥的結果，例如「我要在一個月內瘦5公斤」。「瘦5公斤」可能是一個好結果，但絕對不是一個好目標，因為它缺少具體的步驟，遑論減重這件事並非完全在你的可控範圍內。而「我每天要跑5千公尺，並且每餐少吃碳水化合物⋯⋯」這樣的描述就是步驟，而且是在你的可控範圍之內。
如果你覺得自己的意志力不足，沒法堅持每天跑5千公尺，那麼目標的拆解就需要進一步細化，首先是解決意志力的問題。例如你可以先制訂一個每天跑1千公尺的計畫，先堅持一周，然後逐漸增加距離，每天多跑5百公尺，直到每天能跑5千公尺為止。在時間安排上，你可以爭取每天早起1小時進行鍛煉，而為了做到早起，你可能還要調整作息，爭取晚上也早睡1小時。同樣地，為了能夠早睡，你可能就要提升工作效率，或是調整晚上就寢的時間。
千萬不要覺得麻煩，因為目標的實現本質上就是一個「拆解＋各個擊破」的過程。盯著結果看似容易但做起來卻難如登天。很多人的目標管理出現問題，根源就在於對「拆」這件事缺乏方法和耐心。
成功若單憑運氣或機率，只會讓你更洩氣
再舉一個工作上的例子。例如之前提到的，要在1個月內完成3百萬業績目標。當時按步驟拆解，其中一步是優化我在直播間的留人話術，爭取將停留超過兩分鐘的人數增加30人。那麼，接下來就需要進一步拆解，直到實現這個目標在我的可控範圍內。例如我需要學習一些有效的留人話術，但我不知道去哪裡學，這就明顯超出了我的可控範圍。因此，目標需要進一步拆解為：找到學習留人話術的管道。如果這一步仍然不可控，那就需要採取更具體的行動，例如問問別人或上網搜索，抑或是去其他主播的直播間觀摩學習。
到這裡，我找到了可控的步驟，能夠採取具體的行動了，目標才算真正拆解完畢。人們常說，辦法總比問題多，但關鍵在於是否能夠將目標拆解得足夠徹底，並確保每一步都在我們的可控範圍內。最後，目標和結果是兩件事，前者是我們對未來的假設，後者是具體發生的現實，而且是過往種種因素累積而成的一個產物。
這個重大的區別是我們在進行目標設定時必須關注的。目標只是一個方向性的指引，並不意味著一定要達到。達不到目標很正常，關鍵在於我們能夠從中學到什麼。這與將目標拆解到可控範圍內的行動是直接相關的。如果目標在制訂時只是一個簡單的算術結果，而沒有進行具體的步驟拆解，那複盤時就會兩眼一抹黑。沒有具體的步驟，複盤就會變得毫無意義，做成了也不知道是怎麼成的，沒做成也不知道下一步應如何改進。於是，只能將失敗歸咎於目標定得太高、領導支援不夠、自己對問題的認識不深刻、執行的時候不堅決等。
下一次制訂目標時，我們可能會說，由於上次沒有完成，所以這次要更加務實一些，一步一步來，結果只是簡單地在數字上做了減法，仍然還是四則運算。這樣的循環往復只會導致目標越定越低，最終不了了之。
人們常說，不換目標就換方法，但如果你連具體的步驟都沒有，又何談方法呢？只有將目標拆解到你可以控制的範圍內，你才能採取行動，而不是空想。只有一系列具體的行動才能產生相應的結果。結果固然重要，但通過複盤調整達成目標的方法同樣重要。好的目標是可以鼓舞人心的，但前提是你要一次一次地找到達成目標的方法。如果成功只能憑運氣、靠機率，那只會讓你越來越洩氣。
節錄自：時報出版《不內耗的主場工作法》／夏鵬 著
AI轉型沒你想得難！專家揭密：6個步驟，幫你成功推動人才變革
隨著AI技術爆發與人口結構轉型，企業面臨的挑戰已非「是否導入科技」，而是如何帶領員工轉型。104人才永續長深度解析：AI將重新定義工作內容與模式，成功邁向「人機協作」的關鍵不在硬體，而是人才與組織文化的數位重塑。本文透過具體的六大實戰步驟，協助企業破除員工技能不足與文化抗拒的障礙，幫助組織在變動時代中搶佔競爭先機。
文／鍾文雄（104資訊科技 人才永續長）
本文導覽
AI資訊科技帶來產業競爭與工作職場的轉變企業推動人才與組織文化的數位轉型面臨挑戰企業成功推動AI人才與組織文化轉型步驟
隨著企業全球化發展、台灣人口結構老化與新生兒出生率的下降，地緣政治、全球經濟與政府法律及政策的瞬息萬變，加上AI人工智慧（Artificial Intelligence，縮寫為AI亦稱智械、機器智慧，透過許多電腦程式來呈現人類智慧的技術）技術的蓬勃發展，透過醫學、神經科學、機器人學及統計學等的進步，國內外許多研究調查機構的預測都認為，人類的無數職務會逐漸被AI所取代。
資訊科技發展的日新月異，我們的職場與工作環境正進行前所未有的轉變，這種轉變包含工作內容(Context of Work)、勞動力(Workforce )、工作職場(Workplace)與工作模式(Working Mode)的轉變。
AI科技的發展會讓傳統型態的工作會逐漸消失，也會誕生新型態的工作機會，這意味著我們必須成為一位善用AI應用工具的勞動者，才不會被機器人及擅用AI應用工具的人才所取代。
AI資訊科技帶來產業競爭與工作職場的轉變
隨著資訊科技發展的無遠弗屆，未來企業面對的競爭對手及勞動者的工作職場與環境會面臨極大的變化，因次不管是政府機關、企業組織或是勞動者都必須轉型，才能夠因應諸多不確定性因素的考驗。
競爭對手的改變：企業營運主管會隨時關注國內外同業的動態競爭態勢與消長，未來最具威脅的競爭者有可能是其他產業、跨國境的可敬對手，如來自境外的跨國網路與資訊公司，像亞馬遜公司（Amazon.com, Inc.）就從網路書局進階到電子商務，成為全球最大的網際網路線上零售商之一，進而發展為提供企業雲端存取技術服務的資訊產業巨擘。
工作內容的改變：要能跟上數位時代的腳步，我們必須將重複性高、大量數據與使用介面多的例行性作業，運用AI資訊化與流程化過程，局部或全面調整為自動化。另外善用AI應用工具進行數據的統計與分析，提出具備管理意涵的趨勢及洞察觀點，從解決問題的工作層次提升到尋找問題及預測問題的管理境界。
工作方式的改變：近年來企業與人資管理專家均積極研究與探討，如何讓勞動者不會被機器人取代，最佳的解決方案是”不是科技可以做什麼，而是我們可以用科技做些什麼“It’s not about what technology can do, but what we can do with technology”，未來最有效率的工作方式就是”人機協作”，工作主軸會是如何訓練、管理、監督與領導AI Agent(AI代理、人工智慧代理或智慧型代理人)，善用AI工具提升整體工作效率。
工作型態與工作地點的改變：未來職場上會有勞動者、AI Agent與零工經濟(Gig Economy)的工作模式，共享經濟的網路平台會產生新的工作型態，網路資訊也創造出網紅經紀人、小編、電競選手與遊戲編劇等新型態工作。企業若能採用居家、遠距、混合及跨域、跨境的上班模式，比較能夠吸引與留任人才。
延伸閱讀：「初階工作」恐被AI取代？當科技巨頭高層都這麼說，我們該如何應對？
企業推動人才與組織文化的數位轉型面臨挑戰
從國內外的調查與研究報告來看，中大型企業在過去已經投入資源，積極研究與實驗組織數位轉型，根據天下學習的調查，企業最擔心的轉型障礙，前三名依序是員工技能不足、組織文化抗拒改變與缺乏完善的數據和科技基礎建設。
▲ 圖片來源：天下學習
另外根據資誠聯合會計師事務所(PWC)在2025年發布的調查報告，企業在推行數位轉型時面臨的挑戰，依序是轉型資金、組織變革、數位人才、業界案例與數位工具，因此企業要能成功數位轉型，AI數位人才與組織文化的轉型會是關鍵因素。
▲ 圖片來源：資誠聯合會計師事務所
延伸閱讀：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
企業成功推動AI人才與組織文化轉型步驟
統整企業成功案例與調查報告後，企業要能成功推動數位轉型，建議依序採行六個步驟及重點行動如下表，讓員工體會到應用AI可以提升整體工作效率，創造顧客與商務價值，讓生活與工作更加平衡、有意義。
推動AI人才與組織文化轉型的關鍵步驟
步驟重點行動預期成效1. 高階主管共識舉辦策略會議、形成願景確立方向與支持2. 全員溝通宣導內部宣傳、案例分享降低抗拒、提升參與3. 跨領域專責部門整合IT、研發、HR加速專案計畫落地4. 學習與工具資源提供AI課程、工具平台提升學習及應用能力5. 一站式諮詢輔導設立顧問與技術支援降低導入難度6. 鼓勵、獎勵與內化獎勵機制、文化塑造形成AI驅動文化
高階主管的認知與共識：高階主管要發揮策略思維，針對產業發展與動態競爭環境，制定明確的AI轉型策略方向，如AI如何應用在產品開發、優化製程或是服務流程的創新，以及員工使用AI應用工具的資安政策等，凝聚高層的共識後承諾並投入相關資源。
全員溝通宣導推動AI應用文化：員工常因不理解或懷疑而抵抗文化與組織轉型，公司負責人及高階主管必須透過有效溝通來說明轉型的目的，強調應用AI技術是公司永續發展的生存條件，確保員工面臨轉型時的心聲與感受會被重視與解決。
跨領域組成專責部門負責推動：從天下學習的調查報告可以看出，企業會由不同部門來啟動數位轉型，要成為AI領先的企業，成立跨部門專案小組的成功機率是最高的。以一零四資訊科技為例，2023年由人力資源部門啟動全體員工的人才及組織數位轉型，透過研發、資訊工程、資訊管理(MIS)及各部門的協作與支持，逐漸展現成效。在2025年便成立「AI創新辦公室」，由跨專業領域專家及相關部門組成專責推動組織，建議企業可以成立專責的 AI 治理小組 (AI Governance Task Force)。
提供員工學習與AI應用工具資源：要讓全體員工一起上車推動AI工具的應用，必須突破員工的心理障礙，包括沒有信心學會，沒有時間學習、執行有困難、欠缺AI工具使用等障礙。因此公司必須依照營運策略及員工需求，決定公司官方AI應用工具類別，透過實體及數位課程的學習平台建置與合法軟體帳號的統購，提供員工學習及應用工具相關資源。
建立一站式專業與技術諮詢輔導：一零四資訊科技除了在各部門設立AI推動大使、公告公司AI使用資安政策及應用工具以外，也會通告公司內部各類AI應用工具的諮詢專家，搭配一站式的顧問指導，只要員工想要優化作業流程、提升工作效率，內部專家顧問會立即提供協助，讓員工學會持續應用AI技術的能力及興趣。
搭配鼓勵、獎勵與管理機制：要能成功塑造AI組織文化的轉型，一定要讓全體員工從敢用、會用到善用AI應用工具，透過訓練課程學習心得及部門成功實驗案例的分享，搭配產品服務創新與工作流程改善專案成果的競賽及獎勵措施，鼓勵員工勇於創新。最後再將AI學習及應用的成果列入績效管理的加分項目，便能將AI轉型文化逐漸內化成員工日常工作的習慣。
延伸閱讀：「抗拒AI」就Fire！為轉型狠砍8成員工，2年後公司下場如何？
AI科技的應用發展將會是企業永續經營必備的條件，AI人才與組織轉型不會是高階主管與資訊、工程部門的任務，唯有全體員工建立共同的願景及共識後，在企業投入財務、人力、技術、訓練及應用工具的資源後，才能實現轉型目標。近二年全球大型企業均投入資源在研究、實驗與導入AI科技，伴隨AI應用工具功能的快速進步，使用性更廣、更便利，費用更低廉的趨勢下，相信未來三年內在政府的技術、資金及顧問輔導的加持下，台灣中小企業會更積極投入AI的應用及數位轉型。
（原文標題：企業如何成功推動AI人才與組織文化轉型）
【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
Vibe Coding時代催生新職缺！「程式清潔」在做什麼？
AI寫程式的「Vibe Coding」掀起熱潮，開發者得以快速生成程式碼，但也意外催生出新興職缺「程式清潔師」。一份調查顯示，95%的工程師仍需手動修復錯誤、額外調整AI生成的程式碼，確保專案安全與穩定。究竟Vibe Coding是革命還是混亂？而「程式清潔」這份新工作，又在做什麼？
文／田孟心編譯 由天下雜誌授權轉載
人們期待，未來大量寫程式工作可能都交由AI氛圍編碼（Vibe Coding）完成，但事實上，高達95%的工程師發現他們還是要手動修復程式碼。負責把混亂程式碼清理好的新角色，正在LinkedIn等求職平台大受歡迎。
氛圍編碼（Vibe Coding）正大行其道。
這個從今年初開始盛行的「自動化寫程式」概念，由電腦科學家卡帕西（Andrej Karpathy）提出。卡帕西表示，有了AI工具後，寫程式將「完全跟隨當下情境氛圍，擁抱指數級成長，甚至忘記程式碼的存在」。
市場研究和IT顧問公司Gartner預測，未來三年內，40%的企業新軟體將由AI機器人創建。
然而，內容平台fastly最近的一份調查顯示，95%的工程師表示，他們還是要花額外的時間來調整AI生成的程式碼。
工程師們發現，AI生成的程式碼存在許多問題，從產生幻覺，到刪除重要的資訊，甚至可能造成專案的安全風險。若不花時間修復，最終的成品可能會漏洞百出。
「使用氛圍編碼，就像請一名聰明的六歲孩子把咖啡壺帶到餐桌，為家人倒杯咖啡，」資深工程師羅芙（Carla Rover）說明，它們有可能做得到，但也極有可能失敗，「而且失敗了，他們很可能不告訴你。」
另一位資深工程師梅勒扎丹（Feridoon Malekzadeh）也將氛圍編碼形容成孩子，不過是「青少年」，「你得請它做15次才能做成一件事，」「最終，他們可能會做出來，外加一些你沒要求的事，並可能把很多東西弄壞。」
梅勒扎丹計算過，她大約花費50%的時間編寫需求，10%的時間進行氛圍編碼，再用40%的時間進行修復。
程式清潔工，愈來愈受歡迎
這一切使AI生成的程式碼，已經成為一個難題，也因此催生了一種新的工程師崗位，稱為「氛圍程式碼清理專家」（Vibe Coding Cleanup Specialist）。
在求職平台LinkedIn上，已經有愈來愈多相關關鍵字的職缺——代表清理、修復程式碼，正在成為一項獨立的工作。
通常，這類職缺更歡迎資深工程師，因為他們才有相應的能力從一團乍看可行的程式碼中找到問題。
資深解決方案架構師哈克（AS Md. Ferdousul Haque）統整，常見的錯誤有：語法錯誤、邏輯錯誤、幻覺資料庫或API（引用不存在的套件、方法或參數）、虛擬資料等狀況，有時候很考驗技術人員的細心與經驗。
哈克舉例，AI工具Gemini幫忙改了一份GitHub個人資料，整體效果不錯，卻在某個網址後面加了一個句號，使得圖片無法顯示。此時，就需要他這名人類手動介入。
科技公司Solution Architecture的工程師麥利（Viored Mirea）指出，雇用一名氛圍編碼清理師非常重要，尤其是AI寫出來的程式碼可能給企業帶來安全風險，「氛圍編碼可能會讓機密資訊外洩，或是對個人資料進行錯誤處理，」他強調，「始終應該有人類要對結果負責。」
然而，也有專家對市場出現這樣的現象感到唏噓。
雲端與通用人工智慧企業負責人愛彼哈納（Abhinav）認為，雇用這樣的「清潔工」簡直荒謬，「企業試圖讓每個人都會氛圍編碼，在專案上省錢，然後卻要花雙倍的錢再去找一個能把混亂局面整理好的人。」
Squad資深技術總監波古斯拉斯基（Oleg Boguslavsky）同意，企業要引進氛圍編碼，必須確保每個人都能掌握驗證、修復的技能，否則，花錢請這些額外的專家，在經濟上將比預期更低效。
（資料來源：TechCrunch, Gizmodo, LinkedIn）
（原文標題：Vibe Coding催生大量新職缺，「程式清潔工」在做什麼？）
推薦閱讀：
【AI工作指南】數發部《AI產業人才認定指引》！盤點AI認證資源、熱門職缺
「Vibe Coding」是什麼？以後還需要程式設計師嗎？
AI世代最夯新職位》為什麼他們零經驗，年收20萬美元起跳？
助你當老闆！瑞典AI獨角獸Lovable如何靠「氛圍編碼」年賺30億？
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E7%A8%8B%E5%B8%AB&order=15&page=1' amount='3']
為什麼AI生成內容不好用？3訣竅讓AI產出更精準，下對指令贏一半
為什麼AI生成內容總是不如預期？分享3大關鍵訣竅，包括利用「5W1H」下達具體指令、將任務拆解為多道步驟，並透過反覆修正優化結果，學會正確的提問與溝通技巧，讓AI產出更精準，初學者也能馬上上手！本文節錄自《【圖解】工作救星！上班族必學的AI活用大全》。
文／加納敏彦
本文目錄（點擊可快速前往）
【訣竅1】把AI當成人類，下達「具體指令」【訣竅2】拆解為「多道步驟」【訣竅3】不追求完美，耐心反覆修正
在讓生成式AI產出精準內容，必須掌握幾個重點訣竅。介紹3個初學者也能立即上手的技巧。
【訣竅1】把AI當成人類，下達「具體指令」
首先第一個訣竅，就是要提供「具體指令」。儘管AI已經吸收了龐大資訊，但還是得依照我們的指令內容來輸出內容。AI必須先理解指令語意，再從龐大資訊中根據機率產出後續文字。
因此，「具體指令」能幫助AI產生清楚認知，較容易獲得符合需求的結果。現在就來舉例說明一下。
含糊抽象的指令範例：請說明ChatGPT。
具體明確的指令範例：請上網查詢ChatGPT，以500字左右的篇幅說明最新資訊。這是要在公司內部會議發表的內容，請簡單說明得讓不懂IT和AI的大人也能理解。
在思考「具體指令」時，可以參考在工作中整理或傳達資訊時常用的「六何法」（5W1H）。
When（何時）最新資訊Where（何地）上網查詢Who（何人）不懂IT和AI的大人What（何事）ChatGPTWhy（為何）要在公司內部會議上說明How（如何）以500字左右來簡單說明
透過六何法來思考，就能完成相當具體的指令。不需要每次都加入所有元素也無妨，像「When」（何時）和「Where」（何地），這些往往也很少會用到。
在向AI下達指令時，特別重要的就是「Why」（為何）。隨著AI的進步， AI理解指令語意的能力也越來越強。因此，如果可以在指令中輸入「為何下達這種指令」的理由，說明自己的意圖， AI會更好掌握你的用意，更容易產出符合要求的結果。
另外在下指令時，可以把AI視為「工作夥伴」，像與人溝通那樣精確說明，甚至想成是在指揮下屬或祕書也行。向人傳達指示時，具體敘述會比含糊其辭更有效用。當你越熟悉如何對AI下指令，越能提升指揮人的能力，可說是一舉兩得。
【訣竅2】拆解為「多道步驟」
下個重要訣竅，就是將指令拆成不同步驟來執行。如果在一次的指令中塞入過多資訊， AI可能也無法同時處理到好。AI雖然聰明，但並不表示一次就能完美滿足所有要求。將指令拆成多道步驟，每項指令專心處理單一作業，便能在各項作業中獲得更精準的輸出內容。
舉例來說，可將指令拆成兩個步驟來進行：
步驟1的範例：請上網搜尋有關ChatGPT的資訊，並正確說明最新情報。
步驟2的範例：以這些說明為基礎，整理成大約500字的文字報告。這是要在公司內部會議上發表的內容，請簡單說明得讓不懂IT和AI的大人也能理解。
在這個範例中，步驟1在專心搜尋正確資訊，步驟2則是將資訊整理得簡單易懂。像這樣拆成多道步驟，能同時提升精確性和易懂程度。大家可以試著思考「能不能拆解給AI的指令」，讓各項指令專注處理單一作業，就能大幅提升AI的輸出品質。
【訣竅3】不追求完美，耐心反覆修正
最後一個訣竅，就是不要一開始就期待完美結果，而是要耐心反覆修正。其實這個心態十分重要。與其為了設計理想指令而過度思考，不如直接先試著下指令，再逐步反覆修正。通常這樣的做法，反而能更快獲得最佳結果。
AI第一次輸出的內容，可能會與你的期待和意圖稍有落差，但千萬不能因此放棄，或是擅自認定「AI派不上用場」。只要繼續追加指令或是要求修改， AI就能在幾秒鐘內改進。假設你如前述那樣拆成兩個步驟，AI的說明卻還是不夠淺顯易懂時，可以像下述這樣要求AI修改：請以更適合初學者的方式來簡單說明。
如果對象是真人，提出修改時必須顧慮對方的心情，但對AI就不需要顧忌，可以隨興且明確地提出「希望如何修改」的需求。
「具體指令」、「拆解步驟」、「反覆修改」—— 透過這三大訣竅， AI能成為你的工作夥伴，與你一起攜手創造（共創）成果。
節錄自：采實文化《【圖解】工作救星！上班族必學的AI活用大全：從寫作、影片到虛擬分身，8大領域 × 39種場景 × 23款工具，讓AI成為你的職場好幫手！》／加納敏彦 著
有任何收穫或想分享的，都來和大家一起聊聊吧！