打造高投入團隊：遊戲化工作設計與激勵機制實作班【9/17】
104學習
debug
在職場上，這項技能指的是找出問題根源並有效解決的能力。不論是程式碼錯誤、系統異常，或是流程瓶頸，都需要透過細心檢查、分析和測試，快速定位問題所在，並提出可行的修正方案。具備這項技能的人，能提升工作效率，減少錯誤發生，確保產品或服務順利運作，對團隊和公司價值極高。
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
AI工程師與企業開發必修！FastAPI後端精通：全面入門與進階實戰指南
巧用PDCA 優化團隊效率！
頂尖業務必修課：從陌生開發銷售技巧到成交與顧客維繫【08/31】台中場
軟體工程師就業培訓
【天下學習｜線上課】AI Agent 零基礎打造個人工作流｜數位員工 ✕ AI 工具整合 ✕ Agent 生態串接
.NET開發資料庫應用系統全方位－ADO.NET與Entity Framework(.NET Core)攻略
極速問題分析解決力
數位自動化團隊協作攻略｜Power Automate整合應用
Gemini 職場實戰應用課：不用寫程式也能把工作變快
精選證照
考取專業證照，讓能力被市場看見
進階軟體設計專業人員
進階軟體設計專業人員證照旨在驗證持有人具備高階軟體設計與開發能力，涵蓋系統分析、架構設計、程式撰寫及測試等關鍵技術。持證者能有效運用物件導向設計原則及軟體工程方法，解決複雜問題並提升軟體品質與維護性，適用於大型專案開發與團隊協作，提升職場競爭力與專業價值。
財團法人中華民國電腦技能基金會
Google專業級機器學習工程師認證
專業級機器學習工程師利用 Google Cloud 功能與機器學習方法的知識，來建立、評估、生產和優化AI解決方案。機器學習工程師處理大型、複雜的資料集，並建立可重複、可重複使用的程式碼。 根據基礎模型設計，同時實施生成式AI解決方案。
機器學習工程師著重AI實踐，與其他職位密切合作，以確保AI應用程式的穩定與成功。
機器學習工程師具有扎實的程式設計能力、資料平台以及分散式資料處理工具的經驗。精通模型架構、資料和機器學習管道創建、生成式 AI 和指標解釋等領域。
機器學習工程師須熟悉MLOps、應用程式開發、基礎架構管理、資料工程和資料治理的基礎概念。 幫助團隊有效運用AI解決方案。透過訓練、再訓練、部署、調度、監控和改進模型。
Google
PC硬體裝修檢測認證
PC硬體裝修檢測認證: 確保技術人員具備PC硬體裝修及維修技能，包括組裝、診斷和維護電腦硬體設備。
此認證驗證個人在組裝、測試和排除PC硬件組件方面的專業知識。可能包括硬件兼容性知識、組裝技術、診斷工具以及故障排除方法。
TIPCI臺灣國際專業認證學會
程式設計Visual Basic 2008
Visual Basic 2008證照驗證持有者具備使用Visual Basic 2008開發應用程式的基本能力，涵蓋程式設計語法、物件導向概念、事件驅動設計及資料庫連接等技能。證照強調實務操作與問題解決能力，適合希望從事軟體開發、系統維護及相關資訊工作者，提升就業競爭力與專業技術水準。
財團法人中華民國電腦技能基金會
SSE Unity國際認證
Unity可說是現今這個世代，最引領風騷的IT技術之一，當你具備Unity的相關技術，那麼不論是在遊戲產業，甚至是正風起雲湧的虛擬實境/擴增實境，都將會有你的一席之地。
當你掌握了Unity相關技術，你的薪資也會有大幅度的提升。所以，擁有相關的Unity證照，將是你在IT技術證明的一項重要指標，也是求職時展示自己技術能力的強力證明。
通過本測驗，代表你已具備Unity的必要操作能力，能夠理解與運用C#腳本，具備獨立開發小型遊戲，或是與團隊協力開發大型遊戲的能力。
Silicon Stone Education (SSE)
實體設計 (Creo Parametric/SolidWorks)
實體設計證照主要驗證持有者在Creo Parametric或SolidWorks軟體操作上的專業能力，涵蓋三維建模、零件設計、組件裝配及工程圖繪製等技能，能有效運用軟體完成產品設計與修改，提升設計效率與精確度，適用於機械、電子及工業設計等多種產業，具備此證照者具備良好的CAD工具應用能力，能協助企業加速產品開發流程，提升競爭力。
尚未查核發照單位
精選貼文，掌握第一手知識
微軟推出 AI 除錯神器「Debug-gym」：會學習、會互動，開發者超有感！
近年 AI 在寫程式這塊越來越強，從 GitHub Copilot 到 ChatGPT 都能幫你補全程式碼、寫函數、跑出範例。但——寫出來不代表就能跑得動，**程式出錯才是真正考驗的開始。**
微軟最近丟出了一個開發者圈子超關注的新工具：**Debug-gym**。簡單說，這是一套「讓AI學會怎麼除錯」的訓練平台，而且跟過去被動回應式的AI工具不同，它是主動參與的！
Debug-gym 是什麼？
Debug-gym 不是一套傳統的「除錯工具」，而是一個給 AI 模型用的「除錯訓練場」。它會把程式執行錯誤的環境模擬出來，讓 AI 像人類一樣一步步找問題、做測試、嘗試修改，再看結果是不是改善了。
這就像你在 IDE 裡一邊下中斷點、一邊觀察變數變化，但這次主角是 AI 它自己在操作！
它能做什麼？可整合外部工具，自我優化除錯邏輯
Debug-gym 最大的亮點，就是它不只會「看懂錯誤訊息」，還會自己去呼叫外部工具（像是 Python 測試框架 `pytest`、Linter、或 IDE plugin），然後依據回傳的結果進行修正。
這代表：
- AI 除錯不是亂猜，而是**根據上下文與測試結果調整建議**
- 能根據開發環境不同，整合最合適的工具
- 每次錯誤處理都能成為「下一次更聰明的學習經驗」
目前支援 Python 程式語言，未來有望支援 JavaScript、C++ 等常見開發語言。
社群怎麼看這項技術？
Debug-gym 在 Reddit、Hacker News 引發不少討論，而台灣與華語圈的開發者社群也已經開始關注這項技術：
🔥 社群反應熱點
- 「終於不是只能 auto-complete，AI 開始會 debug！」
- 「這會不會是下一代 Copilot 的核心？自動除錯就太強了」
- 「可以跟 CI/CD 結合嗎？每次 commit 自動測、自動建議修正？」
🧠 實用情境討論
- 新手工程師在學習除錯流程時，可以邊看 AI 如何分析錯誤訊息邏輯。
- 團隊在 code review 前，可先讓 AI 先跑一輪除錯與測試建議。
- 未來整合 GitHub Action，針對 Pull Request 自動做初步除錯建議也不是夢！
目前已有不少部落客與工程師在 YouTube 和 Medium 開始試用 Debug-gym 並做教學影片，預期會成為接下來開發圈的熱門話題。
為什麼這麼重要？
程式碼生成工具已經普及，下一步是什麼？就是**讓AI能從錯誤中學習、主動修正。** Debug-gym 讓 AI 不再只是寫程式的輔助者，而是真正能「解決問題」的夥伴。
開發者不只節省除錯時間，也能透過觀察AI的邏輯提升自己判斷能力。對企業團隊來說，更能強化開發自動化、減少人力排查成本。
結語：AI 除錯的新時代，已經悄悄來臨
如果 Copilot 是你的程式小助手，那麼 Debug-gym 就是訓練 AI 成為「除錯高手」的健身房。現在還是早期階段，但很可能會成為未來開發流程中不可或缺的一環。
無論你是初學者還是資深工程師，都值得關注 Debug-gym 的發展，說不定下次你寫的程式出現 bug，最先發現錯誤的不是你，而是那位 AI 除錯搭檔。
📌 想掌握更多AI動態，歡迎關注本教室追蹤後續更新！
資訊工程系（下）｜從 Debug 到密碼間諜戰，教室裡的腦內對決現場｜逢甲大學｜科系真心話
資工系下集，帶你走進資工人的真實世界。從大學四年如何被訓練成冷靜又邏輯的「問題拆解高手」，到老師如何用生活化教學讓程式與晶片變得有趣，再到研究所與職場的抉擇路口——升學還是就業？軟體還是硬體？本集也邀請逢甲資工的老師與博士生分享心法，談資工系學生最容易忽略的軟實力、真實挑戰與給準新生的建議。一次看清資工系從學習到職涯的全貌！
🎤主持人 Emily 安芷嫻 🎙來賓
逢甲大學資工系：郭崇韋老師、陳子皓同學
點擊了解本集章節
02:21 想讀資工？先測是不是「研究/實作」體質
06:46 老師超有邏輯？密碼學課程是「間諜競賽」
10:34 技術 100 分，表達能力 120 分！資工人的溝通秘笈
12:38 Coding 不只是 Debug！老師教你用程式算 BMI、搭 Ubike
17:29 唸資工要直衝碩士/博班？CP 值最高的學歷點在哪？
26:17 薪水怎麼選？硬體大廠 VS 外商軟體，秘訣大公開
29:05 社會化衝擊：資工新鮮人剛出社會遇到的四大崩潰
32:46 給未來資工人：鎖定未來工作，擁抱科技熱忱
收聽這集，你會知道——
提到資工系，許多人腦海浮現的畫面是內向、邏輯強的學生，獨自對著螢幕 debug。然而，資工系的世界遠不止程式碼，它是一個兼具創造力、解題能力與個人成長的專業養成場域。
人格特質的重要性：研究型與實作型
逢甲大學郭崇韋老師指出，資工系學生多具備 I 型（研究型）與 R 型（實作型）人格。I 型學生熱衷探索新知，能應對技術快速變化；R 型學生喜愛動手實作，與程式設計的學習特性契合。一個樂於鑽研並持續實作的人，相對更適合在資工領域發揮潛力。
課程融合理論與生活，資安課像玩密碼間諜戰
資工系課程並非全是抽象理論。博士班同學陳子皓分享自己曾修讀的「密碼學」課程，老師帶領課堂的方式如同一場數位諜報戰：學生分組競賽、互相破解加密訊息，並進行情境演練模擬真實資安攻防。這種設計讓抽象理論具象化，學生能將所學知識直接應用於實務中，同時提升邏輯思維與問題拆解能力。
碩士學位不只為履歷加分，更是心態的「成年禮」
郭崇韋老師分享，資工系畢業的同學有超過半數繼續攻讀研究所，郭崇韋老師分享，資工系畢業的同學有超過半數繼續攻讀研究所，主要在於大學階段常常是老師在後面督促學生前進，但碩士班則必須主動對自己的研究與未來全權負責，心態上的轉變是邁向成熟的關鍵一步。另外也考量未來職場晉升管理職時，學歷也可能成為被主管與部屬評估的要素。
對於有志繼續深造的學生，陳子皓同學也分享，在選擇碩士班或博士班時，找到對的指導教授與研究室，遠比學校的排名或名聲更重要，一個好的指導教授和實驗室文化，將直接塑造你的專業技能、研究視野與做事態度，對於自己未來發展的影響，遠大於單純的學校光環。因此，花時間去深入了解潛在指導教授的研究方向與風格，才是最明智的投資。
總結而言，資工系的教育核心不只是寫程式，而是學會系統拆解問題、耐心面對錯誤，並善用技術與表達力解決真實問題。鼓勵對科技充滿熱忱、喜歡探索新知、樂於動手做的同學加入資工系的行列。
歡迎點擊，收聽本集完整訪談內容
【延伸資源】
🏫不知道怎麼選校系？ 點選連結👉「104升學就業地圖」3分鐘測出你適合的科系
課業、打工、社團、愛情學分你都歐趴了嗎？歡迎收聽【青春通識課】陪你探索自己成為喜歡的樣子✨
前端面試問題如何反問？8個了解團隊的關鍵問題
面試是雙向選擇，前端工程師面試也要善用反問問題的機會，了解團隊與公司的工作模式，更深入了解工作細節。本文作者為前端工程師，網站前後端開發經驗逾9年，以自身經驗整理前端面試可以反問的8個問題，有助準備面試與掌握面試主導權。
文／林彥成｜前端三分鐘
本文目錄（點擊可快速前往）
面試前端，你還有什麼問題想問嗎？前端面試可以反問的8個問題前端面試反問1：是否有遇過常改規格的情境？ 工程師會需要如何應對？前端面試反問2：通常是怎麼處理樣式檔？像是BEM或依元件或頁面開檔案放置？前端面試反問3：目前公司有幾位設計，是怎麼合作的？前端面試反問4：請問會需要整合不同的後端嗎？前端面試反問5：專案中有用到哪些設計模式？前端面試反問6：專案的時程會很趕嗎？ 當工程師遇到困難時，會如何協助解決？前端面試反問7：如果有十幾個需求同時開發或是需要轉換框架函式庫，會怎麼進行？前端面試反問8：會在什麼時候決定將共用邏輯抽取出來成為function或是常數？4個問題了解面試官和團隊
在新鮮人階段時，通常不太確定面試可以問什麼或該問什麼，當面試到最後被問起：「你還有什麼問題想問嗎？」又該怎麼回答？
隨著職涯的發展，這個問題終究是回到自身想要成為什麼樣的大人？
對於個人來說，面試的目標是要找到不討厭、別人願意付錢請我們做、我們可能也做得不錯的事情。
面試前端，你還有什麼問題想問嗎？
在面試過程除了被面試其實也在面試團隊跟公司，而一個好的問題可以幫助我們從更多面向去了解這間公司工作樣貌，進而去看看公司有沒有符合想要的職涯目標、工作型態。
扣掉找新人免洗的狀況，大部分的公司都是遇到問題才會徵才，單純擴編的狀況可能並不多，而企業目前的問題很可能是造成前一位員工離職的原因之一。
在轉職時，要怎麼知道接下來是不是想要體驗這樣的職涯環境？或著說工作樣貌是不是自己喜歡的？
【作者檔案】林彥成，資深前端工程師，網站前後端開發經驗9年。珍貴線上Q&A機會，直擊台積電工程師的真實生活！限時報名>>
前端面試可以反問的8個問題
致那些年我踩過的坑，也預祝大家在新的一年填坑大吉。
小編是前端工程師，決定在工作一年左右轉換的原因可以參考小編談談選擇前端的理由這篇文章。
前端通常是在設計、後端都完成後才進行收尾，收尾的同時也在幫規格、設計、後端Debug，所以大家在大聊一波慶祝工作完成的同時，我們會發現只剩前端還在工作。
接下來會從小編當前端工程師過往遭遇的問題和解法反思未來職涯疑問，就讓我們一起看下去。
前端面試遇到的常見地雷
面試遲到讓面試者等
問很多跟工作無關的問題，有女朋友？結婚有小孩了沒？
請我們又多填一份跟104一樣的履歷表
面試沒問太多技術問題都在聊天
很急著壓報到時間，燙手山芋正在快速拋接中
試用期砍薪水，過了還不一定會調整
不過這邊想要特別說明一下，我朋友在面試的時候很誠實跟主管說接下來的目標是交女朋友工作什麼的都是浮雲，而老闆不管在面試時或是面試結束後也給了很多機會，這邊不得不感謝那個問了問題後有協助處理的老闆。
前端面試反問1：是否有遇過常改規格的情境？ 工程師會需要如何應對？
為什麼問這題：常改規格並沒有不好，要看的是有沒有體驗到好的軟體開發流程，目標是確認公司開發流程是不是下一份工作的目標，像是有分測試和正式環境嗎？上版本遇到bug會在什麼時候修？
常依需求修改資料庫Schema或API，每次都要重寫邏輯以及資料庫互動的部分
需要常常顯示不同的統計，可考慮導入GraphQL從Client決定，減少開API的時間
使用Document-Oriented的資料庫，POC階段相對簡單
隕石式開發，主事者看到畫面後覺得還想改就又重來一次
出Mockup或是設計製作不須切版的假畫面流程
出一個Demo用的Prototype（處理關鍵流程，不須注重美觀）讓不熟網頁開發的主事者了解目前的狀況和方向，確認後才進行設計切圖、前端切版、後端開API
前端面試反問2：通常是怎麼處理樣式檔？像是BEM或依元件或頁面開檔案放置？
為什麼問這題：是不是可以在這樣的專案架構下學到東西。
CSS選擇器和規則們就像女孩化妝桌上的化妝品們，桌上總是放著各個種類，數也數不清大罐小罐擠的噴的擦的，在沒有預備知識和整理規劃的情況下，若要一個男孩子短時間搞清楚簡直是天方夜譚。
該怎麼透過CSS的架構來優化，可以參考之前小編寫的如何「透過BEM、SMACSS、OOCSS、Atomic CSS 簡化樣式開發流程、減少維護成本」。
撰寫地圖專用的圖層SLD樣式檔（類似XML）超過一萬行
官方有介紹使用CSS的寫法，運用Class共用的特性可讓行數減少
樣式檔沒有寫在元件中，也沒使用預（後）處理器，上千行的樣式檔搜尋「.user-photo」也許有十幾個結果
樣式需要有命名規則（BEM）
導入SCSS
前端面試反問3：目前公司有幾位設計，是怎麼合作的？
為什麼問這題：希望可以看出現在的專案是不是好維護，打聽一下工作流程或是有沒有Design Guideline或使用Zeplin或figma這類工具。
同樣功能的圖片大小長寬比不一
object-fit
background-size: cover
重新切圖
拿到檔名是123543.jpg大小超過10MB
請設計壓縮一下
小於5MB可使用TinyPNG
設計沒有考慮到字數過多的情境，導致上字詞之後與預期狀況不符
overflow: hidden
改設計
前端面試反問4：請問會需要整合不同的後端嗎？
為什麼問這題：評估自己的能力有沒有辦法處理。
會需要串接不同網域的後端
使用Nginx Proxy
改成在後端才打API
後端開放Domain解決CORS
不同API的配置大多不太一樣
Token都移到Cookie，這樣相關的Token會自動送回相關子網域的API
善用客製化後的Axios Instance
前端面試反問5：專案中有用到哪些設計模式？
為什麼問這題：看現在的老闆或是同事是怎麼看待問題或是歷史遺跡。
什麼是Pattern，Pattern就是改善如何去架構程式的方法，主要是讓程式碼能夠在元件間共用。
用Java的概念寫Javascript，有非常多的Prototype的寫法，文件不清楚的情況下，導致實作上每次都需要追本溯源的看，考驗搜尋或是編輯器的能力。
使用Component-Base的函式庫或框架，並建立故事書。
善用設計模式，React常見的Component Pattern就是HOC或是Render Props。
前端面試反問6：專案的時程會很趕嗎？ 當工程師遇到困難時，會如何協助解決？
為什麼問這題：如果老闆只剩下壓時程的功能，那是不是我們用個鬧鐘或是Google Calendar就好了？
主管可能不懂前端並無解決問題或協調資源的能力，只剩壓時程及提出需要限時解決。
提早尋求同事協助，並看價值觀是否願意加班解決。
時間給的不夠屬於管理上的問題，無法靠溝通解決就盡快重新找工作。
前端面試反問7：如果有十幾個需求同時開發或是需要轉換框架函式庫，會怎麼進行？
為什麼問這題：要看的是與歷史共業的生存法則與態度。
不同的產業別都會有歷史的包袱（Workaround），可能還是會用一些比較舊的東西。
除了東西較舊也可能遇到專案架構及程式混亂，這有點像是煉蠱的過程，看最後誰會生存下來。
專案在後期才考慮要加入i18n或伺服器渲染
React本身是一套過於單純的函式庫，容易且戰且走疊床架屋，建議可以參考 Next.js Repo中的Example
趕時程但又好又快又便宜無法共存，專案中可能滿滿的Workaround，像資料來源用Google Sheet
留下 // TODO: 及未來可改善方向
同樣一種功能有多種寫法或是Deprecated的寫法。
討論用哪種方法好，有時間就盡快合併，讓程式碼更好維護
尋找Deprecated寫法的替代方案
前端面試反問8：會在什麼時候決定將共用邏輯抽取出來成為function或是常數？
為什麼問這題：炫技跟過度結構化並不會讓專案變得更健康。
一層又一層的HOC封裝：HOC像是一個工廠，把原來的元件變身或加強，所以不建議包太多層。
過度或是過早的結構化，很簡單的功能卻太早預想會變成大專案
這裡有兩個觀念想要分享給大家，YAGNI和RUDT：
YAGNI（You Ain’t Gonna Need It.）
真的需要使用XX模式嗎？
真的需要拆分成小元件嗎？
真的需要切成一堆小介面和抽象類別嗎？
RUDT
Read：最短的時間、最少的檔案
Update：CRUD features時可以用最小成本去改
Debug：菜鳥工程師也可以很快找到根本問題
Test：問題、結果都可以容易被複製被測試（資料面像是抽獎時該怎麼辦？）
4個問題了解面試官和團隊
同場加映4個問題，來自Medium的what questions should you ask the interviewers。
問題1：您的工作一天大概是怎麼過的？
這題是開放式的問題，目標是希望可以聽到一些工作型態。
有些面試官可能會說公司通常是早上8點半上班到晚上6點，有些面試官可能會說我們公司跑Scrum每天早上會有站會，偶而晚上會跟其他國家同事開會。
藉由這個問題，你大概就能夠了解如果進入這間公司，你大概會過怎麼樣的生活。
延伸的問題可能會是趁機問一下加班、出差的頻率，或是任何你對工作型態的好奇。
問題2：最喜歡和最不喜歡這個團隊或公司的地方是什麼？
第一個部分通常是簡單的，但其實真正有趣的會是第二個部分。
面試官通常在有HR的場合會講不出來，甚至只會模糊的打官腔，可能會有面試官回答說，我不太喜歡頻率太高的會議或是一直在不同的產品中轉換。
最主要的目的是，透過這些回答，我們可以去延伸一些後面的問題，甚至我們可以只是單純再問說哇那到底是有多討厭多不喜歡，即便我們不會得到直接的答案或是他們真的不喜歡的地方，但我們仍舊能從這些回答中得到些蛛絲馬跡和感受，也許這些感受剛好也會是你在意的。
問題3：這個團隊接下來的目標是什麼？
這個問題很適合問團隊主管，至少在決定加入這間公司前，可以知道自己未來2到3年大概能有什麼樣的成長。
這個問題可以幫助我們了解這個團隊是否在成長中，若是正在成長是不是有一個規劃好的計畫藍圖？如果是的話，就可以評估我們的戰力是否可以協助公司推進。
那如果是一個穩定的團隊，只是做一些日常維護的工作，那該問自己的問題可能會是這是我們這個階段想要追求的嗎？
問題4：請問您通常都是怎麼帶領團隊？
主管的帶領風格會對你接下來工作的成就和快樂有非常大的影響，藉由這個問題，你也許可以知道主管的管理程度，也許有些會說他們做微管理，有些也許會說只需要你一周寫一次週報。
從回答中，你可以判斷這個主管的個性是不是適合你，提早了解這些層面會比進去之後後悔要來的更好。
（原文標題：面試前端，你還有什麼問題想問嗎）
[joblist_plugin title='更多104【前端工程】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E5%89%8D%E7%AB%AF%E5%B7%A5%E7%A8%8B%E5%B8%AB' amount='3']
.NET 開發者必看！學會滲透測試思維，加速修補資安漏洞並提升系統穩定性
恆逸開課時間查詢：https://www.uuu.com.tw/Course/Show/1501/1
恆逸學員徐英智：
C# 全端開發兼顧穩定與資料安全
我目前在一家以軟體開發為主的科技公司擔任全端工程師,主要使用 C# 和 .NET 平台開發各類應用程式。工作上,我負責的範圍涵蓋後端系統架構設計到前端畫面的串接。我也會與美編人員、測試人員一起討論技術方案,並處理系統整合的問題。我們的客戶大多是公部門,因此系統在穩定性、擴充性及資料安全方面的要求都非常高。
🎯 藍紅軍攻防實務滿足工作所需
公司正在計畫投標更多不同領域的專案,在證照要求上需要有更多同事擁有 C# 相關證照。我覺得這門課最大的吸引力是內容非常完整,從防禦到攻擊的部分都有涵蓋,特別是針對藍軍防禦與紅軍攻擊等主題,都有搭配實務講解。這些正好是我目前工作上非常需要了解的內容。
🛡️ 從攻擊視角掌握資安防護精髓
講師的教學方式非常豐富,不只侷限於課本內容,而是從多個角度搭配實際案例來說明重點。印象最深的是在講解「程式撰寫的資安防護」時,講師不只是單純地說明理論與原則,而是透過實際的攻擊範例,來展示網站在有防護與沒防護時的差別。透過這樣的實作演示,我能夠更直觀地理解各種漏洞的成因與攻擊手法,也學會了如何在開發階段就建立正確的安全意識。這對我特別有幫助,因為我在工作中經常需要修補系統漏洞、分析滲透報告。課程讓我更清楚地了解滲透測試人員在檢測時的思維與方式,能更有效地從防禦角度思考問題,預先避免潛在風險。這樣的實務教學方式,讓我在資安防護上不再只是照著規範執行,而是真正了解背後的邏輯與意義。
🔍 Proxy 工具實戰應用發現潛在弱點
讓我印象深刻、甚至覺得意想不到的收穫,是學到了 Proxy 工具在滲透測試中的進階應用。以前我只知道這類工具能攔截封包做基本分析,但在課程中,講師深入示範了如何利用 Proxy 來模擬實際攻擊、測試網站的安全防護機制,這才讓我意識到這類工具的潛力。透過上課,我發現可以在專案系統上線前,先用這個工具自行進行測試,檢查是否存在漏洞或防護不足的地方,這不僅能提早發現問題,也能減少上線後修補的時間與成本。上完課的隔天,我立刻將這些方法運用到工作中,重新檢查過去負責的專案系統,找出一些過去未注意到的潛在弱點。實務操作的經驗,也幫助我在考證過程中,能更快速地判斷並找到問題的答案。
🚀 資安課程助學員快速理解攻擊手法強化防護爭取升遷
這門課對我工作的幫助可說是立竿見影。回到公司後,我剛好收到幾份滲透測試報告需要修補漏洞,便立刻回想課堂上學到的觀念與技巧。以前看到這類報告時,常需要花時間去理解攻擊手法與漏洞成因,但現在我能更快掌握滲透人員的思維角度,也能準確判斷問題所在,迅速找到程式中需要修補的部分並完成防護強化。更重要的是,這次的學習讓我對資料防護與網路架構的整體概念有了更深入的理解,能夠以更全面的視角來思考系統安全。我現在也能更直觀地提出自己的建議與想法,並主動分享課程中學到的資安觀念與防護技巧。最後,我希望自己能順利在下個月取得 CASE .NET 的證照,爭取公司提供的額外獎勵與升遷機會。
索取課程優惠：https://www.uuu.com.tw/Forms/CourseInfoRequest?courseId=CASENet&mediaSrc=104
從陌生到信任，空降主管帶領團隊的成功三步驟
空降主管要在新公司成功帶領團隊，挑戰重重，從建立信任到推動改變，每一步都需謹慎經營。文章指出三個關鍵步驟：先透過自我介紹與員工建立連結，化解疏離感；接著傾聽部屬需求，解決問題以贏得信任；最後辨識並妥善處理異心員工，維持團隊的整體效能。104人力銀行人資主管Sherry強調，空降主管的成功關鍵在於以人為本，當取得團隊信任並穩步達成目標後，便能在新環境中站穩腳步，帶領團隊面對更多挑戰。
文／104人力銀行人資主管 江錦樺
點擊前往關注優質主管職務？免應徵👉先跟HR聊聊
當我們轉職到新公司，要能成功融入團隊並不容易，而不但要融入團隊，還要帶領好團隊更是難上加難，這就空降主管所面臨的難關。團隊裡多是資深員工，他們期待繼續安逸地工作，或是有以為自己會被晉升成主管的員工，但硬深深被空降主管攔胡了，心中多有不甘…
這些都是空降主管加入新公司，帶領團隊後會遇到的課題。對於空降主管而言，除了搞定老闆，還要搞定的就是團隊成員，該如何開始?
第一步：開放自我降低疏離
當主管剛到任新公司時，Sherry建議在部門會議團隊成員都在的場合，空降主管先自我介紹，並非只是簡單說自己是誰，而是分享自己過去重要工作經歷、家庭狀況(ex.是否有小孩、多大)、興趣休閒(ex.假日喜歡旅遊、追劇)等，產生與同仁的連結，降低員工對主管的戒心後，才說明公司對他及團隊的期待(ex. 業務目標)，並營造跟大家在同一條船上的氛圍感。
第二步：傾聽部屬破解難題
接著開始安排與同仁1:1面談，除了可以跟部屬建立關係外，也可以馬上掌握部門遇到的問題，而這些問題若空降主管能逐步幫忙解決，那就易取得部屬的信任，相信這個主管是來幫忙的，不是來當官。Sherry看過某位空降CXO，他就發現目前部門在推動跨部門的工作上，與其他部門主管溝通比較辛苦，他就主動跟同仁說可視會議需要，安排他也一起與會溝通，他的行事曆開放給部屬都能輕易看到及預約，當你能幫助部屬解決常久以來的問題，相信他們就會信任你、跟隨你。
第三步：辨識團隊中異心人
空降主管經過前兩步後，應該90%的同仁已經認可你了! 但你發現所有人都動起來往前走，卻有一位同仁看似不卑不亢卻僅完成最低期待的工作，你希望他再往前一步、多做些多思考，他卻一堆藉口遲不肯動，或許他就是團隊中的異心人。若是有這樣的成員，建議直接找該員面談點出你的觀察，也請他說明其想法、了解其所重視的工作價值後，明確告知你的期待、建議，並再給予一段時間調整，若其態度仍不理想但績效屬低標，就只讓他負責團隊中基本、例行工作，而若屬於績效未標達者，則依令法進行處置ex.轉調單位、PIP、資遣等，有時適當汰換團隊成員，反而會讓整體團隊氛圍、效率更佳。
空降主管的挑戰不容小覷，Sherry認為「謀事在人，成事也在人」，要融入團隊的重點在取得部屬信任，而當能帶領團隊達成階段目標後，空降主管就有底氣，並慢慢站穩腳步，而與團隊的關係亦更融洽，相信就能成功面對各式各樣的任務！
（原文標題：從陌生到信任，空降主管帶領團隊的成功三步驟）
║關鍵人才專屬主管職缺推薦║
MIS 資安主管
MIS高階主管｜ IC設計相關業 ｜新竹縣市全區 10以上資訊資安經驗│資安環境建立，及工具survey 導SAP 經驗佳、MIS 團隊管理
人資高階主管
人力資源主管｜ 印刷電路板製造業(PCB) ｜桃園區10年以上工作資歷│負責管理集團大陸廠所有子公司HR、上市公司HR管理經驗
專案主管
國外業務主管｜ 其他電子零組件相關業 ｜新竹市10年以上工作資歷│國際市場網通系統產品銷售的經驗並具有事業部P/L管控能力
Flip Chip處級主管
工廠主管｜ 半導體製造業 ｜高雄市10年以上工作資歷│ Flip Chip mounter / underfill /水洗 Cleaning 等站別專精一站以上
品質暨營運高階主管
品管／品保主管｜ 光電產業 ｜八德‧大溪‧復興 10年以上工作資歷│面板業相關或資通訊產業10年以上品質主管經驗、熟悉品質管理系統
點擊前往關注優質主管職務？免應徵👉先跟HR聊聊
成為儲備人才│顧問推薦工作
人才求職│找優質職缺
104獵才顧問 官方網站
104獵才顧問 Facebook
104獵才顧問 LinkedIn
104獵才顧問YouTube
Vibe Coding時代催生新職缺！「程式清潔」在做什麼？
AI寫程式的「Vibe Coding」掀起熱潮，開發者得以快速生成程式碼，但也意外催生出新興職缺「程式清潔師」。一份調查顯示，95%的工程師仍需手動修復錯誤、額外調整AI生成的程式碼，確保專案安全與穩定。究竟Vibe Coding是革命還是混亂？而「程式清潔」這份新工作，又在做什麼？
文／田孟心編譯 由天下雜誌授權轉載
人們期待，未來大量寫程式工作可能都交由AI氛圍編碼（Vibe Coding）完成，但事實上，高達95%的工程師發現他們還是要手動修復程式碼。負責把混亂程式碼清理好的新角色，正在LinkedIn等求職平台大受歡迎。
氛圍編碼（Vibe Coding）正大行其道。
這個從今年初開始盛行的「自動化寫程式」概念，由電腦科學家卡帕西（Andrej Karpathy）提出。卡帕西表示，有了AI工具後，寫程式將「完全跟隨當下情境氛圍，擁抱指數級成長，甚至忘記程式碼的存在」。
市場研究和IT顧問公司Gartner預測，未來三年內，40%的企業新軟體將由AI機器人創建。
然而，內容平台fastly最近的一份調查顯示，95%的工程師表示，他們還是要花額外的時間來調整AI生成的程式碼。
工程師們發現，AI生成的程式碼存在許多問題，從產生幻覺，到刪除重要的資訊，甚至可能造成專案的安全風險。若不花時間修復，最終的成品可能會漏洞百出。
「使用氛圍編碼，就像請一名聰明的六歲孩子把咖啡壺帶到餐桌，為家人倒杯咖啡，」資深工程師羅芙（Carla Rover）說明，它們有可能做得到，但也極有可能失敗，「而且失敗了，他們很可能不告訴你。」
另一位資深工程師梅勒扎丹（Feridoon Malekzadeh）也將氛圍編碼形容成孩子，不過是「青少年」，「你得請它做15次才能做成一件事，」「最終，他們可能會做出來，外加一些你沒要求的事，並可能把很多東西弄壞。」
梅勒扎丹計算過，她大約花費50%的時間編寫需求，10%的時間進行氛圍編碼，再用40%的時間進行修復。
程式清潔工，愈來愈受歡迎
這一切使AI生成的程式碼，已經成為一個難題，也因此催生了一種新的工程師崗位，稱為「氛圍程式碼清理專家」（Vibe Coding Cleanup Specialist）。
在求職平台LinkedIn上，已經有愈來愈多相關關鍵字的職缺——代表清理、修復程式碼，正在成為一項獨立的工作。
通常，這類職缺更歡迎資深工程師，因為他們才有相應的能力從一團乍看可行的程式碼中找到問題。
資深解決方案架構師哈克（AS Md. Ferdousul Haque）統整，常見的錯誤有：語法錯誤、邏輯錯誤、幻覺資料庫或API（引用不存在的套件、方法或參數）、虛擬資料等狀況，有時候很考驗技術人員的細心與經驗。
哈克舉例，AI工具Gemini幫忙改了一份GitHub個人資料，整體效果不錯，卻在某個網址後面加了一個句號，使得圖片無法顯示。此時，就需要他這名人類手動介入。
科技公司Solution Architecture的工程師麥利（Viored Mirea）指出，雇用一名氛圍編碼清理師非常重要，尤其是AI寫出來的程式碼可能給企業帶來安全風險，「氛圍編碼可能會讓機密資訊外洩，或是對個人資料進行錯誤處理，」他強調，「始終應該有人類要對結果負責。」
然而，也有專家對市場出現這樣的現象感到唏噓。
雲端與通用人工智慧企業負責人愛彼哈納（Abhinav）認為，雇用這樣的「清潔工」簡直荒謬，「企業試圖讓每個人都會氛圍編碼，在專案上省錢，然後卻要花雙倍的錢再去找一個能把混亂局面整理好的人。」
Squad資深技術總監波古斯拉斯基（Oleg Boguslavsky）同意，企業要引進氛圍編碼，必須確保每個人都能掌握驗證、修復的技能，否則，花錢請這些額外的專家，在經濟上將比預期更低效。
（資料來源：TechCrunch, Gizmodo, LinkedIn）
（原文標題：Vibe Coding催生大量新職缺，「程式清潔工」在做什麼？）
推薦閱讀：
【AI工作指南】數發部《AI產業人才認定指引》！盤點AI認證資源、熱門職缺
「Vibe Coding」是什麼？以後還需要程式設計師嗎？
AI世代最夯新職位》為什麼他們零經驗，年收20萬美元起跳？
助你當老闆！瑞典AI獨角獸Lovable如何靠「氛圍編碼」年賺30億？
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E7%A8%8B%E5%B8%AB&order=15&page=1' amount='3']
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
AI亂象！95%企業被「工作垃圾」拖垮，你的團隊也有Workslop雷包嗎？
生成式AI本該帶來效率革命，但最新研究卻揭示殘酷現實──高達95%的組織坦言「沒看到回報」，反而被AI產出的「工作垃圾」(Workslop)拖垮。從簡報、報告到程式碼，這些表面完整卻錯誤百出的成果，正讓團隊耗費更多時間修補。
文／《104職場力》
本文導覽
AI產製的內容乍看很不錯，細看不太對勁你最後還是得依賴人工，何不一開始就人工？人們不喜歡跟大量使用「工作垃圾」的人共事解決之道不是禁用，而是制定適當規範
Workslop is the new busywork. And it’s costing millions.
BetterUp〈The performance crisis〉
自從AI浪潮來襲後，不同產業的辦公室都掀起一波「AI作業變革」。企業鼓勵員工擁抱AI，用開放的心態接納嶄新時代的科技產品，甚至不少公司的企業主管帶頭使用ChatGPT、Gamma、Perplexity等生成式AI服務，期望打造「更有效率、更先進、更符合時代」的作業流程。
但經過這段時間的實驗後，取得的成果似乎與最初的預期不太相符。
美國史丹佛社群媒體實驗室和BetterUp合作，針對美國全職員工共1150名進行一項「AI與工作」的最新研究，報告顯示大約有40%的人反應過去一個月透過AI產製的內容形同「工作垃圾」(Workslop)。而蓋洛普(Gallup)近期的調查有更驚人的結論，他們引述麻省理工學院媒體實驗室的報告，直指高達95%的組織並未從他們對AI的投資中獲得回報。
這些調查報告的結論很一致，認為「付出與回報不成比例」的主要原因，就是AI所產製的「工作垃圾」(Workslop)多不勝數，拖垮了成果。
AI產製的內容乍看很不錯，細看不太對勁
《CNBC》在報導中揭露了學界教授在AI時代面臨的困境。
在史丹佛大學任教的教授 Jeff Hancock 早在2022年OpenAI剛開始向大眾發佈ChatGPT、AI浪潮還未全面向世界襲來時就發現一些不太對勁的狀況，他當時批改到一些讓他起疑心的作業。「那些研究報告看起來很不錯，但仔細一看就覺得內容不太對。」Hancock 告訴《CNBC》那時奇妙的狀況：「我總共有100名左右的學生，但其中有10分作業看起來都很相似，而且那種『不對勁感』也很一致。」
這些研究文字之所以讓 Hancock 感到「不對勁」，主因是內容堆砌了很多文句，但卻沒有任何實質有建設性的內容來「推動論點」，而且它們都非常冗長。
而另一位教授 Kate Niederhoffer 也有同樣的疑惑，她發現那些「完全沒能切中要點」的研究資訊，光是要讓人讀完就得費上很大的勁。「我平常閱讀速度很快，所以我會邊讀邊想『為什麼這些文字讓我讀起來感覺很費力，而且這些訊息為何會讓人有種困惑感？』」
後來 Hancock 和 Niederhoffer 為這種現象取了一個名字，叫「Workslop」（工作垃圾）。
這種文字內容是AI時代的獨特產物，混雜著非常冗長、複雜的文字和訊息，可是仔細讀來卻覺得他們不斷在繞圈子、給不出正確解答，而且文句看似完整、卻不是很通順，於是會讓人開始懷疑：「這是人類寫的嗎？還是這完全是AI的手筆？」，而這種內容只要大量出現在正式的公務場合，將會大舉扼殺企業團隊的生產力，浪費更多的人力來辨別錯誤、修正調整。
延伸閱讀：AI形象照怎麼做？可以放履歷嗎？HR揭露3大原則，生成專業形象不踩雷
你最後還是得依賴人工，何不一開始就人工？
「Workslop」（工作垃圾）的亂象隨著生成式AI的普及變得更嚴重。
「Workslop」對團隊的影響有多大？平均每次有員工收到「工作垃圾」時至少得花1小時56分鐘處理，換算下來規模1萬人的企業每年會因「Workslop」造成的問題而損失超過900萬美元。
蓋洛普的研究數據顯示，在過去兩年內在工作中使用人工智慧的美國員工比例幾乎翻了一倍，從21%上升至40%。而使用AI的次數也翻了一倍、自2023年的11%上升至19%，光是過去一年內宣稱自己「每天都有使用AI工作」的美國人就從4%上升至8%。
其中應用的工作階層集中在白領崗位，有高達27%的美國白領員工表示自己經濟在工作中使用「AI輔助」，這項統計自2024年起上升了12%，最頻繁使用的產業包括科技業(50%)、專業服務業(34%)和金融業(32%)。
但在如此高的使用量之下，AI所製造的「Workslop」比重也開始加大。那些被專家稱作「偽裝成好的工作成果，實際缺乏實質內容來有效推動任務」的人工智慧成果，在美國史丹佛社群媒體實驗室和BetterUp合作的調查報告中，有高達40%的工作者表示過去一個月內都有收過這種「工作垃圾」，而這些內容至少15%是「低效率」、「無意義」、「無法被使用」的成果，而且在專業服務和技術領域特別顯著。
一名從事財務管理的工作者告訴《CNBC》的記者，從同事或其他部門接收到那些人工智慧產製的「工作垃圾」，只會為自己帶來更多的工作。「這常導致一個結果：我得決定是自己重寫、還是退回去讓他重做，或是我得昧著良心同意『我們就交這種版本出去就好』」。另一名零售業主管則說：「我得考慮是否得浪費更多時間和其他主管安排會議來解決這個問題，然後，我就得繼續浪費自己的時間、不得不重新做一次同樣的工作。」
挑出「工作垃圾」的錯誤、檢討製造出「工作垃圾」的流程、修正「工作錯務」，最後回到你的原點：人工處理。
也許他們心中都想著：你最後還是得依賴人工解決，為什麼我們不一開始就使用人工呢？
延伸閱讀：AI時代的「大裁員潮」開始了嗎？工業革命級的衝擊正在逼近
人們不喜歡跟大量使用「工作垃圾」的人共事
史丹佛大學的教授 Jeff Hancock 指出，最明顯的「Workslop」（工作垃圾）證據，就是「過於華麗堆砌的詞彙」。
AI產製的內容往往洋洋灑灑的長篇大論，但是當中常會使用三段文字來論述一個要點。呈現的樣貌從資訊不完整的演講稿、措詞怪異的電子郵件、不斷重複鬼打牆的論述，甚至是前文不對後文結論的內容，這些都是常見的「工作垃圾」文字。
這些內容最終不只會增加收件者閱讀、理解的困難，也會削弱組織內的信任感和生產力。
Kate Niederhoffer 教授說，她最常想的是「為什麼他們（利用AI產製內容後直接送出的人）會選擇這樣做？難道他們就不能自己完成工作嗎？我從此後不會再信任他們，也不會再想和他們合作了。」
《CNBC》的報導指出，收到這些「工作垃圾」會讓人們重新思考評估同事的能力，大約有一半的員工表示，自己在收到這種「AI製作的劣質產出」後對同事的工作能力、創造力和可靠度都產生很大的疑問，有大約1/3的員工則在收到令人困惑的「AI成品」後直接通知同事或老闆，告知對方的不適當行為，並且有同樣比例的員工表示之後會「不太願意與對方合作」。
Niederhoffer 教授指出這種現象是「將工作負擔轉嫁給他人，卻沒有意識到其影響」的濫用人力成本。「人們忘記了這一點，當我們把AI視為一種我們獨立運作的便利工具，實際上它正在考驗人與人之間工作如何協調。」
儘管工作馬虎、敷衍塞責的現象不論中外都由來已久，但似乎AI時代加劇了這個現象，而同事們對其「深惡痛絕」的狀況也提升到了新的高度。
延伸閱讀：「初階工作」恐被AI取代？當科技巨頭高層都這麼說，我們該如何應對？
解決之道不是禁用，而是制定適當規範
研究人員認為，AI產製內容所帶來的衝擊和負面效應，最終要獲得改善不是「禁止大家使用」，而是需要將「人工智慧」納入組織作出適度的。
Jeff Hancock 教授認為，企業應該針對推廣人工智慧進行指導和領導，你不能讓員工一邊擔心著「如果我不會AI、是不是未來就會被取代？」，一邊卻因為他們使用人工智慧協作工作時「受到猛烈的批判指責他怠工」。
減少工作失誤的關鍵可能在於「團隊成員必須要嚴守對任務品質的承諾」，每個使用AI來協助工作的成員都應該花時間互相交流、刺激進步「如何正確的使用AI」，並且評估哪些應用程式或其成果，是最符合團隊與公司需求的。
當中最重要的可能是「坦承以對」，譬如因為時間緊迫、你需要生成式AI來協助你完成一份簡報、小小的會議結論，你應該開誠佈公的告訴所有團隊成員：「這份報告我是先用AI協助擬訂的，但是我有請他依照我的思考脈絡擬訂，當中可能會有一些需要微調修改的地方」，這樣團隊成員比較能夠接收到你的思路和目標，進而協助你做補充。
而不是誤會你「只是想偷懶」而已。
Kate Niederhoffer 教授則認為企業領導人應該更關注「使用AI的人」的心態，明確訂出希望在計畫的某個階段「使用人工智慧工具來輔助的具體理由」，當中搭配公司應該明訂可遵循的指導方針、政策，或是透過培訓、研討會來提供清晰明確的使用資訊。
當我們在使用AI那些「令人難以置信的高效能內容」時，應該要明白它只是在協助你完成工作，增強人類的能力，但到頭來最重要的依然是「使用AI的人類」具備哪些專業素養、判別能力，而不是使用完後恰恰證明「你可以完全被AI給取代──因為你連他提供的是『Workslop』都沒辦法發現。」
正確的心態，才是企業和員工能夠跨越AI熱潮的「生產力陷阱」，打敗那些「工作垃圾」的重點。
本文參考《CNBC》、《BetterUp》、《Gallup》相關報導，經整理改寫。
面試魔王題「和主管、同事意見不合怎麼辦？」專家傳授高EQ回答
面試被問「和主管、同事意見不合時怎麼處理？」或「在前公司如何處理衝突？」別急著抱怨前公司，也別只回答「我會溝通」。職場專家建議，這道常見的行為面試題，求職者可透過具體案例與STAR法則，展現自己如何冷靜處理歧異、推動工作，也證明在AI時代仍具備難以取代的人際軟實力。
文／樂羽嘉編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
面試官問：「在前公司如何處理衝突？」最重要的秘訣：展現專業態度展現解決衝突的技能
面試官問：「在前公司如何處理衝突？」
在求職面試時，不少面試官會詢問你在前公司如何處理衝突。職場專家麥歌孚告訴你，怎麼回答能證明AI無法取代你。
麥歌孚指出，在現今的就業市場，展現積極、樂意合作的態度，和一份精雕細琢的履歷同樣重要。
麥歌孚（Erin McGoff）在社群媒體分享包裝履歷、準備面試、談判薪水等職場知識而走紅，擁有超過500萬粉絲。
她表示，人資團隊最看重的就是軟技能，所以很多有權力雇用你的人，常常會在面試時問你「跟我說說你之前跟主管或同事意見不同時，是怎麼處理的」這類關於行為的問題，就是希望能夠更瞭解你在不同情況下會做出哪些反應。
麥歌孚指出，「當我們走向AI可以處理愈來愈多技術性技能的時代，人際能力是無法被取代的。」
「企業確實把態度、性格、文化契合度視為優先，因為其他東西都可以學。」
麥歌孚說，你的目標就是證明你有能力成熟地解決職場衝突。她分享如果面試時遇到這類問題，該怎麼回答才能加分。
最重要的秘訣：展現專業態度
麥歌孚說，回答這種問題時，最重要的祕訣就是「展現專業態度」。
「比起把衝突當成是性格差異，你的反應更應該導向工作本身，這才是成熟的態度。」
舉例來說，你回答時，不要瘋狂抱怨不讓你請特休的前主管。你應該把情境定調為意見不同，而不是吵架或爭執。
麥歌孚建議這樣回答：「我跟許多優秀的主管共事過，起個人衝突的狀況不多，不過確實有必須在專業上堅持立場、提出不同觀點和想法的時候。」
展現解決衝突的技能
你回答時應該要舉具體的例子，說明你怎樣冷靜、有建設性地解決專業意見上的歧異。麥歌孚建議使用STAR法則來組織你的回答，STAR代表情境（situation）、任務（task）、行動（action）與成果（result）。
求職者在描述情境或當下職責的時候，可以這樣說，「我在前公司，有一次一起替客戶執行一個專案。當時專案往特定方向進行，但我判斷往不同的方向去做，能讓客戶獲得更多好處。」
這樣強調你採取行動溝通意見、努力解決歧異，「我跟主管一對一談過後，告訴團隊這個不同的方向，說明為什麼我認為這對客戶更好。」
最後，分享你如何解決問題，強調正面的成果。「我們決定讓步，推進計畫。客戶對結果非常滿意，專案也大獲成功。」你應該分享這段經驗讓你學到了什麼，或是你如何調整做法或工作流來避免未來發生類似問題。
麥歌孚強調，你講這段過往的重點，不是證明前主管錯得多麼離譜，而是利用這個機會證明你能夠處理「健康的衝突」。你可以在不透露前公司商業機密的情況下，加入更多特定細節，來說明你的能力。
「我們透過健康的衝突搞定工作。你必須學會如何用專業的方式溝通不同的意見，否則你的職涯永遠不會向上走。」
（資料來源：CNBC、Business Insider、Forbes）
（原文標題：面試魔王題：「跟主管不合怎麼辦？」專家揭高EQ答法）
推薦閱讀：
人資必問13道面試問題！3分鐘快速增進面試技巧
他高中輟學進工地，22歲賺進629萬年薪
誰說打工、兼職不能做一輩子？Z世代顛覆傳統思維：斜槓人生反而「更安心」
心理學觀點：成功人士週末常做10件事
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
整理包／最熱門生成式 AI 大拚場 ChatGPT、Gemini、Grok、DeepSeek 各擅長什麼？
2025-06-24報導／經濟日報記者吳康瑋 由聯合新聞網授權轉載
生成式人工智慧（GenAI）技術迅猛發展，多款強大的AI工具幫助各行業提升工作效率。《經濟日報》為協助讀者了解各項AI工具，將「ChatGPT、Gemini、Grok、DeepSeek」等四大生成式AI列出，為讀者分析四款生成式AI的各自效能，就「開發者」、「訂閱費用」、「主要功能」及「擅長領域」等細項逐條分析。
AI工具確實快速提升效率，不過使用者也要注意，目前的AI工具不保證完全正確，甚至也會答非所問、提供錯誤資訊、或產生「AI幻覺」，使用者對生成的資料仍應有基本的辨識能力，避免AI工具謬誤。
各家生成式AI重點馬上看
ChatGPTGeminiGrokDeepSeek使用建議
ChatGPT
OpenAI的ChatGPT堪稱帶動GenAI風行的先驅，也有廣大用戶，付費企業客戶近期突破300萬戶，有免費與付費模式，每月20美元的ChatGPT Plus訂閱費每月20美元，用戶指出，付費版反應速度更快，用戶在使用ChatGPT時隨時擁有最佳的使用品質。
「資料分析」方面，ChatGPT的優勢在於將資料壓縮、精簡化，適合急需快速獲取關鍵訊息的使用者。「文案生成」上，適合創作個人化內容。「圖表製作」方面，ChatGPT的圖表較為簡單，但圖片較無法把文字一起生成出來，繪圖時整體構圖比較簡單。
網址：https://chatgpt.com/
ChatGPT小檔案
開發者OpenAI付費版費用每月20美元（約新台幣610元）主功能提供文本生成、對話回應、內容創作、翻譯、問題解答等多種功能擅長領域自然語言處理、文本生成、教育輔助、創意寫作、客服支持等
Gemini
Google DeepMind開發的Gemini專注於多模態學習，能同時處理文本、圖像和音頻數據。版本包括2.0、2.5和最新的2.5 Pro，推理和數據處理能力進步快速。Gemini 2.5 Pro提供更強大的計算能力和更高準確性，讓用戶在處理複雜任務時能獲得更佳體驗。付費版額外提供用戶包括2TB儲存空間、Gemini Advanced和其他AI功能。
「資料分析」方面，Gemini提供的內容易於閱讀，文法經過重新梳理，適合需要清晰解釋的使用者。在「文案生成」上，Gemini能一次生成多達15個標題，提供選擇建議，對於需要多樣化提案的用戶非常方便。「圖表製作」方面，Gemini 的完整度高，使用者可選擇不同的圖表類型，並能下載圖片、Excel或JSON格式的數據。
網址：https://gemini.google.com/
Gemini小檔案
開發者Google DeepMind付費版費用每月19.99美元（約新台幣650元），可免付費試用一個月主功能強大的推理能力，擅長處理複雜的問題和情境，能同時處理文本、圖像和音頻數據等多模態文件擅長領域AI推理、圖像理解、科學研究和技術開發
Grok
Grok是由X（前稱 Twitter）開發的生成式AI，專注於社交媒體內容的生成。最新版本Grok3提供更強大的功能，能即時生成與當前熱點話題相關的內容，結合社交媒體數據分析趨勢，提升用戶互動的實時性，成為品牌營銷和社交媒體管理的理想工具。
「文案生成」方面，Grok風格簡潔有力，類似科技周刊的風格，適合快速傳達訊息。「圖表製作」方面，Grok可以較為輕鬆的運用文字組成圖表，並附上有關的資訊數據，對於需要快速理解數據的使用者來說很實用。
網址：https://grok.com/
Grok小檔案
開發者應用程式X（前身為Twitter）付費版費用每月30美元（約新台幣970元）主功能即時生成與當前熱點話題相關的內容擅長領域社交媒體互動、內容創作、即時訊息生成和品牌營銷
DeepSeek
DeepSeek專注於資料搜尋和訊息檢索，開發商為位於中國大陸的「杭州深度求索人工智慧基礎技術研究」，中資避險基金幻方量化創立的人工智慧公司，創始人暨執行長梁文鋒持續致力將大陸AI技術推向全球市場，提供R1和R2兩種不同的服務模式。
「資料分析」方面，DeepSeek提供前言和總結，讓懶人可以快速理解內容。在「文案生成」上，DeepSeek的口語化風格能夠生成10個標題，附上創作理念和選擇建議，適合需要親民語言的使用者。「圖表製作」方面，DeepSeek使用文字排列呈現，提供Python程式碼，對於技術使用者來說相當便利。
網址：https://www.deepseek.com/
DeepSeek小檔案
開發者中國大陸企業「深度求索」付費版費用每100萬（輸入）tokens收費人民幣16元（約新台幣66.68元）主功能資料搜尋和訊息檢索，利用生成式AI技術提升搜索引擎的智能化，提供相關建議和訊息過濾功能擅長領域資料搜尋、訊息檢索、知識管理和數據分析
使用建議
生成式AI工具已經落地商業化，從自然語言處理到多模態學習、社交媒體互動及訊息檢索等多種服務都能提供，競爭也更加激烈。用戶可根據自己的需求，選擇最合適的AI工具，以提升工作效率與創造力。
綜合比較四款生成式AI後，提供讀者幾點建議。若需要多樣化的文案提案，可考慮Gemini；若喜歡口語化一點的表達，可選擇DeepSeek。AI繪圖方面，生成多幅圖片建議可使用Grok，若希望作品有較高的品質，可選擇Gemini。在「資料分析」方面，若希望能獲取較「簡潔明瞭」的資料，建議選擇「ChatGPT」，讀者若希望能得到比較容易理解的內容，應該選擇Gemini。
針對「表格整理」方面，若要以更快的速度掌握大致上的資訊，建議選用ChatGPT；若讀者希望在表格中能得到較「詳細」的內容，可考慮DeepSeek。針對「生成圖片」功能上，若讀者追求圖表要具有充分「完整性」的類型，建議使用Gemini。
推薦閱讀：
AI聽話卻沒懂你？OpenAI揭露AI「裝乖」假象與職場真風險
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
除了ChatGPT，還有哪些生成式AI？16種AI工具應用解析
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
[course_plugin title='推薦AI相關課程' keyword='AI' amount=2]
神隊友比好主管更值錢！前Google人資主管揭「追隨力」關鍵
沒有領導經驗就不能在履歷或面試加分嗎？前Google人資主管指出，其實領導能力與追隨能力同樣重要，因為追隨力不只是支援，更是隱藏版的領導力，能讓團隊更快達標、也為你累積未來的領導資本。本文節錄自《Google愛用的人才》。
文／草深生馬
我透過擔任團隊領袖，累積了許多珍貴的經驗。因此，我建議你一旦獲得這樣的機會，一定要積極把握。透過領導團隊，能培養出不同的視野和心態。
但是，這不代表每個人都必須經歷過這個角色。能左右團隊合作結果的，領導能力與追隨能力同樣重要。如同序章所言，團隊要朝目標前進，不只需要有人領導，也要有其他人願意支援。
儘管如此，市面上的書籍大多數都是關於如何當個好領袖，少有人探討如何當個好隊友。
不少人在求職時，最煩惱的是如果自己沒有領導過任何團隊，面對相關問題時，究竟該說些什麼。
但其實這樣的人，反而多半都是「神隊友」。
說到追隨能力，你可能會浮現人們跟在領袖身後的畫面，但其實，真正的追隨指的是「加速團隊行動」。
以我為例，我大學時曾參加壘球社。我從沒打過壘球，技術很差，只是一般的社員，無法上場比賽。儘管如此，我仍舊思考自己能為球隊做什麼，例如：練習時大聲喊出聲音、營造愉快的練習氣氛等，想辦法提振大家的心情。
即便以贏得下次比賽為目標增加練習量，倘若成員缺乏拚搏的心態，便難以提升隊伍的實力。但我認為，如果是在充滿活力、歡樂愉快的氛圍中，大家會更樂於練習，於是便想盡辦法營造這種氣氛。
儘管訓練相當嚴格，隊員們卻非常開心。所有人的行動都是為了達成贏得下一場比賽這個目標。這個例子明確說明了領導能力與追隨能力其實是一體兩面。
然而，並不是所有領導者都能展現其領導能力。此處的領導能力，是指對團隊的成果有責任感，會自行思考如何活用自己與他人的強項，積極為團隊貢獻的態度。
領導不需要頭銜。只要有心，且積極為團隊貢獻，無論是何種頭銜，都可以利用經驗培養相關能力。
如果要舉出沒有頭銜便做不到的事，我認為唯一的一個，便是決策。一般成員無法做出最終決定。例如訂定年度目標，即使每個人都有自己的想法，最終選擇權還是在領導者手上。
真正的領導者，是站在團隊最前線，並朝民主決議目標前進的人。
此外，如果你能確實展現追隨者的精神，將來一定也會有人請你擔任領導者的角色。那些為了達成目標而努力邁進的人，對於團隊來說至關重要，擔任要職也是理所當然的事情。
從這個角度來看，追隨能力或許也可以看作是一種領導能力。持續付出和努力，不僅能促使自己成長，還能獲得他人的認可。
換句話說，做為一名追隨者，也能在無形中鍛鍊你的領導能力。
節錄自：任性出版《Google愛用的人才：什麼樣的人最快領高薪、帶團隊、升主管？ 前Google人資主管的識人學。》／草深生馬 著
有任何收穫或想分享的，都來和大家一起聊聊吧！