進擊的綠領 - 碳管理師的養成之路 ｜104獨家
104學習
卡尺
在職場上，這項技能代表精確測量和細節把控能力，尤其在製造、工程、品質管理等領域非常重要。能準確量取產品尺寸，確保符合規格標準，避免誤差造成品質問題或成本浪費。具備此技能的人通常具備細心、耐心及專業態度，能有效提升工作效率與產品品質，對團隊及公司價值極高。
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
TTQS 企業機構版評核攻略
TTQS 評核攻略免費試閱
【11/03（二）開課｜台北3日實體班】ISO 14067:2018 碳足跡標準主導查證員課程
AI 打造營運儀表板 l 解讀財務數據與成果分析
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】
精選證照
考取專業證照，讓能力被市場看見
CDIA+
CDIA+（Certified Data Intelligence Associate）證照專注於數據智能與資料分析能力，涵蓋資料收集、處理、分析及應用等核心技能，協助企業從大量數據中萃取價值，提升決策品質與營運效率。持有此證照代表具備運用數據驅動策略及解決問題的專業能力，適合數據分析師、業務分析師及相關領域專業人士，助力職涯發展與職場競爭力提升。
Comp TIA
甲級打型板金技術士
打型板金職類技術士技能檢定規範於民國七十二年十二月公告，依其技能範圍及技術專精程度分為甲、乙、丙三級。為配合本職類之技術發展與工商業發展之需求，並達到專業人員技能水準提升之目的，爰於九十年再予修訂。打型板金職類原涵蓋汽車板金，由於汽車工業的快速發展，專業之技術標準及作業方式的不同。汽車工業人才需求大增，將原來包含於本職類中之汽車車體板金部分另立新職類，以落實證照制度及符合社會變遷成長的需求。
甲級工作範圍：依工作需要估算工時與材料，設計簡易模具、夾具與量具；並從事展開取樣、塑造成形銲接組合等工作。
勞動部勞動力發展署技能檢定中心
產品碳足跡規劃師
「產品碳足跡規劃師」證照為企業在產品碳足跡管理與減碳改善過程所需要的人才。其扮演產品碳足跡盤查、碳排資料整理、碳管理規劃與產品減碳改善等角色。
中華企業資源規劃學會
數位人資管理師-經理級認證
數位人資管理師認證學程將幫助你，運用e化系統的力量，將大量的人資行政瑣事效率化；利用聰明的流程再造，將員工視為內部顧客，全面提升員工體驗；最後發揮數據力，真正成為組織成功的策略夥伴！
獲得數位人資管理師-經理級認證，代表你具備以下能力
1.了解員工體驗的精神，與e化流程的設計思維，可協助組織全面檢視HR各流程的重要問題與精進的方向。
2.熟悉e化流程的設計方法步驟，協助組織善用數位科技的力量，優化現有制度流程，促進員工體驗。
3.清楚大數據分析的內涵，與業界實務運用案例，可幫助公司導入大數據分析專案，解決公司在人力計畫、人才發展、留才管理上碰到的重大問題。
104資訊科技股份有限公司
國際製造管理師
檢定並証明製造管理與生產系統設計及營運相關的國際水準專業能力。以產業界中、初級主管或資深技術人員所需之專業管理能力與知識為認證及相關培訓內容。本證照所檢定的知能包含理論與實務，考試與培訓內容切合各該相關工作所需要的完整知識體系。
國際製造工程學會-中華民國分會(Society of Manufacturing Engineers, SME)
機械工程師基礎能力鑑定
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。
通過機械工程師基礎能力鑑定考試者，代表其具有大專程度之專業，且具備繪圖之能力，達到進入機械產業服務之入門能力水準。
工業技術研究院
精選貼文，掌握第一手知識
量天測地、解構力學——深入成大南工土木科，從材料試驗到現代營建實務的養成記
土木工程往往不像建築設計那樣容易受到矚目，但每一棟建築、每一座橋梁的安全與品質，背後都少不了土木工程專業的支撐。國立成功大學附屬臺南工業高級中等學校土木科便以「專業、實作、創新」為核心，透過扎實的理論課程、多元實作訓練與工程現場接軌，培養兼具工程知識與實務能力的人才。 土木科教師方偉烈表示，建築與土木外界看來似乎差異不大，但兩者的定位並不相同，「建築比較著重空間設計與規劃，而土木更關注工程技術與結構安全」。建築師負責完成整體建築設計，土木工程專業人員則負責讓設計安全落實、順利施工，兩者始終是相輔相成、不可或缺的重要夥伴。
從基礎到專業，逐步建立工程能力
土木科的課程依照學生不同階段循序漸進安排。高一以基礎能力培養為主，除了國英數等一般科目外，專業科目則會修習如土木建築工程與技術概論、構造與施工法，搭配測量實習、製圖實習，建立學生的基礎專業。
到了高二課程逐漸加深加廣，逐步深入專業核心，學生將修習工程力學、營建技術實習、電腦輔助製圖實習、工程測量實習、地形測量實習、材料與試驗等課程。此階段學生將投入許多時間在實習課程中，先學習基礎理論，再透過大量的做中學，在理論與操作中深化自身專業。以材料與試驗課程為例，學生會接觸粒料分析、混凝土拌合、混凝土養護、混凝土抗壓等內容，實際了解建築材料背後的工程原理。同時，學生也會實際進行砌磚、木工、鋼筋施工、模型製作及室內配線等內容，並有機會親自操作，透過大量實作累積工程現場所需的經驗與判斷力。
圖：學生參訪鋼筋加工廠了解實際製程
高三時課程則以專題帶領學生整合三年所學，學生透過組隊合作完成專題作品，專題主題以興趣為導向，鼓勵學生發揮專業視角，利用創意解決實際問題。有學生設計改善生活問題的木工作品，也有人規劃建築模型，從選址、結構到功能規劃，都必須活用過去累積的知識完成完整專題，不局限於土木內容，反而讓學生更能發揮創意和觀察力。此外，成大南工土木科更致力於課程的創新，透過加入無人機測繪等內容，讓學生接觸數位測量技術，讓學生在已有的知識基礎上，持續拓展在工程應用的新視野。
理論與實作並重，真正理解工程的本質
許多學生入學前往往認為土木科就是不斷動手施工，但真正進入課程後，學生才發現實作背後需要扎實的理論支撐。
方老師表示，材料試驗就是最好的例子，學生必須先理解材料性質、混凝土比例及相關理論，再進入實驗室完成實驗，驗證結果是否符合工程標準。土木科並非只有操作技能，更需要具備數理分析與工程判斷能力。這樣的學習歷程，也讓不少學生重新認識土木工程。
圖：學生合作組裝工程結構模型
土木科二年級林同學分享，原本以為土木科就是每天在戶外施工、砌磚，實際就讀後才發現，還必須學習材料、測量、力學等專業理論。「它（土木科）不是只有曬太陽做工程，也要學很多理論架構。」另一位二年級郭同學也有相同感受。他原本認為土木科以實作為主，真正接觸課程後才發現有比想像中更多的理論知識。
成大南工扎實深厚的課程設計，帶領學生在每一項工程操作之前，先建立完整的知識基礎，才能在實作中更深刻理解背後的原理，也讓學生在實際操作中更深入理解工程原理 。
大量實作、接觸現場，從實務中累積出專業即戰力
除了課堂上的操作，土木科也積極透過競賽與專題，引導學生將知識真正應用於實際問題。
例如，學生曾組隊參加正修科技大學木橋載重競賽，從木材裁切、打磨到橋梁組裝，歷經兩個月反覆製作與調整，最終獲得外觀特別獎。土木科二年級王同學表示，雖然橋梁承載能力仍有進步空間，但看到團隊一步步完成作品，仍讓他感到十分有成就感。
圖：學生參加橋樑載重競賽展示成果
方老師也指出，土木科最大的特色，就是讓學生「做中學」。學生不只是完成作品，而是在反覆操作、修正與驗證中，逐漸培養工程判斷能力，學生也會在不同年級，分別考取測量丙級、建築製圖應用-電腦繪圖項丙級、工程測量乙級等三張證照，累積未來升學或就業的競爭力。若直接投入職場，畢業學生將具備基本施工與監造能力；若選擇升學，也能良好銜接土木工程、營建工程等相關科系。
除了校內課程，土木科每學期也安排企業參訪，帶領學生走進建設公司、工程顧問公司、鋼筋工廠及材料檢驗中心，了解不同工程環節的實際運作。部分學生更有機會參與寒暑假的校外實習，親身進入工地現場，提前體驗工程工作的內容。透過一次次與業界接觸，學生不只是認識未來職涯，更能理解課堂所學如何真正應用於工程實務。
專業、實作、創新，培養面向未來的工程人才
談到土木科最重要的特色，受訪教師以「專業、實作、創新」三個關鍵字作為總結。「專業」代表扎實的工程知識；「實作」代表大量操作與現場經驗；而「創新」則是持續導入無人機測繪等新技術，讓學生能與時俱進，接軌產業發展。
圖：學生學習操作無人機設備
方老師也觀察到，許多學生在三年的學習中，最大的改變並不是學會多少技術，而是逐漸不害怕動手，也願意主動尋找解決問題的方法。從學生觀點來看，王同學認為，只要喜歡動手做、願意學習，就能在土木科找到自己的舞台；郭同學則認為，具備邏輯思考能力、願意面對挑戰的學生，都很適合投入這個領域。
從基礎理論、工程實作到創新技術，成大南工土木科不只是教學生如何完成一項工程，更希望培養學生面對問題時的工程思維，讓每一位學生都能在未來的升學與職涯道路上，穩穩築起屬於自己的專業基礎。
開箱土木科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
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
從初學到專業——屏東高工土木科，用精準數據與扎實實作打造未來專業人才
人們生活環境中的各項建設，道路、橋梁、建築、水利設施、港灣，甚至花草樹木的園藝造景等，幾乎都屬於土木工程的範疇。對多數人而言，土木工程容易被理解成「蓋房子」或「工地施工」，但真正的土木工程，其實涵蓋範圍相當廣泛，高職階段著重於基礎測量、材料、力學結構、施工到工程管理等完整流程的學習，需要的不只是動手操作，更需要扎實專業的工程知識與解決問題的能力。
屏東高工土木科是校內歷史悠久的科別之一，多年來持續依循產業需求調整課程，透過理論學習、工程實作與測量訓練，逐步培養學生完整的專業能力，為未來升學或投入工程產業奠定基礎。
圖：土木科教學樓
從基礎到精熟循序建立專業基礎
土木工程涵蓋的知識相當廣泛，因此屏東高工土木科的課程安排並非一開始就進入施工實務操作，而是依照學生的學習階段逐步建立能力。
高一時，學生先從測量學、測量實習及土木建築工程與技術概論開始，認識土木工程的基本原理，也透過測量實習學習操作儀器，建立對工程現場最基礎的認識。進入高二後，課程則逐漸加入工程材料、工程力學、工程圖學等專業知識，同時安排鋼筋、模板、鷹架組立及砌磚等施工實作，讓學生將課堂所學與實際工程相互印證。到了高三，學生除了持續深化工程測量技術，也開始接觸無人機測量等新技術，逐步認識現代工程測量的發展趨勢。
圖：學生進行砌磚水平校正
土木科主任林上源表示，測量是土木工程的重要基礎，因此學生從一年級入學便持續接觸相關課程，不只需要學會操作儀器，更希望培養學生精確判讀、分析與解決問題的能力。從測量、材料到施工，看似屬於不同課程，但在工程現場往往是牽一髮而動全身。一項工程開始之前，需要先從基礎開始，完成現況調查、整地、測量放樣…等，施工時則必須了解材料特性與結構原理。因此學校安排課程時，也希望學生將所學知能融會貫通，理解每一個環節之間的關聯性，以期逐步建立完整的工程觀念。
不只是施工，更要理解工程背後的原理
在外界印象中，土木科似乎就是砌磚、綁鋼筋等實作課程，但真正的工程現場，每一項施工都建立在理論基礎之上。
林主任指出，學生除了學習施工技術，也必須理解材料特性、建築構造及工程力學等知識。例如材料試驗課程中，學生需要進行水泥、粒料及混凝土等各項實驗，了解不同材料的性質與應用；施工工廠則讓學生親手完成砌磚、鋼筋、模板及鷹架組立等，體驗一棟建築從結構到施工的完整流程。透過理論與實作交互學習，學生不只是知道「怎麼做」，更理解「為什麼要這樣做」。
這樣的課程安排，也改變了不少學生對土木科的想像。
圖：學生合作進行鋼筋綁紮
土木科三年級蔡同學分享，自己原本以為土木科就是砌磚、鋼筋等施工課程，真正就讀後才發現，除了施工之外，還要學習測量、製圖等不同領域的專業，也因此對測量與製圖逐漸產生興趣。另一位洪同學也表示，原本以為土木科只能接觸模型製作，入學後才發現課程內容比想像中更加多元，而在一步步學習後，也逐漸找到自己的興趣與方向。
在一次次測量與實作中，累積工程現場需要的能力
除了課堂學習，屏東高工也鼓勵學生透過證照與技能競賽持續精進專業能力。
受訪的兩位學生皆為測量選手，長時間的訓練，不只是提升儀器操作能力，也讓他們更了解自己的專長。洪同學表示，自己較擅長儀器操作，因此希望未來朝無人機測量等相關領域發展；蔡同學則認為，參與選手培訓最大的收穫，是有能力協助同學解決問題，將自己累積的經驗分享給班上的同學。
林主任表示，學生在三年期間也會陸續挑戰測量丙級及工程測量乙級等專業證照，讓所學具體展現，也為未來升學及就業累積競爭力。受訪的兩位學生目前也都規劃持續升學，分別報考土木工程及土木與空間資訊相關科系，希望將高中三年累積的專業能力延伸到未來的學習與職涯發展。
圖：學生參與抗震模型競賽
從工程現場到未來職涯，開展多元發展方向
無論是建築工程、公共工程、測量、水土保持、室內裝修，甚至工程管理，都需要土木專業人才。學生畢業後可以選擇升學，進入營建工程、土木工程、水土保持及環境工程等相關科系，也能直接投入工程現場，從監工、測量人員、施工管理等工作開始，逐步累積經驗，朝工程師、工地主任及專業技師等職涯方向發展。談到學生畢業後的發展，林主任直言以目前的產業需求來看，土木專業人才仍有穩定的就業機會，「生活周遭環境，幾乎都與土木工程息息相關，只要願意，絕對可做為一生的志業」
扎實專業，培養能解決問題的工程人才
土木工程從來不只是施工，更是一門結合理論、技術與判斷的專業。屏東高工土木科透過測量、材料、施工及工程實作等完整課程，帶領學生一步步建立工程思維，也在不斷操作、驗證與修正的過程中，培養面對工程現場所需的專業能力。
從道路、橋梁到校園建築，土木工程一直默默支撐著人們的日常生活。屏東高工土木科希望培養的，不只是能完成一項工程的人，更是能理解工程如何影響生活、並運用專業解決問題的人才。當學生一步步累積測量、施工與工程判斷能力，也正在為未來投入更大的工程現場做好準備。
開箱土木科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
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
數位轉型卡關？專家解析企業AI人才布局，跨域及整合型人才將是搶手貨
在全球永續經營與 AI 浪潮的雙重夾擊下，企業正面臨前所未有的轉型挑戰。104人才永續長指出：員工技能不足已成為企業數位轉型最大的障礙，企業應透過「人機協作」重新定義工作模式，並透過技能檢定、認證課程和證照來提高人才專業深度，才能在激烈的跨域競爭中搶占先機，打造韌性十足的未來型組織。
文／鍾文雄（104資訊科技 人才永續長）
本文導覽
一、 AI資訊科技帶來產業競爭與工作職場的轉變1. 競爭對手的改變2. 工作內容的改變3. 工作方式的改變4. 工作型態與工作地點的改變二、VUCA常態下企業面臨員工AI技能不足與數位轉型挑戰三、AI人才的職涯發展與薪酬展望正向樂觀四、企業鍾愛未來人才的樣貌-跨域及整合型人才五、透過技能檢定、認證課程與證照，提高人才專業深度
台灣企業持續拓展全球事業版圖下，台灣正面臨人口結構老化與新生兒出生率的下降，加上地緣政治、全球經濟發展與政府公共政策的瞬息萬變，伴隨AI（Artificial Intelligence）人工智慧技術的蓬勃發展，我們的職場與工作環境正面臨前所未有的轉變，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應用工具的人才，才不會被機器人及擅用AI應用工具的人才所取代。
延伸閱讀：AI與淨零浪潮下，企業如何佈局「未來型人才」？
企業外部經營環境與未來工作型態的轉變
資料來源：亞太人力資源聯盟The Asia Pacific Federation of Human Resource Management (APFHRM)
一、 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，未來企業要能永續經營，所面對的競爭對手及勞動者的工作職場與環境會面臨重大變化，不管是政府機關、企業組織、學校與教育機構或是勞動者都必須朝永續發展與資訊科技轉型，才能夠因應諸多不確定性因素的考驗。
1. 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，成為全球電子商務零售商巨擘，進而發展為提供全球企業雲端存取技術服務的資訊產業龍頭。
2. 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。
3. 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」，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。
“It’s not about what technology can do, but what we can do with technology”
4. 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，企業將持續採用居家、遠距、混合及跨域、跨境的上班模式，吸引與留任人才。
二、VUCA常態下企業面臨員工AI技能不足與數位轉型挑戰
全球企業在Covid-19疫情結束後，我們明顯感受到VUCA（是指組織將處於不穩定(Volatile)、不確定(Uncertain)、複雜(Complex)、和模糊(Ambiguous)狀態之中）已經成為企業永續經營的新常態，隨時影響企業營運及人才趨勢，未來企業不只是要適應外部環境與內部管理體質的變化，更需要掌握先機，提前部署人才與技能。
從國內外的調查與研究報告來看，中大型企業在近三年已經持續投入相關資源，積極研究與實驗人才與組織的數位轉型。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。
資料來源：兩千大企業AI應用與技能發展報告 天下學習2025年9月
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，人才是否具備AI技能與持續學習資訊應用工具的動能相當重要。
三、AI人才的職涯發展與薪酬展望正向樂觀
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，企業除了用來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。
四、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（能在專業領域下能兼具AI及永續技能，以及整合型人才）能夠整合多元資訊及數據下做出適當決策，都是企業鍾愛與競逐的人才類型。
根據優樂地永續服務公司的企業調查報告，迎向未來世界的人才有十大必備能力，分別是文化的理解力、外語能力、適應彈性工作地點的能力、數位能力、跨領域學習、終身學習、情感智商、創新創造力、學習如何思考與解決問題的能力。
資料來源：優樂地永續服務公司2023年
另外104人力銀行在2024年的企業調查報告，也發現企業最愛人才需具備學習力、科技力與溝通力。從企業端的人才需求樣貌，可以讓大學院校作為高等教育人才培育政策參考，也可以是未來人才在求學階段，設定學習目標及參與社團、學校活動與研究計畫的方向。
資料來源：一零四人力銀行2024年
五、透過技能檢定、認證課程與證照，提高人才專業深度
為強化人才在資訊科技及永續發展的技能與素養，企業在人才的任用與訓練發展上，可以運用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。
從未來人才來看，可以參加學校規劃的AI應用技能學程與永續發展、循環經濟學程，搭配國外交換學生計劃或是參與學校研究計畫，持續維持學習與創新動能。透過計劃性與系統性的學習強化科技應用能力及語文能力，在課程學習與企業實習計畫中培養跨部門溝通與實作能力，參與工作輪調及專案任務培養解決問題能力。如此便可以在求學階段培養永保職場競爭力的優勢條件。
（原文標題：從數位轉型與永續經營趨勢，探索企業AI人才需求）
【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
技能成長和人際連結有關嗎？MIT博士教你檢查「適度連結」10項指標
人脈多真的有幫助嗎？MIT博士麥特．比恩指出，技能能否持續成長，關鍵在於你是否建立了「適度連結」。他強調，挑戰、複雜性與連結，是驅動技能進化的3大核心，而其中的「連結」正是學習動機的來源。 專家整理出10項檢核指標，無論你是職場新人、主管或業界專家，都不能忽略「適度連結」的重要性。本文節錄自《技能密碼》。
文／麥特．比恩
本文目錄（點擊可快速前往）
適度連結的檢核清單各行各業如何建立適度的連結
適度連結的檢核清單
適度的連結有一個特點，就是如果真的有連結，你的感覺會很明顯、很直觀。但或許感受最深的是，缺乏連結時，那種說不上來的不舒服。不過，正如挑戰與複雜性的章節，這裡也會有一份檢核清單，列出10個重要特徵，幫你判斷連結是否適度，無論你是新人或專家都適用。請認真閱讀，否則你的技能發展恐怕會出問題，而你卻沒有發現。真正適度的連結是：
感受到溫暖、情誼和關懷。
你和對方都覺得，自己和自己的工作對別人有意義。
建立信任：對方願意承擔風險，把一些事情交給你來做，因為他們相信你可以做好。
建立尊重：對方願意給你有價值的資源，因為他們欣賞你、看重你。
雙方都能用心投入，關注彼此，避免分心和偏見。
給彼此回饋，確認彼此的關係狀況。
雙方一起調整目標、方法和分工，讓每個人都對自己的工作與技能成長感到滿意。
當你的技能越來越成熟時，有機會指導其他人。
專家會在你們共同的專案之外，幫你爭取新機會，向他人推薦你。
當你的技能足以獨當一面時，你們終究會分道揚鑣。
拿著這份檢核清單，好好問問自己，你和周圍的人相處，有哪些地方做得不錯？所謂周圍的人，包括你的下屬、同事、主管，甚至是你們公司和整個大產業。怎麼主動創造這種適度的連結？你們組織有沒有什麼正式的系統或架構，可以幫助你和你的組織好好建立連結，達到更好的成效？如何把這些策略向外分享，幫助其他人建立適度的連結？
這已經是第3個技能密碼，也是最後一個，這次的重點是學會建立適度的連結。當你越熟練時，打造人際關係就會越輕鬆，而這些人脈會幫助你發展並維持技能。換句話說，這份檢核清單是在告訴你，想要發展技能，首先要培養哪些關鍵能力。
如果你是一位領導者，不妨問問自己：對於組織裡的連結情況，你真的了解透徹嗎？如果不夠透徹，哪些是最危險的認知盲點？要怎麼重新分配資源，彌補這些漏洞？你的組織是不是太依賴「囚禁人才」的模式？如果是，你其實能夠打破這個惡性循環，釋放巨大的潛能。
另外，還有一個關鍵的問題：你們組織有哪些地方，正在發展適度的連結？為什麼？
比方說，汽修店經理可能會發現，讓新人幫忙補充工具箱，看起來只是瑣事，卻給了新人和專家相處的寶貴機會，也不會干擾工作流程。法務部門主管可能注意到，公司內部的客戶管理流程，早已融入「共同調整」的精神，會順著個人的目標和興趣調整，進一步提升連結的感受。再來，說到培訓預算，你可能會有很多疑問。你的學習和發展系統，是不是忽略適度的連結？以為只要靠著線上課程，完全不需要溫暖、情誼和關懷？在組織內部，有些領域只要建立適度的連結，即可創造更高價值，就應該優先投入資源。不管在哪個部門，都應該努力發現適度的連結。
不過，這就如同挑戰和複雜性，第一步是蒐集好數據，這樣才會做出正確的決策。接下來，參考之前的檢核清單，評估你自己和你的團隊目前的表現如何，有沒有進步空間？
各行各業如何建立適度的連結
如果你是領導者，你的職責就是設定願景，推動變革。因此，你應該為自己、團隊、同事，甚至整個組織，好好耕耘適度的連結。就像上一章提到的，我們過去對規則、流程、角色、基礎技術，甚至對於特定職能的投入，有時候反而妨礙技能發展。只要懂得斷捨離，不僅會節省成本，也會釋放適度的連結。
舉例來說，有些負責招募、入職、培訓或績效管理的人員，正在介入專家與新人的關係。
你是否可能減少這些環節，讓適度的連結自然發展？你還可以參考檢核清單，設定正向的願景。你如何衡量並獎勵適度的連結，不管是在工作流程或工作內容？你的衡量指標是什麼，就會獲得什麼，當你在專家與新人之間注入更多的關懷、信任和尊重，就會培養關鍵的技能，讓組織持續壯大。
如果你負責制定產業或專業的標準，建立適度連結這件事就要靠你來推動了。這些標準會影響規範和規則。你有沒有想過，目前的行規會不會破壞適度的連結？你的認證制度及新工具的培訓，有沒有符合適度連結的標準？
以軟體開發業為例，坊間有許多認證系統，像是負責敏捷軟體開發（Agile）認證的人，不妨檢討一下課程、流程和指導方針，這些東西對適度的連結是利是弊？或許可以重新設計Scrum架構的培訓，引導從業人員注重適度的互動，例如在工作過程中培養默契。把重點放在關係上，而不只是工作進度。讓新人有機會展現技術實力，還有專業的風範，進而贏得專家的信任和尊重。最後別忘了新技術的影響，這到底是適度連結的助力，還是阻力？比方說，製藥研發主管可能會發現，有了新型數據分析工具及微型的實驗設備，專業人士確實有更多的發現，但是這些工具也可能「分散」注意力，讓專家花費太多時間盯著工作數據，忽略人與人之間的連結。
假設你是新人或專家，想提升自己的技能或幫助其他人提升技能，可以怎麼做？不妨參考這份檢核清單，雖然它屬於「軟性」的部分，但別以為和能力無關。放輕鬆，用輕鬆的心情看待你的工作。先想想你的工作情況，設身處地想一想，新人一步步爬上來，會有怎樣的感受？在這個過程中，人情味夠不夠？有適度的連結嗎？還是連結過多？例如，負責管理清潔人員的主管，平時和下屬的關係太好了，等到有需要批評指正時，反而開不了口。
還有另一個例子， 工廠作業員使用新型的連網電腦數值控制（Computer Numerical Control，CNC）機器，身邊的資源已經很充足，幾乎不需要向前輩請教。短期內，她可以輕鬆完成工作目標，但是如果未來需要前輩的推薦或協助，恐怕會有困難。這就帶出本書的主旨：科技對適度連結的影響很大，時而是助力，時而是阻力，最好審慎評估這方面的影響。
只要你有足夠的專業可以交出成果，就算沒做過企業軟體銷售業務、不喜歡泰勒絲也無所謂，你和艾蜜莉很相似，和任何有技能的人也差不多。然而，為了贏得專家的信任和尊重、為了做好工作，也為了讓專家願意推薦你，爭取下一個新機會，適度的連結不可或缺。有了這些連結，會讓你更加相信，這是自己選擇的道路，感覺自己越來越厲害，你還會多了一些歸屬感與意義，支撐自己一路走下去。你展現良好的風範和技巧；被專家看見、被認可，專家還會給你新的機會。或許專家會成為你的導師，也可能不會，但無論如何，你們建立了人與人的連結。彼此保持同步，有意見就直說，即使對方聽了會不太舒服，也不會隱藏，並且共同調整，確保這段技能成長的過程，對雙方都是美好的回憶。最後，你開始指導更資淺的新人，而這位專家在更大的圈子推薦你。這一切並非必然，只是你很幸運，在技能成長的過程中，有幸獲得這些支持。這是很大的助力：你可以參考前述的檢核清單，為你和你在乎的人守護適度的連結，這樣一來，他們會對你更信任、更尊重。
到了這裡，無論你是專家或新人，在技能成長的路上已經擁有莫大的優勢。但是想必你還記得第一章所說：只讀了第二、三、四章，無法永遠留住技能，持續精進。因為全球經濟變化太快、太大，完全打破平衡，我們根本追不上。從視訊會議到ChatGPT，再到機器人，以及介於人機之間的技術，人類使用先進科技的方式，表面上看似沒什麼，但是其實正在徹底破壞挑戰、複雜性和連結。如果放任不管，技能發展能力恐怕會繼續退化，所以現在就是直接面對威脅的時候。
節錄自：商周出版《技能密碼：MIT博士教你從似懂非懂到穩定輸出，把專業變事業的職能升級攻略》／麥特．比恩 著
推薦閱讀：
AI加速技能斷層！專家揭潛在隱憂：新一代技術人才能力下滑
AI讓強者恆強、弱者更弱？企業與員工面臨的真實挑戰
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
NVIDIA官方AI認證考試分享：速頒數位徽章！從認證選擇準備、費用到線上考試流程解析
想拿到NVIDIA官方的AI認證，作者分享通過NVIDIA Certified Professional - Agentic AI認證的準備過程和詳細考試攻略，從選擇適合自己的NVIDIA認證、考試費用及時間、Certiverse遠端線上監考注意事項，到考後秒領數位徽章的詳細步驟。不需前往考場，在家就能快速取得NVIDIA專業技術認證，詳細經驗一次公開！
文／Jason TC Chuang
本文目錄（點擊可快速前往）
NVIDIA認證考試關鍵要點總結NVIDIA認證專業計畫概述：有效期2年、認證類型解析NVIDIA認證完整考試流程詳解NVIDIA認證考試準備：Certiverse監考平台功能及要求解析為什麼我選擇考NVIDIA認證？NCP-AAI考試實戰經驗分享NVIDIA認證徽章怎麼領？Credly系統指南通過認證的實用考試準備建議與技巧NVIDIA認證考試常見問題解答
今天早上5點到6點半，我完成了NVIDIA Certified Professional - Agentic AI（NCP-AAI）認證考試。考試結束後立即收到通過通知，幾分鐘內數位徽章就自動出現在我的Credly帳戶中。整個過程的效率和專業度讓我印象深刻。
這篇文章將分享我的完整考試經驗，以及NVIDIA認證從準備到獲得徽章的每個步驟細節。
NVIDIA認證考試關鍵要點總結
在家考試：透過Certiverse平台進行線上遠程監考，無需前往考試中心
快速出結果：考試完成後迅速獲得成績，數位徽章自動發送至Credly
多元認證選擇：涵蓋AI基礎建設、生成式AI、Agentic AI、數據科學等專業領域
兩年有效期：所有認證均有兩年效期，需定期更新維持專業地位
專業網絡展示：可在LinkedIn等社群媒體分享驗證徽章
NVIDIA認證專業計畫概述：有效期2年、認證類型解析
NVIDIA認證專業計畫專門為技術專業人士和開發者設計，提供全面的技能驗證機制。這個計畫涵蓋多個關鍵技術領域，包括AI基礎建設、生成式AI、Agentic AI、數據科學……等。
所有NVIDIA認證的有效期為兩年。這個設計確保認證持有者的技能與快速發展的技術趨勢保持同步。
NVIDIA主要認證類型
目前提供的主要認證包括：
NVIDIA-Certified Professional: AI Infrastructure (NCP-AII)：專注於AI基礎架構的設計和管理
NVIDIA-Certified Professional: Agentic AI (NCP-AAI)：針對AI代理系統的開發與應用
NVIDIA-Certified Professional: Generative AI LLMs (NCP-GENL)：針對大型語言模型和生成式AI應用
其他專業領域認證選項持續擴展中
NVIDIA認證的職業價值
NVIDIA認證在業界享有高度聲譽。持有認證的專業人士通常能獲得更好的職業機會和薪資待遇。認證不僅證明了技術能力，也展現了持續學習和專業發展的承諾。
許多企業在招募AI和數據科學人才時，會特別關注候選人是否持有相關的專業認證。這使得NVIDIA認證成為職涯發展的重要投資。
NVIDIA認證完整考試流程詳解
獲得NVIDIA認證需要經過系統性的準備和考試流程。以下是完整的步驟說明。
第一步：選擇適合的NVIDIA認證
選擇認證時需要考慮您的職業目標和現有技能背景。如果您專精於基礎架構管理，NCP-AII可能是最佳選擇。如果您的工作涉及AI代理系統開發和應用，NCP-AAI會更適合。如果您的工作涉及機器學習和生成式AI應用開發，NCP-GENL是理想選項。
評估個人技能時，建議參考NVIDIA提供的技能架構圖和職業發展路徑。這些資源幫助您了解各認證的具體要求和職業應用。
第二步：考試準備（建議至少投入40~60小時）
NVIDIA提供多種準備資源：
自主學習課程：線上課程和教材
講師指導工作坊：實體或虛擬的培訓課程
學習指南：詳細的考試大綱和重點說明
實作經驗：透過實際專案累積經驗
建議至少投入40-60小時進行考試準備。這個時間包括理論學習、實作練習和模擬考試。
第三步：排程與付費
考試可透過NVIDIA認證中心或直接在Certiverse平台進行排程。考試費用通常介於200至400美元，依認證類型而定。排程時需要選擇合適的考試時間。建議選擇您精神狀態最佳的時段，並確保考試期間不會有干擾。
第四步：參加考試
NVIDIA認證考試採用線上遠程監考方式進行。考試時間通常為120分鐘，題目數量介於40-75題，依認證類型而定。考試採用多選題和情境題的形式。題目涵蓋理論知識和實際應用場景。
第五步：獲得NVIDIA認證
考試通過後，您將獲得數位徽章。部分認證還會提供正式證書。所有認證的有效期為兩年，屆時需要重新認證以維持專業地位。
NVIDIA認證考試準備：Certiverse監考平台功能及要求解析
Certiverse是NVIDIA認證考試的官方監考平台。這個先進的線上監考系統確保考試的完整性和公正性。
Certiverse平台簡介
Certiverse採用最新的監考技術，提供即時的線上考試監控服務。平台的設計重點是維護考試的學術誠信，同時為考生提供便利的在家考試體驗。專業的監考員會全程觀察考試過程，確保遵守所有考試規定。這個系統已被全球多家知名認證機構採用。
Certiverse監考流程詳解
即時監考功能：考試期間，Certiverse平台會進行全程即時監控。監考員可以觀察考生的行為，確保沒有作弊行為發生。如果發現任何可疑活動，監考員會立即介入並記錄相關情況。這個機制保護了認證的價值和可信度。
監控要求：考生必須在整個考試期間開啟攝影機和麥克風。身份驗證階段需要出示政府核發的身份證件，如護照、身份證或駕照。考試期間必須全程遵守監考員的指示。任何不配合的行為可能導致考試中止。
考試環境要求：考試空間必須安靜且私人。不能有其他人員在場。桌面必須清潔，除了必要的考試設備外不能有其他物品。穩定的網路連接是必要條件。建議使用有線網路連接以確保穩定性。
技術要求與設備準備
成功完成考試需要準備適當的設備和技術環境。
必要設備清單：
攝影機：高清攝影機，必須能清楚顯示考生面部
麥克風：內建或外接麥克風，確保音質清晰，不能是耳機或是耳麥
網路連接：穩定寬頻網路，建議至少5Mbps
瀏覽器：Certiverse安全瀏覽器（需下載專用軟體）
身份證件：政府核發證件（護照）
考生操作步驟
考試當天，考生需要：
登入Certiverse考生入口網站
啟動遠程監考並遵循螢幕上的指示
準備身份證件進行驗證
配合監考員完成環境檢查
開始正式考試
整個流程通常需要15~20分鐘的準備時間，然後才開始正式考試。
為什麼我選擇考NVIDIA認證？NCP-AAI考試實戰經驗分享
圖／NVIDIA Certified Professional - Agentic AI（NCP-AAI）
為什麼選擇考NVIDIA的Agentic AI認證？
在AI快速發展的今天，Agentic AI（AI代理）已成為最具前瞻性的技術領域之一。這個認證涵蓋了AI代理系統的設計、開發和部署，對於想要在AI應用領域深化的專業人士來說是絕佳選擇。
NVIDIA認證考前準備
我選擇在清晨5點參加考試，這個時段精神狀態最佳，外部干擾也最少。提前30分鐘登入系統進行最終檢查，確保所有設備運作正常。
Agentic AI考試過程分享
整個考試過程非常流暢。Certiverse的監考系統運作穩定，沒有遇到任何技術問題。考試題目涵蓋了Agentic AI的各個面向，從理論基礎到實際應用場景都有深入考察。
Agentic AI考試即時結果與徽章發放
最讓我印象深刻的是結果的即時性。考試結束後立即顯示通過訊息，幾分鐘內就收到Credly的通知郵件。登入Credly帳戶，NCP-AAI的數位徽章已經在那裡等著我了。
這個效率完全超出預期。從考試結束到獲得可分享的專業認證，整個流程不到10分鐘。這個是我的連結：查看作者的NVIDIA認證連結
圖／Jason TC Chuang
NVIDIA認證徽章怎麼領？Credly系統指南
考試通過後，您的成就將透過Credly平台以數位徽章的形式獲得認證和展示。NVIDIA與Credly建立了官方合作夥伴關係。Credly是全球領先的數位認證平台，為超過4000家組織提供徽章發放服務。這個合作確保了NVIDIA認證徽章的權威性和可信度。雇主和同行可以輕鬆驗證認證的真實性。
徽章發放流程
自動徽章發放：考試通過後，系統會自動觸發徽章發放流程。通常在考試結束後的24-48小時內，您會收到徽章通知。根據我的經驗，NCP-AAI的徽章幾乎是即時發放的。考試結束不到5分鐘就收到了Credly的通知郵件。
通知機制：您會收到來自Credly的電子郵件通知，發送地址通常是admin@credly.com。這封郵件包含詳細的徽章領取說明和帳戶設定指引。請確保檢查垃圾郵件資料夾，有時系統郵件可能被誤判為垃圾郵件。
徽章領取與管理
帳戶創建與確認：如果您還沒有Credly帳戶，需要先創建一個。使用與考試註冊相同的電子郵件地址進行註冊。完成電子郵件地址確認後，您就可以接受並確認徽章。這個過程會將徽章正式添加到您的數位錢包中。
徽章分享與展示：Credly徽章可以輕鬆分享到各種社群媒體平台。LinkedIn是最常見的分享平台，讓專業聯絡人能夠看到您的認證成就。您也可以將徽章添加到履歷表中，或嵌入到個人網站和專業檔案中。
驗證與可信度
可驗證的元數據：每個Credly徽章都包含豐富的元數據，包括認證機構、獲得日期、有效期限和技能描述。這些資訊使雇主和同行能夠確認認證的真實性。防偽技術保護確保徽章無法被偽造或竄改。每個徽章都有唯一的識別碼和驗證連結。
專業網絡價值：數位徽章不僅是技能證明，也是建立專業網絡的工具。持有相同認證的專業人士經常形成學習社群，分享經驗和機會。許多招募人員會主動搜尋持有特定認證的候選人。擁有NVIDIA認證可以提高您在人才市場的曝光度。
通過認證的實用考試準備建議與技巧
成功通過認證考試需要充分的準備和正確的策略。
技術準備檢查清單
考試前一週，請完成以下檢查：
設備測試：確認攝影機和麥克風正常運作
網路檢查：測試網路速度和穩定性
軟體安裝：下載並測試Certiverse安全瀏覽器
備用設備：準備備用的網路連接或設備
建議進行完整的模擬測試，確保所有技術要求都能滿足。
環境設置最佳實務
選擇一個安靜、明亮且私人的空間作為考試環境。背景應該簡潔，避免有移動的物體或其他人員。
光線要充足但不刺眼。避免背光情況，確保攝影機能清楚捕捉您的面部表情。
清理桌面，只保留必要的考試設備。移除可能造成干擾的物品，如手機、書籍或筆記。
考試當天注意事項
提前30分鐘登入系統進行最終測試。這個時間足以解決任何技術問題。
準備好政府核發的身份證件。確認證件清晰可讀且在有效期限內。
制定時間管理策略。平均每題分配1.5~2分鐘，保留最後15~20分鐘檢查答案。
常見技術問題處理
如果遇到網路連接問題，立即切換到備用連接。如果問題持續，聯絡Certiverse技術支援。
軟體相容性問題通常可以透過更新瀏覽器或重新安裝軟體解決。
考試期間如有技術問題，使用聊天功能聯絡監考員。他們可以提供即時協助。
成功案例與最佳實務
大多數成功的考生會花費6~8週進行系統性準備。這個時間包括：
第 1-2 週：完成基礎理論學習
第 3-4 週：進行實作練習和專案
第 5-6 週：模擬考試和弱點強化
第 7-8 週：最終複習和考試準備
持續的學習比臨時抱佛腳更有效。每天投入1~2小時比週末集中學習10小時的效果更好。
NVIDIA認證代表了AI和數據科學領域的專業標準。透過Certiverse的遠程監考技術和Credly的數位徽章系統，獲得認證變得更加便利和專業。建議將認證視為持續專業成長的一部分，技能的應用和發展比證書本身更重要。
NVIDIA認證考試常見問題解答
1. 如果考試當天遇到技術問題怎麼辦？
如果遇到技術問題，立即使用Certiverse平台的聊天功能聯絡監考員。他們可以提供即時協助或安排重新考試。大多數技術問題都可以在考試開始前解決。
2. NVIDIA認證的考試通過分數是多少？
NVIDIA認證的通過分數因認證類型而異，通常介於70~80%。具體分數會在考試報名時告知。考試結束後會立即顯示是否通過。
3. 如果NVIDIA認證考試沒有通過，可以重考嗎？
可以重考，但需要等待一定的時間間隔（通常是14~30天）並重新付費。建議運用這段時間加強準備，特別是考試回饋中指出的弱點領域。
4. 通過NVIDIA認證後，Credly徽章可以在履歷表中使用嗎？
完全可以。Credly徽章是被業界廣泛認可的專業認證展示方式。您可以在履歷表中包含徽章連結，讓雇主能夠驗證認證的真實性和詳細資訊。如需徽章支援協助，Credly提供完整的技術支援服務。
5. NVIDIA認證到期後是否需要重新參加完整考試？
是的，NVIDIA認證有效期為兩年。到期後需要重新參加考試以更新認證。這確保認證持有者的技能與最新的技術發展保持同步。
關於作者：Jason TC ChuangAI技術經理，擁有超過20年的Python開發、數據工程和網路安全經驗。目前專注於AI基礎架構和雲端平台技術，並持有NVIDIA Certified Professional - Agentic AI認證。
（原文標題：NVIDIA 認證考試指南：從 Certiverse 監考到 Credly 數位徽章 出處：jasonchuang.substack.com）
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！
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
「數據／資料工程師」12個必備技能、推薦職缺、證照進修
大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師（資料工程師）在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師，強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。
成為數據工程師的 12 項必備技能（點擊可跳至章節）：
基本技能（程式語言與資料架構）
網路概念
資料庫 Database
數據湖 Data Lake 與物件存儲
數據倉儲 Data Warehouse
分散式系統
數據處理
機器學習 Machine Learning
作業編排管理
前端與儀表板
後端框架
自動化與部署
如何開始數據工程師之路？了解數據工程師工作日常
【數據／資料工程師】推薦職缺
【數據／資料工程師】職場常見證照整理
【數據／資料工程師】職場再進修課程推薦
文／LnData 麟數據科技
數據工程師的必備技能樹 (Source: Anuj Syal)
一、基本技能
首先，以下是最基本的必修技能，也是想進入這個行業需要的優先入手技能，包含：
SQL：SQL即「Structured Query Language」，也稱做「結構化查詢語言」，是一種用於管理和查詢關聯式資料庫的語言，用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作，如數據檢索、修改和定義，且幾乎所有資料庫和數據倉儲都使用SQL。
程式語言：數據工程師必備技能當然包括使用不同的程式語言來處理數據，如 R、Scala、Java等，但首推 Python，因為Python容易上手，並且擁有許多免費且開源的資料科學工具和資源，使其成為處理數據相關工作的理想選擇。不僅如此，Python還有豐富的開發者社群，讓你輕鬆找到相關的學習資源和解決問題的方法。
Git：即「Global Information Tracker」，Git是版本控制的重要工具，可以追蹤、保存和管理軟體代碼的所有更改和操作，幫助資料工程師協作開發數據工程項目，並確保團隊成員之間的協同工作，可避免有人亂改或誤刪代碼。
Linux指令和Shell腳本：Linux是一種常用的作業系統，數據工程師經常使用它來處理數據，常見的版本如Ubuntu、Fedora。熟悉Linux命令（例如cd、pwd、cp、mv等）和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。
資料結構和演算法：數據工程師需要對資料結構（Data Structures）和演算法（Algorithms）有足夠的理解和解決問題的技能，以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。
二、網路概念
由於現在大半數據都在線上，因此工程師常需接觸與處理VM（虛擬機）、伺服器和 API（應用程式介面），而此時就需要對 IP（互聯網協議）、DNS（域名伺服器）、VPN 等基本網路概念有基本了解。
API（應用程式介面）概念示意( Source: Geeks For Geek)
三、資料庫
資料庫是按照數據結構來組織、存儲和管理數據的倉庫，相關概念包含：
基礎知識：資料庫是存儲數據的空間，包含表（Table）、行（Column）、列（Row）、鍵（Key）、連接（Join）、合併（Merge）和模式（Schema）等基本概念。
SQL：雖然前面提過了，但要知道在使用這些資料庫時，SQL可說是最泛用也最不可或缺的語法，因此這邊再提一次。。
ACID：是原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）的縮寫，旨在確保數據操作的有效性和穩定性。
資料庫建模：指在設計資料庫時考慮如何組織資料的過程，包括星型模式、平面設計和雪花模式等不同方法。
資料庫擴展：包括垂直擴展和水平擴展，它們用於增加資料庫的性能和容量。
OLTP與OLAP：OLAP（在線分析處理）、OLTP（在線交易處理）是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統；OLAP則是設計用於分析和探索大量數據的系統。
關係型資料庫：Relational Database，是大多數應用程式使用的傳統資料庫，用於結構化數據。常用的資料庫有PostgreSQL和MySQL。
非關係型資料庫：Non-relational Database，也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同，它們不使用固定的表格模式，而是以更靈活的方式存儲數據，適合處理大量非結構化數據。非關係型數據還可分為三種類型：
鍵值資料庫：如Redis、DynamoDB、FireBase
圖形資料庫：如Neo4j、ArangoDB
寬列資料庫：如Apache Cassandra、Google BigTable
常用的關係型資料庫 MySQL
四、數據湖 Data Lake 與物件存儲
數據湖是一種大規模集中式數據存儲系統，它允許組織以原始、半結構化或非結構化的形式存儲數據，而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據，可以是文本、圖像、影音等，也包含報表、視覺化、資料分析、機器學習等轉換後資料。
數據湖通常使用分佈式或物件存儲（Object Storage）系統來存儲大量數據，如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲，每個對象都包含數據本身、元數據（metadata）和唯一識別子。這種方式使得數據能夠以平面結構組織，並且具有元數據以描述數據的特徵和用途，能夠更好地管理和查詢數據。
五、數據倉儲 Data Warehouse
數據倉儲（Data Warehouse）是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中，以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含：
SQL（略）
規範化與非規範化：在數據倉儲中，數據可以以規範化（Normalized）或非規範化（Denormalized）的方式進行組織和存儲，具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性；而非規範化則是將數據合併到一個表中以提高數據更改速度。
OLAP與OLTP（略）
六、分散式系統
包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中，多台機器（稱為節點或伺服器）組成叢集並共同協作，這些機器可以在不同的地方執行，彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性，同時減少單點故障的風險。
由於其複雜性，這些系統擁有各自獨立的技術組件。因此，為了開發與佈署這些系統，數據工程師需要使用叢集管理技術或工具，如Kubernetes、Databricks，或者自行建立Hadoop叢集等。此外，還有許多開源技術可供利用。
Kubernetes 也稱為 K8s，是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo)
七、數據處理
數據處理是指使用程式語言來轉換數據的過程，這包括清理數據以及驗證數據的準確性。在進行數據處理時，通常會使用各種工具和框架，具體選擇取決於任務的性質和規模。
以下是一些常用的數據處理工具和框架：
Pandas：Pandas是一個好用的Python套件，常被用於處理和分析數據。它提供了豐富的數據結構和函數，適合用於數據轉換和清理。
SQL：（沒錯，又是它）由於多數數據倉庫支持SQL語言，因此SQL是一個常用的工具，用於執行數據轉換操作，尤其適用於處理結構化數據。
Spark：Apache Spark是一個用於大數據處理的強大框架，它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作，性能高且具有可擴展性。
Spark Streaming：Spark Streaming是Spark的一個模塊，用於處理流式數據。它可以實時處理數據流，非常適合需要即時分析的應用。
Spark是常用於處理大數據的強大框架(Source: Data Mechanics)
八、機器學習 Machine Learning
機器學習（Machine Learning）是一種人工智慧（AI）的子領域，它教導電腦如何從數據中學習，以自動改進和做出決策，而不需要明確的程式指令。機器學習可以應用於多個領域，如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。
人工智慧、機器學習、深度學習都是資料科學中的熱門領域
對於數據工程師來說，了解機器學習的不同類型，包括監督學習、非監督學習和增強學習，以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型，並學會處理數據、調整模型參數，以及評估模型的預測準確性。
操作機器學習的平台有Vertex AI、Kubeflow等，這些平台可以協助數據工程師輕鬆部署模型，並構建更準確的工作流程，幫助數據科學家做出更精確的決策。
Vertex AI 是Google Cloud上的一個機器學習平台
此外，還有一些集成平台可讓數據工程師將工作流程整合到一個地方，如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面，使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。
AWS Sagemaker也是不少人的ML開發選擇(Source: AWS)
九、作業編排管理
編排（orchestration）是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行，以達到我們的目標。
最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖（DAG）來記錄工作流程，讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程，並且在大數據和數據工程領域中廣泛使用。
其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景，可以根據你的項目需求來選擇適合的編排工具，可以幫助數據工程師自動化和管理各種任務，提高工作效率。
Airflow是開發時常用的工作流程管理工具(Source: Airflow)
十、前端與儀表板
前端和儀表板（dashboard）是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據，並讓用戶與數據進行互動。
舉例來說，Jupyter Notebook 是一種常用的工具，它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。
Jupyter Notebook是好用的互動式開發工具，是許多資料科學工作者選擇
此外，儀表板或所謂BI工具如 PowerBI 和 Tableau，以及 Python 套件如Dash 和 Gradio，也被廣泛使用。這些工具允許我們建立互動性強的儀表板，讓用戶輕鬆探索數據，查看不同的視覺化結果，並根據需求進行操作。
Tableau是業界常用的商業智慧(Business Intelligence)工具，建立企業數據儀表板
十一、後端框架
後端框架與軟體工程有關，它們有助於構建網站和應用程序的後端部分。舉例來說，如果您想建立一個網站或應用，可能需要一個後端框架來處理用戶發出的請求、管理資料庫，以及提供信息給前端顯示。
基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。
除了這些，還有一些雲端技術可供使用，例如G oogle Cloud Platform（GCP）的 Vertex AI API 和 AutoML APIs，這些技術可以用於模型部署和機器學習應用。
Flask 是一個 Python 網頁應用程式框架，因輕量靈活而受許多開發者喜愛
十二、自動化與部署
自動化和部署是指使用不同的工具和技術，來讓程式碼的建立和執行過程更加自動化和簡化，有助於提高效率、降低錯誤，並讓應用程式更容易管理和維護。
這個過程包括以下幾個主要方面：
基礎設施即程式碼（Infrastructure as Code）：這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理，使其更易管理和自動化。
持續集成/持續部署（CI/CD）：指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質，並使新功能能夠快速部署到生產環境。
容器化：即使用Docker和Docker Compose等工具，將應用程式和其相關的依賴項打包成容器的過程，可使應用程式在不同環境中更容易部署和執行。
Docker工作流程示意
想當數據工程師，如何培養能力？
在學生可以學習統計、資工、資料科學等科系的課程，或是透過相關實習或競賽來摸索對此領域的興趣。此外，網路上有許多付費課程、YouTube上的免費資源，也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源！
要記得，這些相關技術日新月異，即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的，正因為技術不停在改變，你也不需要強求把上面所有技能練到精通，而是掌握重要的基本概念與保持開放的學習態度。
數據工程師可以為企業做什麼？
數據工程師日常就是與數據打交道，主要包含收集、讀取、清理，探勘與管理企業的資料，以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法，產生更有價值的結果或應用方式，幫助企業做出更好的決策、優化業務流程，例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此，數據工程師對於企業的重要性不言而喻。
然而，企業想挖掘數據最大價值，並不能只靠數據工程師。一個完整的數據團隊，通常包含數據工程師、數據科學家、數據分析師三種角色，各司其職、專業分工。他們在日常工作流程中扮演各自的角色，互相協作，完成各種不同的專案——這也是為何我們最後要強調，除了技術以外，溝通與協作等軟技能也非常重要！
（原文標題：2023 年想成為數據工程師的 12 項必備技能）
[joblist_plugin title='推薦【數據／資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3']
【數據／資料工程師】職場常見證照整理：
序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者，您應該具備主題專業知識，能夠將各種結構化、非結構化和串流資料系統中的資料，整合...＜詳情＞Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...＜詳情＞Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論，以及虛擬化、容器化的技術成熟...＜詳情＞Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格：1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...＜詳情＞Amazon Web Services5台灣風險數據分析師除了相關法遵外，應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...＜詳情＞社團法人台灣風險管理協會更多數據相關證照＜前往＞
【數據／資料工程師】職場再進修課程推薦：
課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中，我們將帶你從學習基礎 Python 出發，了解各種常見資料檔案格式與編碼，透過 Python 進行資料表單或檔案的自動化彙整與分析...＜課程介紹＞GA4+GTM網站數據分析實戰課專業的教學設計，以第一線網站數據分析工作者角度，剖析 GA4 四大要領，從觀念的理解到上手實作，提升你的數據分析能力。…＜課程介紹＞成為數據分析師的第一把鑰匙：用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發，來設計這門課程，適合零基礎、初入門、想轉職作數據分析師的你!…＜課程介紹＞零基礎成為Python金融數據分析師｜金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始，包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學，製作Python爬蟲工具…＜課程介紹＞更多數據相關課程＜前往＞
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']
有任何收穫或想分享的，都來和大家一起聊聊吧！