【大師開講】智慧製造應用案例 – AI運用於瑕疵檢測
104學習
AI人工智慧
這項技能代表能運用機器學習、資料分析和自動化技術，提升工作效率與決策品質。在各行各業中，能協助處理大量數據、優化流程，甚至創造新商業模式。具備這能力的人才，更能適應數位轉型趨勢，增強競爭力，並為企業帶來創新價值。掌握相關工具與概念，成為未來職場的重要利器。
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
生成式 AI 辦公室應用能力課程
AI 協思簡報術｜從模糊點子到精準說服的提案策略
【大師開講】引領企業導入AI的思維模型
智慧製造－透過AI實踐工業4.0
【免費課程報名】技術開發技能 1-6 人人都可以是生成式 AI 的 Builder : Amazon Q 介紹 | 完課紀錄回傳履歷表
AI 智慧工作流搭建與升級：60 分鐘 10 個 AI 智慧工作流技巧立即改善工作流程
【免費課程報名】技術開發技能 1-7 您需要考量的生成式 AI 解決方案背後的數據模型| 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-1 生成式 AI 如何顛覆您的工作模式 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-2 開始採用生成式 AI: 提示工程,檢索增強生成與微調 | 完課紀錄回傳履歷表
精選證照
考取專業證照，讓能力被市場看見
AI人工智慧核心能力認證
AI人工智慧在現今社會已成為不可或缺的好幫手，不論生活或產業領域都與AI息息相關， 本認證針對AI入門學習者設計開發，採級距制評分，您可藉由此認證學習，並提升個人於AI科技知能。亦可透過本認證作為個人AI知能鑑定。
明逸數位有限公司
AI-900 AI 人工智慧基礎認證
Microsoft Certified Fundamentals（簡稱 MCF），由微軟與國際專業認證機構 Certiport 合作推出，依雲端技術角色職能規劃認證類別，並透過引導式學習路徑，使應試者階段式全盤理解微軟雲服務在人工智能、大數據、資料科學、商業智慧和雲端運算等領域的實務應用，認證內容亦完整、準確地考核雲端技術，除作為專業技能上的有利佐證，更能充分展現個人在雲端時代職場上的競爭優勢。
即使是國際性的專業認證、英文證書，但是在試題上可以自由選擇語系，因此，在國內的MOS 認證考試亦提供有正體中文化試題，只要通過Microsoft的認證考試，即頒發全球通用的國際性證書。
取得Microsoft Certified Fundamentals 國際性專業能力認證，除了肯定您在雲端領域具備充分且專業的知識與能力外，亦可提昇您個人的競爭力、生產力與工作效率。在工作職場上更能獲得更多的工作機會、更好的升遷契機、更高的信任度與工作滿意度。
Microsoft
SSE AI 提示詞工程師
[ 引領AI時代的語言設計專家認證 ]
隨著生成式人工智慧（Generative AI）快速崛起，從文字生成、圖像創作、音樂編排到自動化工作流程，「提示詞（Prompt）」設計能力已成為駕馭AI的關鍵技能。而「Prompt Engineer（提示詞工程師）」作為新興且高度需求的職業角色，正逐漸在學術界與職場上嶄露頭角。 AI Prompt Engineer 國際認證應運而生，旨在建立一套標準化、系統性的評量機制，協助學習者掌握與AI互動的語言設計邏輯，具備實務操作能力與創造性思維，為進入AI產業奠定堅實基礎。
Silicon Stone Education (SSE)
生成式 AI 技術開發技能證書
AWS 為協助個人突破職涯新價值，推出「AI 人才就緒計畫 」(AI-Ready Talent Development Program)，針對不同角色免費提供系列生成式 AI 課程、專業 AI 認證備考資源、AWS 生成式 AI 服務試用，更進一步協助您取得 AI 認證！
學習本課程，您將能了解提示工程、檢索增強生成與微調的最佳實踐、掌握生成式 AI 端到端流程建溝以及驅動 AI 流程須考量的數據、儲存與運算等基礎架構。還能進一步了解如何將 AWS生成式AI服務應用在實際營運情境。
AWS
生成式 AI 商業應用技能證書
AWS 為協助個人突破職涯新價值，推出「AI 人才就緒計畫 」(AI-Ready Talent Development Program)，針對不同角色免費提供系列生成式 AI 課程、專業 AI 認證備考資源、AWS 生成式 AI 服務試用，更進一步協助您取得 AI 認證！
學習本課程，您將能了解生成式 AI 的基礎知識、應用情境、風險和效益，並能理解生成式 AI 帶來的潛在商業價值及如何打造 AI 就緒組織發揮商業價值。
AWS
生成式AI能力認證
「生成式AI能力認證」為通識型初階能力檢核，通過者具備「知AI」的能力，可知道生成式AI的基礎知識、具備「用AI」的基本概念與邏輯，並具有基本體驗生成式AI實做的經驗，認證內容涵蓋生成式AI的基礎知識、能力強化、應用技能、倫理法律等四大面向。生成式AI能力認證旨在評估考生對生成式AI技術的全面理解和應用能力。
財團法人資訊工業策進會
精選貼文，掌握第一手知識
AI進入3.0時代：智慧通膨、零點擊、人機協作如何改寫白領工作？
AI進入3.0時代，作者程世嘉指出，當智慧變得愈來愈便宜，AI代理開始替人搜尋、決策與執行任務，「智慧通膨」、零點擊與人機協作，正重新改寫白領工作的價值與企業商業模式。本文節錄自《智慧通膨下的新商機》。
文／程世嘉Sega Cheng，蕭玉品採訪整理
本文目錄（點擊可快速前往）
兩極化×零點擊×人機協作：商業思維與白領工作大革命智慧通膨，讓你的腦袋愈來愈不值錢AI 3.0時代，AI會執行、會自我進化焦慮無法解決問題，先看懂AI如何改變日常AI催生K型社會，「兩極化」加速撕裂世界
兩極化×零點擊×人機協作：商業思維與白領工作大革命
人類不是第一次體驗經濟規則的巨變。18世紀末，一台蒸汽機開始在英國的紡織工廠裡轟轟作響，沒有人預料到，這台燒煤吐霧的機器會在接下來的一百五十年間，掀翻、重塑整個人類文明。農民湧入城市、手工業者被機械取代、全新的中產階級誕生，伴隨而來的是童工、貧民窟與殖民掠奪。《經濟學人》統計過，從工業革命爆發到人類逐步適應，整整花了一百五十年，一直要到20世紀下半葉，科層社會、教育制度與現代白領的工作型態才慢慢成型。換句話說，好幾代人都成了那場巨變裡的實驗品與犧牲品。現在，AI正在做一模一樣的事，只是速度更快。
蒸汽機是人類第一次把「體力」大規模外包給機器；19世紀末普及的電力，讓「動力」變得隨手可得；而AI，是至今為止最讓人不安的第三次，因為這回被外包的是「智力」。以色列歷史學家哈拉瑞（Yuval Noah Harari）在《連結》（Nexus）一書裡指出，印刷機和原子彈都還只是人類手中的被動工具，再強大也不會自己做決定；但AI會推理、會判斷、會自主行動，甚至開始自我改善，已經跨越了「工具」的界線，正在變成一個有行為能力的行動者。
而且AI這次是拿白領開刀，從那些最高薪、最仰賴認知能力的知識工作者下手。所以諾貝爾物理學獎得主、深度學習教父辛頓（Geoffrey Hinton）和NVIDIA執行長黃仁勳（業界都叫他老黃），最近才會公開叫年輕人去當「水電工」。畢竟當你需要通馬桶的時候，機械手臂可能永遠沒辦法靈活地鑽進你家浴室。當AI教父們的職涯建議變成「學好通水管」，你就知道遊戲規則翻得有多徹底。
智慧通膨，讓你的腦袋愈來愈不值錢
由於AI愈來愈好用，又愈來愈便宜，所以我提出了「智慧通膨」這個概念。過去「智慧」是稀缺資源，企業願意付高薪給律師、顧問、工程師等精英，要的是他們腦中無法被機器取代的知識、獨立思考與判斷力。但生成式AI問世並持續進化，加上Google、OpenAI、Anthropic等大廠把AI的API（Application Programming Interface，應用程式介面）價格壓到幾乎免費，任何人打開手機就能取得媲美專業人士的智慧輸出。這時候，「智慧」這個資產，就像通膨的貨幣一樣開始貶值。以前你擁有100萬元的智慧，在市場上就是值100萬元；如今AI讓人人口袋裡都裝著100萬元，你那一份可能只剩50萬元。
更殘酷的是，AI的算力和知識儲備量，實際能夠產出的價值可能高達1,000萬元、1億元，甚至更高，那是人類肉身大腦永遠無法企及的資料量與推理速度。因此，智慧通膨正在加速淘汰「不會用AI的人」，同時也在重新定義「有價值的人」到底長什麼樣子。
Google在2026年5月的I/O大會上揭露了一個讓所有人倒抽一口氣的數字：他們每個月處理的token數，從2024年5月的9.7兆，一路爬到2025年5月的480兆，到2026年5月已經來到3.2千兆（Quadrillion, 3.2×1015），年增7倍！同時間，Google API每分鐘處理190億token，有375家Google Cloud企業客戶，過去十二個月每一家各自處理超過1兆token。這些數字翻譯成現實是「智慧」這項商品的生產規模，而它正以人類經濟史上沒見過的速度被放大。智慧通膨完全展現在這條曲線裡。
AI 3.0時代，AI會執行、會自我進化
我自己把AI的發展階段，以純商業角度分成三個階段。AI 1.0是AI根本還不太能用、頂多是個隱形配角的時代。這個時候AI還沒創造出什麼驚人的應用和商業價值，一切都還在迷霧當中，多數人甚至不知道什麼是AI。1.0是一段漫長的時代，因為AI早在1950年代就被提出，開始發展。
AI 2.0是ChatGPT橫空出世、生成式AI快速落地的時代，大約持續到2025年結束。這段期間AI進入爆發成長期，每個人都聽過AI，使用率快速提升，大型語言模型學會從海量資料中「生成」大量文字、圖片和影片。AI 2.0的商業時期非常短暫，只有三年；雖然已經在全世界開啟革命，但這段期間AI還是一個被動配合人類的軟體程式。
至於我們現在身處的是AI代理當道、而且會自我進化的AI 3.0時代。AI現在可以主動替你行動、判斷、執行任務，甚至在沒有人類介入的情況下，跟自己對話、辯證、合成新知識。它若覺得某段程式碼沒寫好，就自行改寫，改壞了再重來一次，活生生就像是一個會幫自己做器官移植的有機體。
2024年我寫第一本書《AI世界的底層邏輯與生存法則》的時候，「擴展定律」（Scaling Law）還是業界和學術界最被信奉的教條，背後的想法很簡單：餵給AI更多資料、投入更多算力訓練，AI就會更聰明。但到了2024年底，這條路徑開始遇到瓶頸：全世界的高品質訓練資料已經被搜刮過好幾輪，嚴重短缺；算力的成長也追不上需求，老黃甚至說全世界的算力還差100倍。光靠「餵更多資料」，已經無法讓模型更聰明了。
就在擴展定律看似走到盡頭時，自我進化的大門慢慢打開了。Google DeepMind提出了「嵌套學習」（Nested Learning），試圖模擬人腦的層層抽象結構，讓AI能在不必每次從頭訓練的情況下，持續學習新事物。其他大廠也都在積極解決AI的記憶問題，讓模型真正「記住」與使用者的互動脈絡，避免每次對話都失憶；2026年，甚至連飾演「惡靈古堡」女主角的蜜拉．喬娃維琪（Milla Jovovich）都看不下去，自己動手開發開源AI記憶工具MemPalace。
這些進展意味著AI的進化速度沒有放慢，反而還在加速。生成式AI問世之初，Google、OpenAI、Anthropic等巨頭一、兩個月才發布一次新模型；現在則是以每週、甚至每天的速度在迭代。Anthropic執行長阿莫代伊（Dario Amodei）在2026年的多次訪談裡更直接指出，目前所有前沿模型公司在拚的，是誰可以先「成功把軟體開發完全閉環」：讓AI進入完全自我訓練的狀態，人類不再需要插手。一旦AI跨進這個階段，模型自己就會變得愈來愈聰明，達到我們目前無法想像的智慧高度。
相較之下，人類是碳基生物，腦部結構不太會改變，適應社會變化的速度遠遠跟不上機器的迭代速度。這便是AI 3.0時代最讓人焦慮的現實。
焦慮無法解決問題，先看懂AI如何改變日常
既然我們無法阻止AI進化，就必須看懂它將如何改變人類的日常。AI 3.0的第一個具體衝擊，是能「外服內用」的AI代理在2026年全面落地，一邊帶來「零點擊時代」，一邊創造了全新的「人機協作」模式。
當AI代理搭配「模型上下文協定」（Model Context Protocol, MCP）、「A2A通訊協定」（Agent2Agent）等，開始替使用者完成搜尋產品、比價、下單的一條龍動作，傳統網站靠「流量」和「點擊」維生的商業模式就面臨瓦解。使用者再也不需要打開任何網頁、滑過任何廣告，因為AI代理在對話框裡就把一切搞定了。當你的品牌不被AI提起、推薦，就等於在網路上消失。
除了外服，AI代理也可以「內用」。2026年初紅遍全球、由奧地利開發者彼得．斯坦伯格（Peter Steinberger）釋出的開源代理框架OpenClaw（暱稱「龍蝦」），就是最具代表性的案例。OpenClaw自己是一層「代理外殼」（Agentic Harness），沒有內建模型，使用者把它裝在自己的電腦上，再接上Claude、ChatGPT、DeepSeek等任一大型語言模型當大腦，OpenClaw就會替你打開信箱回信、上網訂行程、自動進行日常工作流程，甚至串接WhatsApp、LINE、Telegram等通訊軟體，代理你跟他人對話。它在中國大陸紅到百度、騰訊、字節跳動都推出自家「克隆」（Clone）版本，光是2026年3月，北京就辦了好幾場「裝龍蝦」的線下活動，現場排隊上千人。
同時間，Anthropic推出Claude Cowork，把代理能力擴展到一般白領的桌面環境，可以直接操控電腦、整合行事曆和各種應用程式；OpenAI的ChatGPT Codex則在雲端進化，讓開發者把整個軟體專案託付給AI自主執行。
但代理時代帶來的不只是生產力解放。同一份「能自己寫程式、自己執行」的能力，反過來也成了人類社會新的攻擊面。2026年4月，Anthropic公開AI資安防禦計畫Mythos Preview與Project Glasswing；5月，OpenAI端出Daybreak，正式宣告了AI資安成為一個全新的競技場：能夠主動發現程式漏洞的模型，正在改寫整個網路世界的防禦邏輯，這部分我會在第四部詳細說明。
當AI從「給你答案」升級成「替你辦事」的時候，企業的運作邏輯也跟著從「加人做事」變成「先加AI、再視情況決定要不要加人」。這場白領的工作革命，已經正式無聲地展開。
AI催生K型社會，「兩極化」加速撕裂世界
所有技術革命都有贏家和輸家，但AI這一次拉出的距離，可能是人類史上最大的一次。我用「兩極化」來概括這個現象。2020年新冠疫情爆發後，眾家經濟學家在爭論疫後復甦的經濟型態會是V型（快速反彈）、U型（緩慢回升），還是L型（長期停滯），但維吉尼亞州威廉與瑪麗學院（College of William & Mary）經濟學教授彼得．愛華特（Peter Atwater）在社群媒體上推廣了「K」這個字母。
想像一下，K左邊的交叉點是危機發生的時刻，往右上延伸的那條線代表高收入族群，疫情期間照樣在家上班，疫情後股票資產持續翻倍；往右下墜落的那條線代表低收入族群，餐廳、娛樂、旅遊業大量裁員，生活愈來愈艱難。兩條線愈走愈遠，中間那片曾經安穩的地帶迅速被掏空。
節錄自：天下文化出版《智慧通膨下的新商機：AI時代的稀缺能力與新護城河》／程世嘉Sega Cheng、蕭玉品採訪整理 著
[joblist_plugin title='更多104【AI】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai' amount='3']
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
AI工作專區｜工程師、PM、行銷的AI應用人才，企業AI徵才技能整理
AI時代來臨，企業對AI應用與自動化人才的需求不斷成長。從軟體工程師、產品經理、專案經理（PM）到行銷人才，懂得使用AI工具：RPA自動化流程、n8n無程式的工作流程整合，在就業市場已開出新的人才賽道，成為企業招募新一代人才的重要加分條件。
本文目錄（點擊可快速前往）
AI技能找工作機會｜RPA、n8n、Vibe CodingRPA（Robotic Process Automation，機器人流程自動化）n8n（開源的工作流程自動化工具）Vibe Coding（氛圍程式設計）職務結合AI工作機會AI行銷人才AI應用管理師 Project Manager、AI PMAI產品經理（AI Product Manager）AI設計師（UI/UX）AI應用軟體工程人才AI、演算法工程師FAQ：AI工作常見問題AI＋自動化技能能提高薪資嗎？學AI可以做什麼工作？
AI技能找工作機會｜RPA、n8n、Vibe Coding
RPA（Robotic Process Automation，機器人流程自動化）
透過軟體「機器人」來模擬人類在電腦上執行重複性、規則化任務的技術，無需改變原有系統或進行複雜開發。
職缺舉例：RPA Business Development Specialist、HR數位轉型專案管理師、業務管理師、通路服務規劃人員
[joblist_plugin title='【RPA】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=3&keyword=RPA&order=15' amount='3']
n8n（開源的工作流程自動化工具）
可幫助工作者自動化重複性任務，整合各種應用服務，類似Zapier或Make.com，擁有更高的彈性。
使用範例
每日定時抓取某API數據→整合→發送Email報表
當表單送出→整理資料→寫入Google Sheet→發Slack通知
自動化CRM建立客戶資料 + 產生任務 + 發送開通信件
[joblist_plugin title='【n8n】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=2&keyword=n8n&order=15' amount='3']
Vibe Coding（氛圍程式設計）
工作者運用語言模型（ChatGpt、copilot）等AI技術，透過自然語言與AI對話，讓AI自動生成所需程式碼，大幅降低開發門檻。只需描述想要達成的功能，AI便能撰寫程式，無需深入理解底層程式運作原理，可以不透過工程師達到將網頁、APP快速送入市場驗證的開發模式。
[joblist_plugin title='【Vibe Coding】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=vibe+code&order=15&page=1' amount='3']
看不夠？來去逛逛 104數位與科技人才專區
職務結合AI工作機會
AI工具的應用，讓專業工作者能提高工作效率（避免耗時的行政流程）、創意創新的競爭力（給予AI思考框架，提出不同的創新想法）、決策支援（藉由數據資料的匯入，與AI協作預測商業策略執行優勢與須備風險管理的地方）。
AI行銷人才
企業期待新一代的行銷人將專業的行銷know-how結合AI與MarTech的技術，能更精確的了解市場、找到用戶痛點、制訂與執行更有效的行銷策略。
必備技能：AI工具（ChatGPT）、RPA與n8n自動化排程、GA4。
加分條件：懂MarTech串接與數據驅動行銷策略。
[joblist_plugin title='【AI Martech 行銷】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=3&keyword=AI+Martech&order=15&jobcat=2004001000' amount='3']
AI應用管理師 Project Manager、AI PM
結合PJM對組織流程、利害關係人的了解，提升決策效率與資源運用，並在複雜多變的環境中，精準規劃、協調跨部門團隊，確保專案按時、高品質交付，創造更高的商業價值。
[joblist_plugin title='【AI專案經理】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&keyword=AI+n8n&order=15&jobcat=2004003006' amount='3']
AI產品經理（AI Product Manager）
產品經理需要能精準識別使用者需求，將AI能力轉化為實際功能，並制定策略與路線圖，協調跨部門資源，確保AI產品從概念到落地，能創造最大化的商業價值與使用體驗。
必備技能：敏捷開發、數據分析、RPA流程設計、n8n工作流自動化。
加分條件：懂Prompt Engineering，能規劃AI產品MVP
[joblist_plugin title='【AI專案經理】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=2&keyword=AI+n8n+%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15&jobcat=2004003005' amount='3']
AI設計師（UI/UX）
結合AI技術與使用者行為洞察，打造人性化的產品體驗。需要理解AI產品的運作邏輯，將複雜的演算法結果轉化為直覺且易於使用的介面，在設計過程中融入個人化體驗與數據驅動的設計思維，確保產品兼具美感與功能。
[joblist_plugin title='【AI UI/UX 設計師】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&keyword=AI+&order=15&jobcat=2013001015,2013001016,2013001006,2013001020' amount='3']
AI應用軟體工程人才
幫助提升公司營運效率，工作內容包含開發與推進AI自動化應用，包括文件生成、知識查詢、任務建議與流程輔助，提升日常作業效率。
[joblist_plugin title='【AI應用工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&mode=s&page=1&keyword=AI+%E6%87%89%E7%94%A8&order=15&jobcat=2007001000' amount='3']
AI、演算法工程師
邊緣運算、LLM、AI/ML 演算法、生成式AI、影像辨識、資料科學……等專業技術領域
[joblist_plugin title='【AI、演算法工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&order=15&jobcat=2007001020,2007001012' amount='3']
FAQ：AI工作常見問題
AI＋自動化技能能提高薪資嗎？
能，降低人工成本，幫企業節省大量時間。幫助公司快速決策，提升專案 ROI。具備跨領域競爭力，在數位轉型浪潮中更具優勢。
學AI可以做什麼工作？
學AI可以應用在與數據、軟體、流程優化相關的工作中。例如：行銷人多會了AI，可以不透過工程師快速架設行銷活動網站、PM會AI，可以自動化縮短寫規格書的時間、透過Vibe Coding方式加速MVP的推出，工程師可以透過AI協作，更快產出80%的程式碼，將時間投入優化code的過程。
看不夠？來去逛逛 104數位與科技人才專區
AI超便利？人工智慧潛在的3大負面影響
文： 小婉家族研究生：卓引祈 | 工商心理實驗室
原標題：人工智慧（AI）賦能人力資源管理：是助力還是威脅？
在當前科技迅速發展的時代，人工智慧（AI）正以前所未有的方式重塑各行各業，尤其是人力資源管理領域。然而，這一變革並非只有光明的一面。AI的引入雖能為繁瑣的工作帶來便利，卻也潛藏諸多隱患，可能對員工的心理健康與工作滿意度造成不利影響。
隨著人工智慧（AI）的興起，各行各業開始將人工智慧技術應用於工作中，並有許多相關的利弊討論。對於工作繁重、面向多元的人力資源管理者，AI的應用可以帶來許多便利。然而，使用AI時，有哪些潛在的影響可能導致人力資源管理實踐產生負面影響？
首先，從人工智慧的演算法的三大特徵，即時性、全面性、不透明性，來探討可能對員工造成潛在的負面影響。AI的即時性可能讓員工產生被監控的心理壓力以及工作和生活界線的模糊；並且因其強大的功能（全面性）可能造成員工自卑，造成工作動機感、成就感下降。而其不透明性可能進一步引發偏見、歧視，甚至是知覺分配不公平等議題。而更近一步的，當組織意圖用將員工的表現被更頻繁且細緻的以數字劃分時，可能削弱員工的內在動機，進而影響其工作表現和態度。因此使用AI雖然可以簡化部分的管理事務，協助達到更精準的管理決策，然卻可能造成員工的反彈，對人力資源管理的實踐帶來了巨大的潛在挑戰。
但也有研究顯示，以AI為基礎的人資系統能透過加強正向員工體驗，帶來更好的員工投入度。其主要是透過關注員工本身的需求，提供個性化的協助，以及提供平台促進與他人的交流。
雖然目前的研究結論對於AI在人資管理系統究竟是利大於弊，還是弊大於利有不同的看法，然而使用AI在人資管理上會造成何種結果，很大程度取決於使用者的目標及使用方法，意即我們抱持什麼最終目的在使用AI，會影響我們決定如何使用AI，以及它對員工造成的是正面的還是負面的影響。
作為管理方，若將AI作為評判或監控的工具，可能會造成員工巨大的心理壓力，適得其反。而作為人力資源的工作者，若我們一心只希望AI幫我們解決困難的工作，等於將AI視為工作的主體、判斷與創意的主體，可能會造成許多關鍵能力的喪失，無論是學習能力、洞察能力、評判能力，甚至造成內在價值感下降、缺乏動力等一連串的問題。工作需要有輕重之分，我們可以將部分的任務交給AI，但清楚知道AI只是協助者，我們仍是價值的提供者、方向的領導者。
而無論是作為員工、主管還是企業，不免需要回到源頭的問題：運用這些技術的根本目的為何？光有技術不足帶來革新，關鍵還在於是否真正在乎個人的福祉？無論是組織在乎員工的福祉，甚至是工作者在乎工作所帶給他人的意義等，若我們能清楚自己內在的價值定向，則就能用正確的心態使用AI，讓AI成為我們的助力，而非是威脅。
增強AI應用能力，讓AI成為助力工作更有效率＞＞
小婉家族研究生：卓引祈
參考資料：
Malik, A., Budhwar, P., Mohan, H., & N. R., S. (2023). Employee experience –the missing link for engaging employees: Insights from an MNE ’s AI ‐based HR ecosystem. Human Resource Management, 62(1), 97–115. https://doi.org/10.1002/hrm.22133
Zhou, Y., Wang, L., & Chen, W. (2023). The dark side of AI-enabled HRM on employees based on AI algorithmic features. Journal of Organizational Change Management, 36(7), 1222–1241. https://doi.org/10.1108/JOCM-10-2022-0308
看更多來自工商心理實驗室的好文 >>
能者多勞？還是忍著過勞？ 小心引發工作倦怠
學習時間管理就能提升效率？探索你的「時間特質」找到關鍵
Z世代安靜離職消失了嗎？不，它進化成「怨恨缺勤」
在微笑的面具下，其實心好累！４招從情緒勞務中恢復
生成式AI對人資帶來的是機會?還是風險?
提升員工帶動企業的成長！最划算的教育訓練方案首選>>
企業內訓、公開班及線上課程需求，104人資市集最超值 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
AI產品經理需求5年成長263%！從Chatbot到AI Agent，PM工作正在發生什麼變化？
生成式AI熱潮即將進入新階段，企業對AI人才的需求也明顯發生變化。前幾年當我們談到「AI人才」時，多數人第一時間想到的可能是「AI工程師」、「資料科學家」或「機器學習工程師」；但到了2026年，另一群人才正在快速受到企業重視——那就是「AI產品經理」(AI Product Manager)。
文／《104學習》
本文導覽
AI產品經理是什麼？不只是「會用ChatGPT的PM」趨勢一：AI人才需求正在從工程端往產品與商業端擴散趨勢二：從「AI Chatbot」進入「AI Agent」時代趨勢三：PM不一定要成為工程師，但「做得出來」正在變重要趨勢四：只會Prompt，差異化可能愈來愈小趨勢五：企業不再只看AI使用率，而開始追問ROI趨勢六：AI Governance也正在進入產品經理的工作範圍未來可能不是「AI PM變多」，而是「所有PM都要懂AI」想進入AI產品領域，可以從這4層能力開始光是「知道AI」還不夠，實作才是最重要的一步從「會用AI」到「管理AI」，PM競爭正式進入下一階段
根據《104學習》發布的《AI人才趨勢報告》，近5年台灣AI人才需求成長 97.6%，明顯高於整體招募市場同期增幅。其中，「專案／產品管理」相關AI人才需求從2022年平均每月951人，增加至2026年3,453人，5年增幅高達263.1%，是成長幅度最高的職類。
這個數字透露了一個重要訊號：企業現在缺的不只是「會開發 AI 的人」，更缺「知道怎麼把 AI 做成產品的人」。
而這樣的轉變並不只發生在台灣。
從美國科技業到全球大型企業，AI發展的焦點正在從「模型有多強」，進一步走向「AI能不能真正進入工作流程、解決問題，並產生可以衡量的商業成果」。
產品經理，也因此站到了這波 AI 轉型的第一線。
延伸閱讀：不再只看影片！AI如何顛覆企業培訓？「圍繞AI設計學習體驗」成2026職場新顯學
AI產品經理是什麼？不只是「會用ChatGPT的PM」
「AI產品經理」(AI Product Manager)並不是多學、會用幾個AI工具，就可以在職稱前面加上「AI」。
簡單來說，AI PM 真正要做的是：
找到值得 AI 化的問題，設計 AI 解決方案，再把它變成使用者願意使用、企業可以持續經營的產品。
傳統產品經理需要進行：使用者研究、規劃 Roadmap、管理產品需求、分析數據，以及協調設計與工程團隊。
儘管這些能力到了AI時代仍然重要，但AI產品又多了不少全新的不確定性。
例如：
AI回答到什麼程度才算正確？
準確率90%可以上線嗎？
如果AI判斷錯誤，誰負責？
哪些事情可以讓AI自動完成？
什麼時候需要人類確認？
模型使用成本多少才合理？
使用者資料能不能送進大型語言模型？
AI產生幻覺時，產品要如何處理？
這些問題已經不單純是工程問題，同時也是產品的問題，因此，AI PM 的角色正在逐漸從單純的「需求管理者」，轉向：「Product Manager × AI Solution Designer × Business Owner」。
延伸閱讀：AI PM紅什麼？！年薪上看150萬！
哪些職類適合轉職成AI產品經理？這5種背景都有機會
你可能會想：「一定要原本就是產品經理，才能成為AI產品經理嗎？」
其實不一定。
AI產品經理需要的並不是單一技能，而是「產品思維 × AI理解 × 商業判斷 × 產業知識」的組合。因此，不同職務背景的人，都可能帶著原本的專業優勢切入AI產品領域。企業需要的不只是懂技術的人，更需要能理解實際工作問題、知道哪些流程值得AI化的人。
舉例來說，以下幾類工作者，轉職AI產品經理時尤其具有既有優勢：
產品經理／專案經理：產品方法與跨部門協作能力最接近。
軟體工程師／資料分析師：懂技術，更容易判斷AI能不能做。
UX／UI／使用者研究：最懂使用者如何與AI互動。.
行銷／營運／商業企劃：最了解市場、流程與ROI。
HR、金融、醫療、製造、教育等產業專業人才：Domain Knowledge可以成為最大優勢。
因此，想轉職AI產品經理，不一定要把過去的工作經驗全部歸零。相反地，原本累積的產業知識，很可能就是你的轉職籌碼。
真正需要做的，是在既有專業上補上「產品方法」與「AI能力」，慢慢形成自己的跨域組合：原本專業 × Product × AI。
未來企業需要的AI PM，很可能不是最會下Prompt的人，而是最清楚「問題在哪裡、AI可以怎麼解、產品怎麼落地，以及最後能不能創造商業價值」的人。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
趨勢一：AI人才需求正在從工程端往產品與商業端擴散
AI發展初期，企業最需要的是AI Engineer、Machine Learning Engineer、Data Scientist等技術人才。
但當企業真正開始導入生成式AI，管理者面對的問題就變了。
以前問的是：「我們能不能做AI？」
現在問的是：
「哪些流程最值得 AI 化？」
「這個功能真的有人需要嗎？」
「AI 可以節省多少時間？」
「導入之後能不能增加營收？」
「這筆 AI 投資到底值不值得？」
104人力銀行的人才數據也反映出這個轉變。除了專案／產品管理人才需求5年內增加263.1%之外，業務銷售相關的AI人才需求也增加247.8%，行銷相關需求則增加了165.4%，都是非常高的成長曲線。
換言之，AI已經不再只是資訊部門或研發部門的事情。它開始進入：產品、營運、行銷、業務、人資、金融、製造、教育等不同場景。
無獨有偶，世界經濟論壇(WEF)所發表的《Future of Jobs Report 2025》也將「AI and Big Data」列為未來成長最快的技能，並預估到2030年，現有工作所需的核心技能有約39%將發生變化。
所以未來真正稀缺的，可能不只是 AI 工程師，而是：懂原本專業，又知道如何利用 AI 改變工作的跨域人才。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
趨勢二：從「AI Chatbot」進入「AI Agent」時代
當2023、2024年AI應用剛起步流行時，多數企業選擇做「生成式AI」，那時候最常見的應用，就是「AI Chatbot」的應用。例如以下的情境應該不讓人感到陌生：
員工問：「公司差假怎麼申請？」
AI從知識庫找到答案後回覆答案。
但現在企業開始往下一個階段前進：「AI Agent」。
不同的是，過去AI Chatbot的主要負責的工作是：「回答問題」，而AI Agent能做到（或想做到）的則是：「完成任務」。
例如：過去的客服AI可能只是告訴顧客如何退貨。未來的AI Agent可能直接可以執行以下的動作：
讀取訂單
直接執行以下5個SOP
→ 判斷是否符合退貨資格
→ 建立申請
→ 通知物流
→ 更新 CRM
→ 回覆顧客
因此連帶讓產品設計從過去陽春的「對話介面」，直接變成完整可以提供服務的「AI Workflow」。
不過，根據勤業眾信在《2026 AI企業現況報告》指出，就算企業已開始積極布局Agentic AI，但當前AI的治理與組織準備程度仍有落差；企業真正面臨的挑戰已從「要不要用AI」，逐漸轉向「怎麼安全地讓AI進入核心流程」。
這也是AI PM接下來最重要的工作與挑戰，產品經理必須懂得設計：
AI 可以做到哪一步？
什麼時候交回給人？
哪些操作需要再次確認？
AI 可以存取哪些資料？
Agent 執行錯誤後如何恢復？
如果過去PM主要工作是在設計產品的「User Flow」，未來很可能還要學會設計：Human × AI × System 的 Agent Workflow。
延伸閱讀：文科生的AI時代生存指南：這4類證照幫履歷「套上科技濾鏡」，跨領域轉職必備！
趨勢三：PM不一定要成為工程師，但「做得出來」正在變重要
AI同時也正在重新定義產品經理與工程團隊之間的工作邊界。
過去 PM 想驗證一個產品概念，常見流程可能是：
需求研究
→ Wireframe
→ Figma Prototype
→ PRD
→ 工程開發
→ MVP
現在，Vibe Coding、AI Coding Agent、No-code／Low-code等工具正在壓縮這段流程。
產品經理即使沒有完整工程背景，也開始有機會自己建立：
AI Chatbot
簡單Web App
AI知識庫
RAG應用
自動化Workflow
AI Agent Prototype
未來企業期待 PM 的可能不只是：「你能不能把需求寫清楚？」，而會進一步變成：「你能不能先把想法做出來，證明值得投入？」
雖然這並不代表產品經理都要轉職成工程師。
但是當你真正理解基本的技術邏輯（包括 API、LLM、RAG、Prompt、Agent與資料流程），才能更有效率地和工程團隊一起完成產品。
延伸閱讀：PM的隱性停滯：你是「救火型PM」還是「系統設計型PM」？
趨勢四：只會Prompt，差異化可能愈來愈小
生成式 AI 剛出現時，「Prompt Engineering」曾經被視為非常稀缺的能力。但隨著模型能力持續提升，單純會操作ChatGPT、Claude 或 Gemini，會逐漸變成知識工作者的基本能力。
真正拉開 AI PM 差距的問題，不再只是：「Prompt 怎麼下？」，而是：「什麼問題值得交給 AI？」
例如：公司有50個客服流程，哪5個最值得優先 AI 化？AI 自動化率做到多少才有 ROI？如果準確率只有 90%，剩下 10% 的錯誤會造成什麼影響？哪些情境一定需要 Human-in-the-loop？
這些問題靠 Prompt Engineering 解決不了，它需要的是：「產品判斷＋商業理解＋AI知識＋產業經驗」。
因此未來有價值的人才組合，很可能會是：
金融 × AI
HR × AI
醫療 × AI
製造 × AI
教育 × AI
行銷 × AI
對已經有幾年工作經驗的產品經理而言，原本累積的Domain Knowledge（領域知識）並不會因AI出現而失去價值，反而可能成為自己切入AI產品的重要優勢。
延伸閱讀：AI害你被裁員？104資深協理：學會用AI開外掛，未來是你挑公司
趨勢五：企業不再只看AI使用率，而開始追問ROI
生成式 AI 剛進企業時，許多組織最先觀察的是：
多少員工開始使用AI？
一天用了幾次？
有哪些團隊導Chatbot？
但2026年之後，更重要的問題開始變成：「用了之後，到底產生多少價值？」
根據勤業眾信在2026年的研究顯示，66% 的企業已經從AI獲得生產力或效率提升；但是只有約20%已經看到AI帶動營收成長。儘管74%的企業期待未來AI可以創造營收，但這中間巨大的落差，就是「AI Product Manager」的機會。
OpenAI在2026年談企業AI投資管理時，也提出不應只看Token單價，而應衡量AI每一美元實際完成多少有價值的工作，包括成功完成的任務、節省時間、改善決策以及能否形成可規模化工作流程。
因此 AI PM 未來除了 DAU、Retention、Conversion 等傳統產品指標，還可能需要理解：
Task Success Rate
Accuracy
Hallucination Rate
Latency
Automation Rate
Human Intervention Rate
Cost per Successful Task
最後回到最核心的問題：這項AI產品，到底替使用者與企業創造了什麼價值？
延伸閱讀：85%員工上完課卻不會用！AI時代真正的危機不是失業，而是你的「技能已過期」
趨勢六：AI Governance也正在進入產品經理的工作範圍
2026 年另一個值得注意的全球變化，是 AI 法規正式進入執行階段。
歐盟的《AI Act》於2024年生效，多項規範已在2026年8月2日進入適用或執行階段，包括特定 AI 系統的透明度義務；部分高風險 AI 系統則有不同的後續實施時程。
因此做 AI 產品時，PM 未來還需要思考：
使用者知不知道自己正在跟 AI 互動？
AI 產出的內容需不需要標示？
產品使用了哪些資料？
哪些事情一定需要人工決策？
系統如何留下紀錄？
AI 判斷錯誤後如何追蹤？
特別未來的世界裡，金融、人資、醫療、教育等領域，AI Governance很可能逐漸成為產品設計的基本能力，需要注意的規範範圍將會愈來愈廣。
延伸閱讀：AI基本法借鏡國外 美專法重競爭、歐盟南韓有罰則
未來可能不是「AI PM變多」，而是「所有PM都要懂AI」
從更長期來看，「AI Product Manager」甚至未必永遠是一個獨立職稱。
就像現在很少有人特別強調自己是「Internet Product Manager」，當AI逐漸成為所有數位產品的底層能力後，企業遲早有一天將不再區分：Product Manager、AI Product Manager，而會認為：「產品經理本來就應該理解 AI」。
因此，真正值得產品工作者思考的，可能不是：「我要不要轉職 AI PM？」而是：
「我的 PM 能力，要怎麼升級成 AI 時代需要的產品能力？」
想進入AI產品領域，可以從這4層能力開始
如果把目前 AI Product Manager 所需能力整理成學習地圖，大致可以分成四層。
第一層｜產品基本功使用者研究、需求分析、產品策略、Roadmap、數據分析、商業模式第二層｜AI基礎理解生成式 AI、LLM、Prompt、API、RAG、AI Agent、資料流程第三層｜AI產品實作AI Product Design、AI Workflow、Prototype、產品驗證、Evaluation、Human-in-the-loop第四層｜AI商業化能力AI ROI、成本管理、AI Governance、產品商業模式與產業應用
真正的挑戰，是把這些原本分散的知識串在一起。
因為很多人現在已經「會用AI」，但從使用AI工具，到真正能提出一個AI產品構想、驗證需求、設計流程，再做出可以展示的Prototype，中間其實還有不小的距離。
[course_plugin api_type='course_id' title='第一屆－AI 產品經理學習營｜緯育TibaMe X 104人力銀行獨家 ' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
光是「知道AI」還不夠，實作才是最重要的一步
如果你原本就是產品經理、專案經理，或者希望往 PM 領域發展，現在需要補的可能已經不只是再上一堂「ChatGPT 工具課」。
而是實際練習：
怎麼找到值得用 AI 解決的問題？
怎麼把需求轉成 AI 產品構想？
怎麼和技術團隊討論 AI 解法？
怎麼快速驗證產品？
怎麼把 AI 概念變成真正的產品提案？
針對這樣的能力轉型，104人力銀行也與緯育TibaMe合作推出「第一屆AI產品經理學習營」，鎖定希望在PM實務中應用 AI、提升產品提案能力，以及希望踏入產品經理領域的職場工作者。課程預計自2026年10月17日起正式展開。
與單純介紹 AI 工具有所不同，如果你的目標是往 AI Product 發展，更值得關注的是能否透過有結構的學習與實作，把「AI 知識」轉化成真正能用在工作上的「產品能力」。
👉 查看「第一屆 AI 產品經理學習營｜緯育 TibaMe × 104 人力銀行」課程資訊
從「會用AI」到「管理AI」，PM競爭正式進入下一階段
回頭看這幾年的市場，可以大致看到產品人才能力的變化：
2023，會用 AI，是加分：生成式 AI 與 Prompt 開始普及。
2024，懂 LLM，是稀缺能力：企業開始嘗試 RAG、企業知識庫與生成式 AI 應用。
2025，能做 AI Product，開始受到重視：AI 從實驗性專案逐漸走向正式產品。
2026，能設計 Agent、Workflow、Evaluation 並衡量 ROI，價值快速提升：AI 開始真正進入企業核心工作流程。
放眼望去，下一階段真正稀缺的工作能力組合，很可能是：AI × Product × Domain × Business。
AI 工具的操作門檻只會愈來愈低，真正有價值的，反而是那些知道問題在哪裡、知道什麼值得 AI 化、能把想法變成產品，也知道怎麼衡量成果的人。
所以，對產品經理而言，現在真正值得問的或許不是：「AI會不會取代PM？」
而是：「當AI開始改變所有產品，我是否已經具備下一代PM需要的能力？」
推薦閱讀
AI害你被裁員？104資深協理：學會用AI開外掛，未來是你挑公司
AI代理人時代，勝負不在AI多聰明！林之晨：關鍵在組織消除落地摩擦力
AI拆解傳統職位、重組專業分工：下一批高薪人才長什麼樣？
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
當生成式 AI 進入企業日常，對於專注資安產品的企業而言，不單是工具升級，更可視為是將資安的攻防節奏全面改寫。因為率先新技術放大其效能的，偏偏卻也是攻擊者。趨勢科技 TrendAI Lab 與核心技術副總經理卜鵬世，與資深人資協理柯志宜，在受訪時都不約而同提到，AI 正在重新定義企業對工程師的期待，也讓資安產品研發、核心技術研究與人才招募標準同步改變。
文／104人力銀行
本文導覽：
同樣是工程師，解決的卻不是同一種問題
當攻擊者也用 AI，資安人才的標準亦隨之改變
要能帶著 AI 解題，把工具轉化為價值
對趨勢科技（以下簡稱趨勢）而言，AI 時代下真正稀缺的，不再只侷限是會寫程式的人，而是能理解問題、拆解並知道如何運用 AI ，讓產品與防禦能力持續進化的人才，這樣的轉變，正發生在趨勢的研發與徵才現場。
同樣是工程師，解決的卻不是同一種問題
卜鵬世首先分享，他目前掌管的兩個核心部門：一是更貼近產品與客戶需求的 「端點防護」（Endpoint Security）部門，另一是負責研發共通能力的「核心技術」（TrendAI Lab）部門。前者關注的是，如何把防護能力做成客戶能快速安裝、易於操作管理的產品；後者則是專注於分析資安威脅、偵測引擎、URL 判讀等能力，提供各產品線共用的核心能力支援。
談到這兩個部門的差異，卜鵬世用了一個很鮮明的比喻：「端點產品部門的人比較像部隊，核心技術部門的人比較像製造武器的人。」 一邊更靠近戰場與使用情境，一邊則負責打造武器與核心能力，分工不同，卻必須高度協作。
若進一步用學科來理解，這兩類人才也有明顯差異。卜鵬世認為，核心技術比較像化學系、數學系，偏研究、分析與技術突破；而產品開發則更像 化工系、應用數學系，更重視如何把技術轉化為可落地、可被客戶使用的解決辦法。
面對資安威脅，前者需對新技術保持高度敏感，從龐大資訊中找出特定模式；後者更需要能理解客戶需求、使用流程與跨部門的合作。換句話說，兩邊都在拆解問題，但一邊更接近攻擊與技術本身，另一邊更接近使用者與產品體驗。
當攻擊者也用 AI，資安人才的標準亦隨之改變
AI 的普及，最先改變的是資安攻防的速度與規模。卜鵬世直言，攻擊者往往是世界上最早應用新技術的一群人，「只是他們把它拿來做壞事。」過去，若要變形攻擊，可能還需要改寫程式邏輯；現在只要下幾個語法，AI 就能快速生成大量變體。也因此，他很直接地說出這句話：「只有用 AI，才有辦法對抗 AI。」
對核心技術團隊來說，AI 已不只是輔助工具，而可能成為解決辦法的一部分；過去最核心的是程式寫成的引擎，未來最關鍵的部分甚至可能就是 LLM。對產品開發端而言，AI 則更直接影響開發流程，從知識查找、code completion，到 AI agent 協助寫 code、做測試與整理架構，正在逐步重塑工程師的工作方式。
這樣的改變，也反映在趨勢科技的徵才標準裡。受訪者提到，公司在面試時，已經會觀察候選人的 AI 使用能力，甚至有一套內部能力指標概念對照：從「有在使用」，到「能產出成果」、再到「已經融入工作流程」，更高階者甚至能藉此改變做事方式與組織協作模式。
以目前觀察來看，多數工程師已開始使用 AI，也能在部分工作中應用，但距離大規模流程與工作模式的重塑，還有一段距離。這也意味著，企業現在看的人才，不再只是「會不會寫 code」，而是「會不會用 AI 定義問題、拆解問題，並把它真正放進工作流程裡」。
趨勢科技核心技術副總經理卜鵬世
要能帶著 AI 解題，把工具轉化為價值
對趨勢科技而言，未來工程師最重要的能力，不光只是技術本身，而是包含判斷力與學習力。卜鵬世認為，當 AI 已能協助完成越來越多標準化工作，真正拉開差距的，是定義問題、做出決策、引導 AI 協作的能力。未來的新鮮人，也許一進職場，反而會更像是帶著一群 AI agents 一起工作的協作者。
從 HR 的角度，柯志宜也觀察到，企業在尋找的已不只是具本科系背景，而是能否展現對技術的熱情、學習能力，以及把工具運用到實際問題上的能力。她提到，科系當然還是辨識人才的一種立即參考，但真正重要的，仍然是候選人能否證明自己會用、敢用，而且清楚使用 AI 解決了什麼問題。對於產品開發的團隊來說，這樣的人才尤其有亮點，「因為他不是只會操作工具，而是能把工具轉化為產品價值。」
趨勢科技人資協理柯志宜
除了人才標準，趨勢科技也強調自身吸引人才的另一個關鍵，在於企業文化與研發定位。柯志宜提到，「我們唯一的競爭對手是駭客。」 這句話不只是企業精神，也反映出公司長期專注資安、持續轉型的核心方向。她認為，趨勢科技一直保有清楚的願景；對工程師而言，這裡並不是科技公司的海外分部，而是擁有研發資源與舞台的研發中心。對於想參與核心技術，與全球性產品研發的人來說，這樣的環境本身就是吸引力。
從端點防護到核心技術，從 AI 分級到徵才標準，在 AI 時代下，資安領域最需要的不只是技術執行者，而是能帶著 AI 一起解題、一起進化的人。這正是趨勢科技在人才招募與研發現場，所體驗到最真實的變化。
立即下載《2026科技業人才報告書-人才版》
[joblist_plugin title='更多104【Trend Micro_趨勢科技】工作機會' url='https://www.104.com.tw/company/apio4y0' amount='3']
AI代理人時代，勝負不在AI多聰明！林之晨：關鍵在組織消除落地摩擦力
AI代理人時代開跑，為何有些企業空有工具卻跑不動？台灣大哥大總經理林之晨與資訊長蔡祈岩指出，AI代理人時代，真正拉開差距的不是AI多聰明，而是組織重塑制度、消除落地摩擦力的速度，並點名企業該推動的5大戰略。本文節錄自《逆分工》。
文／林之晨、蔡祈岩
本文目錄（點擊可快速前往）
代理人時代：螢幕工作的無限重組企業消滅摩擦的5大戰略
市面上關於AI與工作的流行預言，往往充滿了表面合理卻彼此打架的矛盾。例如，黃仁勳曾指寫程式不再是必備技能，引發「軟體工程師最快失業」的焦慮；但同時，社群又盛傳「水電工、木工等藍領最安全」的建議；工具商更天天高喊「不會用AI的人將被會用AI的人取代」。這不免讓人質疑：如果工程師是最會用AI的群體，為何會最先受衝擊？水電工不碰AI，憑什麼最安全？
這3句話都沒有錯，矛盾的鑰匙在於「時間維度」。這就像3個人站在同一座山的不同高度，山頂下雪、山腰下雨、山腳出太陽，切入的都是不同的層次。
第一個10年（2026～2035）「代理人時代」： 軟體工程師首當其衝。因為他們的工作最純粹地發生在螢幕之內的數位世界，這正是AI代理人最先重組的範圍。
第二個10年： 水電工的藍領工作暫時安全，是因為AI的實體「身體」還沒長齊，修水管等任務高度依賴現場經驗。但當具身AI機器人成熟，實體工作在第二階段同樣會迎來重組。
「會用AI的人取代不會用AI的人」： 這並非特定職業，而是每個階段內部的競爭規則。第一階段是會用AI的工程師取代不會用的；第二階段則是會指揮機器人的技師取代舊技師。
工作並非一次性消失，而是經歷錯位、重組到重新定義的過程。如果將未來30年的不同階段全部壓縮進「現在」，就會陷入無謂的爭論。拉開時間軸，才能看清在不同階段中，資源與能力究竟該往哪裡放。
代理人時代：螢幕工作的無限重組
在第一個10年，AI將從對話工具進化為能自主規劃、執行的「專案經理」。此階段的最大紅利在於所有「螢幕上能完成的事」，轉化為可大規模複製、調度的生產素材。
過往知識工作卡在繁瑣的跨部門流程，AI代理人則將寫報告、做簡報、分析數據、開發原型等能力「即時可得化」。這迫使被組織底層壓抑的需求浮上水面，企業開始做以前因人力成本過高而「不值得做」的事，例如中小客戶的客製化分析、普及的策略幕僚能力。在小說、影音等創意生產領域，創意的生產流程被拆開，迎來供給側的大爆炸。此時紅利不會平均分給擁有工具的人，而是集中於能將多個AI代理人接進工作流程、創造新產能的跨界人才。
然而，這個10年真正的勝負不在AI變得多聰明，而在組織「消除落地摩擦力」的速度。歷史上真正拉開差距的，從來不是最早看見技術的人，而是最快重塑制度系統的玩家。正如工業革命時，真正讓蒸汽機威力兌現的是英國圍繞其建立的專利、金融與現代法律配套；而清朝洋務運動空有鐵甲艦，卻想「中學為體，西學為用」不願動彈體制，制度摩擦最終導致血流成河。
企業消滅摩擦的5大戰略
AI是這個世代的馬鐙與弩，解放了雙手，但也唯有願意重新設計系統的企業才能在加速曲線上勝出。企業在這個10年具體該推動5件整體變革：
第一、領導層必須自己下水每天使用，而非視為IT部門的事。
第二、組織結構動刀，升級中層、放大個體並組成變形蟲團隊，不能用舊組織跑新工具。
第三、重新定義人才標準，從看「會什麼」轉向看「能用AI做到什麼」，改寫招聘與薪酬結構。
第四、勇敢將資源從既得利益的舊系統抽走、投向新系統。
第五、徹底重塑文化，容忍快速試錯與鼓勵跨界融合。
這5件事是一個整體的多個面向，技術躍遷的紅利從不雨露均霑。新秩序來臨之際，企業與個人都必須用接下來10年的具體行動回答：在這場奇點倒數中，你究竟想當英國，還是當清朝？
節錄自：天下雜誌出版《逆分工：AI 時代的生產力革命，重構組織、市場到經濟的生存新賽局》／林之晨、蔡祈岩 著
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
在AI與自動化技術席捲各行各業，本文作者、MIT博士麥特．比恩指出，人工智慧雖提升企業生產力，卻也打亂了原本仰賴「專家帶新人」的技能傳承路徑，導致新一代技術人才能力養成受限。這種「技能斷層」在全球蔓延，不僅使職場新鮮人難以勝任複雜任務，也讓企業與組織面臨長遠的人才空洞與績效風險。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）
追求生產力，卻打斷技能的核心各行各業的潛在隱憂技能落差造成數兆美元損失
追求生產力，卻打斷技能的核心
現在許多職場因為科技的介入，硬生生隔開資淺員工與資深員工，也就是新人和專家。我們拚命追求生產力，卻打亂技能密碼的核心，但是挑戰、複雜性和連結三者缺一不可。如果這些元素不完整，未來我們該如何學習與智慧機器共事？
大家經常問我：「機器人會不會搶走人類的工作？」答案很簡單：「會。」
目前最完整的研究顯示，企業每添購一台機器人，大約會取代3到6個工作機會。然而，有一個問題比失業更重要：有多少工作、又有哪些工作正在改變？有一項長達40多年的研究，最後只發現一個規律：每當人類採用自動化或新技術，並沒有太多的工作消失。放到整體經濟來看，這些消失的工作根本微不足道，可能也就幾萬個而已。但是有更多工作因應新技術進行調整，這個數字恐怕是數千萬，甚至是幾億。因此這些從業者都要掌握新的工作方式，才能穩定完成任務。沒錯，學習才是目前最大的挑戰，因為工作模式改變了，這影響的是全球數十億人，而變化的速度正在加快。
回到克莉絲汀動手術的例子，看看一切會有什麼不同。她上次輪班是做傳統手術，後來經過6個月，她又把一位攝護腺病患推入手術室，不過這次迎接她的是一台巨大的機器人。機器人有4隻手臂，重達約455公斤左右，主治醫師將機器人連接到病患的身體。隨後他們脫下手術服，走到距離病患約5公尺的控制台，整場手術都是靠「遙控」。
克莉絲汀只能站在旁邊，看著主治醫師操控機器人的手臂，將病患的身體組織拉取並分離。
操作機器人的手術，有別於傳統外科手術，就像使用iPhone一樣簡單，醫師可以獨力完成整台手術。主治醫師也知道克莉絲汀需要練習，也希望給她機會，但也知道她的速度較慢，容易出錯，一旦讓她操作，就只能承擔風險。動作慢，就會拉長麻醉時間，徒增中風的風險；出錯了，出血量會更大，甚至發生更糟的結果。但是，病人的安全第一。因此這次克莉絲汀幾乎沒有機會接近病人的神經。4小時的手術，如果她能夠操作15分鐘以上，就要謝天謝地了，而且還只是切割脂肪這種非常簡單安全的環節。輪到她操作時，主治醫師只會在一旁大聲喝斥，一旦犯下大錯，主治醫師就會直接點一下觸控式螢幕，搶過來自己做，把她晾在一邊，感覺就像小時候戴著「我是笨蛋」的帽子，站在角落罰站。經過這樣的手術，她怎麼可能成為更優秀的機器人外科醫師？
結果就是，像克莉絲汀這樣的住院醫師，即使完成培訓，對機器人手術仍然缺乏信心，也沒有學到多少技術。後來，克莉絲汀成為外科醫師，第一次獨立操作機器人手術，卻在控制台上狂冒冷汗，動作斷斷續續，速度慢到不行，不小心燒壞和切除許多身體組織。手術團隊不發一語，氣氛相當凝重，人人面露難色。病人最後的失血量是她導師的10倍，原本只需要3小時的手術，硬生生拖到7小時。我在機器人手術室裡，親眼目睹一切，忍不住詢問克莉絲汀的外科主任，好奇這項新技術對醫師這一行的影響。外科主任非常憂心，雖然美國還是有精通機器人的明星外科醫師，但是絕大多數操作機器人的外科醫師手術實戰技能不足。他說：「我的意思是，這些人根本做不來。從來沒有真正操作過機器人，只有站在旁邊看別人做，看過電影，並不代表你就能當演員。」
這引發我的關注。然而，現在對機器人手術的需求正在瘋狂成長；很多醫院早就有手術機器人，還硬逼克莉絲汀這樣的新手醫師上場，反正她遲早得使用。2019年，《美國新聞與世界報導》(U.S. News & World Report)和《連線》(Wired)獨立調查此事，結果發現機器人手術培訓簡直就是「無法無天」，成果「糟糕透頂」。2022年，全球頂尖工程雜誌《科技縱覽》(IEEE Spectrum)也得出同樣的結論。許多人在接受機器人手術時，可能會遇到臨床訓練不足、手術經驗不夠，甚至對操作控制台沒信心的醫師。
光想都覺得可怕嗎？我也這麼覺得，但這只是開端。
各行各業的潛在隱憂
外科手術和其他行業沒兩樣，也是拚命引進智慧科技，彷彿站在自己建造的火箭前，全力衝向嶄新的未來。而這種趨勢從數十個職業和組織開始蔓延，再來是數百個，最後影響全球，這正是我們面對的現實。我深入研究先導入機器人的領域，大概有數十個，從這些數據來看，許多職業原本依賴專家帶新人的學習模式，但是如今已經無法繼續。
頂尖律師事務所拚命壓低成本，但對一件事毫不手軟，就是投入人工智慧等技術，「支援律師的工作流程」。現在文件審閱已經開始自動化，菜鳥律師不再做這些工作，律師事務所連工時費用都省了，資深律師反而接手更多的案子，效率更高；客戶花的錢更少，律師事務所也因為縮減人手，賺得更多。結果菜鳥律師和資深律師完全隔開了，沒機會觀摩、沒辦法參與，更別說幫忙前輩分攤工作，從中學習。最近Law.com有一篇評論，嚴肅提醒大家：「現在新一代的律師，正在錯失接受培訓與專業發展的機會。」
再看看警察的例子，警察局也在使用人工智慧的預測工具，幫忙分配巡邏區域，如此一來，是否能有更多的時間打擊犯罪？對菜鳥員警來說，現實並非如此，他們必須處理文書工作，餵養這些系統，反而沒時間跑社區，和前輩一起學習。
至於高階金融的領域，資深銀行業者加碼投資FactSet和CapIQ等工具，以人工智慧輔助市場分析與公司評價。2021年，金融業獲利1千7百億美元，但是這種自動化也改變了工作流程，導致菜鳥銀行職員大多在製作例行報告，無法和資深職員共事，就連資深職員也表示：「（資淺員工）對市場趨勢和業務情況的理解力正在明顯退化。」從這些尖端產業來看，在人類學習與機器學習的交會處，專家和新人之間的連結正在瓦解。
關於這個問題，我從全球經濟各領域蒐集優質的數據，其中有很大一部分是我個人十幾年的研究，還有其他優秀的田野調查。除了上述的例子外，其他職業也受到影響，我還在持續補充，像是高等教育、線上人力平台、晶片設計、新聞業、資料科學、刑事司法、新生兒加護病房、公共教育、音樂創作、機器人學、開放式創新、航太工程、叫車服務、長途貨運、拆彈、無人機駕駛、餐飲服務、次級物流、放射學、營建業、財富管理、零售業、汽車工程、客服中心營運等。雖然這些行業用的智慧科技不太一樣，但是都有一個共通點，就是總會干擾專家與新人的連結，屢試不爽。
這個問題很嚴重，牽涉到數兆美元。
技能落差造成數兆美元損失
我來拆解一下：產業有需求，卻找不到人才，稱為技能落差（skills gap），最近有人估算，光是全球製造業，技能落差就造成數兆美元損失，把這個數字乘以所有行業，虧損會更驚人。
過去3年來，美國經濟諮商局（Conference Board）調查企業執行長最擔憂的問題，榜首始終是吸引和培養人才。
對勞工來說，這也是頭號問題，根據2020年德勤（Deloitte）調查顯示，有45％受訪者擔心自己的技能在3年內就會不夠用。
另一項LinkedIn的調查顯示，高達94％受訪者表示，只要公司願意重視員工的職業發展，就會選擇長期留任。
然而，我們因應這個問題的方式，似乎是在開倒車。2020年，我們在技能發展投入的經費，有5千億美元都用在正式培訓，包括課堂學習、線上自學課程，或是近來的手機短影音。
只有極少的資金，用來奠定我們最寶貴的技能，也就是無所不在的非正式連結。原本資源就已經少得可憐，再加上我們對這種連結的理解太落後，導致這一點資源也白白浪費了。
為什麼會這樣？因為人工智慧的好處太誘人，這些系統放大專家的能力，帶來更好的成果。
不然你試著說服那些資深記者、技師或主管，讓那些實習生回來磨練，允許他們犯錯、拖慢效率。克莉絲汀的故事及其他無數類似的例子，跨越各個產業、技術、時期和職位，不斷提醒我們這個問題。為了追求更好的成果、更高的效率、更大的利潤，我們設計出這些智慧科技，引導人工智慧的發展，並選擇投資哪些研究。但是我們正悄悄付出代價，損失高達數兆美元。
科技、技術及技能一直在變，專家和新人的互動關係也要與時俱進，畢竟工作需要越來越複雜的技能。試想，生在古羅馬時期的梅內拉奧斯，怎麼可能像我們一樣拿著「智慧型手機」，從羅馬的市場打電話、發送郵件或傳送照片給斯特凡諾斯？但是在以前，我們至少有時間適應。關鍵就在於適應的過程，仰賴專家和新人的合作，一步步建立必要的知識，以整合新科技、新技術及新的工作關係。只不過現在這種學習，變得越來越困難。這種全面的衝擊，勢必會打破數百年來專家帶新人的模式，讓許多寶貴的技能跟著消失，因為技能發展離不開挑戰、
複雜性與連結。新一代技術人才的能力正在下滑，組織也變得空洞。在這個關鍵時刻，一不小心，無論是個人或集體，都會喪失適應未來的能力。
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時代人才怎麼學？擁有「4大軟實力」更重要
沒有人會是「AI」局外人！當AI技能從選填題變成必選題，你確實該緊張
2025職場技能趨勢！該放上履歷的15種高薪技能
AI最新熱門工作揭曉！工程師不只要會寫程式 這技能創造更多收入
2025-11-02 經濟日報編譯易起宇 由聯合新聞網授權轉載
OpenAI、Anthropic和Cohere等人工智慧（AI）新創公司，正加緊招募一種為數稀少的軟體開發人才：前線部署工程師（Forward-Deployed Engineer，FDE）。這些軟體工程師必須既要會寫程式，又要在派駐到企業客戶組織內時，能和顧客交流，協助客戶客製化模型，加速採用AI技術，以創造更多收入。
英國金融時報（FT）報導，OpenAI今年初成立一支FDE團隊，預計今年底前將擴充至約50名工程師。Anthropic也表示，今年將把包含FDE和產品工程師的應用AI團隊規模，擴大為五倍，以滿足客戶需求。
求職平台Indeed數據顯示，這種需要與客戶面對面交流的AI職缺，今年來已一飛沖天，1-9月每月刊登的FDE職缺數量已暴增逾800%。
這種人才趨勢的出現，是因為雖然從製造業到醫療保健等各行各業，都正日益熱衷於引進AI工具，但常不確定該如何應用AI技術，以及要怎麼利用這筆投資獲利。
Anthropic應用AI團隊主管瓊恩表示：「一家財星500強（Fortune 500）的銀行業者，和一家打造原生AI產品的新創公司，需求完全不同。」
數據情報大廠Palantir英國AI主管普雷特尚，形容這種方式為「從內部發現產品」，「你會希望自己打造的事物，在以簡報介紹給客戶時，促使他們說，『這東西將顛覆遊戲規則』」，前線部署工程師知道「珍貴的軟體並非程式碼或語言有多精美…而是要對終端客戶有意義」。
Palantir約20年前便從軍隊派駐海外的概念取經，招募這種人才，如今FDE已約占半數員工，並已派遣到阿富汗和伊拉克的軍事基地、美國中西部的工廠、以及煉油廠。
AI新創公司也希望效仿Palantir。Cohere共同創辦人暨執行長戈梅茲表示，一開始和客戶簽約時就部署工程師，有助建立長久而持續的關係。
雖然FDE目前在AI企業員工中的占比仍相對小，但OpenAI表示，此職位的需求已超越其預期。OpenAI歐洲和中東FDE團隊主管佛尼爾說：「這讓我們學會了不同行業客戶的真正需求，並幫助我們基於真實世界的運作，提升研究和產品陣容。」
延伸閱讀：
AI取代誰？報告揭「科技業職位最危險Top 4」 這領域反而人才荒
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！
96%台灣專業人才已使用 AI 技能信心比例亞洲最高
2026-08-31 經濟日報記者洪安怡 由聯合新聞網授權轉載
怎麼把AI用得好，是職場下一階段的決勝關鍵。人才招聘與顧問公司華德士（Robert Walters）最新調查顯示，96%台灣專業人士已在工作中使用AI，高於亞洲整體的93%；73%受訪者有信心持續更新AI技能，更居亞洲十個受訪市場之冠。
華德士發布《未來職務洞察：AI如何重塑亞洲職場》報告，調查亞洲十個市場近5,000名專業人才及企業，包括台灣、香港、新加坡、日本、中國大陸、馬來西亞、印尼、菲律賓、泰國及越南。
結果顯示，亞洲已有93%專業人士在日常工作使用AI，超過五成雇主也已正式導入AI工具；其中台灣AI使用率達96%，另有79%認為AI將為未來職涯帶來正面影響。
隨AI加速改變工作內容，企業對人才技能轉型的需求也升高。調查顯示，超過九成台灣雇主預期，未來五年內員工需要因應AI發展重新培養或提升技能，其中18%更認為，超過半數員工都需要進行技能轉型。
亞洲整體最常見的AI應用情境，以文案及內容生成占47%最高，其次為數據分析與洞察40%、研究38%；但台灣則以「預測分析與決策支援」占62%居首，其次為文案與內容生成58%、數據分析與洞察40%，反映AI應用正由內容產出，進一步走向資訊分析及決策支援。
不過，AI深入工作流程，也讓職場焦慮從「會不會被取代」轉向「資料能不能放心交給AI」。調查指出，台灣專業人士最擔心資料遭誤用或涉及機密性問題，占54%；其次為AI產生錯誤或參與決策後的責任歸屬，占51%，兩項比例皆為亞洲10個受訪市場最高。
雇主對人才能力的要求也跟著改變，高達76%台灣雇主將「批判思考與事實查核」列為AI時代最關鍵能力，高於亞洲整體64%。
延伸閱讀：當大家都在瘋AI，你要怎麼贏？報告顯示：聰明人都回頭學這老派技能！
而目前成長較快的職務主要集中在三大方向：
一是能串聯技術與實際業務需求的AI應用與導入相關職務，如AI產品經理、AI商業分析師；
二是將數據轉化為決策與成長動能的相關職務，如數據分析師、商業智慧（BI）及數位轉型相關職務；
三是因應AI應用擴大而增加的治理、風險與法遵相關職務，包括AI治理或風險管理、Responsible AI、AI法遵及資料隱私等職位。
華德士台灣總經理John Winter表示，對組織來說，下一步的關鍵不只是導入AI，而是重新思考工作設計與人才能力，並建立值得信任的AI使用方式。AI能提升效率，但如何做出正確判斷、創造真正的商業價值，最終仍取決於人。
延伸閱讀：AI時代你的工作還安全嗎？李開復「2張職場地圖」解析難取代關鍵
[joblist_plugin title='最新【AI產品經理】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&keyword=AI%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15&page=1' amount='3']
[joblist_plugin title='最新【AI商業分析師】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&keyword=AI%E5%95%86%E6%A5%AD%E5%88%86%E6%9E%90%E5%B8%AB&order=15&page=1' amount='3']
[joblist_plugin title='最新【數據分析師】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&keyword=%E6%95%B8%E6%93%9A%E5%88%86%E6%9E%90%E5%B8%AB&order=15&page=1' amount='3']
AI破牆，硬知識貶值了！拆解「2種智力」決定你被取代還是被放大
當AI成為每個人都能用的外掛，獲取專業能力的成本就發生了斷崖式下跌。台灣大哥大總經理林之晨與資訊長蔡祈岩指出，生成式AI終結傳統分工邏輯，唯有翻轉晶體智力、全面轉向流體智力，才能不讓自己變成被組織埋葬的零件。本文節錄自《逆分工》。
文／林之晨、蔡祈岩
本文目錄（點擊可快速前往）
AI為什麼是那個「破牆者」？AI帶來的改變：專業能力邊界消失硬知識貶值了，活腦袋才是王道
既然分工早就開始出問題了，為什麼我們以前不談逆分工？為什麼個人電腦和網路都發明了，人類也登上月球了，公司裡的分工卻還是愈切愈細？
原因很簡單：過去做不到。
過去所有科技發明，像是電腦、網路、雲端、協作軟體，其實大多只是延伸了我們的手腳、記憶或通訊能力。它們幫我們算得更快、存得更多、傳得更遠，但它們沒有真正擴展我們的大腦容量。
你的大腦裝不下所有知識，一個人不可能精通所有專業。所以，隨著人類知識體系愈來愈大、每個學科愈來愈深，每個人從求學到職場，只能愈來愈專；公司的部門也只能愈來愈多，職能體系愈來愈膨脹。
直到生成式AI出現，情況才徹底改變。它像是一個能夠擴展我們大腦容量的底層引擎，讓我們第一次有力量打破不同專業之間的壁壘。
AI為什麼是那個「破牆者」？
要理解逆分工為何在此刻爆發，我們得先面對一個現實：人的大腦容量是有限的。
根據常被引用的一萬小時定律，你要花大量時間，才能成為某個領域的專家。你花10年學寫程式，就很難再精通商業法律；你把青春奉獻給視覺設計，可能就對財務會計一竅不通；你長期做業務，就很難同時成為資料科學家。
我們需要部門和專才，說到底，就是因為一個人的大腦裝不下所有知識，但大型語言模型改變了這個遊戲規則。
AI不是一個簡單的資料庫，它更像是一位真正讀完了全人類各行各業深度知識的「超級博士」──它讀過大量書籍、論文、文件、開源程式碼與各種人類知識材料，能把不同領域的語言翻譯成彼此看得懂的形式。
它不會讓非專家一夜之間變成真正專家，但它能讓非專家第一次跨過專業領域的第一道門檻，取得初步理解、草稿、選項、框架與可討論的成果。
這件事之所以重要，是因為大部分組織內部的卡點，不是每件事都需要世界級專家，而是大量任務連第一版草稿、第一輪分析、第一個可討論版本都生不出來。
AI讓這件事變了。
AI帶來的改變：專業能力邊界消失
當AI成為每個人都能使用的通用外掛，獲取專業能力的成本就發生了斷崖式下跌。
這不是說專業不重要，真正重要的專業，仍然需要人類專家把關。合約最後要法務審，程式最後要工程師看，設計最後要品牌與市場判斷。
但在AI之前，大量工作卡在「我根本不知道怎麼開始」或「進入新的領域時要先花費巨大的學習成本」。
在AI之後，更多人可以先做出第一版，讓事情進入討論與迭代，而且這個第一版是有模有樣、有所依據的。
這就是為什麼像台灣大哥大這樣的公司，會將全員導入AI提升生產力的計畫命名為「超人計畫」。
「超人」不是說每個人都突然變成天才，而是說每個人都應該有機會，把自己原本的能力放大。
硬知識貶值了，活腦袋才是王道
我們接著談智力。
這裡可以挪用心理學家雷蒙德．卡特爾（Raymond Cattell）的概念：晶體智力與流體智力。
我們並不是完全套用原本的心理學理論，只是借這個理論的名詞，而且略微改變其定義，把人的智力粗略分成兩種。
第1種：晶體智力
你可以把它想像成你腦中的硬碟資料庫和肌肉記憶，它指的是運用過去累積的知識、經驗和標準化技能來解決問題的能力。
例如律師背誦法條、醫師根據症狀診斷常見疾病、會計師熟練查帳、資深員工熟悉公司SOP。
這是傳統職場常說「愈老愈吃香」的原因，因為這些知識會隨著年齡與經驗累積。
第2種：流體智力
它更像是你大腦的中央處理器，負責運算速度和靈活性。
它處理的是全新、陌生、混亂，甚至從未見過的情境。它考驗的是邏輯推理、模式識別、問題拆解與適應能力，跟你背了多少書沒有直接關係。
例如創業家在混沌市場中尋找新的商業模式，或是工程師面對一個從未見過的系統故障時，快速找出可能原因。
殘酷的事實是：AI已經是這個星球上最強大的晶體智力載體之一，它讀過大量法典、醫學期刊、財報標準、程式碼範例與商業文件，它不會忘記，也不會疲倦。
如果人類還想在職場上跟AI比記憶力、比誰的知識更廣、比誰操作標準流程更快，那我們完全沒有勝算，而且差距只會愈來愈大。在晶體智力的賽道上，人類已經被超越。所以，人類的戰場必須全面轉向流體智力。
未來的競爭，不再是比誰的腦袋裡裝的知識多，而是比誰能更快釐清混亂局勢；不再是比誰能給出標準答案，而是比誰能向AI提出最一針見血的好問題。
當每個普通員工都能透過AI這個強大引擎，瞬間具備跨越研發、行銷、法務、設計與資料分析的能力，那些原本為了協調他們而存在的經理、總監與各種跨部門會議，也必然會被重新檢視。
節錄自：天下雜誌出版《逆分工：AI 時代的生產力革命，重構組織、市場到經濟的生存新賽局》／林之晨、蔡祈岩 著
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
專家：AI時代，3件事幫你保持職場競爭力
你曾擔心自己在工作太依賴AI嗎？專家指出，抗拒AI不是解決之道，但全部工作都依靠AI也不是正確答案。他建議養成3個習慣，把AI當成工作夥伴而非拐杖，維持AI時代的職場競爭力。
文／樂羽嘉編譯 由天下雜誌授權轉載
本文目錄：AI時代，做3件事保持職場競爭力
1. 每週自我審查一次AI使用情況2. 困難的任務先自己做3. 培養AI無法複製的技能
如果你開始擔心自己在工作上太依賴AI，你並不孤單。
根據GoTo和Workplace Intelligence對2500名員工和IT主管的調查，有半數員工自認過度依賴AI，39%員工認為AI害自己變笨，41%相信AI會傷害自己的長期職涯，還有30%員工坦承在工作上已經不能沒有AI。
《紐約時報》暢銷書作家、未來工作專家舒貝爾（Dan Schawbel）花了十多年研究科技如何重塑職涯。看到這些數據，舒貝爾確信我們正處於關鍵轉折點。他認為AI不會消失，抗拒AI不是解決之道，但全部工作都依靠AI也不是正確答案。
舒貝爾相信，未來能脫穎而出的勞工是懂得把AI當成「夥伴」而非「拐杖」的人。他建議開始養成以下3個具體習慣：
1. 每週自我審查一次AI使用情況
之所以有這麼多人覺得AI害自己能力變差，是因為不管工作需不需要，他們都被逼使用AI。在前面提到的調查中，有60%的勞工承受必須使用AI來提高生產力的壓力。如果不加以控制，這種壓力就會變成一種壞習慣。
每星期簡單審查一次，可以打破這個惡性循環。你可以在手機或實體便利貼上隨手記錄，寫下你交給AI處理的每一項任務。在週末時，花10分鐘回顧一下你在哪些地方使用了AI，並問自己兩個問題：
這真的有改善成果嗎？這是我自己就能做好的事嗎？
與其試圖完全戒掉AI，不如誠實面對AI在哪些地方帶來價值、節省時間，在哪些地方你其實是把本來應該自己進行的思考外包出去。
2. 困難的任務先自己做
前面提到的調查中，有70%員工承認曾不當使用AI來做需要EQ或精準判斷力的敏感工作或高風險工作上，從應對艱難對話到做出會造成實質後果的決策。但這些正是你必須親自去做才能進步的工作。
舒貝爾建議求助AI之前，先自己努力至少15分鐘，寫第一版草稿、釐清邏輯。接著再利用AI來對你的努力成果做壓力測試或潤飾，而不是讓AI從零開始幫你打造一個成品。
在調查中，有43%員工承認雖然懷疑AI產出的內容有錯或造假問題，依然照用不誤。近三分之一（31%）的人表示，他們感受到一種心照不宣的壓力，逼得他們只能選擇相信AI並對AI的錯誤保持沉默。還有14%表示曾向主管報告AI出錯，卻被要求閉嘴。
判斷力是一項不練習就會退化的技能。隨著AI變得愈來愈強大，未來依然能保持競爭力和市場價值的勞工和主管，不是只會輸入提示句後直接原封不動使用產出的人，是那些能夠看出AI何時出錯、不完整或缺少關鍵，能夠動手修正的人。
3. 培養AI無法複製的技能
利用AI幫你省下來的時間，去練習專屬於人類的獨特能力。
調查顯示，在AI導向的職場，最重要的技能是創意思考、EQ和判斷力，包括知道何時該信任AI、何時不能依賴AI。這些技能將決定誰會在職場發光發熱，誰又會止步不前。
你可以每季挑選一個能力來精進。如果你需要面對客戶，就把自己放在需要察言觀色、臨機應變解決歧見的情境。如果你的角色偏向分析型，在參考別人想法或詢問AI之前，先練習形成自己的主張並強力捍衛。
（資料來源：CNBC、danschawbel.com）
（原文標題：專家：AI時代，做3件事保持職場競爭力）
推薦閱讀：
寫AI提示詞不該有的5個壞習慣！OpenAI最新指南建議「放手讓AI發揮」
研究「拖延症」40年的心理學家：你不是時間管理差，你是在自虐
普立茲獎得主：成功人士最重視的2件事
他高中輟學進工地，22歲賺進629萬年薪
有任何收穫或想分享的，都來和大家一起聊聊吧！