從零開始 Python × Ollama 實戰教學：打造企業本地LLM應用程式
104學習
IBM Lotus Forms
這項技能主要用於設計和管理電子表單，幫助企業數位化傳統紙本流程，提高資料收集與處理效率。掌握它代表能開發互動性強、結構化的表單，並與後端系統整合，減少人工錯誤與時間成本。在金融、政府或大型企業特別常見，對提升流程自動化及文件管理能力相當有利。具備此技能，有助於在相關產業中擔任系統分析、流程優化或IT支援等職務，增加職場競爭力。
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職場溝通術：LLM大型語言模型應用技巧
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
Vibe Coding：AI 網路應用開發實戰（上）
Vibe Coding：AI 網路應用開發實戰（下）
【免費課程報名】技術開發技能 1-10 生成式AI 與最新 Vector DB 解決方案採用模式 : AWS Vector DB 概述 | 完課紀錄回傳履歷表
AWS雲端架構規劃｜建置實務應用
【2026/12/29開班】AWS架構設計實戰
專案管理-成功經理人必學管理工具
精選證照
考取專業證照，讓能力被市場看見
IBM Lotus
IBM Lotus 證照專注於驗證持有者在 IBM Lotus 軟體產品的安裝、管理與維護能力，涵蓋郵件系統、協作平台及應用程式開發等領域。此證照展現專業技術水準，有助提升在企業資訊管理與協作解決方案的職場競爭力，適合資訊技術人員及系統管理師進一步深化專業知識與技能。
IBM
IBM Rational
IBM Rational證照專注於軟體開發生命週期管理，涵蓋需求分析、設計、測試及版本控制等技能，協助專業人士提升軟體開發效率與品質。持有此證照代表具備使用IBM Rational工具套件進行專案管理與協同合作的能力，能有效支援團隊達成專案目標，廣泛應用於軟體工程、系統整合及IT專案管理領域。
IBM
IBM XML
這項技能主要指能夠運用IBM相關工具和平台來處理XML格式的資料。XML是一種結構化數據標準，廣泛用於系統間資料交換與整合。在企業應用中，熟悉這項技能代表你能有效解析、編輯及轉換XML文件，並利用IBM的軟體如WebSphere或InfoSphere來進行資料傳輸、整合及自動化流程。具備這能力，有助於提升跨系統溝通效率，強化資料管理及系統整合的能力，對於從事企業資訊系統、軟體開發或資料工程等職務非常實用。
IBM
IBM WebSphere
IBM WebSphere證照證明持有人具備使用IBM WebSphere應用伺服器進行企業級應用程式開發、部署與管理的專業能力，能有效整合各種系統與服務，提升應用效能與穩定性，並熟悉相關中介軟體技術與最佳實踐，適用於大型企業資訊架構建置與維運工作。
IBM
IBM Tivoli
IBM Tivoli證照專注於企業級IT基礎架構管理，涵蓋系統監控、自動化運維及資源優化等技能。持有者具備使用Tivoli軟體進行系統配置、故障排除與效能調校的能力，能有效提升企業IT環境的穩定性與效率，適合從事系統管理、IT運維及技術支援等職務。
IBM
IBM TotalStorage
IBM TotalStorage證照專注於儲存系統管理與資料保護技術，涵蓋硬體設備配置、儲存網路架構及備份恢復策略。持有者具備規劃、安裝及維護大型儲存解決方案的能力，能有效提升企業資料管理效率與安全性，適用於資料中心及雲端環境，助力企業達成高效能及高可靠性的儲存需求。
IBM
精選貼文，掌握第一手知識
IBM示警 AI模型與AI應用已成為門檻低、商業價值高的駭客攻擊目標
2025-08-04 經濟日報記者簡永祥 由聯合新聞網授權轉載
IBM近日公布《2025數據洩漏成本報告》警示，目前企業應用AI的速度遠超過其建置AI安全與治理，然而許多企業為了讓AI應用快速上線而忽略AI安全與AI治理。缺乏監管的AI系統更容易遭受攻擊，且造成的企業損失更為重大。
今年的報告首次針對AI應用的安全防護、治理機制、與控制訪問狀況進行研究；儘管研究結果顯示曾出現AI相關安全漏洞的企業僅佔採訪樣本的 13%，AI應用已經成為門檻低、商業價值高的網路攻擊目標。
IBM安全和營運產品副總裁Suja Viswesan指出，報告結果顯示AI 應用與治理之間的斷層已經存在，駭客正伺機而動。企業的AI應用普遍缺少基本的存取控制，導致機敏資料遭洩漏、模型可以輕易被篡改。隨著AI技術更多、更深、更廣地融入企業流程，AI安全防護必須成為基礎與重心。不作為的代價不僅損失金錢，更將損害客戶的信任、企業的透明度與自主權。
報告也提出一份比較資料：企業若在其安全業務領域廣泛應用AI與自動化技術，其資料洩露損失平均減少190萬美元，處理數據洩漏事件的周期平均減少80天。
報告的關鍵發現包括以下內容：
AI時代的企業安全漏洞發生領域
AI治理政策：63%曾發生數據洩露的企業尚未建立AI治理政策或仍在規劃階段。已經制定AI治理政策的企業裡，僅有34%定期審查未受批准的AI工具。
「影子 AI」的代價：五分之一的企業曾因影子 AI現象（未經公司同意或監管的AI工具）導致數據洩露，僅 37% 的企業制定管理或偵測影子 AI 的政策。與較少出現影子AI的企業相比，發生率高的企業其平均數據洩露成本多出 67 萬美元。涉及影子AI的安全事件導致個人身份資訊 (65%) 和智慧財產權 (40%) 洩露的比率，遠超過全球平均值（分別為 53% 和 33%）。
由AI驅動的智慧型攻擊：16%的數據洩露事件涉及駭客使用AI工具；主要用於網路釣魚或發動深度偽造的網路攻擊。
數據洩漏的經濟損失：
數據洩漏成本：全球數據洩漏平均成本下降到 444萬美元，是近五年來首次下降；但美國企業的平均數據洩漏成本卻高達1022萬美元。
處理數據洩露的全球平均周期創新低：隨著更多企業執行內部漏洞檢查，讓全球處理數據洩露的平均周期縮短至 241天，較前一年減少17天。與被外部攻擊的洩漏事件相比，透過內部檢測發現漏洞的企業平均減少損失達90萬美元。
醫療照護業的數據洩露成本仍居首位。儘管醫療行業的資料洩露成本較2024年減少235萬美元，其742萬美元的平均損失仍在本次調查的所有行業中居首位。醫療業的安全漏洞識別與控制周期長達 279 天，比全球均值241天多五周以上。
更多企業抵制駭客勒索：企業拒絕支付贖金的比率增加，63%的機構選擇拒絕支付勒索贖金，2024年的比率為 59%。儘管有更多企業抵制勒索，敲詐及勒索軟體事件的平均成本仍居高不下 — 尤其是被駭客攻擊時，損失高達 508萬美元。
AI 風險攀升，但企業對投資AI安全措施的動能卻不足：計畫在經歷數據洩漏事件後增加安全投資的企業比率顯著下降，從 2024年的63%降至2025年的 49%。而在計畫追加投資AI安全的企業裡，建置以AI驅動的安全方案或服務的企業不到一半。
數據洩漏的「長尾效應」：營運中斷 、營運成本增加
幾乎所有受訪企業在數據洩露後都發生業務中斷。大多數企業報告回復平均耗時超過100天，可見業務中斷的嚴重程度。
數據洩露的影響不僅止於漏洞控制：近半數企業表示計畫因洩露事件提高商品或服務的價格，其中近三分之一的企業漲價幅度達 15% 或更高。
這份報告由IBM主持與分析、Ponemon Institute 執行訪問；資料來自於2024年3月至2025年2月全球600家發生過數據洩露的企業。
延伸閱讀：
2025資訊長前瞻報告：平衡資安威脅與AI創新是企業成長關鍵
資安人才搶手！工作5年成長1.5倍 薪資中位數5.3萬增12%| 104玩數據
暗網也招手！經驗20年的資安「神級新鮮人」如何成為白帽駭客？
為什麼IBM頻繁輪調、員工技能卻能快速到位？全靠「一張Excel表」掌握技能樹
你們公司會職務輪調嗎？在台灣IBM，有人一年換3個部門、有人3年換5個職務，「內部輪調」是他們的工作日常。面對市場快速變化，工作輪調是企業應戰的必要手段，例如當使用者體驗興起時，設計部門便因應而生；當雲端與AI成為趨勢時，人員也須立刻到位。不過，企業要如何確保員工技能以便快速調度？IBM全靠一張Excel表。
文／李佳樺、劉鳳珍 由Cheers授權轉載
有「經驗」代表有「技能」嗎？僅憑過去結果判斷未來人才發展，在快速變動的市場更容易失準，IBM如何用一張Excel表，攤開員工的技能圖？
面對市場快速的變化，職務輪調已成企業保命應戰的必要管理手段。
「我曾經一年就換了3個部門。」台灣IBM諮詢合夥人暨業務轉型服務群負責人高愈惠分享自己的經歷。另一位諮詢顧問協理曾華彥則在短短3年間，轉換了5個職務。
台灣IBM的同仁，對頻繁地職務調動早習以為常。
顧問業的生意以客戶專案為核心，哪個產業有商機，組織就立刻對應調整，例如當使用者體驗興起時，設計部門便因應而生；當雲端與AI成為未來趨勢時，人員的調度也須立刻到位。
但面對客戶需求又快又急，企業要如何確保員工技能的「存量」足夠，以便能夠快速調度？
一張Excel表拆解顧問技能
IBM的做法是將每個職位所需技能，逐一定義，並發展出以技能為單位（Skills-based）的組織架構。
以顧問職務為例，上面密密麻麻列出顧問部門近百種職位（Job Role）、上千項職位專長（Specialty）與相應的技能組合（Skills set），清楚定義。此外，不同技能的含金量（Premium Type）也一清二楚。這份表單含會隨著市場、專案變化，定期更新。
以表中專案經理的職位為例子，同職位（Job Role）可以拆分出不同的專長（Specialty）。例如有人的專精是微軟系統、有人專精SAP的ERP系統。這兩位專案經理，會有共通的技能如溝通、談判等，也會有各自有別的技能強項。
在美國、歐洲、中國等員工數更多、規模更大的地區，顧問敘薪會參考專長的「成熟度分級」作為判斷指標之一，同樣職等不一定領一樣的薪水。
透過這一張定義清楚的表單，每位員工所具備的技能，無所遁形。企業一旦要調度人員、儲備人才、指派培訓，都有清楚依據，也相對可以減少員工對主管「主觀好惡」的臆測。
例如，如果A部門最近案量少，主管可以指派同仁去學習新興的產品技能；員工如果想轉調業務，則可以在了解業務需要哪些技能下，先在專案經理的職務上，參與公司培訓，取得所需的認證，不用立刻與公司分道揚鑣。
這套系統也有利於促進員工自我賦能，而不是公司開一大堆課，到頭來卻被員工覺得強迫學習。
聚焦技前瞻性，不僅憑績效表現選才
IBM會定期公布公司看重的市場稀缺技能，並透過舉辦競賽、活動，鼓勵員工學習，學習成果也與績效評估連結，每位員工一年至少要達成40小時的學習時數。高愈惠是忙碌的高階主管，2024年8月底就已經達108小時，而且像她一樣超標的同仁不在少數。
在IBM的學習平台上，透過徽章（badge）認證每一個人的學習、成長紀錄。台灣IBM諮詢金融產業顧問協理鄒淑芳曾被主管指派，一項預算規模超過她職級可以處理的專案，她為此而去上資深PM都會想拿的「Experienced PM Badge」課程，學習專案管理方法論，但並非上完課就能獲得這項獎章，還有其他嚴苛的條件。
鄒淑芳花了6年累積專案、導師經驗，最後獲得這項獎章才晉升到下一個職等，「這是我拿過最印象深刻的 Badge（獎章）。」鄒淑芳興奮的說。
IBM對技能重視的嚴謹度，從一件小事可以看出。
大部分企業多認為，只要是主管就「應該」會面試，自己去篩出適任人選，但IBM的主管必須先通過內部訓練考核，取得面試獎章後，才有資格上陣。
「這是IBM正在推動skills as currency（技能即貨幣）的概念， 」台灣IBM人資長邱纓琇說，當技能與績效、升遷串連，學習技能的價值也跟著提高，進而改變整個公司選材的思維。
邱纓琇說：「過去選人的做法，可能是印象中這個員工績效表現好就升他。在IBM，主管要思考公司未來要發展的核心技能是哪些？我如何投資擁有這些技能的人才讓他們一直留在公司？」
換言之，如果以前主管拔擢人才的標準是放在對「人」的主觀評價上，看的是他的過去，往往會疏忽了未來所需技能的重要性。尤其在人才稀缺的今天，聚焦「技能」的專業度高低、市場前瞻性，才是有機會把人才效能變大的睿智做法。
IBM也鼓勵員工攤開自己的職務「蜂巢圖」，讓員工面對下一個晉升職位，有更清晰的成長方向，同時配合課程推薦，儲備未來技能。下圖便是高愈惠和下屬分享自己的蜂巢圖。
透過技能為核心的管理模式，過往學歷、資歷的重要性也開始降低。IBM全球有20％的員工沒有大學學歷，就是憑藉技能說話。在2024年兩千大企業人資長的調查，也呼應此一趨勢 —學歷重要性下降，專業技能開始上升。
你的技能存量足夠面對未來變化嗎？你的團隊當前的技能存摺，足以面對產業變化嗎？加速發展技能，將是人才管理最重要的課題。
（原文標題：IBM全球２０％員工沒大學學歷！他們用「一張表」看出員工技能強項）
推薦閱讀：
當專業技能遇上生成式AI，你會因此變更強、還是被取代？一圖看懂你與AI的距離
2025年「數據／資料工程師」12個必備技能、推薦職缺、證照進修
【上篇】2025台灣人才技能落差總體檢：「技能」已取代缺人成企業最大痛
【下篇】2025台灣人才技能落差總體檢：逾三分之一工作人正偷偷用GAI
「商業知識百科」隆重推出：近100個商業詞庫，免費全公開使用！全台最完整Ｘ各專家審閱
NotebookLM 八大強大功能！節省80%資料處理時間
當AI從趨勢變為職場標配，懂得駕馭AI工具將是拉開專業差距的關鍵。Google推出的NotebookLM正是一款重新定義資料分析與知識管理的強大應用。本文將揭示NotebookLM的八大核心功能，從語音摘要到一鍵生成簡報，展示它如何不僅提升個人生產力，更能優化團隊協作與知識庫建立。這不只是一次工具教學，更是幫助您在AI時代保持領先競爭力的實戰指南。
文／人資市集
前言
在資訊爆炸的時代，我們經常面臨需要閱讀、分析和整理大量文檔或資料的狀況。無論是上百頁的研究報告、冗長的會議記錄，還是複雜的產品說明書，這些文檔往往成為工作中的一大痛點。相信大家都有為了要快速掌握大量資料而感到壓力山大，或者花費數小時整理會議記錄卻仍覺得效率低下，難以抓到重點！
Google推出的NotebookLM，正是為解決這些問題而生。這款強大的文檔分析工具能夠幫助你在短短幾分鐘內完成過去需要數小時甚至數天才能完成的文檔處理工作，讓你的工作效率提升到一個全新的層次。
文檔處理的挑戰及痛點：
資訊超載：需要閱讀和理解大量文檔，但時間有限
語言障礙：面對外語文檔時感到吃力
會議記錄負擔：花費大量時間整理會議紀要
資料整合困難：難以從多個來源提取和整合關鍵資訊
簡報製作耗時：需要花費大量時間將資料轉化為專業簡報
知識管理混亂：團隊間的知識共享和管理效率低下
真實應用案例：從455頁報告到完整分析只需幾分鐘
想像一下，你的客戶剛發來一份455頁的英文研究報告，希望你能在明天的會議前提供分析和建議。傳統做法可能需要你熬夜閱讀，或者乾脆放棄深入分析。
使用NotebookLM，你只需：
上傳PDF文件
等待系統自動分析（通常只需1-2分鐘）
直接向AI提問你感興趣的特定領域，如「請整理報告中關於食品行業的AI應用」
系統會立即從這455頁的文檔中提取相關內容，並以結構化的方式呈現給你，同時提供引用來源，確保資訊的準確性。你可以進一步要求系統生成簡報、心智圖或資訊圖表，幫助你在會議中清晰地展示這些發現。
最重要的是，NotebookLM會在每個回答後標明資訊來源，你可以點擊查看原文，完全避免了AI"幻覺"（無中生有）的問題，確保你的分析建立在真實資料上。
會議記錄的革命：從錄音到完整會議摘要
另一個常見痛點是會議記錄。傳統上，我們需要:
錄製會議
使用逐字稿軟件轉換成文字（通常需要付費）
手動整理成會議紀要
使用NotebookLM，這個過程被大大簡化：
上傳會議錄音（支持長達1.5小時的音檔）或YouTube連結
系統自動生成逐字稿
要求AI「製作會議記錄」
幾秒鐘內獲得結構化的會議整理，包含100字摘要、討論重點、結論和未來規劃建議
這不僅節省了大量時間，還確保了會議記錄的完整性和專業性。
NotebookLM的八大強大功能
NotebookLM不僅僅是一個文檔分析工具，它還提供了豐富的輸出形式，滿足不同場景的需求：
語音摘要：將文檔轉化為Podcast形式，讓你在通勤或運動時也能吸收知識
影片摘要：自動生成解說影片，以視覺化方式呈現文檔內容
心智圖：快速掌握文檔的核心脈絡和框架
報告：生成專業的報告文件，支持多種格式和語言
學習卡：將文檔內容轉化為互動式學習卡，幫助記憶和理解
測驗：自動生成選擇題，測試對文檔內容的掌握程度
資訊圖表：將數據和概念轉化為直觀的視覺圖表
簡報：一鍵生成專業簡報，省去設計和排版的時間
這些功能讓NotebookLM成為一個真正的一站式文檔處理中心，無論你需要什麼形式的輸出，都能輕鬆實現。
知識管理與團隊協作的得力助手
NotebookLM不僅適用於個人使用，還是團隊協作的理想工具：
每個免費帳號可建立100本筆記本，每本筆記本可放置多個文檔
支持筆記本共享，團隊成員可以訪問同一資源
所有筆記和生成內容都可以保存，形成知識庫
適合專案管理，所有相關文檔和討論都集中在一處
這使得NotebookLM成為企業知識管理的理想選擇，幫助團隊更高效地共享資訊和協作。
生活應用：家庭電子設備說明書管理
除了工作場景，NotebookLM在日常生活中也有實用價值。例如，你可以創建一個家庭電子設備說明書筆記本：
收集家中所有電子設備的說明書PDF
上傳到同一個NotebookLM筆記本
當設備出現問題時（如除濕機紅燈閃爍），直接向AI提問
立即獲得準確解答，無需翻閱厚重的說明書
這種應用大大簡化了家庭設備的維護和故障排除。
為什麼現在就應該學習NotebookLM？
隨著AI技術的快速發展，掌握NotebookLM不僅能提高個人工作效率，還能在職場中獲得競爭優勢：
節省80%的文檔處理時間：將原本需要數小時的工作縮短至幾分鐘
提升內容質量：生成專業的報告、簡報和圖表
增強知識管理：更有效地組織和共享團隊知識
降低語言障礙：輕鬆處理外語文檔
最重要的是，NotebookLM的許多高級功能（如資訊圖表、簡報）目前正處於Beta測試階段，免費提供使用，現在學習和使用是最佳時機。
不要讓文檔處理繼續成為你工作中的負擔。立即加入「AI超效文檔助手-NotebookLM × Gamma × Napkin 全攻略」這門課程學習，手把手掌握NotebookLM的全面應用，讓你的工作效率和成果品質都能提升到一個新的高度。
企業用戶歡迎申請課程免費試閱，並選擇「104人資市集 | 企業訂閱制方案」，課程每人每年最低33元起/堂，最低$10,000起搞定全公司整年度的AI導入培訓。亦可團購或授權課程，歡迎點擊下方專人諮詢。
免費試閱
了解方案
專人諮詢
提升員工帶動企業的成長！最划算的 AI 教育訓練方案首選>>
超過7000+的HR都報名過的104人資學程！求職成效提升至4.5倍！>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
告別Excel地獄：用Google免費AI工具，打造零失誤自動化銷售報表
每到月底，您是否也被淹沒在無盡的Excel銷售報表中，為混亂的資料格式、複雜的公式計算和無止境的複製貼上而苦惱？這些耗時且易錯的手動流程，不僅消耗寶貴工時，更隱藏著營運風險。我們將帶您告別傳統的報表地獄，深入探討如何運用強大的免費工具——Google Apps Script + Gemini，將繁瑣的數據處理流程全面自動化。從資料清理、庫存分析到自動生成叫貨單並發送郵件，我們將一步步教您打造一套智慧高效的報表系統，將數天工作壓縮至幾分鐘，徹底解放您的生產力。
文／人資市集
前言
想像一下，每個月底，你的桌面上攤開著「銷售量表」Excel檔案，裡面記錄著數百項商品的銷售情況、進貨成本和庫存狀態；旁邊還有一份「廠商資訊」Excel檔案，記載著二十多家供應商的聯絡方式；以及一份「叫貨單」Word模板，等待被複製貼上無數次...
「又要熬夜了...」你嘆了口氣，開始了月底例行公事。
數據處理的三大痛點
痛點一：混亂的資料格式
銷售表中的庫存欄位，有些寫著「2包9個」，有些寫著「3盒40條」，還有些是「停售」、「尚未進貨」。你必須手動計算實際數量，還要處理重複記錄的品項，如「微糖黑豆奶」出現在兩個不同的列，售價還不一致。
痛點二：繁複的計算工作
計算各品項的總銷量、總營收和毛利率時，你需要設置複雜的Excel公式。特別是處理不同進貨單位的成本計算（如「4袋/40入」成本40元，每個單品成本為1元），稍有不慎就會算錯。
痛點三：重複的文書作業
分析完成後，你必須為每個需要補貨的廠商製作叫貨單，不停地複製貼上廠商資訊、品項、數量、單價、總價...然後將它們一一轉為PDF並發送郵件。這些重複性工作不僅耗時，還容易出錯。
Google Apps Script + Gemini AI 自動化解決方案
透過Google Apps Script結合Gemini AI的強大能力，我們可以將這些繁瑣的工作全部自動化，從數據清理到報表生成，再到郵件發送，全部一鍵完成。以下是具體步驟：
1. 環境準備與檔案設置
將Excel和Word檔案上傳至Google雲端硬碟，轉換為Google格式，並從試算表的「擴充功能」選單開啟Apps Script編輯環境。這一步確保所有檔案都能被自動化程式存取和修改。
2. 使用Gemini AI生成程式碼
這是整個自動化流程的核心環節。無需懂得編程，只要向Gemini AI清楚描述你的需求，它就能生成對應的Apps Script程式碼。例如：
當你告訴Gemini：「請寫一個Google Apps Script程式，從資料夾中找到銷售量表檔案，並讀取'綜合銷售量表_9-5月'分頁的內容」，它會立即生成完整的程式碼：
JavaScript
function findFilesInFolder() {
var folderId = '你的資料夾ID';
var folder = DriveApp.getFolderById(folderId);
var files = folder.getFiles();
while (files.hasNext()) {
var file = files.next();
Logger.log('找到檔案: ' + file.getName());
}
}
你只需將生成的程式碼複製到Apps Script編輯器中，按下執行按鈕，程式就會自動運行。每個步驟都可以用同樣的方式，向Gemini描述需求，獲取程式碼，然後執行。
這種方式特別適合不懂程式設計的使用者，因為你不需要了解程式語法，只需要清楚描述業務需求即可。如果程式執行結果不符合預期，你可以向Gemini解釋問題，它會提供修正後的程式碼。
3. 資料清理與標準化
向Gemini描述資料清理的需求，如「請寫程式將'2包9個'這樣的庫存記錄轉換為實際數量」，它會生成相應的程式碼，自動識別並處理重複品項、統一庫存記錄格式，並將其他備註文字記錄轉換為數字0。
4. 銷售數據分析
告訴Gemini你需要計算各品項的總銷量、總營收和毛利率，它會生成程式碼自動進行這些計算，並將結果按高到低排序，幫助你快速識別關鍵營收品項和高毛利率品項。
5. 庫存分析與補貨建議
描述你的庫存分析需求，如「計算近三個月平均銷量，與目前庫存比較，找出缺貨風險品項」，Gemini會生成程式碼自動執行這些分析，並根據公式計算建議補貨量。
6. 自動生成叫貨單
告訴Gemini你需要根據廠商資訊和補貨建議自動生成叫貨單，它會生成程式碼從廠商資訊表中找出各品項對應的廠商，複製叫貨單模板並填入所有必要資訊。
7. 自動發送郵件通知
描述郵件發送的需求，如「將叫貨單轉為PDF並發送給對應廠商」，Gemini會生成程式碼自動完成這些任務，完全消除手動發送郵件的工作量。
8. 透過Google Apps Script設置自動化觸發條件
在Apps Script編輯器中，點擊「觸發條件」選項，設定時間驅動的觸發機制，如每日、每週或每月自動執行。你可以選擇特定的時間點，確保報表在每個月底自動生成，叫貨單在固定日期自動發送。這樣，即使你不在辦公室，系統也能按照預設的時間表自動完成所有工作，實現真正的全自動化流程。
看了文章還是覺得太難？104 線上課程手把手帶你學會用 AI >>
自動化帶來的改變
透過Google Apps Script結合Gemini AI的自動化流程，你將原本需要2-3天完成的工作縮短為幾分鐘。不再需要熬夜處理數據，不再擔心計算錯誤，也不再被無止境的複製貼上折磨。
更重要的是，這種自動化方式不需要你懂得編程，只需清楚描述業務需求，Gemini就能生成所需的程式碼。這大大降低了自動化的門檻，讓任何人都能輕鬆實現工作流程的自動化。
現在，每當月底來臨，你只需輕鬆點擊幾下按鈕，就能完成所有工作，然後將寶貴的時間用在更具創意和策略性的任務上。無論你是零售業者、電商經營者，還是任何需要定期處理數據和報表的專業人士，這套自動化流程都能為你的工作帶來革命性的改變。
讓科技為你解放時間和創造力，從繁瑣的數據處理中脫身，專注於真正重要的事務！立即加入「行政/營運 AI 超能力：行政流程Ｘ生管Ｘ採購自動化」這門課程學習，手把手掌握Google Apps Script結合Gemini AI的全面應用，讓你的工作效率和成果品質都能提升到一個新的高度。
企業用戶歡迎申請課程免費試閱，並選擇「104人資市集 | 企業訂閱制方案」，課程每人每年最低33元起/堂，最低$10,000起搞定全公司整年度的AI導入培訓。亦可團購或授權課程，歡迎點擊下方專人諮詢。
免費試閱
了解方案
專人諮詢
提升員工帶動企業的成長！最划算的 AI 教育訓練方案首選>>
超過7000+的HR都報名過的104人資學程！求職成效提升至4.5倍！>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
用「優勢公式」找對夥伴！Google與DeepMind工程師如何用AI改寫能源產業
Google與DeepMind工程師如何用AI讓數據中心省電40%，並創辦AI節能新創？看懂能力、動機與洞見組成的「優勢公式」。本文節錄自《商品決勝點》。
文／傑克納普、約翰澤拉斯基
你的優勢是什麼？優勢會以能力（capability）、動機（motivation）與洞見（insight）三種形式出現。為了解釋這三種優勢如何發揮作用，我要帶你回2014年認識三個人。他們日後成為公司創辦人。看看你能否從接下來的段落，找出三人替專案帶來的優勢─並猜一猜他們最終建立哪一種公司。
首先是機械工程師凱蒂．霍夫曼（Katie Hoffman）。
2014年的一個平常日，凱蒂在各種工業設備之間走來走去，手上沾滿灰塵和油汙。她的視線順著亂七八糟的線路走，一下子接這台機器，一下子接那台機器。凱蒂帶領的團隊負責翻新工廠，裝上新型控制系統以發揮最佳效能。這份工作很重要的一環，就是找出舊系統是如何運作，而實際情形永遠和設計文件說的不一樣。
凱蒂盯著的那條線，連到又一個工廠文件上沒提到的感應器。她用手機拍下照片，備註幾句話，然後嘆氣。成功破解舊系統並改善效率，的確會帶來滿足感─但凱蒂心知肚明，再過幾年，又會有另一批人跑來這，拆掉她所有的心血，再度翻新工廠。在那之前，系統將停留在這次的更新，永遠不會改善，直到再度大改造。凱蒂感覺這樣很浪費，想必還有更好的辦法，但是該怎麼做？
接下來是吉姆．高（Jim Gao）─也是機械工程師。
2014年一個普通的一天，吉姆坐在控制室裡，地點是Google位於愛荷華州的龐大數據中心。這座數據中心當初在設計時，吉姆就參與了，但他今天和凱蒂一樣，想著有什麼辦法能改善效能。
廠內漆成亮色的藍綠紅黃管線，通往四面八方，讓這座數據中心看起來有如《超級瑪利歐》（Super Mario）遊戲被搬到現實世界，只不過沒有蘑菇和飛行龜，只有一排排的伺服器機櫃。
一年12個月，一週7天，白天黑夜不停歇，隨時有冷水流過那些五彩繽紛的管線，負責吸收與帶走伺服器產生的熱氣。冷卻管的確有用，但吉姆檢視控制室的讀數，忍不住感到失望。這個系統太耗電。每次機櫃開始升溫，管理數據中心的團隊就必須加快冷卻系統的輸出。加速時耗用的能源愈來愈多，但也不能不加速─伺服器過熱就會當機，網路將斷線。或許這樣的效率不彰是無法避免的，或許工程技術頂多就只能做到這樣，但吉姆總覺得哪裡怪怪的。他到底漏掉什麼？
最後一位是電腦科學家維達．潘奈薛凡（Veda Panneershelvam）。
在2014年平凡無奇的一天，維達坐在倫敦的桌旁寫程式。他和世界級的軟體工程師團隊合作，一起尋找人工智慧研究的聖盃：寫出能在圍棋賽中打敗人類的電腦程式。
如果你不熟悉圍棋，只需要知道很複雜就夠了。西洋棋有10123種可能的走法，但圍棋有10360種，令人難以置信。圍棋棋盤可能呈現的棋局狀態，還要多過宇宙裡的原子數！
如果要在圍棋取勝，維達和同事必須開發出新型的人工智慧做法，創造能看見未來的程式。2014年的時候，大部分的人認為這是癡人說夢，但維達只覺得興奮。如果AI連圍棋都能勝出，誰知道還能替人類解決其他哪些問題。
我們來回顧一下，先從顧客和問題講起：
凱蒂正在解決大型製造商的工業控制系統缺乏效率的問題。
吉姆正在解決Google有如吃電怪獸的數據中心。
維達正在解決……這個嘛，我不認為他實際上是在解決圍棋的問題。我認為他真正在處理的，其實是人腦處理複雜問題的能力有限。我認為他的「顧客」是全人類。我知道，這聽起來有一點過於宏大，但我認為確實如此。
好，那凱蒂、吉姆和維達的特殊優勢是什麼？剛才提過，優勢有三種。
首先是能力。能力是指你能做到很少人能比得上的事。如果你在大公司上班，你可能享有知名品牌的好處，或是專案有很多預算；如果你替迷你的新創公司工作，你的能力有可能是專注與快速行動。不過，最能派上用場的能力通常是傳統的專業技能（know-how）：
凱蒂是機械工程專家，主要做工業控制。
吉姆也是機械工程師，專長是數據中心。
維達是電腦科學專家，專門做人工智慧。
凱蒂、吉姆和維達在各自的領域都是世界級的人才─有如女籃的凱特琳．克拉克（Caitlin Clark）與男籃的「詹皇」詹姆斯（LeBron James）─但光是他們的能力，還不足以完整呈現他們的獨特優勢。
接下來，我們來看第二種優勢：動機。動機是你想解決這個問題的特殊原因；你願意傾盡心力的事，別人不一定願意。動機也很重要，因為動機能指明一條路，讓你躍躍欲試，知道該在何處以什麼方式發揮長處。
凱蒂、吉姆和維達三位未來的創辦人，全都想要解決重要的問題，帶來正面的改變。這種精神令人欽佩，但過於籠統。我是說，很多人當然都想「讓世界更美好」─但唯有動機十分明確的時候，才能協助你決定該做什麼，所以講得再明確一點：
傳統的工業控制系統升級方式讓凱蒂沮喪。
實體系統的限制讓吉姆沮喪。
維達想運用AI替人類解決大型的問題。
注意到了嗎？以上三人中的兩人，主要是沮喪帶來了動力。如果你的動機也一樣，嘿，沒關係的。世上最優秀的產品，有的就是源自為現況感到憤慨、困惑、惱火、痛苦或抓狂。你不一定要從偉大的願景起步，憤怒也能帶來力量。
好，能力和動機加在一起後，三位未來創辦人的優勢變得更獨特。但他們分別會開哪種公司？讓我們進一步了解他們的故事。
兩年後，在2016年3月9日，維達站在南韓首爾四季飯店的會議室，透過現場影片串流，目不轉睛地看兩個人比賽圍棋。
棋桌的一方坐著李世乭，他是拿過18次世界冠軍的專業棋士。另一方則是業餘人士兼維達的同事。
維達看著同事下一個白子，接著注意力一下子回到會議室。電腦螢幕顯示數十張圖。「勝率圖」頓時表示對白方有利。
電腦認為能打敗看似無敵的冠軍李世乭。
過去幾天，維達和團隊成員─15名剛從倫敦飛來的電腦科學家─把會議室改造成臨時的控制中心。AI程式AlphaGo就是他們設計的。他們在控制中心把AlphaGo認為棋子該怎麼下，轉告給維達的同事，那名同事負責把棋子擺到真實世界的棋盤上。
那場比賽的贏家可以獲得100萬美金的獎金。有沒有人跟我一樣，覺得這個場景像是15名科學家合演高科技搶劫片《瞞天過海》？只不過李世乭其實是在和AI比賽，不是什麼祕密。裁判知道，李世乭知道，每個人都知道。全球各地轉播這場比賽，數百萬人觀戰，不過大部分的圍棋專家都認為圍棋太複雜，電腦不可能獲勝。
然而，在那個首爾的三月天，AlphaGo贏了。
數千英里外，吉姆仍在設法改良Google數據中心的冷卻系統。AlphaGo的故事如火如荼展開時，他偶然聽到這件事，備感著迷，開始追蹤首爾的最新情形，一點細節都不放過。
吉姆挖掘細節時得知，AlphaGo的AI使用「深度強化學習」（deep reinforcement learning）這個突破性的方法。吉姆冒出一個瘋狂的點子。深度強化學習會不會有助於冷卻數據中心？畢竟隨時找出最佳的控制配置，有一點像是在圍棋賽中找出最好的一步。
維達的團隊替DeepMind工作，而DeepMind是Google旗下的公司。這不正好。雖然吉姆沒見過他們，但嚴格來講大家都是同事。維達於是寄電子郵件給DeepMind團隊，解釋他的瘋狂點子。
維達認為這個數據中心的挑戰很吸引人，同意試試看。接下來密集的幾星期，維達、吉姆和DeepMind的工程師團隊，寫出新的深度強化學習程式，把Google數據中心的冷卻系統，交給這個新AI負責。
電力使用起初暴增，因為AI做起實驗，隨機調整控制設定，就像小朋友亂按汽車音響上的鈕。不過，AI也和幼兒一樣會學習，強化有效的策略，用電因此出現改善，再改善，持續改善，最後和AlphaGo一樣超越人類，Google數據中心的用電因此銳減四成。
我等一下會繼續說這則故事，但先來看維達和吉姆合作後發生的事。他們整合雙方的能力─吉姆的數據中心專業能力，加上維達的人工智慧魔法─打造出單打獨鬥生不出來的東西，發揮特殊的優勢。不過別急，好戲還在後頭。
2019年，吉姆和維達結識凱蒂─那位擅長翻新工業控制系統的機械工程師。三人開始討論如何能在Google以外的世界，減少能源浪費。廠房在加熱、冷卻與操作各種設備時，耗用大量的電力。AI也能在這方面幫上忙嗎？
吉姆和維達相信他們能大幅改善工廠的能源使用─但需要借重凱蒂的實務知識，才有辦法設計、販售與裝設解決方案。凱蒂曾在詮宏空調（Trane）、英格索蘭工程技術公司（Ingersoll-Rand）、雷神國防承包商（Raytheon）等企業，帶領過工程與創新團隊。她清楚製造商如何作決定，也了解工業控制系統的缺點。吉姆和維達熟悉的是Google經過精心設計的數據中心，而工業廠房的世界遠比那混亂─凱蒂則熟悉這個領域。三人決定放手一搏，辭去工作，在2019年底成立新創公司淮德拉（Phaidra）。
淮德拉是我們Character資本最早投資的一批公司，他們的故事深深啟發了地基衝刺。他們從大膽的專案起步：企圖運用AI讓各種工業廠房更有效率。他們測試點子，學習如何建立顧客的信任感，談成第一筆生意。淮德拉先在大型藥廠展開試行計畫，隔年拿到第一筆大訂單，在5座工業廠房部署AI，最終還把服務拓展至數據中心。維達、吉姆與凱蒂在2014年渴望見到的超越人類、具備適應性、能預測未來的系統，如今成真。
三人能成功的原因是第三種優勢也登場：洞見。
洞見是指對問題與顧客有深入的了解。洞見讓你擁有別人沒有的觀點。吉姆有數據中心的洞見，維達有深度強化學習的洞見，但淮德拉的策略能成真，仰仗的是凱蒂具備工業廠房─以及擁有那些工廠的企業─如何運作的洞見。
淮德拉三位創始人的能力與洞見加在一起，得出獨特的東西。你可以想成一條等式：
能力＋洞見＋動機＝特殊優勢
凱蒂、吉姆和維達見面時，心想：「天啊！想想我們聯手能做到的事！」淮德拉公司或許算極端的例子，但你也能和團隊利用特有的優勢，帶來屬於你們的「天啊！」時刻。
節錄自：時報出版《商品決勝點：全球最成功的產品設計師如何讓顧客買單》／傑克納普, 約翰澤拉斯基 著
OpenAI衝算力 牽手Google 廣達、英業達營運進補
2025-07-18報導 經濟日報記者林薏茹 由聯合新聞網授權轉載
OpenAI因應算力需求大增，除採用最大金主微軟Azure的雲端運算資源之外，也將Google雲端納入其雲端供應商名單。OpenAI規劃，ChatGPT及其應用程式介面（API）採用Google雲端平台位於美國、日本、荷蘭、挪威及英國等地的基礎設施。
法人看好，Google拿下OpenAI雲端服務大單，將催動新一波AI伺服器建置熱潮，伺服器主要協力廠廣達（2382）、英業達等，營運吞補丸。
延伸閱讀：AI新十大建設 預算加碼…打造矽光子、量子電腦、智慧機器人國家級實驗室
OpenAI牽手Google
事件OpenAI在官網更新的雲端供應商加入Google雲端，另，未來ChatGPT及其應用程式介面將使用Google雲端平台、微軟、CoreWeave及甲骨文(Oracle)的雲端基礎設施影響Google雲端為全球第三大雲端服務供應商(CSP)，拿下OpenAI大單，將有助擴大在CSP市場的市佔率，台廠供應鏈也將雨露均霑受惠台廠廣達、英業達等資料來源：外電、法人 由聯合新聞網授權轉載
廣達受惠輝達GB200 AI伺服器出貨放量，第2季合併營收首度衝破5,000億元大關、達5,041億元，續寫單季新高。隨著第2季起較高單價的GB200機櫃出貨升溫、GB300也將於9月加入行列，廣達今年AI伺服器占整體伺服器營收占比可望突破七成。
[joblist_plugin title='104【廣達】工作機會' url='https://www.104.com.tw/company/ahfsoq0' amount='3']
英業達也是Google重要AI伺服器協力廠。英業達指出，上半年出貨以機櫃（L10）形式較多，單價較高，下半年出貨將以主機板（L6）為大宗，受惠產品組合帶動，有助毛利率向上，從出貨量來看，下半年會比上半年成長，全年AI伺服器出貨將有雙位數成長。
[joblist_plugin title='104【英業達】工作機會' url='https://www.104.com.tw/company/1zh8g1c' amount='3']
外媒CNBC報導，OpenAI在官網更新的雲端供應商列表中加入Google雲端，並表示未來ChatGPT及其應用程式介面將使用Google雲端平台、微軟、CoreWeave及甲骨文的雲端基礎設施。
據了解，Google與OpenAI曾針對這項合作進行數個月的討論，但由於OpenAI與微軟之間的排他性協議，而無法達成交易。直到今年1月，微軟調整與OpenAI合作模式，同意從獨家供應商模式轉為優先供應權模式，OpenAI與Google的合作關係才出現轉機。
OpenAI為因應龐大的運算資源需求，與微軟調整合作模式後，動作頻頻，尋求分散雲端供應來源。
OpenAI今年3月與CoreWeave簽署價值119億美元的五年合約，5月又再新增一筆40億美元的大單；OpenAI也於7月初與甲骨文簽下重大雲端基礎建設合作案，金額高達每年300億美元，是目前全球雲端市場金額最高的AI運算合約。
OpenAI執行長奧特曼今年4月曾表示，OpenAI正面臨運算能力限制，公開疾呼「若有人擁有10萬顆GPU容量，並能立即提供，請聯絡我們」，顯見隨著大語言模型規模不斷擴增，OpenAI對運算資源的需求也愈趨迫切。
業界人士指出，目前全球前三大雲端服務供應商（CSP）分別為亞馬遜AWS、微軟Azure及Google雲端，Google雲端拿下OpenAI雲端服務大單是一大利多，有助擴大其在CSP市場的市占率。
AI寫Excel公式這樣最省時！ChatGPT、Copilot描述需求、生成函數、錯誤修正一次學會
不會寫Excel函數也沒關係！本文教你如何運用ChatGPT、Copilot、Gemini等AI工具，從描述需求開始，生成函數公式、修正錯誤結果，快速完成資料整理任務，超實用的新手與職場工作者必備Excel AI技巧教學！本文節錄自《超有料！職場第一高效的 Excel ✕ AI 自動化工作術》。
文／施威銘研究室
本文目錄（點擊可快速前往）
請AI生成函數、公式，輔助整理資料描述需求、請AI生成函數、公式，不懂還可以繼續問！實用技巧：貼上AI生成的函數、公式後執行失敗？實用技巧：描述問題時，截圖給AI最快！
請AI生成函數、公式，輔助整理資料
使用AI：AI聊天機器人（ChatGPT、Copilot、Gemini…都可以）
Excel函數可以說是整理表格資料的利器，延續上一節的「檢查資料漏填」例子，在Excel上普遍的做法是用函數檢查每一列是否有漏填的欄位，例如本例可以用設定條件判斷的IF函數和用來計算範圍內非空值數量的COUNTA函數，組合成公式來做檢查，然後在最後的「確認結果」欄顯示檢查的結果。
但萬一您對Excel不是很熟，光知道該挑這兩個函數出來、進一步撰寫公式，可能就會花一大堆時間，來看AI如何「顛覆」以往的Excel函數學習法吧！
描述需求、請AI生成函數、公式，不懂還可以繼續問！
怎麼開始呢？您不用傷腦筋該如何提供AI方向 （例如提示它「請用函數來解決」)，都不用！只有一個重點，就是跟AI聊天機器人描述清楚我們的需求，這非常重要，包括表格的資料範圍、以及我們希望在哪個目標儲存格得到什麼樣的結果都要講清楚。想更萬無一失的話，能截圖給AI聊天機器人參考最好。
【1】我們先試著用文字來描述需求（截圖的做法最後再試，因為有些免費的AI聊天機器人會限制單日的圖片上傳用量，不是您隨時想用都可以用）。先回顧一下本例的需求。
希望確認每一格是否都有填寫，若有一項沒填就在F欄留下註記
解決問題的環境若回到Excel（而不是餵給AI自動處理），也不用擔心表單樣式會受影響了（圖／旗標出版提供）
【2】以本例來說，是使用以下的提示語（prompts）：
（圖／旗標出版提供）
檢查B3~E27欄位是否都有輸入資料。若有空白的儲存格，在F3~F27標示「有資料未填寫」
⬆儘量描述清楚欄位的位置
或者
使用Excel函數，檢查B3~E27欄位是否都有輸入資料。如有空白的儲存格，需要在F3~F27標示「有資料未填寫」
⬆若您大概知道可以用函數來解決，可以加這段，這樣AI的回答就會鎖定在函數，不會回答的很廣泛，導致一時不知該用哪個解法
【TIP】撰寫提示語時，務必清楚描述欄位範圍與條件，例如明確指出「檢查B3:E27範圍內的每個儲存格」，而非模糊的「我想判斷F欄前面的資料有沒有漏」敘述。同時，也要清楚說明判斷條件（例如要找出有空白的格子）與執行動作（例如「在對應F欄標示『有資料未填寫』」），確保AI可以正確理解並執行任務。
（圖／旗標出版提供）
上圖讀者也看到了，AI聊天機器人不只給我們答案，還貼心地提供函數和公式的說明（就是怕您不會用），完美取代了以往Excel函數書、網路上函數教學文的地位（而且不懂還可以繼續問！）
很多AI聊天機器人都會提供複製功能，找到後並點擊就可以複製公式（若沒有，手動複製網頁上的公式也很快）。
【TIP】以上圖AI生成的公式來說，因為每一列都是4格（B、C、D、E這4欄），AI的解法是判斷哪些列「有資料」的儲存格小於4個，小於4個就表示該列有空白的儲存格（資料未填）。本書的精神是優先解決Excel問題，AI給的函數、公式細節讀者可以再慢慢研究。也再次提醒讀者，AI回答的內容不是100%正確喔！AI聊天機器人最擅長的就是生成文字，但也有生成虛構、錯誤內容的可能。如果AI所生成的函數、公式失效了，有時候執行後並不會有什麼錯誤訊息（只是你要的結果沒出現），此時最快的做法就是請AI生成另一個公式給我們試試。
【3】而AI聊天機器人在提供解法時，也可能以「純文字」來做回應，但慢慢讀文字沒什麼效率，可以請AI給出函數／公式。如下圖：
但慢慢讀文字沒什麼效率，可以請AI給出函數／公式（圖／旗標出版提供）
【4】此外，由於AI聊天機器人給的公式可能跟本書示範的不一樣，甚至您每次操作時得到的答案也可能不一樣，不過只要試過能完成任務就沒差。若您問AI聊天機器人有沒有其他的函數解法，它也會提供你新的公式：
本例筆者重新發問後，ChatGPT給了其他的公式解法，所用的函數都不太一樣（圖／旗標出版提供）
老話一句，我們先不用管公式是長是短、內容為何，能解決問題就好！本例先試AI給的這個公式。把公式貼到F3儲存格，按住填滿控點「+」，往下拉到F27儲存格，瞄一下左圖的F欄，看起來公式是OK的。選擇填滿但不填入格式，以保留原儲存格的樣式，這樣就完成操作了！
（圖／旗標出版提供）
實用技巧：貼上AI生成的函數、公式後執行失敗？
上圖在AI生成函數的幫助下，缺資料的那一列最後面都做了註記。但AI提供的公式絕對有可能會出錯（特別是在範圍設定或條件判斷的細節上），當出錯時，當然可以請AI修正，或者詢問是否有其他解法。例如：
這個公式不對，請幫我檢查錯誤或提供替代公式
依經驗，單只有給AI文字提示語最容易遇到公式出錯，因為描述需求時容易有遺漏或模糊不清，此時當然可以自行檢查公式內容，有時候或許不難除錯，例如F3改成F4這樣的小問題。但自行檢查有時很花時間，這時不如回頭檢查提示語是否有清楚說明欄位範圍（例如B3:E27），以及明確列出條件與目標（例如「檢查是否有空白儲存格」並「在F欄標註」）。
實用技巧：描述問題時，截圖給AI最快！
面對Excel資料整理需求時，如果prompt描述的夠到位，其實問題就解決一半了。但關鍵就在用文字描述需求有時候很花時間，也容易描述得不夠精確、甚至寫錯…
依筆者經驗，最省時省力的方式就是直接截圖給AI，大部分AI聊天機器人的圖片辨識能力都很強（中英文都通），能快速解析圖片中的內容理解問題。比起繁瑣的文字描述，傳截圖給AI的問題分析準確性高，還能大幅節省時間。
準備好截圖給AI，重點在於，Excel上面和左邊的編號，以及和您的目標欄位（例如F欄）一定要包含在圖片內。（圖／旗標出版提供）
【TIP】針對電腦畫面該怎麼截下來，Windows上有提供Print Screen鍵抓全螢幕畫面，但這樣就得再手動截取範圍，有點麻煩。筆者通常是額外安裝FastStone、HyperSnap等專用來截圖的軟體，利用裡面的「截取區域」功能把要的範圍截下來。若您用的是Mac電腦，內建的Shift+Command+4組合鍵就可以截您指定範圍的畫面了。
截圖備妥後，拉曳到對話框就可以附給AI（這裡是以免費版ChatGPT來操作），再輸入提示語描述需求，因為有附上圖，可以描述的更簡潔（圖／旗標出版提供）
【TIP】現階段無論是ChatGPT、Copilot、Gemini...等都可以接收圖檔來做判讀，讀者要用哪個AI聊天機器人來操作都可以。不過前面提過，免費版的ChatGPT用戶雖然可以使用圖檔上傳功能，但會有用量的限制，當您對話到一半時，可能會出現無法繼續使用的訊息。若真的被限用了也沒關係，免費的AI聊天機器人多的是。不過，建議也要多熟悉文字的描述技巧，以備不時之需！
當不是請AI聊天機器人自動整理資料，而是請它「輔助」生成函數來解決Excel問題時，筆者最喜歡附上截圖方便AI理解prompt 。AI解析圖片的速度很快，幾秒鐘就可完成，依經驗，提供截圖的AI出錯機率比單用文字prompt低非常多喔！
節錄自：旗標出版《超有料！職場第一高效的 Excel ✕ AI 自動化工作術：生成公式 + 函數、做自動化，用 AI 解決所有 Excel 難題！》／施威銘研究室 著
推薦閱讀：
Excel公式讓ChatGPT幫你寫！輸入指令就能懂的Excel公式教學
ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料
ChatGPT生成Excel圖表不卡關！xy軸設定、中文顯示問題輕鬆搞定
[course_plugin title='推薦Excel相關課程' keyword='excel' amount=2]
【104 talks】必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能｜2/20 線上免費直播
文／104人資市集
「104 talks」致力於協助職場人士的知識學習與能力提升
為每位忙碌的職場人士，創立一個能夠高效學習的節目平台，集結各領域專業講師的知識與分享，為職場人士帶來啟發和新視角。
必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能
2025年想讓工作變得更輕鬆、高效嗎？
這場講座將帶您解鎖全新的工作思維，從掌握大局、時間管理到善用AI技能，讓繁瑣流程迎刃而解，能更精準且有策略的執行，輕鬆達到事半功倍的效果。
一起加入這場聰明工作術的旅程，讓工作變得更簡單！
講者及主題介紹
★黑馬思維－看懂局勢 跳脫平凡的密技- 主講人 : 楊東岳 | 大玩創意有限公司執行長
★掌握時間成本，創造高效任務管理策略- 主講人 : 曾正文 | PMP 國際專案管理師
★用AI方法徹底改造工作，輕鬆成為效率達人！- 主講人 : 林尚能 | 企業經營顧問
★這輩子免學Excel公式，用AI全部解決 - 主講人 : 吳承穎 | 查特普拉斯管理顧問有限公司 共同創辦人
講座資訊：
講座時間：2025/2/20（四）13:30~15:00
報名截止時間：2025/2/18(二)
活動形式：線上免費直播
適合對象：所有職場人士
價值：3600元 → 免費
立即點我免費報名
【報名流程】
1. 活動前1天，我們將以Email寄送活動通知及相關資訊給您，請隨時留意Email，以免遺漏。2. 本講座會以Youtube直播的方式進行。
【注意事項】
報名前，請詳閱課程內容及購買須知。
104 人資市集 保有相關課程內容調整及講師之變動權，可能視情況進行適當的修改與調整。
104 人資市集 保留報名審核權利。
如有課程相關問題，請至聯絡我們留下相關訊息。
． ． ．
最划算的全方位教育訓練方案！免費申請全課程試閱 >>
推薦你更多相關的好文章>>
【104 talks】時代 vs 世代：不可不知的 EAP 推動要點 | 興智國際執行長 黃智儀
【104 talks】現代領導者的人生進化指南 | 波波黛莉共同創辦人黃晨皓 Kim
【104 talks】AI 數據智能時代的工作再定義 | 微軟人資長王有蘋
【104 talks】運用心理能量，職場一路順暢 | 蘇予昕心理師
【104 talks】啟動你的能量計畫，打造高效人生 | 最速總經理王冠翔
【104 talks】提前佈局不被市場淘汰！第二曲線創新學 | 郭瑞祥
滿足中小企業的培訓需求！超過150+課程任選 >>
訂閱市集電子報與你分享專家文章及最新活動訊息 >>
加入104人資市集 Line 獲得新知與獨家優惠！
新聞中的法律／AI帶來法律與倫理新課題
2025-03-10 經濟日報記者江睿智 由聯合新聞網授權轉載
※ 註：本文由達文西個資暨高科技法律事務所長葉奇鑫口述，記者江睿智整理
生成式AI快速發展，將改變世界。在AI應用發展同時，亦衍生許多法律與倫理新課題。世界各國正討論AI法草案及框架，台灣亦預告AI基本法草案，歐盟AI法草案已發展出風險分級監理策略，將來有望成為台灣AI監理基本框架。
AI帶來法律與倫理新課題，例如，AI變臉很容易，如何預防AI詐騙；未來AI完成著作是否有著作權；以及AI可能造成歧視。
延伸閱讀：AI狂熱有增無減！3.2萬個工作創新高 AI寫履歷，Z世代求TP值，資深世代要亮點
以就業歧視來講，現已有不少案例，例如2016年美國勞動部指控Palantir涉及自2010起長達18個月期間，在AI履歷審查、面試等關卡淘汰掉亞裔求職者，儘管他們資格與白人求職者相當。
2014年亞馬遜機器學習團隊開發審核求職者履歷自動化系統，但發現因模型訓練所提供資料多為男性聘雇紀錄，導致「女性」一詞出現時系統就會扣分，後來公司棄用該系統。
這凸顯出，AI訓練資料都是真實，演算法也是中性，但訓練出來的AI卻帶有偏見。人資的AI是被列為高風險，凡是AI來判斷人類的系統，都不建議使用，包括人資AI面試。
隨著AI發展，世界各國正討論AI法草案及框架。歐盟是採風險導向之監理政策，將使用AI風險分級，主要分四級：不可接受風險、高風險、有限風險、低風險／極小風險。
針對不可接受風險，則禁止使用AI；若是高風險，可用AI，但須在政府監管、認證下使用；有限風險等級，則要有透明化義務，例如客服必須揭露是AI服務，並且提供拒絕權；低風險和極小風險則無義務之規範。
何謂不可接受風險，依歐盟規範，有四方面。一、透過影響人類潛意識、操控人類行為、且可能對人類身心造成傷害；二、利用人類年齡、身心障礙等方面弱點，操縱其行為，且可能對人類身心造成傷害；三、直接或間接被公務機關用於社會評量目的，且可能對特定個人或族群造成不公正影響；四、在公共場所為執法目的執行即時遠程生物特徵辨識。
高風險則有八項。一是對自然人生物特徵辨識；二是關鍵基礎設施的管理與運作；三、教育和職業訓練；四、聘雇及員工管理；五、重要私部門服務和公共服務取得；六、刑事執法；七、移民、難民和邊境管制；八、司法和民主進程。
像是私部門AI面試，就必須取得歐盟CE認證才可進行。此外很多企業會想以「刷臉」取代員工出勤紀錄「刷卡」究竟可不可以？且在AI時代下，收集員工指紋、臉部資料，是可以進行AI訓練，惟這些都是很敏感的個資。
國內企業也曾提出此議題，最後國發會決議是認為，臉部是員工個資，若員工不同意，就不能用。但職場上老闆相對強勢下，那個員工敢不簽同意函？在歐盟，即便是員工同意、並且有員工的同意函，刷臉取代刷卡，還是很有可能被註銷。
台灣預告「AI基本法」草案，還只是AI監管工作分配表，其中明定數發部應參考國際標準或規範發展AI資訊安全保護、風險分級與管理，推動與國際介接之AI風險與管理。以目前國際發展，歐盟將AI風險分成四級，也可望會是將來台灣採用的框架。
工作導入AI，卻常常做一半沒下文？104資深協理：別先想「AI能做什麼」
做了一堆AI工具，卻沒多久就晾在那裡？該如何真正用AI解決工作問題？104資深協理李明倫分享3個實際案例、5類提示詞與7步驟實作法，教非技術職從「非做不可」的工作開始，把工作拆成角色交給不同的AI，打造你的「AI營運團隊」。
文／《104職場力》整理
本文目錄（點擊可快速前往）
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？如何選題：第一個AI專案，不要挑最大的問題讓AI進入工作流程：3個案例看人與AI重新分工非技術職如何和AI協作？把AI當「第一天上班的聰明新人」從問題到落地：非技術職也能採用的7步驟從最想解決的問題開始，打造你的AI營運團隊
公司導入AI後，興沖沖用AI做了一堆工具、Dashboard與Skill，卻過沒多久就晾在那裡，或者做一做就沒有下文……這可能是許多工作者近期的共同經驗和痛點，到底該如何和AI分工協作、真正用AI提升工作效率？
104人力銀行資深協理李明倫（Will Lee）觀察，生成式AI的出現，讓「先做一個工具看看」變得很容易，而他認為，AI應用能否落地，關鍵不在工具本身，而在一開始挑的問題。因此他認為，導入AI的第一個問題，不是先想「AI可以做什麼」，應該從「我現在最想解決什麼問題？」開始。因為持續存在的問題會帶來足夠的改善動力，團隊才會願意反覆測試、修正，最後把AI放進日常工作。
本文整理自104人力銀行資深協理李明倫於104「AI煙火小聚」分享的主題「如何打造你的AI營運團隊」，他並非技術職主管，過去兩年卻與團隊透過生成式AI、自動化及AI輔助開發（Vibe Coding），逐步改善資料整理、客服追蹤與工作流程，本次分享他與AI的協作心法。以下節錄精華內容。
【開始前的提醒】操作前應確認AI工具權限與資安規範本次分享中，李明倫使用公司提供的Claude企業版來協助盤點工作問題。實務上，工作資料能否提供給AI，仍應依照各公司核准的工具、權限與資安規範來判斷。建議操作前需確認哪些資料可以上傳、哪些內容應先去識別化。
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？
在成長期的單位，常見的工作狀況是：新的客戶、新的服務與新的流程持續出現，連帶增加新的名單、資料、報表、分析及管理需求；即使工作量倍數成長，但人力卻沒倍數成長，系統建置速度也不一定能跟上，因此耗費大量時間在人工整理資料。
「最好的方法還是系統。」李明倫說：「可是新的單位、新的服務很多流程還不確定，不可能直接建到CRM。」尤其是新服務剛開始運作時，流程與規格可能仍在調整。若此時投入大量工程資源建正式系統，一旦作業方式改變，系統都得跟著改。他形容，這階段急著要求PM與工程建系統，「其實只是在丟另外一個炸彈給他們」。
這種情況下，許多團隊會先用Excel試算表來因應過渡期。「結果就是我很會用Excel，包括寫各式函數。」他說，資料不多時，這種方式快速又有彈性；但隨著檔案、函數與使用者增加，Excel的極限逐漸浮現，例如檔案跑不動、多人共用時可能誤改、資料散落在不同檔案，或是主管需待人工彙整才能掌握進度，都是可能發生的問題。
而本次分享的AI輔助開發工具，李明倫將它定位為「過渡方案」。它不取代正式後台，也沒有直接串接所有系統；用途是讓尚未定型的流程先被實際使用、驗證和修正。等規格逐漸穩定，團隊再把真正需要的功能移入正式系統。這段過渡期也像一場低成本的使用者測試，幫助更快確認規格與使用方式。
如何選題：第一個AI專案，不要挑最大的問題
首先要注意的是，不是所有工作都值得投入時間打造工具，李明倫建議，優先挑「高頻、重複、可標準化、成效可驗證」的問題：
高頻：經常或定期發生。
重複：大量步驟相同，人工反覆複製、整理或確認。
可標準化：狀態、判斷條件、處理順序或截止時間能說清楚。
可驗證：能用時間、錯誤率、處理量、採用率或其他KPI比較改善前後。
選定之後，他建議先問5個問題，把答案寫下來當作「改善前」的基準：這件事多久做一次？每次花多少時間？有幾個人參與？哪裡最容易出錯？成功後要看哪個KPI？
另外，第一個專案不必挑全公司最大的痛點。規模越大，利害關係人、資料來源與例外情況通常越多。從最常重複、最容易驗證價值的工作著手，更容易做出第一個真的有人使用的版本。
讓AI進入工作流程：3個案例看人與AI重新分工
案例1：客服案件量大，進度仍靠Excel管理
把Excel搬上網頁只是表面，真正的改變是工作方式
某個客服團隊每天要處理大量資料，一筆筆聯絡、確認、做紀錄。曾經客服為了不掉球，發展出「把資料複製到Excel」的整理方式，記下當天聯絡狀況與下次聯絡日期，也方便主管查看進度及數據。為了改善工作流程，團隊起初嘗試增加試算表的函數和提醒，檔案卻隨資料累積變得更龐大、跑不動。李明倫接著把工作群組中的大量溝通訊息、現有流程規則、團隊成員口頭反映的問題彙整，交給AI協助標出流程中明確與仍在變動的部分，以及可能的斷點。
關鍵在於，AI蒸餾出可能的問題之後，還要跟現場同仁確認。「AI畢竟不在這個單位裡面，整理完以後我們還是會跟同事討論，哪些是大家認同的、哪些是AI想像的。與實際狀況不符合的，就剔除掉。」
問題收斂後，他們以Vibe Coding建立網頁工具來快速驗證。客服仍然處理同一批案件，但操作方式改變了：
所有案件集中處理，減少在不同資訊之間來回切換
網頁化操作，多人可同時查詢及填寫，資料不會互相覆蓋
可依案件屬性、時間與處理狀態等條件搜尋及排序
優先顯示當天必須處理案件，急件也能調整優先序
主管可直接查看處理量及相關數據，省去另行整理
【案例1】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這項工具的重點不只是幫忙整理資料，還改變了客服每天如何工作。客服能把注意力放在聯絡與服務，資料搜尋、排序、提醒與統計則交由工具承接。流程還在變動時，團隊也可以快速修改規則，持續確認哪些功能值得進入正式後台。
他分享，工具導入後，即使曾有人力較吃緊的時期，團隊單人每日處理量仍能較過去平均提升一倍以上，工作量的波動也有所下降。不過他也補充，還有各種因素可能影響成果，因此不能將改善幅度完全歸因於工具。
案例2：開發名單持續增加，需在多份Excel不斷切換
從「整理排序」到「開發優先順序建議」
另一個團隊會接到多種來源的開發名單，例如講座名單、不同月份的專案名單、AI推薦名單，每種檔案格式、欄位和產生時間不同，累積一段時間後，客服可能需要在多份試算表之間切換與比對；多人共用時，同樣可能不小心覆蓋資料。
為了改善工作模式，本例也以AI輔助開發製作管理工具，將不同批次的名單集中到同一個工具，客服可依人員、批次或開發狀態篩選，主管也能看到整體進度。同時，工具內不會直接顯示敏感的聯絡資訊，沿用內部原有的權限控管。
【案例2】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這個案例不同之處，是「名單整理排序」還多了一道AI與人工的來回協作：以AI參考過去成功案例的特徵，提出新名單的開發優先順序建議，並交由人工審查註記。人工複核被安排在關鍵判斷和防呆節點，大量整理與初步排序則交給AI。
案例三：公用客服信箱大量來信，回覆、紀錄、管理都費時
Power Automate與AI接力分類處理
公用信箱的回覆與管理也是許多團隊的痛點。信件數量少時，大家可以直接分工處理；但隨著業務成長，短時間內累積數百封來信，便可能出現重複處理、漏回或無法掌握處理進度等問題。
團隊原本把每封信登記到Excel試算表，再手動註記分類及處理狀態，管理雖有改善，行政負擔卻很重。
李明倫和AI討論解決方案，說明來信量、人工步驟與管理困難，最後決定採用Power Automate自動化工具，將Outlook收到的郵件定期匯入試算表，不必再花時間備份，收到即同步；再由AI協助分類，最後上傳至前例開發的客服處理工具，集中查看信件類別與處理進度。另外，Power Automate是AI提出的第2個建議。原先想的解法不可行，討論來回幾次才定案。
【案例3】信件管理流程示意圖（圖／104職場力小編使用AI製作）
共通點：沒有預設解法、讓AI從工具變營運夥伴
3個案例看下來，第一個共通點是都沒有預設既定解法。他們把團隊工作現況與遇到的困難交給AI盤點、討論，再從幾個解決方案裡比較選擇、來回修正，最後採用的做法有時可能與最初想像相差很遠。這些工具也都由團隊共同討論、實際使用並調整修正。
第二個共通點，是工作被重新拆解過。李明倫用「AI營運團隊」來形容，核心主張是把工作重新解構，拆解能力、角色，再看哪些可以交給AI。以名單案例為例，一套流程內其實有好幾種職責，例如整理與比對資料（助理、分析）、釐清規格與流程（PM）、開發工具（工程）、產出主管要看的數字（Dashboard管理），最後才是實際聯絡客戶的客服。現在其中好幾段交給AI，角色之間會互相接力，人只留在需要判斷的節點。讓AI從工具，真正變成「共同營運夥伴」。
非技術職如何和AI協作？把AI當「第一天上班的聰明新人」
「AI不是通靈。即便他非常聰明，你沒有跟他講清楚，他的回答當然不會精準。」
李明倫把AI視為第一天上班、能力很強的新同事。不過，AI能快速分析與建立原型，卻不了解部門情境，也不會讀心。若提供的背景越模糊，來回修正的次數通常越多。
因此盤點型提示詞可以包含5類資訊：
背景現況（Existing）：工作現狀、流程如何運作
規則與判斷邏輯（Rules）：工作實務上的詳細規則，包括決策規則、狀態定義、操作模式
佐證資料（Evidence）：實際工作檔案、畫面與案例說明
問題與落差（Problem）：目前看到的問題，哪裡耗時、容易出錯、缺少SOP
明確任務要求（Ask）：希望AI最後產出什麼、給誰用，例如建立SOP、待確認資訊、問題及建議
他也分享，「盤點型」和「工具型」的prompt不太一樣：盤點型要把問題和資料給足，和AI討論出卡點；而工具型比較單純，就是把功能講清楚。
AI「專業新人」交辦模板
想請AI先協助盤點問題，可以使用以下格式：
我目前要處理的工作是＿＿。現在由＿＿負責，使用＿＿工具。這件事大約每＿＿執行一次，每次花費＿＿。目前最耗時或容易出錯的環節是＿＿。現有資料包括＿＿。必須遵守的規則是＿＿。我希望改善的結果是＿＿。請先幫我整理目前的工作流程、主要痛點與可能解法，暫時不製作工具。請同時標出適合由AI協助的步驟，以及仍應由人判斷的步驟；如果資訊不足，請先向我提問。
實作心得1：一次只加一個功能，做完立刻驗證
直言自己並非技術職，李明倫打造工具時，會先和AI討論方案是否可行，確認後再逐步增加功能。他曾一次要求多項調整，結果自己和AI都容易混亂；後來改成一次處理一個小功能，完成後立刻驗證。此外，正式讓同事使用工具後，後續修改則要區分測試版與正式版（Staging／Production），避免調整功能時讓現場工具直接停擺。
實作心得2：AI說「很簡單」，不代表真能做出來
AI提出可行方案後仍要實測。李明倫坦言，有些AI口中的「很簡單」，最後仍可能做不出來；第一版範圍越小，團隊越能及早發現限制。遇到看不懂的技術問題時，他也會直接請AI換一種方式解釋，確認自己理解後再做選擇，避免盲目操作讓後續修改變得更複雜。
實作心得3：把專案知識建立在MD檔
每個主要專案也會建立MD檔，記錄規則、步驟與使用方式，避免重要脈絡散落在長對話中。至於是否進一步做成可重複調用的Skill，則要看流程的共通性。李明倫提到，許多工具的規則非常細，只適用特定單位；若跨團隊無法直接套用，保留成專案MD檔更實際。
實作心得4：文字講不清楚，就截圖給AI看
李明倫提到，和AI來回修正時，他大量使用截圖：把畫面截下來、圈起要改的地方，比打一長串文字精準得多。若要說明幾份檔案之間的關聯，他甚至會用PowerPoint畫成一頁示意圖。部署失敗時也是同樣做法：平台上會顯示錯誤訊息，截圖給AI就會自行修正，讓錯誤不再是障礙。
從問題到落地：非技術職也能採用的7步驟
想從0開始一個AI專案，必須涵蓋選題、盤點、測試與持續營運。綜合李明倫分享的實務做法，整理為以下7個步驟：
Choose 選題：選一個值得解決的問題，優先挑「高頻、重複、可標準化、成效可驗證」。寫下發生頻率、每次花費時間、參與人數、常見錯誤與成功指標。
Define 定義：用EPSP梳理現況（Existing）、問題（Problem）、AI解法（Solution）、標準流程（SOP）與預期影響（Business Impact）。
Discover 盤點：蒐集現有試算表、文件、SOP、工作討論、操作畫面，訪談真正執行工作的人（使用者痛點），再請AI整理流程、痛點與可能機會。整理完務必回到實務現場逐項確認。
Prototype 原型：只解決一條核心流程，第一版先求能用、能測，不急著做成完整系統。
Test 實測：找一位真實使用者放入真資料，實際使用一段時間（一天／一週），記錄錯誤與新需求，反覆修正。
Standardize 標準化：把有效做法整理成固定輸入、固定流程與固定輸出，並定義負責人、更新頻率、SOP及檢核標準。
Review 檢討：定期檢查時間、品質、KPI、使用率與可擴充性；若規則或現場需求改變，再回到下一輪選題與定義。
李明倫認為，真正可複製的不是Prompt，而是「Problem → Solution → SOP → Review」的方法，重新拆解工作，讓工作流程持續進化。
從最想解決的問題開始，打造你的AI營運團隊
而在工具導入後，李明倫建議AI專案的成效不要只看「做出幾個工具」，應追蹤使用者是否持續使用、人工時間是否下降、錯誤或遺漏是否減少、工作品質和核心指標是否改善，以及這套流程能否被交接與持續調整等。
他也強調，雖然本次分享是使用Claude，但不同AI工具都能協助盤點流程與建立原型，介面設計、功能穩定度和使用習慣可能各有差異，選擇自己和團隊用得順手的工具即可。真正決定專案能否落地的，仍是問題是否值得解、規則是否講得清楚，以及使用者是否參與驗證。
從「非做不可」的工作開始，AI才會進入每天與每週的真實流程。當團隊持續經歷「發現問題、建立解法、形成SOP、檢視成效、再修正」的循環，累積下來的成果會超過零散的提示詞或單一工具，逐漸形成一套可運作、可交接、可改進的人機協作系統。
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
微軟、Google、Meta擴AI基建…三巨擘搶買伺服器 台鏈吃補
2025-10-31 經濟日報編譯劉忠勇、記者吳凱中 由聯合新聞網授權轉載
微軟、Google、Meta三大北美雲端服務提供商（CSP）公布財報，看好AI需求強勁，同步上修未來資本支出預測，AI伺服器建置動能持續到明年，相關供應鏈鴻海（2317）、廣達、緯創、緯穎、英業達等後市看俏。但科技巨頭持續投入驚人資本支出，也開始考驗華爾街投資人的神經。
延伸閱讀：AI需求旺 掀搶電大戰…台廠積極布局
Google母公司Alphabet單季營收首度突破千億美元大關，公告今年的資本支出將達910億至930億美元，高於先前的850億美元，是今年第二度調高。微軟執行長納德拉則表示將「持續擴大AI領域的資本與人才投資，以把握前方龐大的機會」，高層並預測，明年資本開支接近1,400億美元。
▲ 圖片來源：聯合新聞網授權轉載
Meta財務長蘇珊・李指出，2026年資本支出將「顯著高於」2025年，明年的整體支出成長率也將「明顯加快」。Meta今年資本支出將達700億至720億美元，高於先前預估。
Alphabet、Meta和微軟上季資本支出總計達到780億美元，年增率高達89%，微軟上季資本支出349億美元更創新高，投資人對燒錢速度和回收時程感到不安，Meta和微軟在29日公布財報後盤後股價雙雙下跌，Alphabet盤後股價大漲。美股30日早盤，Alphabet上漲、Meta下跌，微軟下跌。
市場持續質疑AI是否正在醞釀另一大泡沫，Bernstein分析師Mark Moerdler在微軟高層的電話會議中提問，這些AI投資是否真能帶來回報，「或者坦白說，我們是不是正處在泡沫之中？」微軟財務長胡德重申，即使過去幾季投入數百億美元，仍無法滿足當前對AI及其他服務的需求。
因應北美四大CSP及中小型客戶AI算力需求，鴻海、廣達、緯創、緯穎、英業達、神達等伺服器大廠今年已大舉擴增美國伺服器產能。仁寶、和碩今年也有美國建設計畫，仁寶昨（30）日公告，董事會核准子公司Compal USA Technology Inc.在德州Taylor與Georgetown兩地簽署租賃協議，建置新據點，共投資9,410萬美元（約新台幣28.95億元）。
鴻海董事長劉揚偉日前指出，客戶需求持續強勁，鴻海過去一年擴大AI伺服器相關投資規模，已開始開發輝達下世代Vera Rubin NVL 144 MGX平台，預估出貨時程可能落在明年下半年。
[joblist_plugin title='最新【鴻海】職缺這邊看！' url='https://www.104.com.tw/company/233rv1s' amount='5']
廣達執行副總暨雲達總經理楊麒令先前表示，AI需求持續爆發，廣達訂單塞爆，今年以來已擴產八次，仍不敷使用。緯穎方面，法人預估，訂單能見度看到2027年，主要客戶都在加碼投資AI基礎設施，產業前景樂觀。
[joblist_plugin title='最新【廣達】職缺這邊看！' url='https://www.104.com.tw/company/ahfsoq0' amount='5']
2026年COMPUTEX喊燒！「AI五層蛋糕」多家企業 7/4全面搶才
2026年COMPUTEX登場，今年以「AI Together」為主題，聚焦AI運算、機器人&智慧移動、次世代科技等主題。104人力銀行指出，求才端，當AI發展走向基礎建設與應用，參加COMPUTEX的企業也爭搶AI發展關鍵人才，如電源設計工程師、AI伺服器研發工程師、機電工程師等職務；求職端，科技人才求職動能轉強，年增幅6%。想找參與COMPUTEX企業的工作機會，歡迎報名104人力銀行7月4日在台北世貿一館舉辦的「2026職涯博覽會」，參展廠商如台達電子、廣達電腦、緯創資通、華碩電腦等企業將現場徵才，歡迎報名參加：https://104cweb.pse.is/8u5j4n。
黃仁勳宣示Vera Rubin進入量產 緯創、廣達招募硬體設計人才
2026年COMPUTEX全球AI晶片龍頭輝達（NVIDIA）同時段舉行GTC Taipei盛會，執行長黃仁勳發表演講聚焦AI領域的最新技術進展，將推出下一代平台Vera Rubin，並揭曉新一代晶片「N1X」，150家台灣供應鏈夥伴將扮演關鍵角色。104人力銀行指出，與輝達高度緊密合作的供應商如緯創、廣達招募雲端伺服器硬體設計、伺服器技術副理/經理等人才，期待求職者進行系統硬體設計、功能驗證，跨單位合作解決產品各階段如試產、展示、量產之軟硬體問題。
將AI發展擴展到黃仁勳曾提及的「AI五層蛋糕」（Five-Layer Cake）架構生態系，除了「基礎設施」外，台灣科技大廠在「能源」也扮演重要角色，像是康舒科技招募資料中心電源設計資深工程師，執行機種開發、研究新線路與控制技術，台達電子則招募伺服器電源韌體實習生，協助開發與維護電源產品韌體，讓學生尚未畢業就能參與AI發展；在「應用」端，因為AI落地與顧客端的溝通相當重要，企業招募解決方案PM、規劃師等職務，確保有好的使用體驗。
AI五層蛋糕（Five-Layer Cake）企業&職缺舉例 資料來源：104人力銀行AI五層蛋糕分類參與職涯博覽會企業職務舉例能源（涵蓋資料中心用電、電源供應及儲能系統。)台達電子伺服器電源韌體 實習生光寶科技Server Power Hardware R&D Engineer康舒科技資料中心電源設計 資深工程師晶片（涵蓋GPU、ASIC與HBM等。）東京威力科創Process Engineer基礎設施（涵蓋伺服器、資料中心建設、散熱系統、高速網路與電力輸送等系統。）技嘉科技AI硬體研發工程師廣達電腦雲端伺服器硬體設計緯創資通伺服器技術副理/經理模型（涵蓋語言、生物、化學、物理、醫療等多領域的開源與閉源模型。）目前以美系科技大廠為主應用（涵蓋軟體、智慧醫療、藥物研發、自動駕駛、工業機器人與企業AI助理等。）達擎【智慧零售】 解決方案PM永聯物流開發智慧物流解決方案規劃師
COMPUTEX首度設立機器人展區 科技大廠招募機電工程師進攻機器人開發
本次COMPUTEX首度設立AI機器人展區，聚焦實體AI（Physical AI）發展。104人力銀行發現，科技大廠已透過招募機電工程師職務切入機器人發展。華碩電腦招募機器人機電整合伺服控制工程師，工作內容涵蓋設計伺服控制系統、進行系統整合與測試、依據需求協助機電創新，實現感知與驅動的高效耦合，類似人類的自然運動模式。技嘉科技招募機電工程師，負責工業機器手臂與周邊設備的硬體配置與通訊整合、撰寫機器手臂運動路徑程式、執行現場設備的安裝、測試、精準度校正及排除機電異常。
科技人才求職踴躍年增6% AI發展關鍵企業齊聚職涯博覽會
AI科技發展勢不可擋，104人力銀行同步觀察科技人才求職行為發現，2026年4月科技人才找工作人數與去年同期相比成長6%，進一步投遞履歷主動應徵人數成長3%。5大科技人才軟體工程師、研發工程師、專案經理、行銷、設計，2026年1-4月專案經理因AI時代更需要整合型的人才，找工作人數與去年同期相比成長8.9%最高，企業提供職缺也成長2.7%；研發工程師因AI發展更多新興技術崛起，找工作人數成長6%高居第二，企業提供職缺則成長9.2%。
104人力銀行指出，求職者想搭上AI發展浪潮，7/4在台北世貿一館舉行的職涯博覽會，300家參展企業中有181家企業提供AI職缺，推進AI發展的關鍵企業如台達電子、光寶科技、康舒科技、東京威力科創、技嘉、華碩、緯創資通等企業將現場徵才，歡迎報名參加：https://104cweb.pse.is/8u5j4n。
更多徵才趨勢，你還會想看
民生消費業人才缺口53萬人！9成企業搶徵AI及科技人才
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
有任何收穫或想分享的，都來和大家一起聊聊吧！