AI工程師必學！用Streamlit打造 Python Web應用程式，零前端經驗也能上手！
104學習
AI工程
這項技能指的是運用人工智慧技術來設計、開發和部署智能系統，包含機器學習、深度學習、自然語言處理等。具備此能力的人能夠分析大量數據，建立模型並優化演算法，提升企業自動化和決策效率。在台灣，隨著數位轉型加速，相關人才需求大增，具備此技能能有效提升職場競爭力與薪資水平。掌握程式設計、數據分析及數學基礎是關鍵，並需持續學習最新技術以因應快速變化的產業趨勢。
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
AI工程師必學！Python Dash零基礎互動式資料分析從入門、進階到應用實戰！
【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
【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
【免費課程報名】技術開發技能 1-5 人人都可以是生成式 AI 的 Builder : Amazon Bedrock 介紹 | 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 1-7 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
AI驅動的創新管理實戰：打造高效、創新的智慧型企業【11/03】
【免費課程報名】技術開發技能 1-4 AWS 上的生成式人工智能和流程建構端到端優化 | 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-102 AI工程技術師
作為 Microsoft Azure AI 工程師，您可以建置、管理及部署 AI 解決方案，以充分利用：
Azure 認知服務。
Azure 應用 AI 服務。
您的責任包括參與所有 AI 解決方案的開發階段，包括：需求定義與設計、開發、部署、整合、維護、效能微調、監視；您會和解決方案架構師合作，將架構師的願景轉換成現實，並與資料科學家、資料工程師、物聯網 (IoT) 專家、基礎結構系統管理員，和其他軟體開發人員合作，以建置完整的端對端 AI 解決方案。
Microsoft
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
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)
負責任的AI技術課程認證
線上課程約8小時
這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。
完成此活動，贏取徽章！向世界展示您掌握的技能，拓展雲端領域的職業之路。
課程目標：
● 掌握 Google 採用 AI 開發原則的理由。
● 瞭解機構為何需實踐負責任的 AI 技術。
● 瞭解專案各個階段中的決策如何影響負責任的 AI 技術。
● 瞭解機構如何針對業務需求和價值量身打造 AI 技術。
Google
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
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
精選貼文，掌握第一手知識
吳恩達公布AI工程技能版圖：2026年開發者最重要的4大技能
人工智慧（AI）先驅吳恩達博士與DeepLearning.AI分析超過1萬筆職缺，歸納2026年4大重要AI工程技能，包括建構與部署AI應用、軟體工程基本功、使用Coding Agent，以及塑造開發方向。
文／樂羽嘉編譯 由天下雜誌授權轉載
本文目錄：2026年最重要的4個AI工程技能
1. 建構與部署AI應用程式2. 掌握軟體工程基本功3. 有效運用AI程式設計代理4. 塑造開發方向
人工智慧（AI）先驅吳恩達博士最近撰文公布AI工程技能版圖，告訴開發者應該優先學習哪些技能，也讓雇主知道如何找出真正有能力的開發者。
吳恩達（Andrew Ng）是DeepLearning.AI創辦人、Coursera董事長兼共同創辦人，也是史丹佛大學兼任教授。身為機器學習與網路教育領域先驅，吳恩達在人工智慧方面的成就改變了許多人的生活，超過800萬人修過他講授的AI課程。
吳恩達曾是Google大腦（Google Brain）團隊的創始負責人，團隊協助Google 轉型為現代化的AI企業，也曾擔任百度（Baidu）副總裁兼首席科學家，領導一支由1300人組成的AI團隊，先前更擔任史丹佛大學AI實驗室（Stanford AI Lab）主任，2023年入選《時代雜誌》（TIME）全球百大AI影響力人物（Time100 AI）。
吳恩達和DeepLearning.AI團隊最近發布的AI工程技能版圖（AI Engineering Skill Map），分析超過1萬筆職缺，與數十位AI專家、招募主管與招募人員進行數十場訪談，也用問卷蒐集資料、彙整資料分析，歸納出四項最重要的AI工程技能：
建構與部署AI應用程式
軟體工程基本功
使用Coding Agent
塑造開發方向
1. 建構與部署AI應用程式
AI應用與傳統軟體最大的差異，在於AI的輸出具有不可預測性。
給大型語言模型（LLM）一段提示詞，你永遠無法完全確定它會回傳什麼結果。訓練一個深度學習模型，你也永遠無法百分之百確定它面對從未見過的資料時會有什麼表現。
因此，只知道如何使用LLM、RAG或代理工作流等基本元件，已經不夠了。
這項技能的核心，是運用統計方法衡量、引導及管理AI系統，最重要的是建立一個評估與錯誤分析的閉環。
2. 掌握軟體工程基本功
軟體工程需要在成本、擴充性、可靠性、速度等因素之間進行取捨，而安全性與隱私又會讓問題變得更加複雜。
理解軟體工程的基本原理，能讓你首先意識到「究竟有哪些取捨存在」。如此一來，在選擇技術堆疊、設計系統架構、設計資料儲存方式或進行測試等方面，都能做出更好的決策。
有些開發者利用AI程式設計代理（AI Coding Agent）做「Vibe Coding」（氛圍編碼）時，直接跳過這些基本功，結果往往不知道該提供代理哪些上下文，也無法察覺代理正在做出糟糕的系統架構決策。
現在這些基本功的價值已經從過去的「親手把所有程式碼寫出來」，變成「使用精準的工程語言，引導AI代理完成工作」。
3. 有效運用AI程式設計代理
有效使用代理式程式開發，已經是每一位開發者的關鍵技能。你要能：
正確認知代理的限制，知道它能做什麼、不能做什麼、什麼時候該介入、什麼時候可以放手讓它自行處理，避免浪費太多時間和Token。
有效管理上下文視窗（context window），在規劃與執行之間做取捨。
提供驗證工具（validators）與評估框架，讓代理能夠在閉環中自主反覆修正。
撰寫清楚的規格，同時知道什麼時候不需要完整規格也能推進工作。
協調多個代理合作。
避免高風險錯誤，例如不小心讓代理弄壞正式環境的資料庫。
這個領域的發展速度極快，因此持續嘗試新工具，並不斷調整自己的工作流程，本身就是一項核心要求。
4. 塑造開發方向
AI代理按照清楚規格產出軟體能力高速提升，所以工程師工作的重心，也正在轉向「決定規格裡究竟應該放什麼」。
工程師不應再期待別人交給自己一份像素級精準的設計稿，然後只負責按照要求實作。
要做好AI工程，就必須具備產品思維，理解商業背景與客戶目標，參與塑造並推動產品的開發方向。
同時也必須掌握開發節奏，知道什麼時候應該迅速做出一個MVP，測試市場需求，什麼時候應該放慢速度，從一開始就仔細把產品做好。
在傳統軟體團隊中，決策與執行是分開的，產品經理與客戶溝通、寫需求，計師製作Mockup，工程師只要按照規格實做。
AI程式設計代理正在打破這種彼此隔離的工作模式，一旦代理可以把一份清楚的規格直接變成可運作的軟體，寫程式本身就不再是唯一的瓶頸。
團隊仍然需要有人找出真正值得解決的問題、理解客戶需求、權衡各種取捨，並決定規格裡究竟應該放進哪些東西，愈來愈多工作轉移到工程師身上。因此，工程師工作中那些結果明確、單純執行的部分正在減少；充滿不確定性、需要人類判斷的工作則正在增加。
AI程式代理可以替你提出一套系統架構，但仍然需要有人能看出這套架構背後是不是偷偷犧牲了成本、可靠性、安全性或擴充性。更快產生程式碼，不代表就能做出更好的決策。
（資料來源：medium、deeplearning.ai、startupfortune .com、andrewng.org）
（原文標題：吳恩達：2026年最重要的4個AI工程技能）
推薦閱讀：
4成年輕人偷偷惡搞公司的AI計畫，Z世代為何超反感AI？
Z世代找工作，別再「追隨你的熱情」？經濟學人：先做好一件有用的事
AI將淘汰39%技能！世界經濟論壇：2030年職場這些能力最關鍵
想轉職 AI 工程師，該先學什麼？6 個月學習路線圖整理企業真正要的能力
最近，X 上一篇題為 《How to become an AI Engineer in 6 months》的文章引發不少關注。這份路線圖之所以被討論，不是因為它鼓吹速成，而是它提出了一個很貼近當前職場需求的觀點：現在企業需要的 AI 工程師，很多時候不是從零訓練大型模型的研究員，而是能把現有模型、API、資料與工具整合起來，做成可用產品與工作流程的人。
根據這份整理，AI 工程師的核心工作，通常包括串接 LLM API、設計 prompt 與上下文流程、建立聊天或搜尋系統、整合資料庫與外部工具、處理結構化輸出，以及優化成本、速度與穩定性。換句話說，這份角色更接近軟體工程、產品開發與流程自動化的交會點。
這份 6 個月路線圖，最重要的不是「學更多」，而是「學對順序」。第 1 個月先把 Python、Git/GitHub、CLI、HTTP/API、JSON、基本 SQL、Pandas 與 FastAPI 打底，因為原文認為 AI 工程首先仍是軟體工程；如果連基本程式、API 與資料處理能力都還不穩，後面的 AI 應用很容易只停在 demo 階段。
第 2 個月，重點進入 LLM 應用開發，包括 prompt 設計、結構化輸出、tool calling、streaming responses、對話狀態管理、成本與 token 概念、失敗處理與 prompt injection 基本意識。第 3 個月則聚焦在 RAG，也就是讓模型能根據自己的文件與資料回答問題，這也是客服機器人、企業知識庫、文件搜尋等場景最常見的核心能力之一。
第 4 個月開始，路線圖進一步談到 agent、工具、workflow 與 evals。原文特別提醒，不是每個問題都需要 agent；有時一個 prompt 就夠，有時 workflow 比 agent 更穩。真正重要的，是知道該怎麼選擇，以及如何用評估機制去判斷系統是否真的變好。第 5 個月則轉向部署、可靠性與產品化，包括 Docker、背景任務、queue、驗證與 API key 管理、logging、observability、prompt/version management、成本監控、rate limits 與 caching。
到了第 6 個月，這份路線圖建議學習者開始選定方向，往三種角色收斂：AI Product Engineer、Applied ML / LLM Engineer，以及 AI Automation Engineer。前者偏向使用者產品與 AI 功能開發，後兩者則更接近模型效果優化或企業流程自動化。對求職者來說，這一步的意義在於：不能只停留在「我有在學 AI」，而要把能力整理成職缺看得懂、作品集也講得清楚的樣子。
如果把這篇路線圖放回台灣職場來看，它最大的提醒其實不是「6 個月能不能成功轉職」，而是：AI 時代的競爭力，越來越像是把技術、工具與工作場景整合起來的能力。 企業不一定每一家都在找模型研究員，但會愈來愈需要懂 API、懂資料流、懂自動化，也懂得把 AI 接進產品與流程的人。這段屬於本文根據原始路線圖內容做的職場延伸整理。
A還有一個很務實的提醒：一定要做作品。 作者多次強調，不管是 Python 練習、API 串接、RAG 還是 agent，都不能只停留在看教學，而要真的做出專案、放上 GitHub、部署出去，讓別人能試用。對轉職者來說，這點尤其關鍵。因為當市場上很多人都說自己「會用 AI」，真正能拉開差距的，往往不是上過多少課，而是有沒有做出一個可被驗證的作品。
說到底，這篇路線圖最值得記住的一點是：未來企業需要的，不只是會使用 AI 工具的人，而是能把 AI 做成工作成果的人。對想轉職、想加值、想提升職場競爭力的人來說，與其一開始追逐最新工具，不如先建立一條能走完、也能做出作品的學習路。
---
資料來源
https://x.com/DeRonin_/status/2033587293064204349
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！
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']
【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）
數發部115年度免費「AI算力服務」，即日起開放申請！
為加速人工智慧技術創新應用，數位發展部數位產業署宣佈將推出「AI算力平台」，提供符合資格的AI新創團隊及資服業者免費AI算力資源，協助業者加速模型訓練、推論驗證與應用落地，期望讓創新想法更快化為市場競爭力，更蓬勃的推動AI產業的生態發展，這項免費服務自即日起開放申請至115年10月30日止！
文／《104職場力》
數位發展部數位產業署發布新聞稿說明：為加速人工智慧（AI）技術創新應用，推出AI算力平台，提供符合資格的AI新創團隊及資服業者免費AI算力資源，協助業者加速模型訓練、推論驗證與應用落地，讓創新想法更快化為市場競爭力，以推動AI產業生態系發展。
115年度算力服務即日起開放申請至10月30日止，並將於6月辦理說明會與案例分享，歡迎企業踴躍參加。
延伸閱讀：AI力即國家競爭力！政院推「AI人才方舟計畫、指引3.0」，雙軌並進翻新產業生態
數產署指出，115年度申請使用算力平台為線上申請，不僅費用全免，且採隨到隨收、批次審查機制，報名時間不中斷，有利業者依自身研發時程隨時提出申請；今年度通過核定者，將獲得3個月算力使用期限，並可視需求多次申請使用，較去年度相比有更充裕的開發時間；新增Gemma 4及Magistral等多種最新模型，並在訓練模型時可選用No-code環境，不用寫程式碼，即可使用平台預設之大語言模型並上傳數據資料進行訓練。
【AI算力申請資訊】
📌 申請時間：自即日起至 115年 10 月 30 日23時59分截止。
📌 申請方式：採隨到隨收方式，僅接受線上申請，須使用「工商憑證」進行驗證與送件。
📌 申請對象：國內依法登記成立之獨資、合夥、有限合夥事業或公司，申請企業之行業分類（依財政部稅籍登記資料公示查詢之營業項目為準）須屬J582（軟體出版業）、J62（電腦程式設計、諮詢及相關服務業）、J63（資訊服務業）或K6699（第三方支付服務業）之國內依法登記成立之獨資、合夥、有限合夥事業或公司。
📌 申請網址：https://aipower.dginfra.gov.tw
📌 說明會資訊
報名連結：https://s.moda.gov.tw/bujzTYppp73g
線上說明會：115年6月18日上午10時至11時、6月22日下午3時至4時
實體說明會：115年6月25日上午10時至12時，地點：張榮發國際會議中心（臺北市中正區中山南路11號）
📌 申請須知：https://moda.gov.tw/ADI/news/bulletin-board/19822
📌 算力申請諮詢專線：（02）2898-7447 分機 86539、86542
數產署另規劃辦理技術說明會、不定期技術教育訓練支援入選業者，並可優先銜接「加強投資AI新創實施方案」之募資輔導、諮詢評估及募資媒合等服務，支持具有 AI 發展潛力的業者成為臺灣 AI 產業即戰力。
為協助業者充分掌握申請機制與平台操作方式，6月將辦理3場說明會，均有申請流程教學及平台操作示範，其中6月25日實體場次另邀過去成功入選業者及專家委員以「產品化」為核心視角進行深度分享。
數產署說明過去已推動「數位產業跨域軟體基盤暨數位服務躍升計畫」提供算力支援，截至114年底，已提供186家AI新創團隊及資服業者使用算力平台，開發至少266個AI模型或創新應用服務；期望今年度透過政策持續提供AI算力，協助台灣企業掌握AI發展機遇，加速AI技術應用，為台灣數位經濟注入新動能。
[course_plugin api_type='course_id' title='生成式AI｜三證合一速攻班｜高分思維 × 解題框架 × 刷題實戰' id='ee5e6072-07e8-486f-9e11-2d7d5bfb2f2d']
[course_plugin api_type='course_id' title='商業應用技能 1-1 生成式 AI 如何顛覆您的工作模式' id='553bc7bd-5e0e-48c4-af58-41ed7368ce15']
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？
AI 時代的研發現場：回歸人才特質，技嘉如何重新定義工程師的工作方式
隨著 AI 技術快速發展，科技產業的競爭焦點也逐漸從單純的硬體效能與產品規格，轉向研發流程、協作效率與人才結構。AI 的導入不只是加入新工具，而是重新定義工程師的工作方式，整個工程生態正逐漸從「單一開發」走向「系統化管理」與「跨域協作」。
文／104人力銀行
本文導覽：
從自動化到 AI 工具導入，研發現場的變革早就開始
AI 真正改變的，是工程流程的邏輯
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 不會取代工程師，但會改變工程師的角色
在技嘉科技（GIGABYTE Technology，以下簡稱技嘉）的研發現場，這樣的轉變其實已經持續了十多年。韌體開發二處處長吳宗達在技嘉任職超過十五年，主要負責主機板 BIOS 與韌體相關開發。他回顧，從早期 CI/CD 與開發自動化，到近年把 AI 工具與 AI Agent 帶進工作流程，真正改變的並不是單一技術，而是整體研發流程的思考方式。
從自動化到 AI 工具導入，研發現場的變革早就開始
吳宗達回憶，十多年前進技嘉時，研發團隊仍有大量重複且需仰賴人工處理的工作，流程也尚未建立完整的標準化機制，於是開始著手推動工作流程的優化，而 AI 的導入並非突然，而是建立在多年流程自動化與整合的基礎之上，AI 的加入更像是一把催化劑，正微妙地重塑工程師的日常。
過去很多時候，只要把功能完成即可；現在則更強調文件與知識整理。「以前可能只要把事情做完，現在會更重視為什麼這樣做，還有怎麼讓別人下次更容易接手。」
AI 真正改變的，是工程流程的邏輯
AI 對研發現場最大的影響，其實不是單一工具，而是整個開發邏輯的轉變。就吳宗達形容，過去的工程流程比較像是單一線性的任務鏈，僅需交付給特定負責的人即可。
隨著產品與系統越來越複雜，單靠記憶與口述交接已難以支撐整個研發體系，這些原本存放在人腦中的知識與個人經驗，必須被整理成文件、紀錄與規格，甚至要能轉化成可被系統使用的資料結構。
從口耳相傳的經驗，轉向數位化的 Open File，最終成為 AI 可讀取的 Open Data。然而從AI 的角度來看，真正的問題反而是餵給 AI 的「資料不夠多」。他指出，若企業內部沒有足夠的工作紀錄、文件資料，AI 也無法持續迭代學習。
也因此，就研發流程上逐步從「流程導向」（Process Oriented） 轉向 「API 導向」（API Oriented）的思維，將原本分散在不同開發人員或部門的工具與資料可以被串接，整體的工作流程也能橫向擴展。
他坦言，AI 目前主要還是輔助的角色，部分的規格整理、工作日誌彙整，皆可透過 AI Agent 協助完成，同時讓管理者能更容易掌握專案脈絡、進程。倘若涉及到績效評估、團隊溝通或情境判斷時，仍需要回到「人」來做最後的決策。
技嘉科技韌體開發二處處長吳宗達
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 技術快速發展，也讓許多企業重新思考或定義徵才的條件；而在技嘉的研發團隊中，選才標準並沒有出現劇烈改變，反而是回歸初衷：人格特質。
人資夥伴補充，技嘉的研發職缺，第一關是由主管直接做篩選，長期以來他們最重視的特質，其實一直沒有變：好奇心、學習能力，以及解決問題的熱情。AI 工具的使用經驗當然加分，對多數 RD 職缺來說，並不是唯一的門檻，只要具備良好的基礎能力與學習意願，很多工具都可以進公司後再學習。
在吳宗達看來，AI 時代反而讓這些人格特質變得更重要。根據他的觀察，現在不少工程人才會透過 Side Project 或 GitHub 專案展示自己的能力，像是開發小工具、嘗試自動化流程，甚至研究區塊鏈或智能合約等題目。這些看似與職缺未必直接相關的經驗，往往能反映一個人是否真的對技術有興趣，也更容易被企業注意到。
「如果一個人平常就會自己做一些 Project，我通常會特別留意。」這也正呼應當前科技產業的招募趨勢，對許多年輕工程師而言，找工作不再只是離職後才開始準備，而是平時持續累積作品與成果，在市場上保持被看見的狀態。
AI 不會取代工程師，但會改變工程師的角色
當被問到 AI 是否會取代工程師時，吳宗達的答案很直接：「不會，但工作思維一定會變。」他認為，未來的工程師角色會更像是與 AI 協作的整合建構者，而不是單純執行任務的人。許多企業過去長期忽略的流程問題，包括知識沒有被記錄、流程缺乏標準化⋯⋯現在都必須重新整理並規格化。
因此，看似「工作變多」，但其實是那些是原本被忽略的流程工作，現在開始被系統化與文件化。隨著 AI 工具越來越成熟，工程師的價值也正在改變：不再只是完成某個任務，而是能理解整體工作流程、整理知識，並讓團隊能力得以持續累積。
AI 並沒有讓工程師變得不重要或被取代，反而是讓一件事變得更加清楚——當工具越來越強，人真正不可取代的能力，仍然是持續學習、理解問題，以及把經驗轉化為能被團隊延續的知識。
立即下載《2026科技業人才報告書-人才版》
[joblist_plugin title='更多104【技嘉科技】工作機會' url='https://www.104.com.tw/company/a4kvltk' amount='3']
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
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
微軟「AI員工」報到 可執行複雜、跨工具協作任務 台鏈振奮
2026-06-18報導 經濟日報記者蘇嘉維 由聯合新聞網授權轉載
微軟宣布「AI員工」正式報到，昨（17）日於全球推出Copilot Cowork，並獲全球逾半數的《財富》500強（Fortune 500）企業使用。法人看好，微軟推出AI員工後，有望帶動AI算力需求增加，不僅帶旺鴻海（2317）、廣達及緯穎等代工廠，也將為PC品牌注入一股全新成長動能。
延伸閱讀：你也是膨風一族嗎？63%上班族AI能力都在灌水，為什麼會這樣？
微軟指出，Copilot Cowork能夠執行複雜、長時間運行且需跨工具協作的任務。使用者只需定義工作內容Copilot Cowork即可端到端完成整個流程，並交付完成的結果，不僅是提供草稿或建議。
微軟「Copilot Cowork」功能與概況
核心應用可協助使用者定義任務目標，同時達成跨工具使用，獨立完成使用者交付的專案任務鎖定市場企業用AI領域最大特點透過雲端執行模式，讓使用者PC關機後，AI也可自動執行任務未來效應微軟Windows在PC市場稱霸情況下，有望帶動代理式AI應用快速推進
其中，Copilot Cowork最大特點使用雲端託管（Cloud hosting）讓檔案不會儲存於本機裝置，不僅安全性受到嚴格控管，且即便使用者筆電關機，任務仍可持續執行。內建的Work IQ 支援將所有任務與企業既有的系統連結，確保所有工作精準反映真實的脈絡，另外多模型設計可依照任務需求使用最合適的模型，並將隨著更多模型推出持續擴展能力。
Copilot Cowork目前已經整合Anthropic旗下的Opus 4.8與Sonnet 4.6等AI模型，並支援OpenAI的GPT 5.5。不僅如此，微軟預計在未來數周內發布的最新模型 Cowork 1，主打透過後訓練（post-train）優化，以相對更低的成本完成任務。使用Copilot時，使用者不會被綁定單一模型，可以根據需求選擇最具效益的模型或前瞻模型。
據了解，Copilot Cowork是微軟大規模進軍代理式AI（Agentic AI）市場的重要一步，不同於先前AI模型的一問一答方式，Copilot Cowork可獨立執行工作專案，即便電腦關機，也可以雲端運算方式持續推進工作，同時微軟Windows作業系統在稱霸PC市場情況下，代表Copilot Cowork將可望快速拓及全球PC，推動代理式AI應用快速發展。
微軟在推出Copilot Cowork同時也象徵AI算力需求進一步成長，當前切入微軟AI伺服器供應鏈的鴻海、廣達及緯穎等ODM廠後續接單有機會暢旺。
法人指出，廣達在微軟供應鏈不僅成功拿下GB300系列的NVL 72伺服器大單，後續Vera Rubin伺服器也將在下半年開始量產出貨，為廣達下半年營運增添成長動能。
[joblist_plugin title='【廣達】精選職缺，104上都看得到！' url='https://www.104.com.tw/company/ahfsoq0' amount='5']
不僅如此，微軟推出Copilot Cowork產品後，有望為PC市場帶來代理式AI新浪潮，推動PC換機需求，讓今年相對平淡的PC市場營運添新柴火，華碩、宏碁、微星及技嘉等PC品牌廠同樣受惠。
▲ 圖片來源：聯合新聞網授權轉載
有任何收穫或想分享的，都來和大家一起聊聊吧！