AI驅動的創新管理實戰：打造高效、創新的智慧型企業【11/03】
104學習
AI演算法
這項技能指的是設計與優化電腦程式，使其能從大量資料中自動學習、判斷並做出決策。具備此能力的人能有效解決複雜問題，提升工作效率，並推動企業數位轉型。它廣泛應用於推薦系統、影像辨識、語音助理等領域，是現代科技和產業發展的核心競爭力。掌握此技能，能增加職場價值與未來就業機會。
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
Vibe Coding：AI 網路應用開發實戰（上）
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
AI 協思簡報術｜從模糊點子到精準說服的提案策略
電腦視覺演算法之人臉辨識實戰【本課程為線上課，報名後專員會提供上課資訊】
AI快速完成專業簡報
行銷/業務 AI 超能力(三)： 動態模擬引擎 x 客戶關係自動化系統
【線上講座回放課】轉職AI產品經理全攻略：如何成為AI產品經理 + 用AI快速開發一個產品
【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
精選證照
考取專業證照，讓能力被市場看見
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
人工智慧：機器學習 Python
人工智慧研究如何使機器具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，是能讓事物變更聰明的科技。其研究範圍包含了：電腦視覺、語音工程、自然語言處理、移動與控制等。做為人工智慧體系的一部分，「機器學習」是一種資料科學的技術，也是實現人工智慧的一種方式，從資料中學習，獲得辨識或預測新進資料的技能，以協助電腦預測未來的行為、結果和趨勢，其技術廣泛應用在不同領域。
財團法人電腦技能基金會TQC+人工智慧：機器學習的題目設計包含：「監督式學習」、「非監督式學習」、「機器學習應用」等必備的知識及技術，運用不同機器學習方法進行實際案例之分析預測。
財團法人中華民國電腦技能基金會
人工智慧應用與技術 (實用級/進階級/專業級)
人工智慧應用與技術證照分為實用級、進階級及專業級，涵蓋人工智慧基礎理論、機器學習、深度學習及資料分析等核心技能。持有該證照者具備運用AI技術解決實務問題的能力，能設計並優化智能系統，提升企業數位轉型效能。證照適合希望掌握AI技術並應用於各行各業的專業人才，助力職涯發展與競爭力提升。
尚未查核發照單位
NNCSE
NNCSE（國際神經網路與計算科學工程師證照）專為具備人工智慧與神經網路技術應用能力的人才設計，涵蓋機器學習、深度學習及數據分析等核心技能，強調理論與實務結合，適合從事AI系統開發、資料科學及智能自動化領域的專業人士。透過此證照，持有者可展現其在神經網路架構設計、模型訓練與優化的專業素養，提升職場競爭力及跨領域整合能力，符合現今產業數位轉型需求。
Nortel Networks
CCMSE NG with AI
CCMSE NG with AI證照專注於結合人工智慧技術與跨領域系統工程的應用，培養具備系統思維與AI實務能力的人才。持證者能運用AI工具優化系統設計與管理流程，提升企業決策效率與競爭力，適用於製造、資訊科技及工程管理等多元產業。此證照強調理論與實務並重，助力專業人士掌握未來智慧化趨勢，提升職場價值。
Check Point
精選貼文，掌握第一手知識
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時代的資工人何去何從？專家：向「文組」取經是條出路
AI快速發展，當Cursor等AI助手能幫人自動寫程式、AI預期將達到「中級軟體工程師」的水準，資工系新鮮人的就業處境正面臨艱難挑戰。資工教育、初階工程師到底該培養什麼技能？專家認為，未來資工人才需要擁抱AI素養、運算思維，讓資工系變得「更像文科學位」。
文／田孟心編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
教育怎麼改？「AI素養」是關鍵另一種機會：發現文科思維的價值
當「Cursor」等AI神器能幫人自動寫程式，資工教育、初階工程師到底該培養什麼技能？卡內基美隆大學等程式教育專家建議，讓資工系長得「更像人文學科」，是一條出路。
隨著ChatGPT等聊天機器人的能力不斷進化，它們開始能夠像人類一樣順暢地回答問題、撰寫論文。但論及「取代人類」的挑戰，它們最有殺傷力的，還是針對電腦科學領域。
如今，大型科技公司和新創公司都紛紛推出能自動產生程式碼的AI助手，而且能力正在迅速提升。
今年一月，Meta執行長祖克柏預測，AI將在今年的某個時刻達到「中級軟體工程師」的水準。
新鮮人的境遇特別艱難。根據技術研究和教育機構CompTIA的分析，在過去三年中，尋求兩年或兩年以下經驗員工的公司數量，下降了65%。
教育怎麼改？「AI素養」是關鍵
大學校園裡，以編寫程式碼為主的資工系首當其衝。這引起全美各地大學的資工系所，都在努力理解技術轉型的影響，並努力思考在AI時代該教授哪些內容。
美國頂尖資工院校之一，畢業生遍佈全球各地大型科技公司的卡內基美隆大學，資工教授柯提納（Thomas Cortina）指出，「AI確實震撼了資工教育」。儘管卡內基美隆過去在培養學生方面取得佳績，但今年，資工學院還是暫停暑期工作，邀請教職員一同規劃針對AI時代的新課程。
哥倫比亞大學的資工教授溫（Jeannette Wing）也表示，「我們正看到AI海嘯的冰山一角。」
綜合《紐約時報》訪談許多資工教育工作者，他們認為資工學科可以擴展，變得「更像文科學位」，亦即更加重視批判性思考和溝通技巧。
這與美國國家科學基金會（NSF）的想法不謀而合。
該基金會正在資助一個名為「Level Up AI」的計畫，結合大學與研究人員，共同探討AI教育的本質。
主導這項計劃的資工教授馬希爾（Mary Lou Maher）直言，「資工教育的未來可能會減少對程式設計的關注，而更專注於『運算思維』和『AI素養』。」
其中，運算思維指的是能否將問題分解成更小的任務，逐步訂定解決方案，並利用數據得出基於證據的結論；而AI素養指的是，理解AI如何運作、如何負責任地使用AI，以及AI如何影響社會。
馬希爾強調，培養「理性的懷疑」應該成為新的目標。
根據世界經濟論壇《2025年未來就業報告》，當前最重要的求職技能是「分析性思考」、「彈性」和「社會影響力」。
報告裡也提到，「AI素養」不僅僅是為IT專業人士「錦上添花」，而是對全人類都很重要，教育部門更該強化這個技能。
歐盟與OECD也發起「人工智慧素養框架」（AILit），預期在2026年發布，幫助年輕學習者以批判性、創造性，和合乎道德的方式接觸AI。
另一種機會：發現文科思維的價值
在求職市場上，資工系畢業生也開始發現文科思維的價值。
在一片慘淡的就業前景中，北卡羅來納大學夏洛特分校的大四生德雷克（Connor Drake），幸運地在30次投遞（通常要投100-200次）後，就面試上一家科斯的網路安全實習生職位。
德雷克分享，他個人對AI的「防禦策略」，是拓展自己的技能組。除了資工專業以外，他還輔修政治學，加強學習安全與情報研究，並且擔任大學網路安全社團的負責人——如此一來，他就更能勝任網路安全專業領域的工作。
「資工學位曾經是通往就業天堂的金鑰匙，」22歲的德雷克說道，「但現在情況已不是那樣了。」
最後，儘管資工畢業的菜鳥面臨就業寒冬，但也有專家認為，AI對於「輔助軟體市場」大有前景。
如今，從醫學到行銷領域都在客製化自家的聊天機器人，這些聊天機器人軟體必須為各產業量身打造，並由這些產業的數據庫提供支援。
史丹佛大學計算機科學教授艾肯（Alex Aiken）認為，軟體工程崗位的成長可能會下降，但參與程式設計的人員總數將會增加。
因此，大專院校仍可維持對資工基礎知識和AI原理的教學，並擴展用新工具進行軟體設計的大量實務課程。
或許，有一個重要的前提是：資工學員不會太過仰賴AI本身。
卡內基美隆的柯提納表示，許多資工學生將聊天機器人視為完成作業的「靈丹妙藥」，「但他們連一半的程式碼都看不懂，」「很多人正在意識到自己寫程式碼的價值，打算重新開始。」
（資料來源：NYT, WEF, Nature, FAS）
（原文標題：AI時代的資工人該何去何從？專家：向「文組」取經）
推薦閱讀：
AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
念到博士卻失業？AI時代，大學畢業該繼續升學嗎？
AI浪潮下孩子還要上學嗎？世界權威、母親李飛飛：教育是這4重點
AI秒殺人類工程師，現在矽谷科技家長都希望小孩讀「這類科系」
[joblist_plugin title='更多104【軟體工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&jobcat=2007001004' amount='3']
後AI時代人資如何升級？臺師大科技系舉辦論壇 攜104等企業談人才轉型
2026科技創新應用與人力發展提升學術研討會與會者合影
面對全球人工智慧（AI）浪潮席捲各產業，人力資源管理正迎來前所未有的轉變。國立臺灣師範大學科技應用與人力資源發展學系於2026年5月9日，舉辦「2026科技創新應用與人力發展提升學術研討會暨論壇」。本次研討會以「後AI時代的人資領導力」為核心主題，邀請產業界專家深度探討如何在AI技術更迭頻繁的挑戰下，掌握領導力轉型與數位創新的契機。
2026-05-12 國立臺灣師範大學 發布
國立臺灣師範大學 楊鎮華副校長致詞
首先，楊鎮華副校長在開幕式即以「以人為本、永續、韌性」開場，揭櫫臺師大在「AI轉型」的三大原則；接著，科技與工程學院洪翊軒院長指出，科技系正是讓工程研發能量轉化為推動公司轉型或發展的關鍵「橋樑」，而這次活動就代表了臺師大與指標性的廠商間緊密的關係；科技系簡佑宏主任也談到，科技系自成立70多年以來培育了許多促進臺灣經濟起飛的科技人才，也對今日的主講者與論壇貴賓致上謝意。
國立臺灣師範大學 科技與工程學院 洪翊軒院長致詞
專題演講邀請到「TFT為台灣而教」董事長林妍希主講，她以「自我領導：變局中的安定力」為題，分享在科技快速迭代的環境中，領導者最重要的素質不再僅是對技術的掌握，而是心態的穩定與內在的引導力。林董事長指出，AI雖然可以取代繁瑣的行政庶務，但無法取代帶動組織核心價值的「人本特質」，因此鼓勵與會者透過持續的自我察覺，在不確定的局勢中成為維持組織韌性的關鍵力量。
專題演講：為台灣而教 林妍希董事長分享
人資長論壇則由臺師大科技系孫弘岳教授擔任主持人，匯集了鴻海科技集團人資長夏國安、玉山商業銀行人力資源處處長郭宸巖、邁達特數位人資長暨永續長楊碩祐，以及一零四資訊科技人才永續長鍾文雄等四位重量級人資領袖。論壇第一階段由四位與談人分別針對個人專業背景與企業概況進行簡介，並深入說明在數位轉型過程中，如何有效導入AI等新興科技的實戰經驗，揭開大型集團與金融、數位產業在轉型之路上的關鍵策略。
人資長論壇：一零四資訊科技 鍾文雄人才永續長分享
緊接著第二階段由孫弘岳教授引領四位與談人展開深度對談，針對AI時代下的人才培育、領導風格轉變等核心議題進行學術與實務的觀點激盪。現場互動氣氛熱烈，專家們的前瞻觀點不僅化解了聽眾對於科技衝擊的焦慮，更強調在後AI時代，人資部門已從傳統的「支援角色」躍升為企業的「戰略夥伴」，必須更積極地主導組織變革並重新定義未來人才。
人資長論壇，由左至右為臺師大科技系孫弘岳教授、一零四資訊科技人才永續長鍾文雄、玉山商業銀行 郭宸巖 人力資源處處長、鴻海科技集團 夏國安人資長、邁達特數位 楊碩祐 人資長暨永續長
透過本次研討會的產學對話，臺師大科技系不僅展現與業界緊密接軌的實力，也為臺灣在AI浪潮下的人力資源發展開拓了全新視野。
更多大學校園資訊，你可以看：
世新大學攜75家企業徵才 校園現場釋出逾3千職缺
彰師大攜手104設立求職專區 整合大數據與職涯資源強化就業即戰力
AI時代怎麼找職涯方向？嘉大攜手104用互動講座帶學生探索未來職場
AI協作的3個關鍵階段：節能、增能、賦能！
原標題：AI協作的3個關鍵階段：節能、增能、賦能！【聽見趨勢】
AI浪潮席捲而來， 工作型態正在改變，很多人對AI在工作中可能帶來的影響感到些許困惑和不安。不禁會問：「AI會取代我們嗎？」「如何用AI？」「從哪裡開始？」因為這些疑問，我們特別邀請在AI協作有豐富實戰經驗的小花老師，來進行分享。老師不僅有資訊背景，還是簡報溝通專家，融合與「資訊」及「人」的溝通洞察，給出許多應用AI的超實用建議！
文： 趨勢來賓 | 林稚蓉 小花老師
本文目錄：
與AI協作溝通的應用與挑戰
如何用AI優化企業作業流程
AI協作3階段：節能、增能、賦能
AI時代的人類角色：你依然是機長！
3個層次的工作思維 從哪裡開始使用AI
1. 與AI協作溝通的應用與挑戰
在AI工具的應用過程中，許多人最常遇到的問題是「如何讓AI回答更精準」。有時AI的回答看似離題，或者產生「幻覺」，讓使用者感覺比自己動手做還要更花時間。這種困境往往會讓初學者感到挫折，甚至放棄繼續使用AI工具。然而，這個問題的關鍵在於我們如何與AI進行有效溝通。
小花老師提到，因為自己過去資訊管理背景和簡報培訓經驗，因而對人機溝通有獨特的見解：「在資訊管理我們是要跟電腦講話，可是簡報培訓要講的是要跟人講話。而AI則是介於兩者之間，它需要明確的目的性、對方的邏輯性，以及精練易懂的表達方式。」基於這個概念老師分享了3個突破這些挑戰的關鍵方向：
方向1：理解AI提問的語法與邏輯
第一個關鍵方向是理解與AI溝通的基本語法和邏輯。老師提出生動的比喻：我們應該把AI視為一個「外國人」，而不是單純的機器。就像與外國人交談需要遵循特定的語法規則一樣，與AI溝通也需要掌握相應的「語法」。這包括了解官方提供的提示工程（Prompt Engineering）技巧，以及如何構建清晰、邏輯性強的提問。
「你不能把AI當做機器，你要把它當作是一個外國人，用他懂的語言，交流他懂的事情」。透過系統性地學習和運用這些溝通技巧，我們可以顯著提升與AI互動的效果。
將AI視為「外國人」而非機器，需要用特定的語法與之溝通
研究官方提供的提示工程（Prompt Engineering）技巧
掌握提問的基本文法和邏輯結構
104人資市集一站式幫你解決企業培訓，管理、AI職能、企業法遵>>
方向2：了解AI的能力與限制
AI技術雖然強大，但並非萬能。我們必須清楚認識AI可能產生「幻覺」，即一本正經地說出不準確的信息。同時，很多AI模型無法實時連網獲取最新信息，也可能在數學計算等特定領域表現欠佳。了解這些限制對於正確使用AI工具至關重要。「不是複製貼上就很容易就要上當了」老師提醒到「你要知道他可以做到什麼程度，他的限制又在哪裡，風險又在哪裡。」這種了解能幫助我們更準確地評估AI輸出的可靠性，並作出相應的調整和驗證。
持續關注AI功能的更新與發展
認識AI的局限，如無法上網、可能產生幻覺等
避免單純複製貼上，需要理解內容的正確性
方向3：善用不同AI工具的優勢
在當前AI工具快速發展的環境中，每個工具都有其特定的強項。例如，Chat GPT、Copilot、Gemini等工具各自擅長不同類型的任務。我們應該實際測試來了解每個工具的特點，並學會組合使用這些工具來達到最佳效果。「它們各自的強項，你都去嘗試過之後，你會發現工具是要多個東西組合之後，才會發揮你的效果。」這種組合使用的方法能夠彌補單一工具的不足，創造出更全面的解決方案。
小花老師分享了在金融業的實務應用案例：「像GPT或者是一些生成式AI，他們其實數學能力非常不好，會把數字當作文字來做處理。因此在進行數據分析時，我們建議將計算工作留在本機端進行，而使用AI來協助產生Excel函數公式再進行數據趨勢分析。」
每個AI工具都有其特定強項，如ChatGPT、Copilot、Gemini各有所長
多方嘗試不同工具，找出最適合的組合
透過工具組合來發揮最大效益
2. 如何用AI優化企業作業流程
在企業環境中，AI不僅是一個輔助工具，更可以成為提升工作品質的重要夥伴。小花老師認為，AI就像電力一樣「只要用到電的地方，都會有改善；同樣地，AI可以用在任何有關思考的部分，都可以帶來改善。」特別是在思考、企劃、溝通等需要創意發想的領域，AI的應用可以帶來顯著的效益提升。
然而，在運用AI工具時，企業必須特別注意資訊安全的議題。正如之前新聞報導三星員工將公司資料上傳至AI平台的事件，如何在提升效率與保護資料間取得平衡，是企業必須審慎考量的。以下分享幾個具體應用案例：
提升簡報製作效能
運用AI進行角色扮演，模擬不同聽眾的思維模式
針對不同對象客製化簡報內容和開場方式
提高提案的精準度和準備效率
提升規劃能力
老師分享了一個企業ESG工作計畫的實際案例：
運用AI進行利害關係人分析
模擬不同角色的需求和期待
透過管理顧問的角色扮演，擴展思考維度
根據各方意見制定具體執行方案
透過AI的協助，讓原本資歷較淺的員工也能在思考的廣度、深度和執行細節上有更好的表現。
3. AI協作3階段：節能、增能、賦能
AI的應用不應該是盲目追求新工具，而是要找到真正能夠為工作帶來價值的方式。老師觀察到，2023年人們熱衷於追逐各種新興AI工具，但到了2024年，企業的關注點已經轉向如何讓這些工具真正落地並解決實際問題。
老師以工具箱做比喻：「現在很多人手上都有很多AI工具，就像工具箱裡有很多螺絲起子，但卻不知道怎麼用這些工具來進行修理。」因此，重點不在於掌握多少工具，而是要培養使用情境的想像力，真正了解如何運用這些工具來解決實際問題。基於這樣的理解，AI協作可以分為三個階段，企業和個人可依據需求選擇適合的切入點：
節能階段：優化基礎工作流程
節能階段是AI應用的入門級別，主要針對那些耗時但相對單純的工作任務，這類工作的特點是幾乎人人都能完成，但往往需要耗費大量時間和精力，比如客戶發來一份PDF格式的報表數據，傳統做法需要手動重新輸入，不僅費時且容易出錯。但透過AI工具，可以快速將圖片中的表格轉換為可編輯的表格形式，這將大幅提升工作效率。
節能階段特別適合作為入門起點，因為這類任務相對簡單，容易看到明顯的成效。「當我們發現AI工具可以幫你省下這些瑣碎的時間，就會更有動力去探索其他的應用可能」。此外，這個階段的工作通常風險較低，即使出現錯誤也容易發現和修正，非常適合作為練習和熟悉AI工具的切入點。
增能階段：提升專業工作品質
進入增能階段後，AI的應用開始觸及到專業領域的核心工作。這個階段的特點是，使用者本身已經具備相關專業能力，而AI的角色是協助他們做得更好、更快、更精準。老師更分享了自己在製作簡報的經驗：「比如我需要幫客戶寫文案，我可以讓AI先產生多個版本的文案建議，然後基於我的專業判斷進行調整和優化。這樣不僅能激發更多創意靈感，也能大幅提升工作效率。」
這階段，AI不是取代人的專業判斷，而是透過提供更多選擇和可能性，幫助專業人士做出更好的決策。這種協作模式能夠顯著提升工作質量，同時也能為專業人士騰出更多時間專注於需要深度思考的任務。
賦能階段：開拓新的專業領域
賦能是AI協作的最高階段，善用AI輔助獲得新的能力和提升專業。在這階段，使用者能突破原有的專業限制，探索和掌握新的領域。小花老師觀察到，許多專業人士透過AI工具，成功地將自己的專業知識延伸到相關領域：「比如一個財務專家，可能過去只專注於數據分析，但透過AI的協助，他可以更容易地將這些專業知識轉化為易懂的視覺化報告，甚至發展出數據故事化的能力。」
賦能階段的關鍵在於，它不僅能提升效率、改善現有工作流程，更創造出新的可能性。善用AI專業人士可以更快地跨越學習曲線，建立起新的專業能力。這對於當今快速變化的職場環境特別重要，因為它讓終身學習和專業轉型變得更加可行。
免費申請試閱企業訂閱制課程！法遵、職能、AI通識課提升全員工競爭力 >> https://104ha.com/5CjvW
4. AI時代的人類角色：你依然是機長！
在AI時代，人類的角色定位至關重要。小花老師做了一個生動的比喻：「人的角色永遠是機長。即使現在的飛機很多部分都是由機器在操控，但為什麼還需要機長？因為機長要知道怎麼安全地把這些旅客帶到目的地，必須要應付突發狀況。」
這個比喻深刻點出人類在AI時代的核心價值：不是與AI競爭執行力，而是在掌握方向、判斷決策、危機處理等方面發揮獨特優勢。正如同機長一樣，我們不能把方向盤完全交給AI，而是要學會如何與AI協同合作，共同達成目標。
我們的核心職責
掌握方向：確定目標和願景
做出決策：判斷關鍵時刻的選擇
處理危機：應對突發狀況
承擔責任：為結果負責
3個層次的工作思維
工人思維：專注於完成具體任務
工頭思維：規劃設計與管理
建築師思維：理解需求，規劃願景
當AI變成每個人的標配，誰會產生更大更好的價值？就是懂人的人。—小花老師
5. 從哪裡開始使用AI
在面對AI工具快速發展的現狀，許多人感到困惑：究竟該從何處開始？是否要追逐每一個新出現的AI工具？在這部分老師觀察到，很多人在嘗試使用AI時往往陷入兩個極端：要麼因為害怕而遲遲不敢嘗試，要麼過度追逐各種新工具而失去重點。
老師強調，開始使用AI的關鍵不在於掌握多少工具，而在於找到適合自己的切入點，並且建立起正確的思維模式。「就像學開車一樣，一開始不需要了解引擎的工作原理，而是要先學會基本操作，逐步建立信心。」對於想要開始運用AI的個人或企業，小花老師提供了以下建議：
從工作情境出發
找出工作中的痛點
識別可能的應用情境
從簡單的任務開始嘗試
3個關鍵發展方向
了解AI：掌握潛能、限制和操作方法
了解人性：培養溝通能力和同理心
了解自己：釐清目標和行動意義
實踐建議
在使用AI之前，先靜下心來思考目標
清楚理解問題和需求
循序漸進，從節能階段開始
我們應該更加了解自己做這件事情對個人跟團隊的意義是什麼。當我們了解意義、了解目的時再去溝通，AI就不會胡說八道，它會順著這樣的意義感展開跟延伸。
透過小花老師的分享，我們可以看到AI不僅是一個工具，更是一個協作夥伴，協作過程關鍵在於我們如何正確定位自己的角色、如何善用AI特性，在提升效率的同時，也不斷強化自己的核心競爭力。AI時代，最重要的不是追逐所有新工具，而是找到適合自己的使用方式，並始終保持對專業與人性的關注！
業界最划算的企業培訓訂閱制方案！免費申請課程完整試閱 >>
超過7000+的HR都報名過的104人資學程！七大主題課程幫你系統化學習 >>
免費企業學習平台 x 培訓課程 = 零成本企業培訓自動化 >>
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轉型沒你想得難！專家揭密：6個步驟，幫你成功推動人才變革
隨著AI技術爆發與人口結構轉型，企業面臨的挑戰已非「是否導入科技」，而是如何帶領員工轉型。104人才永續長深度解析：AI將重新定義工作內容與模式，成功邁向「人機協作」的關鍵不在硬體，而是人才與組織文化的數位重塑。本文透過具體的六大實戰步驟，協助企業破除員工技能不足與文化抗拒的障礙，幫助組織在變動時代中搶佔競爭先機。
文／鍾文雄（104資訊科技 人才永續長）
本文導覽
AI資訊科技帶來產業競爭與工作職場的轉變企業推動人才與組織文化的數位轉型面臨挑戰企業成功推動AI人才與組織文化轉型步驟
隨著企業全球化發展、台灣人口結構老化與新生兒出生率的下降，地緣政治、全球經濟與政府法律及政策的瞬息萬變，加上AI人工智慧（Artificial Intelligence，縮寫為AI亦稱智械、機器智慧，透過許多電腦程式來呈現人類智慧的技術）技術的蓬勃發展，透過醫學、神經科學、機器人學及統計學等的進步，國內外許多研究調查機構的預測都認為，人類的無數職務會逐漸被AI所取代。
資訊科技發展的日新月異，我們的職場與工作環境正進行前所未有的轉變，這種轉變包含工作內容(Context of Work)、勞動力(Workforce )、工作職場(Workplace)與工作模式(Working Mode)的轉變。
AI科技的發展會讓傳統型態的工作會逐漸消失，也會誕生新型態的工作機會，這意味著我們必須成為一位善用AI應用工具的勞動者，才不會被機器人及擅用AI應用工具的人才所取代。
AI資訊科技帶來產業競爭與工作職場的轉變
隨著資訊科技發展的無遠弗屆，未來企業面對的競爭對手及勞動者的工作職場與環境會面臨極大的變化，因次不管是政府機關、企業組織或是勞動者都必須轉型，才能夠因應諸多不確定性因素的考驗。
競爭對手的改變：企業營運主管會隨時關注國內外同業的動態競爭態勢與消長，未來最具威脅的競爭者有可能是其他產業、跨國境的可敬對手，如來自境外的跨國網路與資訊公司，像亞馬遜公司（Amazon.com, Inc.）就從網路書局進階到電子商務，成為全球最大的網際網路線上零售商之一，進而發展為提供企業雲端存取技術服務的資訊產業巨擘。
工作內容的改變：要能跟上數位時代的腳步，我們必須將重複性高、大量數據與使用介面多的例行性作業，運用AI資訊化與流程化過程，局部或全面調整為自動化。另外善用AI應用工具進行數據的統計與分析，提出具備管理意涵的趨勢及洞察觀點，從解決問題的工作層次提升到尋找問題及預測問題的管理境界。
工作方式的改變：近年來企業與人資管理專家均積極研究與探討，如何讓勞動者不會被機器人取代，最佳的解決方案是”不是科技可以做什麼，而是我們可以用科技做些什麼“It’s not about what technology can do, but what we can do with technology”，未來最有效率的工作方式就是”人機協作”，工作主軸會是如何訓練、管理、監督與領導AI Agent(AI代理、人工智慧代理或智慧型代理人)，善用AI工具提升整體工作效率。
工作型態與工作地點的改變：未來職場上會有勞動者、AI Agent與零工經濟(Gig Economy)的工作模式，共享經濟的網路平台會產生新的工作型態，網路資訊也創造出網紅經紀人、小編、電競選手與遊戲編劇等新型態工作。企業若能採用居家、遠距、混合及跨域、跨境的上班模式，比較能夠吸引與留任人才。
延伸閱讀：「初階工作」恐被AI取代？當科技巨頭高層都這麼說，我們該如何應對？
企業推動人才與組織文化的數位轉型面臨挑戰
從國內外的調查與研究報告來看，中大型企業在過去已經投入資源，積極研究與實驗組織數位轉型，根據天下學習的調查，企業最擔心的轉型障礙，前三名依序是員工技能不足、組織文化抗拒改變與缺乏完善的數據和科技基礎建設。
▲ 圖片來源：天下學習
另外根據資誠聯合會計師事務所(PWC)在2025年發布的調查報告，企業在推行數位轉型時面臨的挑戰，依序是轉型資金、組織變革、數位人才、業界案例與數位工具，因此企業要能成功數位轉型，AI數位人才與組織文化的轉型會是關鍵因素。
▲ 圖片來源：資誠聯合會計師事務所
延伸閱讀：企業轉型，為何7成都失敗？管理名師李吉仁：人才出問題，最大元凶是績效評估
企業成功推動AI人才與組織文化轉型步驟
統整企業成功案例與調查報告後，企業要能成功推動數位轉型，建議依序採行六個步驟及重點行動如下表，讓員工體會到應用AI可以提升整體工作效率，創造顧客與商務價值，讓生活與工作更加平衡、有意義。
推動AI人才與組織文化轉型的關鍵步驟
步驟重點行動預期成效1. 高階主管共識舉辦策略會議、形成願景確立方向與支持2. 全員溝通宣導內部宣傳、案例分享降低抗拒、提升參與3. 跨領域專責部門整合IT、研發、HR加速專案計畫落地4. 學習與工具資源提供AI課程、工具平台提升學習及應用能力5. 一站式諮詢輔導設立顧問與技術支援降低導入難度6. 鼓勵、獎勵與內化獎勵機制、文化塑造形成AI驅動文化
高階主管的認知與共識：高階主管要發揮策略思維，針對產業發展與動態競爭環境，制定明確的AI轉型策略方向，如AI如何應用在產品開發、優化製程或是服務流程的創新，以及員工使用AI應用工具的資安政策等，凝聚高層的共識後承諾並投入相關資源。
全員溝通宣導推動AI應用文化：員工常因不理解或懷疑而抵抗文化與組織轉型，公司負責人及高階主管必須透過有效溝通來說明轉型的目的，強調應用AI技術是公司永續發展的生存條件，確保員工面臨轉型時的心聲與感受會被重視與解決。
跨領域組成專責部門負責推動：從天下學習的調查報告可以看出，企業會由不同部門來啟動數位轉型，要成為AI領先的企業，成立跨部門專案小組的成功機率是最高的。以一零四資訊科技為例，2023年由人力資源部門啟動全體員工的人才及組織數位轉型，透過研發、資訊工程、資訊管理(MIS)及各部門的協作與支持，逐漸展現成效。在2025年便成立「AI創新辦公室」，由跨專業領域專家及相關部門組成專責推動組織，建議企業可以成立專責的 AI 治理小組 (AI Governance Task Force)。
提供員工學習與AI應用工具資源：要讓全體員工一起上車推動AI工具的應用，必須突破員工的心理障礙，包括沒有信心學會，沒有時間學習、執行有困難、欠缺AI工具使用等障礙。因此公司必須依照營運策略及員工需求，決定公司官方AI應用工具類別，透過實體及數位課程的學習平台建置與合法軟體帳號的統購，提供員工學習及應用工具相關資源。
建立一站式專業與技術諮詢輔導：一零四資訊科技除了在各部門設立AI推動大使、公告公司AI使用資安政策及應用工具以外，也會通告公司內部各類AI應用工具的諮詢專家，搭配一站式的顧問指導，只要員工想要優化作業流程、提升工作效率，內部專家顧問會立即提供協助，讓員工學會持續應用AI技術的能力及興趣。
搭配鼓勵、獎勵與管理機制：要能成功塑造AI組織文化的轉型，一定要讓全體員工從敢用、會用到善用AI應用工具，透過訓練課程學習心得及部門成功實驗案例的分享，搭配產品服務創新與工作流程改善專案成果的競賽及獎勵措施，鼓勵員工勇於創新。最後再將AI學習及應用的成果列入績效管理的加分項目，便能將AI轉型文化逐漸內化成員工日常工作的習慣。
延伸閱讀：「抗拒AI」就Fire！為轉型狠砍8成員工，2年後公司下場如何？
AI科技的應用發展將會是企業永續經營必備的條件，AI人才與組織轉型不會是高階主管與資訊、工程部門的任務，唯有全體員工建立共同的願景及共識後，在企業投入財務、人力、技術、訓練及應用工具的資源後，才能實現轉型目標。近二年全球大型企業均投入資源在研究、實驗與導入AI科技，伴隨AI應用工具功能的快速進步，使用性更廣、更便利，費用更低廉的趨勢下，相信未來三年內在政府的技術、資金及顧問輔導的加持下，台灣中小企業會更積極投入AI的應用及數位轉型。
（原文標題：企業如何成功推動AI人才與組織文化轉型）
【作者介紹】鍾文雄● 一零四資訊科技股份有限公司人才永續長● 社團法人中華人力資源管理協會常務顧問
AWS助攻AI人才媒合 超過4.5萬人透過免費課程累積AI「學力」證明
AI相關職缺需求持續攀升，年成長9.1%，2025年第二季更突破12萬個AI相關工作機會。為回應市場熱度，104學習與AWS合作推出 「AI人才就緒計畫」，上線五個月已吸引超過4.5萬人次參與AI入門與進階技術的學習路徑，無論是商務應用、提示工程、生成式AI到雲端技術，皆成功帶動學習與求職行為轉換，逐步打造具備「學習力×科技力×溝通力」的AI人才生態圈。
文 /【104學習】
AI學習熱潮持續升溫 生成式AI與提示工程最熱門完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標挑戰AWS官方證照：打造被市場看見的競爭力
AI學習熱潮持續升溫 生成式AI與提示工程最熱門
由104學習與AWS合作推出的「AI人才就緒計畫」，包含兩大主題「商業應用技能」與「技術開發技能」，總共16堂、不到10小時的免費課程。該計畫自2025年7月在104學習課程中心上線以來，共吸引超過4萬5800人次參與課程，展現台灣職場對生成式AI、提示工程與雲端技能的高度需求。
在課程主題中，「商業應用技能」最受學員青睞，其中又以 「生成式AI如何顛覆您的工作模式」課程的學習人次最高，反應許多非工程領域的職場工作者，也開始積極導入AI工具提升效率與創造力。
[course_plugin api_type='course_id' title='AWS商業應用最受歡迎課程' id='553bc7bd-5e0e-48c4-af58-41ed7368ce15']
在「技術開發技能」主題部分，最受歡迎的則是「提示工程最佳實務：有效利用Claude 3」，協助工程師與技術人員掌握當前最主流的提示設計與生成式AI 應用技巧，進一步提升模型運算與內容生成的品質。
[course_plugin api_type='course_id' title='AWS技術開發最受歡迎課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
特別的是，當使用者在104學習完成AWS線上課程之後，系統將自動產出完課證明，並直接同步至使用者的104履歷表中，讓企業能一眼辨識求職者的AI能力。這項機制不僅提高求職者履歷的讀取率，也為學員帶來更明確的求職優勢。
完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力
因此，除了超過4.5萬人次投入AI 技能學習之外，104 與AWS的AI人才就緒計畫，更因具備「學習紀錄回傳與履歷自動更新」功能，使求職者與企業兩端的行為皆出現顯著轉變。
在求職端，根據104學習的數據顯示，在「商業應用技能」主題中，以完成「打造生成式AI就緒組織」課程的學員求職行動力最積極，這些學員在獲得該課程的完課證明，學習紀錄自動同步至履歷後，在接下來三個月內，他們主動應徵職缺次數成長了195.4%，也就是說，完成生成式AI課程的學員，更願意多投幾封履歷。這項數據同時反應，具體的AI技能證明不僅帶來求職者的成就感，更能強化他們的信心，使其願意跨出舒適圈，投遞過去因技能門檻而不敢挑戰的職缺，AI 學習歷程因此成為促進求職行動力的重要推力。
[course_plugin api_type='course_id' title='完課後立刻推升求職行動力' id='10361c40-8284-4333-b589-b234b1c815bb']
學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標
在企業端，104學習觀察到相同趨勢。在「技術開發技能」課程主題中，完成「提示工程最佳實務 : 有效利用 Claude 3 」並擁有該學習紀錄認證的學員，在三個月內獲得的企業主動邀約面試次數提升68.8%。顯示企業在搜尋人才時，已優先鎖定具備AI技能學習歷程的履歷。104與AWS認證的學習紀錄成為企業招募時的重要指標，使其更容易辨識具備生成式AI、提示工程與雲端應用能力的即戰力人才。
這些數據不僅代表學習行為上的進步，更顯示AI技能已深刻影響求職市場的互動方式。對求職者而言，學習不再只是加分項，而是能直接轉化為行動力與機會；對企業而言，AI學習歷程正在成為加速辨識人才、提升招募效率的新標準。
[course_plugin api_type='course_id' title='讓企業邀約率增加的課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
立即觀看 104 x AWS AI人才就緒計畫免費16堂完整課程
挑戰AWS官方證照：打造被市場看見的競爭力
在補強AI 技能後，越來越多學習者開始進一步挑戰AWS官方證照。根據多項國際IT證照薪資調查，擁有AWS AI相關證照，平均年薪上看10萬美元，顯示雲端與AI技能已成為全球企業高度重視的能力指標。對求職者而言，AI證照不僅是技能驗證，更是企業在評估AI應用與技術能力時可直接參考的「專業可信度」。
104學習與AWS整理出最受學習者關注的AWS熱門認證：
AWS認證的人工智慧從業人員-基礎級認證 AWS Certified AI Practitioner-Foundational了解更多AWS認證的雲端從業人員-基礎級認證AWS Certified Cloud Practitioner-Foundational了解更多AWS認證的機器學習工程師-助理級認證AWS Certified Machine Learning Engineer-Associate了解更多AWS認證的開發人員-助理級認證AWS Certified Developer-Associate了解更多
關於AWS官方認證更多資訊
如果還沒準備好立刻投入考照，104學習也提供多元的AWS認證學習資源，協助使用者們以更從容的步伐進入雲端與AI的專業領域。104學習涵蓋從基礎入門到進階備考的完整課程，包括雲端基礎概念、生成式AI應用、提示工程實作、機器學習訓練流程與AWS服務操作技巧等內容，都能找到相對應的學習路徑。104學習以系統化課程、可回傳104履歷的學習紀錄與彈性進度安排，陪伴準AI人才逐步累積雲端與AI技能，為正式挑戰AWS證照打下更扎實的基礎。
探索更多AWS認證課程
[joblist_plugin title='更多104【AWS AI人才】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=AWS;mode=s&page=1' amount='5']
延伸閱讀👉 AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！👉 搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人👉 AI人才需求強勁！工作機會年增9.1% 企業數位轉型與人才培育成關鍵
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
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']
【2026最新】AI產業人才認定指引3.0更新！5大能力評估、AI證照及學習資源、工作機會盤點
數發部2026年5月最新公布「AI產業人才認定指引3.0」，本次重要更新包括「AI治理素養」與「AI協作與開發」兩項能力，以及新增「推薦學習資源」幫助強化人才AI能力。本文帶你一次看懂AI三大人才類型、必備技能與證照資源推薦，並盤點AI人才職涯發展以及最常見的AI工作機會，幫助找到最適合自己的AI職涯起點。
※更新日期：2026/05/21
文／《104職場力》
本文目錄（點擊可快速前往）
你屬於哪種AI人才？研究、開發、應用3大類一次看想進入AI領域，5大能力你具備了嗎？AI能力如何認證和提升？新版推薦學習資源、證照整理AI人才職涯發展路徑圖及轉職跨領域建議AI產業人才常見職稱及104工作機會一覽投入AI領域3大建議：要具備哪些核心技術和軟實力？數發部「AI產業人才認定指引」電子書下載
2026.05更新：數發部2026年5月19日發布「AI 產業人才認定指引3.0」，兩項重要更新包括：1.因應2026年1月公布《人工智慧基本法》，新增「AI治理素養」能力，協助人才建立人工智慧應用風險的框架與意識；2.順應Vibe Coding與Agentic AI發展趨勢，新增「AI協作與開發」能力，強化人才與AI工具協作及開發的實務能力。並將指引從企業與求職者、培訓與認證機構參考的共通基準，進一步落實到產業工作場景。
想進入AI領域要做哪些準備？工作上如何認證自己的AI能力？為了協助國內人才掌握AI就業趨勢，數位發展部《AI產業人才認定指引》指出AI產業人才可分為研究、開發、應用3大類型，不論你是工程師、行銷人，還是剛準備跨領域轉職的上班族，都能在AI產業找到自己的角色！
指引中明確列出AI產業的人才分類、能力架構與專業認證方向，並提供職涯發展路徑及跨域建議。《104職場力》幫大家濃縮重點，整理懶人包，讓你一篇就看懂！
完整內容請參考數發部【AI產業人才認定指引】：因應AI技術與應用的快速變革，數發部指出，為了協助企業快速識別、應用與培育AI人才，並為個人職涯發展、培訓規劃及專業認證提供明確依據，特別制定本指引。並將隨著產業趨勢持續動態更新指引內容，強化AI人才標準與產業需求接軌。● 下載數發部《AI產業人才認定指引》（115年5月）>>● 數發部AI產業人才認定指引專區>>
延伸閱讀：搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人
你屬於哪種AI人才？研究、開發、應用3大類一次看
根據指引定義，AI產業人才是指具備人工智慧相關知識、技能與能力，並在各行各業中，從事人工智慧相關之技術研究、開發、應用、管理，或使用AI工具於生產、服務或行政管理相關工作流程的從業人員。
指引依據產業應用現況和專家建議，將AI產業人才分為「AI應用人才」、「AI開發人才」、「AI研究人才」等3大類別：
AI研究：AI技術的源頭，從事AI基礎研究與發表論文。
AI開發：AI技術的實現者，負責訓練出新的AI模型或開發新的AI應用工具。
AI應用：AI應用的使用者，將AI應用於各行各業，使用AI工具提高生產力。
AI產業人才分為3大類：AI研究、AI開發、AI應用（資料來源／AI產業人才認定指引）
本文整理將聚焦於「AI開發人才」及「AI應用人才」的相關資訊，包括AI認證資源、AI人才常見職缺及最新工作機會，還有職涯發展路徑，提供有意求職轉職、或即將進入職場的新鮮人參考！
想進入AI領域，5大能力你具備了嗎？
依據產業現況，指引列出「AI開發人才」及「AI應用人才」所需的5大類核心能力。（詳細說明請見下表）
AI應用人才：要能使用現有AI工具，提升執行中工作的生產力、管理能力、行政效率、加速流程、縮短時效與產生企業價值的能力。所需的能力類型包括「AI應用素養」、「AI工具應用」及「AI協作與開發」能力，將其應用於行銷、製造、醫療、教育、法律、金融等不同領域。
AI開發人才：需具備數學、機率、電腦科學相關知識背景，其內涵不僅限於模型開發，更關注將AI技術落實於產品和服務，所需的能力包括「AI程式語言應用」、「AI模型訓練」與「AI服務開發」。
AI產業人才5大類能力類型、11細項
人才類別能力類型細項能力說明AI應用人才AI應用素養AI素養瞭解AI基本知識、道德倫理、應用及限制AI治理素養能瞭解AI衍生的AI系統、人機互動、社會衝擊等風險AI工具應用文書應用能用AI工具進行文字內容產生、修改、翻譯及整理圖文應用能用AI工具進行圖像內容產生、擷取與修改影像應用能用AI工具進行影像內容產生、擷取與修改音源應用能用AI工具進行音源內容產生、擷取、翻譯及整理自動化應用能使用AI代理或相關自動化工具，實現工作流程自動化AI程式語言應用AI協作與開發能以自然語言引導AI協作撰寫程式AI開發人才程式應用能使用AI輔助程式開發AI模型訓練AI模型訓練能用模型訓練和學習（如ML、RL）等工具、技術及方法，訓練AI模型AI服務開發NLP/LLM/CV工程能用NLP、LLM、CV工具，結合AI工作流或提出新服務
11項AI能力類型對應哪些工具應用？相關AI工具資源參考
能力類型參考工具AI素養台灣人工智慧學校、Meta AI、好好用AI素養計畫AI治理素養EU Artificial Intelligence Act、NIST AI RMF、ISO 42001、AI literacy frameworkAI文書應用ChatGPT、Copilot、Gemini、ClaudeAI圖文應用Midjourney、Canva、Adobe FireflyAI影像應用Runway、ideogramAI音源應用ElevenLabs、MURF AIAI自動化應用n8n、Zapier、Power AutomateAI協作與開發Lovable、Claude、n8nAI程式應用GitHub Copilot、CursorAI模型訓練TensorFlow、PyTorch、scikit-learn、Amazon SageMaker、Azure AI Foundry、Vertex AINLP/LLM/CV工程OpenAI、Hugging Face、OpenCV、MediaPipe
AI能力如何認證和提升？新版推薦學習資源、證照整理
清楚AI人才需要具備的關鍵能力後，想學習或提升相關AI能力，可以參考數位產業署官網提供的相關培訓課程及AI能力認證內容，並透過相關資源來強化自己的AI競爭力。
以下整理素養類、工具類及專案類3種AI認證資源。
（資料來源／AI產業人才認定指引）
AI產業能力認證參考：素養類
AI素養類認證主要為「建立AI基本認知與倫理觀念」，著重培養非技術背景者對AI的理解與應用概念，不要求實作能力或程式操作。相關認證包括：經濟部iPAS AI應用規劃師、資策會生成式AI能力認證、AIA的AI素養級認證等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI素養認證名稱辦理單位AI-901:Azure AI FundamentalsMicrosoftAWS Certified AI PractitionerAWS
國內AI素養認證名稱辦理單位iPAS AI應用規劃師初級經濟部產業發展署AI 素養級認證台灣人工智慧學校AI 工程級認證：LLM 的行政任務應用台灣人工智慧學校生成式AI能力認證財團法人資訊工業策進會人工智慧工程素養認證財團法人資訊工業策進會AI+ 行銷科技專業人員財團法人資訊工業策進會TQC生成式AI應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會TQC人工智慧應用與技術（實用／進階／專業）財團法人中華民國電腦技能基金會EEC企業電子化人工智慧應用師財團法人中華民國電腦技能基金會
AI產業能力認證參考：工具類
AI工具類認證聚焦在「熟悉並應用AI工具完成任務」，要求能使用特定AI平台、工具或模型進行應用實作。常見任務例如影像生成、資料自動化分析、ChatGPT應用等，適合企業內部技能轉型或職能補強。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI工具應用認證名稱辦理單位NVIDIA Certified Associate: Multimodal Generative AINVIDIANVIDIA Certified Associate: Generative AI & LLMsNVIDIA
國內AI工具應用認證名稱辦理單位iPAS AI應用規劃師中級經濟部產業發展署生成式AI美術設計能力認證初級財團法人資訊工業策進會生成式AI美術設計能力認證中級財團法人資訊工業策進會生成式AI辦公室應用能力認證財團法人資訊工業策進會TQC+ GenAI 輔助資料擷取與分析 Python中華民國電腦技能基金會
AI產業能力認證參考：專案類
專案類認證聚焦在「具備完成AI專案的實戰能力」，對應如資料工程師、機器學習工程師等技術職務。用於評估技術人員是否具備立即上手企業AI任務的能力。包括：IBM AI Engineering Professional Certificate、AI-103: Azure AI Engineer Associate等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
國際AI服務開發認證名稱辦理單位AWS Certified Generative AI Developer - ProfessionalAWSAI-103: Azure AI Engineer AssociateMicrosoft
國際AI模型訓練認證名稱辦理單位AWS Certified Machine Learning Engineer (Associate)AWSAWS Certified Machine Learning (Specialty)AWSIBM AI Engineering Professional CertificateIBMGoogle Cloud Professional Machine Learning EngineerGoogle Cloud
認證名稱辦理單位TQC＋人工智慧：機器學習財團法人中華民國電腦技能基金會
104學習－課程推薦：
AI資料科學家全方位學程（緯育）
AI醫學影像分析實作直播學程（緯育）
AI學習資源專區｜AWS免費課程系列，完課自動同步學習紀錄到履歷表！
更多認證及培訓課程資訊，可至數位產業署官網查詢參考最新附表：AI產業人才認定指引專區
AI人才職涯發展路徑圖及轉職跨領域建議
不同科技背景的人，想成為3大類AI人才，職涯路徑要怎麼走？《AI產業人才認定指引》提供一份「AI人才職類與發展路徑圖」，整理「理工相關科系」及「其他科系」發展成為3大類AI人才（AI應用／開發／研究）的可能路徑。
資料來源：數發部《AI產業人才認定指引》
1. 以「AI應用人才」為例：
適合非理工背景，包括來自商管、行銷、設計等，或具備跨領域行動力者，可以透過學習AI工具的使用及AI素養，將AI應用於自身專業領域。
職涯發展路徑：AI工具使用能力與素養→AI加值型／AI導入型→AI產品經理
→AI應用人才跨域指引：未來若想轉向開發，需補足軟體工程及演算法知識，可跨域至「軟／硬體工程師」路徑。
2. 以「AI開發人才」為例：
AI開發人才有2條主要的發展路徑：AI工程師、資料專業人員，共同負責AI系統的建構和資料驅動。
AI工程師路徑：軟／硬體工程師→AI工程師→AI技術主管／AIOps工程師。
→ 轉資料途徑：若軟／硬體工程師或AI工程師對資料品質、資料策略有興趣，可加強統計學和資料治理知識，跨域至「資料科學家」路徑。→ 轉管理途徑：AI工程師或技術主管若具備良好溝通與領導力，可轉向「AI產品經理」或更高階的技術管理職位。
資料專業路徑：資料分析師→資料科學家。
→ 轉工程師途徑：資料科學家補足軟硬體工程技術後，也可以轉向「AI工程師」途徑。
3. 以「AI研究人才」為例：
職涯發展路徑為：深入數學／統計、演算法研究→AI科學家／研究員→研發主管
→ 跨域指引：AI科學家／研究員的成果是應用源頭，若能理解市場需求，可將研究成果轉化為實際產品。可跨域與「AI專案產品管理」合作，或轉向至該路徑。
AI產業人才常見職稱及104工作機會一覽
AI應用人才常見職稱及專業技能
《AI產業人才認定指引》指出，目前AI應用人才的職稱命名仍具有彈性和過渡性，需要依照產業特性和職務內容來判斷。以下整理參考職稱、角色定位、專業技能及最新工作機會。
點擊職稱或工作機會，可查看職缺：
參考職稱角色定位工作機會既有職稱（行銷專員、行政助理、人資專員等）AI工具的高效終端使用者和應用者看職缺>AI應用規劃師AI導入顧問流程優化專員協助企業規劃導入AI的數位轉型流程看職缺>AI產品經理技術與業務的橋樑，推動AI專案執行看職缺>資料標註師連接原始數據與AI模型理解的橋樑看職缺>資料分析師轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策看職缺>
1. 既有職稱（行銷專員、行政助理、人資專員等）
角色定位：AI工具的高效終端使用者和應用者
核心職責：於既有職務範圍內，透過熟練使用既有AI工具、應用程式或軟體，來提升個人工作效率、優化工作成果、輔助決策或拓展創意。
專業技能：核心專業仍是其原本的職務領域，此外對AI工具具備理解與判斷，熟悉多種AI工具的操作、Prompt編寫能力、生成式應用技巧。
工作機會：行銷專員、行政助理、人資專員、看更多應用AI工具職缺>
[joblist_plugin title='更多104【應用AI工具】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E5%85%B7&order=15' amount='1']
2. AI應用規劃師／AI導入顧問／流程優化專員
角色定位：協助企業規劃導入AI的數位轉型流程
核心職責：建構AI導入藍圖、評估痛點與效益、推動變革管理、企業訪談、現況盤點、需求分析、技術評估與導入建議。
專業技能：商業策略思維、資料治理、AI趨勢與工具理解、跨域分析、商業架構、數位工具評估與推進能力。
工作機會：AI應用規劃師、AI導入顧問、流程優化專員、看更多AI應用規劃職缺>
[joblist_plugin title='更多104【AI應用規劃】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai%E6%87%89%E7%94%A8%E8%A6%8F%E5%8A%83&order=15' amount='1']
3. AI產品經理
角色定位：技術與業務的橋梁，推動AI專案執行
核心職責：
整合使用者需求與AI功能，設計應用情境與流程，與技術團隊協作落地應用。
負責規劃與管理以AI驅動產品或服務的設計、開發與市場導入，常需與技術、設計與業務單位密切合作。
專業技能：商業分析、AI應用理解、需求分析、技術溝通
工作機會：看更多AI產品經理職缺>
[joblist_plugin title='更多104【AI產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15' amount='1']
4. 資料標註師
角色定位：連接原始數據與AI模型理解的橋樑
核心職責：
根據專案要求和標註規範，對文本、圖像、音訊、影片等各類型原始數據進行清洗、標註與分類。
確保標註數據的準確性和一致性，作為AI模型訓練的基礎。
識別數據中的潛在問題（如偏見、不足），並進行反饋。
專業技能：專案基礎領域知識與數據理解、標註工具操作、重複性工作效率與抗壓性
工作機會：看更多AI標註職缺>
[joblist_plugin title='更多104【AI標註】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%A8%99%E8%A8%BB&order=15' amount='1']
5. 資料分析師（介於AI應用與AI開發之間）
角色定位：轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策
核心職責：運用資料分析工具與統計方法，進行資料整理與清洗、探索性資料分析、視覺化報表製作、KPI指標追蹤、洞察報告撰寫、跨部門需求溝通、支援策略分析與AI導入績效評估。
專業技能：SQL、Excel、Tableau、Power BI、統計分析、Python/R（進階）、資料視覺化、問題拆解與商業邏輯思維
工作機會：看更多AI數據分析職缺>
[joblist_plugin title='更多104【AI數據分析】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E6%95%B8%E6%93%9A%E5%88%86%E6%9E%90&order=15' amount='1']
AI開發人才常見職稱及專業技能
AI開發人才常見職稱，在不同公司或組織也可能會有所差異。例如，「AI工程師（AI Engineer）」是最常見的職稱，泛指負責建構AI系統的人員。以下整理參考職稱、角色定位、專業技能及最新工作機會。
常見職稱角色定位工作機會自然語言處理（NLP）工程師專注於開發能夠理解和生成或人類語言的AI系統看職缺>大型語言模型（LLM）工程師專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中看職缺>電腦視覺（CV）工程師專注於開發能夠理解和分析圖像與影片的AI系統看職缺>機器學習（ML）工程師AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型看職缺>資料科學家擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。看職缺>
1. 自然語言處理（NLP）工程師
角色定位：專注於開發能夠理解和生成或人類語言的AI系統。
核心職責：
運用NLP技術，實現文本分析、語言識別、機器翻譯、聊天機器人等功能。
廣泛應用於客服、輿情分析、內容生成等領域。主要工作在於使AI可以理解以及生成類人類的語言。
專業技能：
熟悉NLP相關演算法和技術（如詞向量、語言模型、transformer）。
熟練使用NLP函式庫（如NLTK、spaCy）。
具備深度學習框架的使用經驗。
大型語言模型 (LLM) 工程師
工作機會：看更多NLP相關職缺>
[joblist_plugin title='更多104【NLP】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=NLP&order=15&page=4&jobcat=2007000000' amount='1']
2. 大型語言模型 (LLM) 工程師
角色定位：專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中。
核心職責：
負責建置與優化語言模型架構（如Transformer），訓練與微調模型以符合特定應用需求，並解決模型生成偏誤、知識更新等問題。
應用範圍包含智慧客服、知識問答、語意理解、內容生成、程式輔助撰寫等，也需參與模型部署與效能評估。
專業技能：
熟悉自然語言處理技術與演算法（如詞嵌入、命名實體辨識、語意分析、知識蒐集）。
精通語言模型架構（如GPT、BERT、T5）與其訓練原理，熟練使用深度學習框架。
具備資料清洗、標註與語料管理能力，並能處理多語言或特定領域語料。
工作機會：看更多LLM相關職缺>
[joblist_plugin title='更多104【LLM】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=LLM&order=15&jobsource=blog&page=1&jobcat=2007000000' amount='1']
3. 電腦視覺（CV）工程師
角色定位：專注於開發能夠理解和分析圖像與影片的AI系統。
核心職責：
運用圖像處理和深度學習技術，實現圖像識別、物件檢測、影像分割等功能。
廣泛應用於自動駕駛、安全監控、醫療影像分析等領域。主要工作在於開發出讓電腦可以辨識圖像，以及影片的相關應用。
專業技能：
熟悉圖像處理和深度學習演算法。
熟練使用電腦視覺函式庫（如OpenCV）。
具備深度學習框架的使用經驗。
工作機會：看更多電腦視覺相關職缺>
[joblist_plugin title='更多104【電腦視覺】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=CV+%E9%9B%BB%E8%85%A6%E8%A6%96%E8%A6%BA&order=15&page=2&jobcat=2007000000' amount='1']
4. 機器學習（ML）工程師
角色定位：AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型。
核心職責：
研究各式機器學習演算法，並利用演算法解決商業問題。
透過大量數據處理與特徵工程，持續優化模型以提升性能。主要工作在於利用機器學習，使得AI應用可以達成預期的目標。
專業技能：
精通機器學習演算法（如監督式學習、非監督式學習、強化學習）。
熟練使用機器學習框架，具備資料處理和分析能力。
工作機會：看更多機器學習相關職缺>
[joblist_plugin title='更多104【機器學習】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92+ML&order=15&page=1&jobcat=2007000000' amount='1']
5. 資料科學家
角色定位：擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。
核心職責：
運用統計分析、機器學習和資料可視化等技術，探索資料中的模式和趨勢。
需具備良好的商業理解能力，能夠將資料分析結果轉化為可執行的商業建議。主要工作在於分析資料，並且產出具有價值的資訊，輔助企業做出正確判斷。
專業技能：
精通統計分析和機器學習演算法。
熟練使用資料分析工具（如Python、SQL）。
具備資料視覺化和報告撰寫能力。
工作機會：看更多資料科學家職缺>
[joblist_plugin title='更多104【資料科學家】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&page=1&jobcat=2007001021' amount='1']
投入AI領域3大建議：要具備哪些核心技術和軟實力？
對於有興趣投入AI領域發展的人，《AI產業人才認定指引》最後給出3個建議：1.根據個人興趣及專業背景選擇自己的AI職涯起點（參考AI人才職涯發展路徑圖），2.需具備核心技術基礎、3.培養關鍵軟實力和終身學習態度。
其中列出的4個核心技術基礎，對AI開發人才和AI研究人才來說是必備的；至於AI應用人才雖不要求具備開發能力，但若能對於基礎知識有一定了解，將能更有效運用AI工具，與技術團隊的溝通協作也會更順暢。
程式語言： 專精Python，並熟悉其在AI領域的函式庫（如NumPy, Pandas, Scikit-learn, TensorFlow/PyTorch）。
數學與統計：掌握線性代數、微積分、機率統計，是理解AI模型運作的基礎。
資料基礎：理解數據庫（SQL）、資料清洗、資料前處理、資料可視化等基本技能。
軟體工程：熟悉版本控制（Git）、基礎軟體開發流程。
而在軟實力方面，不論選擇哪種AI職涯都需具備以下能力：
解決問題能力：能分析問題、提出解決方案並有效執行
溝通協作能力：AI專案通常需跨部門協作，溝通要清晰有效
批判性思維與創新：不盲從、敢於質疑，並能提出創新想法
適應變化與終身學習：AI技術發展訊續，需保持好奇心，持續學習新知和新工具
專案實戰：透過參與開源專案、Kaggle競賽、校內外專案或實習，累積經驗並建立作品集
數發部「AI產業人才認定指引」電子書下載
本文由《104職場力》整理重點懶人包，完整內容請參考數發部《AI產業人才認定指引》：
【電子書下載】AI產業人才認定指引(115年5月)下載
（資料來源：數發部AI產業人才認定指引）
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！
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']
AI與淨零浪潮下，企業如何佈局「未來型人才」？
AI與淨零轉型雙重驅動下，企業人才需求已發生結構性轉變，未來的挑戰不再只是「補足人力」，而是如何建構可持續的創新能力。本文解析科技業與民生服務業的員工價值主張差異，揭示企業尋求「未來型人才」必備的十項關鍵職能，並分享了五大關鍵實務思維，提供給企業在建構人才創新能力上策略方向及參考。
文／鍾文雄（104資訊科技 人才永續長、社團法人中華人力資源管理協會常務顧問）
本文導覽
企業營造開放創新文化建構員工價值主張企業尋求「未來型人才」的關鍵職能一、從人力補齊走向人才價值設計二、從技能培訓轉向關鍵思維能力培育三、從明星個人走向組織整體效能四、從管理控制轉向賦能型領導五、從短期效能衡量走向長期人才投資結語
在數位發展、淨零轉型與產業升級同時推進的時代，企業對人才的需求條件已明顯出現結構性轉變，對企業人力資源與人才發展而言，未來的挑戰不再只是「補足人力」，而是如何協助企業建構可持續的人才創新能力。
過去大數據與敏捷創新讓我們更重視數據思維與實驗精神；跨域整合讓我們更重視協作、責任感與持續改善；AI與雲端科技的發展讓我們更重視系統思考與綜觀全局，其實產業發展一路都在經歷技術浪潮與轉型，企業也持續在重新定義什麼叫做好的人才。
AI的發展與應用，不會只是一項新增的技術能力，只改變某一類工作或只影響某個產業，而是直接進入每個人的工作流程與學習發展歷程。我們的工作模式已經從自己做到與AI協作，即將發展到指揮AI工作，AI開始影響我們怎麼思考、做事、學習、協作、判斷與創新。
延伸閱讀：2026職場決勝關鍵在這！專家解碼大缺工時代下的5大人才趨勢
企業營造開放創新文化建構員工價值主張
一零四人力銀行於2024年舉辦第一屆雇主品牌大賞，其中得獎的統計58家科技業得獎企業，主打的員工價值主張(Employee Value Proposition)項目第一名為職涯發展，第二名為訓練發展，這反映科技業重視員工的成長與技能提升。提供清晰的職涯規劃及完善的培訓計畫，不僅能吸引求職者，也能降低離職率，留住核心人才。
開放創新文化及良好的團隊合作分別為第三與第四名，反映出科技業的核心運作模式。創新文化需要多元的想法和跨部門合作，因此許多企業都相當注重培養開放的工作氛圍，促進員工間的互動協作與創意激發。
圖中顯示科技業員工價值主張占比排名由高至低為職涯發展(55%)、訓練發展(44%)、開放創新(40%)、同事合作(40%)、福利制度(36%)、薪資待遇(27%)、企業永續(24%)及其他占比低於20%的領導養成、工作平衡、績效管理、多元共融。 ▲ 資料來源：2025年科技業人才報告書 104人力銀行
另外得獎的46家民生服務業企業員工價值主張（EVP）中，「同事合作」以48%的比例排名第一，顯示出團隊合作對員工的重要性，良好的同事關係不僅能提高工作滿意度，還有助於提升整體效率。其餘項目中，「領導養成」「企業永續」「開放創新」各佔19%，整體而言，開放創新文化與永續發展正成為服務業EVP的核心主軸，民生服務企業在招募訊息與內部制度，逐步強化開放創新、同事合作機制、職涯/訓練路徑與可見的福利制度，以吸引及留任人才。
圖中顯示民生服務業員工價值主張排名為同事合作(48%)、職涯發展(40%)、福利制度(33%)、訓練發展(33%)、薪資待遇(21%)及其他占比低於20%的領導養成、企業永續、開放創新、多元共融、品質導向。 ▲ 資料來源：2025年民生服務業人才報告書 104人力銀行
企業尋求「未來型人才」的關鍵職能
根據優樂地永續服務公司的一項企業與人資主管調查，台灣企業在面臨全球化發展、資訊科技與環境變動下，讓企業得以永續經營的未來型人才，應該具備文化理解力、外語能力、適應彈性工作地點的能力、數位能力、跨領域學習、終身學習、EQ(情感智商)、創新創造力、學習如何思考與解決問題等十項關鍵職能。不論是企業甄選人才、員工發展計畫或是未來人才的自我學習與養成，都可以透過多元學習與發展管道，培養職涯永續的能力。
圖中顯示企業尋求的未來型人才，應該具備文化理解力、外語能力、適應彈性工作地點的能力、數位能力、跨領域學習、終身學習、EQ(情感智商)、創新創造力、學習如何思考與解決問題等十項關鍵職能。▲ 資料來源:《2025 HR×ESG行動指南手冊》優樂地永續服務(股)公司
許多企業已投入各式人才發展方案，但成效不一，關鍵往往不在工具是否先進，而在於背後的人才思維與政策是否跟上人才轉型及永續經營的需求。以下從人力資源的實務視角，淺談企業推動人才創新時，值得關注的五個關鍵思維與對應做法。
一、從人力補齊走向人才價值設計
過去企業面對人力缺口，多半以快速補人為優先，然而在產業快速變動下，許多職務內容本身正在重塑。若仍以過往職務內容描述來徵補人才，容易造成「人到位、卻無法創造新價值」。成功企業的做法是由人資部門與用人單位重新檢視關鍵職位，釐清該角色在組織轉型中所扮演的價值，再思考是透過內部調整、跨域培養，引進外部人才來滿足需求。這樣不僅提升人力運用彈性，也有助於留才與能力累積。人資部門可觀察的指標與方向：
關鍵職位內部轉任或輪調比例
新角色到位後的價值產出回饋
職務重新設計案件數
二、從技能培訓轉向關鍵思維能力培育
隨著工作型態改變，單一技能的有效期限愈來愈短，與其教導更多技能，不如培養員工的學習能力、問題分析及跨域思考更為關鍵。企業可以將傳統課程調整為情境式學習或行動專案，讓學員針對真實營運問題提出改善與行動方案，不僅促進能力整合，也提升學習成效轉化率。人資部門可觀察的指標方向：
行動學習或專案型課程的完成率
員工參與跨域技術研討與產品討論次數
學習後工作行為改變的主管回饋
培訓成果與實際流程改善連結度
三、從明星個人走向組織整體效能
若企業過度依賴少數績優個人，短期績效或許亮眼，長期卻容易形成風險。人才創新的重點，應放在如何讓能力留在組織，而非只留在人身上。有些企業開始調整績效與獎勵制度，將團隊合作、跨部門參與及經驗傳承納入考量，使知識能夠在組織中流動。人資部門可以觀察的指標方向：
跨部門專案參與率
建立跨部門專案與技術交流平台，舉辦技術分享、社群活動或內部論壇場次
關鍵知識文件化與交接完成率
人才異動後的組織運作穩定度
四、從管理控制轉向賦能型領導
創新型人才能否發揮，與其直屬主管的領導方式高度相關。若組織文化過度強調零錯誤與層級控制，往往抑制學習與創新。在領導力發展上，愈來愈多企業建立開放且尊重專業的組織文化，讓人才感受到被重視，將重點放在「給方向、給信任、給回饋」，而非只教導管理技巧，透過員工體驗調查了解員工是否感受到支持與安全感。人資部門可觀察的指標方向：
員工心理安全感調查結果
團隊改善與創新提案的數量與採納率
主管支持度與回饋品質
五、從短期效能衡量走向長期人才投資
人才培育的成果往往無法即時反映在績效上，因此企業需有耐心與長期視角。企業可以透過追蹤高潛力人才的留任、發展與接班狀況，逐步建立對人才投資的共識。當人才發展被視為支撐企業永續競爭力的基礎，人資部門的角色也更能與企業策略緊密連結。人資部門可以觀察的指標方向：
高潛力人才留任率
關鍵職位接班人覆蓋率
中長期職涯發展與晉升情形
各部門人才梯隊養成齊備度
結語
人才創新不只是HR的專責工作，而是組織面對產業轉型時的重要能力基礎。當HR能從制度執行者，轉為協助企業整合策略、文化與人才的夥伴，人才發展將不只是支持營運，更能成為推動轉型的關鍵力量。
（原文標題：企業人才創新的關鍵思維與實務）
【作者介紹】鍾文雄● 一零四資訊科技股份有限公司人才永續長● 社團法人中華人力資源管理協會常務顧問
有任何收穫或想分享的，都來和大家一起聊聊吧！