【大師開講】智慧醫療四大AI應用案例解析
104學習
人工智慧醫療
這項技能指的是運用人工智慧技術來提升醫療服務的效率與精準度，包含資料分析、診斷輔助、病患管理等應用。具備此能力的人才能協助醫療機構優化流程、提升診斷準確性，並加速新藥研發與個人化治療方案制定。隨著數位醫療快速發展，這項技能成為醫療與科技交叉領域的重要競爭力，對未來職場需求及醫療品質提升有顯著影響。
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
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】
管好員工做對事：溝通協調力
AI 協思簡報術｜從模糊點子到精準說服的提案策略
企業AI轉型實戰：用生成式AI打造高績效、低成本團隊【09/18】台中場
生成式 AI 辦公室應用能力課程
【免費觀看】AI 通用素養速攻班｜企業期待的 AI 素養五大核心 → 完課領券考取104 AI通用素養檢測
成為 AI 科學家｜資料分析師必備視覺化技能 Power BI
AI 客服洞察決策｜從用戶回饋加速產品與服務優化
打造職場人際IP：從人設策略到影響力攻略【09/24】
精選貼文，掌握第一手知識
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 >>
精選 推薦 : 豈止證照而已！跨域知識大串聯，打造屬於自己的能力系統
這段Podcast 是專訪Nabi iPAS 證照講師 陳正健（CCChen）如何透過經濟部 iPAS 產業人才能力鑑定，成功建立跨領域的專業系統。他至今已累積取得涵蓋 AI 應用、淨零碳規劃、智慧生產、食品保穫及品牌企劃等五大領域共 14 張證照。
CCChen強調，證照不應僅是孤立的紙本證明，而是應將所學知識與工作實務及數位工具深度結合，以提升解決複雜問題的職場競爭力。他分享了運用 AI 工具輔助學習與時間管理的策略，並以此帶動家人參與，展現出自主學習的正面能量。
他鼓勵專業人士打破學科框架，藉由跨域考證建構個人能力地圖，從而因應智慧化與永續轉型的產業趨勢。這些內容不僅記錄了他的轉型歷程，也為求職者與企業提供了關於人才培育及職涯成長的實務參考。
歡迎收聽▼
https://youtu.be/bUZXvx9eZk0?si=6a4q234WUnAABWiQ
CCChen 老師課程 :
【直播課程＋限時回放】iPAS AI應用規劃師（初級）- 第三梯考前衝刺班｜8/5（三）20:00–21:30 線上直播講座｜104獨家iPAS AI考證衝刺 https://nabi.104.com.tw/course/104nabi/4f6e498b-dee3-4fab-935d-64c781840c9c
【2026年－考試筆記(V1版本)】iPAS AI應用規劃師初級｜全科攻略ｘ考點精華ｘ擬真題庫｜104學習
https://nabi.104.com.tw/course/104nabi/07779700-a980-43d2-8b34-bae808edea61
iPAS AI應用規劃師【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題｜104獨家iPAS AI考證衝刺
https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e
AI技術如何重塑職場？主管必備的3大應對策略，掌握數位轉型關鍵，強化團隊競爭力
在人工智慧（AI）迅速崛起的時代，許多人開始反思：「AI將如何重塑工作模式？」、「未來AI技術對團隊與業務會產生哪些影響？」以及「如何在AI時代中取得優勢？」這些問題凸顯了現代職場對於AI技術的深切關注。本文將探討AI帶來的職場變革，結合AI數位轉型的優勢，為主管提供應對策略，協助他們在這波科技浪潮中把握新的職業機會。
文/104獵才顧問行銷企劃部
點擊前往關注AI相關500家企業？免應徵👉先跟HR聊聊
【本集課堂分享人物】
劉俊鴻 Darlian Liu 104高階及關鍵人才庫 顧問
📽️回顧看上集👉《AI將減少工作機會？深入解析ChatGPT如何影響未來就業趨勢》
本文導覽：
一、AI帶來的職場變革與未來趨勢，AI技術如何重塑職場格局?
1. 自動化提升效率
2. 新興職業的誕生
3. 傳統職業的轉型
二、AI數位轉型優勢：提升團隊業務效能的五大關鍵要素!
1.數據驅動決策：AI如何優化市場分析與業務預測
2.建立數位文化：提升團隊創新能力的基石
3.數位化流程：簡化操作，增強團隊效率的最佳實踐
4.增強客戶體驗：AI如何提升顧客滿意度與忠誠度?
5.鼓勵創新與實驗：如何在AI時代中發掘新商機?
三、在AI浪潮中保持競爭力的3大策略：擁抱挑戰、持續學習、 強化溝通技巧
1. 擁抱挑戰，勇敢面對技術革新：面對AI技術的心態調整
2. 持續學習的重要性：跟上AI技術演進的步伐
3.強化與AI溝通的能力：提升職場競爭力的關鍵技巧
四、結論、掌握AI時代職業機會的關鍵要點
一、AI帶來的職場變革與未來趨勢，AI技術如何重塑職場格局?
AI技術正在快速重塑我們的工作方式和職場格局，帶來了深遠的影響。從自動化流程到創新應用，AI不僅提高了工作效率，還開創了許多全新的職業機會。
1. 自動化提升效率
AI技術自動化了許多重複性和低效能的工作，解放了人力資源，使員工能夠專注於更具創造性和戰略性的任務。這種轉變不僅提高了生產力，還促進了工作滿意度。
2. 新興職業的誕生
AI技術的進步催生了許多新興職業，如數據科學家、AI工程師、機器學習專家(👉超過400個AI相關職務等你來關注)等。這些職業不僅薪資優渥，還擁有廣闊的發展前景，成為職場中的新寵。
3. 傳統職業的轉型
傳統職業在AI的影響下也在發生轉型。例如，市場營銷人員現在需要掌握數據分析和AI工具，才能在數位化時代中脫穎而出。這種轉型要求職場人士不斷更新技能，以適應新的職場需求。
二、AI數位轉型優勢：提升團隊業務效能的五大關鍵要素!
數位轉型是指組織或企業利用數位科技重新設計業務流程、改善組織運作，並提升整體價值創造力的過程。對於主管來說，這不僅是技術的更新，更是促進團隊協作、提高效率和增強競爭力的關鍵策略。透過數位轉型，主管可以引導團隊在新技術的支持下，實現更靈活的運作模式，並在不斷變化的市場中保持優勢。
1.數據驅動決策：AI如何優化市場分析與業務預測
數據驅動的決策過程使企業能快速響應市場變化，並做出更精準的商業判斷，從而增強競爭力，提升團隊效能。
2.建立數位文化：提升團隊創新能力的基石
建立數位文化能鼓勵員工探索新技術，增強團隊的創新能力，進而促進企業整體成長和效能提升。
3.數位化流程：簡化操作，增強團隊效率的最佳實踐
數位化流程可減少人為錯誤，加快業務運作速度，讓團隊專注於更高價值的任務，進一步提升團隊效能。
4.增強客戶體驗：AI如何提升顧客滿意度與忠誠度
利用AI技術分析顧客數據，企業可以提供個性化服務，增強顧客整體體驗與忠誠度，提升團隊在客戶關係管理中的效能。
5.鼓勵創新與實驗：如何在AI時代中發掘新商機
在AI時代，企業應鼓勵創新思維與實驗，探索未來的新商機，這將促進團隊的靈活性和效能，保持市場競爭力。
三、在AI浪潮中保持競爭力的3大策略：擁抱挑戰、持續學習、 強化溝通技巧
1. 擁抱挑戰，勇敢面對技術革新：面對AI技術的心態調整
在這個快速變化的時代，保持開放心態至關重要。面對AI浪潮，主管們應鼓勵團隊勇於嘗試新技術，積極參與相關活動。這不僅能提升個人技能，還能培養團隊的創新精神，讓每位成員都能在面對挑戰時保持競爭力。
2. 持續學習的重要性：跟上AI技術演進的步伐
為了適應不斷變化的AI技術，持續學習和加入同好圈是關鍵。參加線上課程、教育平台或工作坊，並融入Facebook社團、粉絲頁或LINE專業群組，這不僅能提升專業知識，還能鼓勵團隊成員建立人脈，拓展視野，確保在職場中不斷前進。
3.強化與AI溝通的能力：提升職場競爭力的關鍵技巧
在AI時代，與AI有效溝通的能力將成為職場競爭力的關鍵。主管們應該鼓勵員工學習如何使用AI工具，並強調這項技能對提高工作效率的重要性。透過掌握與AI的溝通能力，團隊將能在複雜的職場環境中脫穎而出，贏得未來的機會。
四、結論、掌握AI時代職業機會的關鍵要點
AI技術正在引領職場的巨大變革，帶來了無數的機遇和挑戰。職場求職者應該保持開放的心態，擁抱挑戰，持續學習，並提升溝通技巧和心理素質，才能在這波科技浪潮中找到自己的職業機會。無論未來如何變化，只要做好準備，就能在新的職業環境中找到屬於自己的位置。
【推薦關鍵人才的AI趨勢好文】
📣AI市場薪情知多少？《AI到底有多熱！從市場薪情找出你的高薪機遇》
📣AI時代會減少工作機會？《AI將減少工作機會？深入解析ChatGPT如何影響未來就業趨勢》
📣如何用AI讓你被HR看見？《用AI打破求職困境：4關鍵快速讓HR看見你的亮點》
║關鍵人才專屬AI職缺推薦║
AI 處理器設計工程師
聯發科技股份有限公司│新竹市熟悉處理器系統BUS and memory architecture、熟悉Verilog
AI software development manager
廣達電腦股份有限公司│桃園市龜山區8年以上工作資歷│C 、C++ 、Java 、Python 、JavaScriptg
電腦輔助工程CAE與AI資深工程師
緯創資通股份有限公司│台北市內湖區4年以上工作資歷│電腦輔助工程模擬技術或AI開發經驗、Dassault Systèmes、ANSYS、SIEMENS、Hexagon
數位科技處-AI人工智慧專案管理師
永豐商業銀行股份有限公司│台北市中山區具備AI相關背景知識，如CNN、RNN演算法、基礎建模方法等、具AI專案開發/管理經驗者
數位轉型服務-數據分析資深顧問
勤業眾信聯合會計師事務所│台北市信義區3年以上工作資歷│熟悉資料分析語言與框架、熟悉機器學習與深度學習等演算法建模
點擊前往關注AI相關500家企業？免應徵👉先跟HR聊聊
企業徵才│找關鍵人才
人才求職│找優質職缺
104獵才顧問 官方網站104獵才顧問 Facebook104獵才顧問 LinkedIn104獵才顧問YouTube
不怕科技加速技能斷層！3種「非正規」的影子學習術，反而讓你超前進化
專家指出，科技風暴正在打亂我們「習慣」的學習管道，尤其是讓專家與新人的連結越來越薄弱，這種情況下會更難精進技能發展嗎？作者從住院醫師的實際案例觀察發現，有3種「影子學習術」作法，可以在不利技能發展的環境下，偷偷磨練技能，並學得又快又好。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）
非正規的3種「影子學習術」1. 提早專精2. 數位排練3. 野放式練功用「旁門左道」學會新技能
非正規的3種「影子學習術」
1. 提早專精
第一種做法我稱為提早專精（premature specialization），這是什麼意思？像貝絲這類住院醫師，比「正常進度」更早專攻某個領域，甚至犧牲自己的基礎訓練。他們還沒當住院醫師時，就已經在醫學生時期磨練技能，有人會蹺掉有機化學課，跑去機器人實驗室；有人會「犧牲」各科輪調的機會，跟隨機器人外科手術醫師，實際參與相關研究項目。他們無所不用其極，總是能逮到機會巴著機器人手術專家不放。在醫學院教授和管理人員看來，這樣做有點過度專精，畢竟醫學院的宗旨是為了培養全方位的醫師，應付各種醫療情境。但是說來諷刺，當我問起這件事時，每個人都坦承擔任住院醫師後，如果有提早專精，表現會特別好，根本沒有人會多說什麼。這些人特別擅長處理複雜的工作，沒有人會怪他們走偏門。
舉例來說，有位住院醫師已經進入第2年，早在醫學院時期就幫忙成立機器人外科研究實驗室，主治醫師談起她時表示：「我看得出來她非常優秀，超越大多數總醫師（也就是待到第6年的住院醫師），但是她確實花很多時間，大概1到2年左右，待在（某醫院）機器人實驗室做研究，說穿了，就是有點『作弊』，你懂的。」但是如果技術夠好，沒人會多說什麼。
2. 數位排練
第2種做法我稱為數位排練（digital rehearsal），簡單來說就是這兩句話的對比：「看過電影，不代表你能當演員。」「那段影片只有1小時，我卻反覆看了200遍。」第一句是美國某家頂尖教學醫院泌尿科主任說的，第二句則是同一家醫院的住院醫師說的。主任的話代表著傳統觀念：每個人都知道，學習手術一定要動手操作，所謂的「看一遍，做一遍，教一遍。」
研究論文也強調「停留時間」（待在手術室的分鐘數），認為這就是磨練外科技術的關鍵。
親手握著手術刀，直接在病人身上動手術，才算是正統訓練。唯有在手術室，才能接受資深外科醫師的指導，學會怎麼做抉擇、怎麼保持冷靜、怎麼領導手術團隊……這些都要在手術室裡學習。正是因為這種文化，外科把手術室裡的學習看得很重要，無論是模擬訓練或看影片，都是過於「薄弱」的學習。要是太依賴這些，就是搞錯重點，不是膽小鬼，就是書呆子。
外科醫師就是要離開螢幕，穿上手術服，血濺到手上才可以。
但那位住院醫師的想法完全不同，她站在進步與技能這一邊，就像其他影子學習者，花費大量時間研究YouTube的手術影片，當作手術室學習的補充教材。一開始只是先熟悉手術內容，例如現在看的是什麼？哪一個手術步驟？接下來會開始評估影片的品質，例如這場手術做得怎樣？太粗糙嗎？還是很完美？為什麼？用了什麼技術？這些技術有效嗎？他們經常記下自己的觀察，有些人甚至學習新軟體，直接在影片上加註。久而久之，他們會有自己的影片資料庫，趁進入手術室前「臨陣磨刀」。
比方說，今天要做吻合術（攝護腺切除術中最精細、最困難的環節，要把尿道和膀胱縫合），手術前10分鐘，他們會挑一則自己最愛的示範影片，以0.5倍慢速重播。他們不是每次都看YouTube，有時也會用訓練室的機器人模擬器，但是這種模擬器很陽春，畫面又抽象，比如要抓住一個虛擬的圈圈，沿著虛擬的繩索移動，還不能碰到繩子，根本就像電玩，和真實的手術相差甚遠，但他們還是拚命玩到高分，甚至跟自己比賽。但問題來了，把時間花在這些事，動輒數百個小時，一些資深專家並不買單，一來覺得不妥，二來不相信有效，更重要的是住院醫師還有可能忽略其他職責和人際關係，例如講座缺席、不參加夜間查房。
他們和同期住院醫師相處的時間變少，與導師的交流也跟著減少。結果當專家考慮將來要提拔誰時，這些人稍有不慎就可能會在職涯翻車。
3. 野放式練功
第3種方法我稱為野放式練功（undersupervised struggle）。記得第2章提過「過度保護」嗎？挑戰的大敵？除非你主動改變現狀，否則機器人的手術教學就會是令你心累的惡夢。許多住院醫師表示，這就像汽車駕訓班：方向盤是握在住院醫師手上，但是主刀醫師只要點一下觸控螢幕，隨時可以把車停下來，更何況手術室裡每個人都能看見放大10倍的影像，一起觀看住院醫師的每個動作，主刀醫師也會不停地下「指導棋」，反覆打斷動作。過不了多久，下場就會像克莉絲汀一樣，在眾目睽睽之下接二連三被打斷、指正和反問，最後甚至失去操控權。
為了避免這種情況，磨練自己的技能，一些住院醫師自己想辦法，盡量選擇野放式練功。
有些人調到層級較低的醫院，因為那裡的資深外科醫師本來就不太操作機器人；但是也有人留在原來的醫院，轉調到剛剛引進機器人的科室。這些主治醫師操作機器人的經驗不夠多，比較願意讓住院醫師操刀，說實話他們也不太明白，怎樣才算是「高手」。只要住院醫師表現不錯，主治醫師就不會過問太多，甚至會直接離開手術室，讓住院醫師獨自操刀。還有一種方法就是住院醫師會追隨「明星級」外科醫師，因為這些名醫有許多手術要開，只會親自完成最困難的環節，其餘則會交給住院醫師搞定。沒錯，主刀醫師不會待在手術室。
你看出門路了嗎？有兩大關鍵：第一，住院醫師要挑戰自己的極限，全神貫注，在控制台忙出一身汗；第二，主刀醫師在一旁待命，住院醫師隨時可求助。有個住院醫師分享他追隨名醫的經驗：「我們非常謹慎，不會亂來。每當遇到卡關，主任會進來指導，或是可以呼叫較資深的住院醫師，他們也會幫忙。」如果你聽了還沒有嚇到，我就來為你解釋：主治醫師不在場，住院醫師是不能私自動刀的，雖然並不違法，但美國外科學院（American College of Surgeons）強烈反對，在某些情況下甚至明文禁止。
這些住院醫師卻為了磨練技術，冒著被懲戒的風險，甚至讓病患承擔風險。所以，這絕對不是醫師會推薦的標準做法。
用「旁門左道」學會新技能
這3種影子學習法，完美守住挑戰、複雜性與連結，讓這些資歷尚淺的住院醫師也能練出驚人本事。
提早專精的好處，就是比別人早一點接觸機器人手術，一步步擴大參與範圍，慢慢挑戰更完整的流程。複雜性有了，挑戰也有了，因為接觸手術的實務操作，哪怕只是在實驗室當助手，對小小的醫學生來說，已經是能力的極限。連結也有了，因為這種「作弊」方式不是你想就能做，要有資深的主治醫師帶領，你也要有能力幫上忙，建立彼此的信任、尊重與默契。
再來是數位排練，絕對和適度的複雜性有關。這些住院醫師反覆吸收數位資源，對機器人及相關手術瞭若指掌，看過各種操作手法，重播上百遍。等到真的進入手術室，已經有足夠的能力消化實務細節，基本動作也會更流暢。有趣的是，這些螢幕前的努力還會帶來適度的連結：因為「事前準備」做足了，進入手術室後，就能和專家順利搭上線，例如詢問一些「聰明的問題」，甚至提出建議。這又會進一步帶來挑戰。資深外科醫師看到這情況，就會立刻安排幾個高難度任務，對新人的實力也會更認可。即使頂尖外科醫師不想放手，影子學習者也會主動爭取。還記得嗎？他們在操作台忙出一身汗，那是因為事先和專家說好：「讓我自己先摸索，除非要出大事，你再來幫我一把。」先說好遊戲規則，新手就可以挑戰極限，專家也會適時幫一把，這樣的複雜性恰到好處。就這樣，他們的學習之路，完美符合適度挑戰的每一個條件。
這些新人違規學習，不隨便張揚，結果挑戰、複雜性、連結都足夠，所有技能密碼也沒少。而且成果顯著，遙遙領先同儕，還搶到很多練功的機會。
這就像「有錢人會越有錢」，只要你一入門就比其他新人更熟練，就可以得到更多機會，把技能磨練得越精，再解鎖更多機會，而你的同事只能在旁邊乾瞪眼。
但是話說回來，這些招數多少有一點踩線，不可能取代傳統的訓練模式。正因為這樣，該有的挑戰、複雜性和連結也稱不上完美。進行影子學習的住院醫師們，全靠自己摸索、自己嘗試。試想，如果他們能打開心扉，和專家或同儕交流這些做法，是否能建立更多的信任、尊重和關懷？專家能否提供更精準的引導，幫他們找到下一個複雜任務？專家能否提供更適合的協助，讓他們邁向更高階的挑戰？答案是現狀還不夠理想，有進步的空間。
我們團隊經過3年半的觀察，發現影子學習的現象隨處可見，特別是倉儲業的基層人員，只不過形式非常不同。還記得伊內絲嗎？大多數工人只會埋頭苦幹，因此她是少數，這些人分散在各個組織，即使公司拚命簡化流程，他們仍會用「旁門左道」學會新技能。
基本上，他們的方法差不多：在日常工作中，總會有一些小問題反覆發生，說大不大，但這些人看了就會心煩意亂，或者出於好奇心動手解決，而且並未詢問主管的意見。事實上，他們的解決方法大多違反標準作業流程，但是因為這些問題反覆出現，所以有機會不斷嘗試和調整，說穿了，就是在磨練技能。你已經知道伊內絲這個介面設計界的潛力股，不只是解決眼前的問題，還展現「工作敏感度」。就像《星際大戰》(Star Wars)裡的絕地武士，對地球原力特別敏感，而這些人對工作有一種特別的直覺，專門解決特定的問題，例如伊內絲就是對科技有感。
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加速技能斷層！專家揭潛在隱憂：新一代技術人才能力下滑
技能成長和人際連結有關嗎？MIT博士教你檢查「適度連結」10項指標
AI超便利？人工智慧潛在的3大負面影響
文： 小婉家族研究生：卓引祈 | 工商心理實驗室
原標題：人工智慧（AI）賦能人力資源管理：是助力還是威脅？
在當前科技迅速發展的時代，人工智慧（AI）正以前所未有的方式重塑各行各業，尤其是人力資源管理領域。然而，這一變革並非只有光明的一面。AI的引入雖能為繁瑣的工作帶來便利，卻也潛藏諸多隱患，可能對員工的心理健康與工作滿意度造成不利影響。
隨著人工智慧（AI）的興起，各行各業開始將人工智慧技術應用於工作中，並有許多相關的利弊討論。對於工作繁重、面向多元的人力資源管理者，AI的應用可以帶來許多便利。然而，使用AI時，有哪些潛在的影響可能導致人力資源管理實踐產生負面影響？
首先，從人工智慧的演算法的三大特徵，即時性、全面性、不透明性，來探討可能對員工造成潛在的負面影響。AI的即時性可能讓員工產生被監控的心理壓力以及工作和生活界線的模糊；並且因其強大的功能（全面性）可能造成員工自卑，造成工作動機感、成就感下降。而其不透明性可能進一步引發偏見、歧視，甚至是知覺分配不公平等議題。而更近一步的，當組織意圖用將員工的表現被更頻繁且細緻的以數字劃分時，可能削弱員工的內在動機，進而影響其工作表現和態度。因此使用AI雖然可以簡化部分的管理事務，協助達到更精準的管理決策，然卻可能造成員工的反彈，對人力資源管理的實踐帶來了巨大的潛在挑戰。
但也有研究顯示，以AI為基礎的人資系統能透過加強正向員工體驗，帶來更好的員工投入度。其主要是透過關注員工本身的需求，提供個性化的協助，以及提供平台促進與他人的交流。
雖然目前的研究結論對於AI在人資管理系統究竟是利大於弊，還是弊大於利有不同的看法，然而使用AI在人資管理上會造成何種結果，很大程度取決於使用者的目標及使用方法，意即我們抱持什麼最終目的在使用AI，會影響我們決定如何使用AI，以及它對員工造成的是正面的還是負面的影響。
作為管理方，若將AI作為評判或監控的工具，可能會造成員工巨大的心理壓力，適得其反。而作為人力資源的工作者，若我們一心只希望AI幫我們解決困難的工作，等於將AI視為工作的主體、判斷與創意的主體，可能會造成許多關鍵能力的喪失，無論是學習能力、洞察能力、評判能力，甚至造成內在價值感下降、缺乏動力等一連串的問題。工作需要有輕重之分，我們可以將部分的任務交給AI，但清楚知道AI只是協助者，我們仍是價值的提供者、方向的領導者。
而無論是作為員工、主管還是企業，不免需要回到源頭的問題：運用這些技術的根本目的為何？光有技術不足帶來革新，關鍵還在於是否真正在乎個人的福祉？無論是組織在乎員工的福祉，甚至是工作者在乎工作所帶給他人的意義等，若我們能清楚自己內在的價值定向，則就能用正確的心態使用AI，讓AI成為我們的助力，而非是威脅。
增強AI應用能力，讓AI成為助力工作更有效率＞＞
小婉家族研究生：卓引祈
參考資料：
Malik, A., Budhwar, P., Mohan, H., & N. R., S. (2023). Employee experience –the missing link for engaging employees: Insights from an MNE ’s AI ‐based HR ecosystem. Human Resource Management, 62(1), 97–115. https://doi.org/10.1002/hrm.22133
Zhou, Y., Wang, L., & Chen, W. (2023). The dark side of AI-enabled HRM on employees based on AI algorithmic features. Journal of Organizational Change Management, 36(7), 1222–1241. https://doi.org/10.1108/JOCM-10-2022-0308
看更多來自工商心理實驗室的好文 >>
能者多勞？還是忍著過勞？ 小心引發工作倦怠
學習時間管理就能提升效率？探索你的「時間特質」找到關鍵
Z世代安靜離職消失了嗎？不，它進化成「怨恨缺勤」
在微笑的面具下，其實心好累！４招從情緒勞務中恢復
生成式AI對人資帶來的是機會?還是風險?
提升員工帶動企業的成長！最划算的教育訓練方案首選>>
企業內訓、公開班及線上課程需求，104人資市集最超值 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
實驗室新突破！Google AI突破癌症研究瓶頸 開啟跨域職涯新風口
近日Google與耶魯大學的研究團隊攜手發表了一項令人振奮的成果：他們開發出一款能「讀懂細胞語言」的AI模型、成功預測出一個具有潛力的新型癌症療法途徑，並已在實驗室中獲得初步證實，這項發現不僅為抗癌藥物研發帶來一線曙光，更展示了大型AI模型在加速科學發現上的巨大潛力。
文／《104職場力》
本文導覽
研究背景：關於免疫療法的瓶頸「冷腫瘤」Google研發「細胞語言模型」C2S-Scale接下戰帖出乎意料！AI鎖定Silmitasertib，給出嶄新發現實驗室證實，silmitasertib能成功讓冷腫瘤「發熱」50%AI「革新藥物研發效率」對跨領域人才和未來職涯的深遠啟示
研究背景：關於免疫療法的瓶頸「冷腫瘤」
在癌症免疫治療中，一個核心概念是讓患者自身的免疫系統去攻擊癌細胞，但因為許多腫瘤屬於「冷腫瘤」（Cold Tumors），以至於它們就像披上隱形斗篷一樣，無法被免疫系統偵測和辨識，自然能躲過攻擊。
想解決這個問題，讓冷腫瘤「發熱」（Hot），也就是迫使癌細胞展現出能被免疫系統識別的「抗原呈現」（Antigen Presentation）信號，是免疫治療策略的關鍵目標，如果能找到一種方法「放大」這些信號，就能有效提升免疫療法成功的機率。
Google研發「細胞語言模型」C2S-Scale接下戰帖
為了克服這項挑戰，Google研究團隊基於Gemma，打造了Cell2Sentence-Scale 27B（簡稱C2S-Scale）模型，其核心能力是理解「單一細胞的語言」，如同理解人類的文本語義一樣。
研究人員給C2S-Scale的艱鉅任務是：找出一個只能在腫瘤環境中已經存在微弱免疫信號（例如低劑量干擾素，Interferon）時才發揮作用的「條件式放大器」，讓原本微弱的信號能有效增強。
該模型採用了一種「雙情境虛擬篩選」的方式進行推測：
正向免疫情境： 輸入帶有低劑量干擾素信號的真實病患腫瘤樣本數據。
中性免疫情境： 輸入單純隔離的癌細胞數據（不帶免疫背景）。
研究團隊模擬了超過4,000種藥物在這兩種情境下的作用，並要求模型預測哪些藥物只在第一種情境下能增強抗原呈現。
出乎意料！AI鎖定Silmitasertib，給出嶄新發現
沒想到，C2S-Scale模型直接給了研究人員大驚喜，它推理出一項過去科學文獻中從未被明確報導過的全新組合與機制：silmitasertib（一種CK2激酶抑制劑）只有在「正向免疫情境」下能大幅提升抗原呈遞作用，但在「中性情境」下則幾乎沒有效果。
這代表AI模型並非只是分析或重複已知知識，而是可以真正產生出可供實驗驗證的新科學假設。
實驗室證實，silmitasertib能成功讓冷腫瘤「發熱」50%
得到新假設後，研究團隊隨即至實驗室進行驗證，他們刻意使用人類神經內分泌細胞模型進行測試，這種細胞是模型在訓練過程中完全沒見過的類型，希望更能確保結果的公正性。
實驗結果完全證實AI的預測：
單獨使用silmitasertib，對抗原呈現無影響。
單獨使用低劑量干擾素，效果有限。
同時使用silmitasertib與低劑量干擾素，抗原呈現信號產生顯著的協同放大效應。
根據實驗數據，這種組合治療能使抗原呈現作用提高約50%，足以讓腫瘤更有效地被免疫系統識別，C2S-Scale模型的預測還真的成功找到了新型的「干擾素條件式放大器」，提供將「冷腫瘤」變「熱」的潛在新途徑。
AI「革新藥物研發效率」對跨領域人才和未來職涯的深遠啟示
雖然這項研究還未進到臨床試驗，但已展現出大型AI模型（如C2S-Scale）在生物醫學發現上的核心價值，它能快速生成有實際根據的科學假設，大幅縮短新藥研發週期，並為開發高效的組合療法奠定基礎。
這項突破標誌著AI與生物科技的關鍵交匯點，同時也清晰預示了未來的職場趨勢：
跨域人才需求暴增：傳統的生物學家或醫藥研發人員，現在必須具備計算機科學、數據分析甚至大型語言模型（LLM）的應用能力。能夠理解「細胞語言模型」並將其應用於實驗設計或臨床資料分析的「AI生物學家」將成為炙手可熱的職位。
研發週期大幅縮短：過去需要耗費數年進行的藥物篩選與假設驗證，在AI的協助下能被壓縮到數月甚至數週，這將加速生技、製藥公司對研發效率與數位化工具的投資。
新的職能誕生：除了傳統研發職位，企業將需要更多「生物資訊學家」、「AI模型工程師」（MLOps for Biology）等職位，專門負責維護和擴展這些複雜的生物AI模型。
由此可知，人工智慧不僅是提升工作效率的工具，更已成為開啟科學新發現的鑰匙，對於所有追求職涯成長的人來說，掌握數據與AI思維，是進入下一波生物科技與醫療創新浪潮的關鍵入場券。
（參考資料來源：How a Gemma model helped discover a new potential cancer therapy pathway）
AI時代職場核心技能大洗牌！2030年哪些技能讓你立於不敗之地？
隨著AI與數位轉型的推波助瀾，未來將掀起一波「技能洗牌」浪潮，哪些技能將成為明日之星？又有哪些技能會被時代遺忘？本文將揭開這些關鍵的職場技能，期盼工作者能從這場變革中倖存並脫穎而出，並驅動自己的職業生涯向前邁進。
文／王穎皓 由Cheers授權轉載
全球成長最快 VS. 衰退最快職位成長最快的職位衰退最快的職位技能需求大洗牌：哪些將上升、哪些將下降？核心技能的4大分類成長中的核心技能下降中的核心技能技能需求變化的主因、影響及挑戰影響與挑戰：技能落差成最大風險如何培養未來關鍵核心技能？
世界經濟論壇發布報告指出，預測到2030年，全球將有39％的現有職場技能將被淘汰或需重大轉型，有些技能愈來愈重要，有些則漸漸式微。
隨著生成式AI、數位轉型與全球經濟結構劇變，世界經濟論壇（World Economic Forum, WEF）《2025年未來就業報告》揭示，至2030年，職場技能需求將出現大規模重組。
阿姆斯特丹大學副教授Jeroen Kraaijenbrink也在LinkedIn發文強調，未來最重要的技能不僅僅是技術性，更是具有策略性的（They’re not just technical. They’re strategic.）。
究竟哪些技能將成為新寵、哪些逐漸式微，原因何在？工作人又該如何應對？
全球成長最快 VS. 衰退最快職位
WEF報告指出，預計到2030年，結構性轉型將導致22％的現有職位出現增減，預計新增1.7億職位，減少9,200萬職位，淨增7%，即多出7,800萬個工作機會。
成長最快的職位（點擊連結看職缺）
技術類：大數據專家、金融科技工程師、AI／機器學習專家、軟體開發人員。
綠色與能源轉型：自駕／電動車專家、環境工程師、可再生能源工程師。
前線與服務業：農場工人、送貨司機、建築工人、銷售員、食品加工人員。
照護與教育：護理師、社工、個人照護助理、大學／中學教師。
延伸閱讀：《綠領人才就業趨勢報告》每月徵2.2萬名綠領人才！綠領AI人才缺口激增到4,300個
衰退最快的職位
文書與行政支援：收銀員、票務員、行政助理、資料輸入員、銀行櫃員、郵務員。
其他：印刷工、法律秘書、圖像設計師等。
技能需求大洗牌：哪些將上升、哪些將下降？
根據WEF報告，至2030年，全球有39％的現有職場技能將被淘汰或需重大轉型，顯示產業與工作內容正快速變革。這波洗牌的主要推手包括生成式AI、數位化、綠色轉型與人口結構變遷。
核心技能的4大分類
WEF將技能劃分成4種：
2030年核心技能（Core skills in 2030）：現在重要且成長最快的技能。
新興技能（Emerging skills）：目前不太重要，但預期未來將增加需求的技能。
穩定技能（Steady skills）：現在重要，但預期未來的需求不會大幅增長。
邊緣技能（Out of focus skills）：現在不太重要，未來也不太會增加需求。
成長中的核心技能
以下為目前最受重視，且成長最快的技能：
1.分析性思維與創造性思維（Analytical thinking＆Creative thinking）
報告指出，未來最受重視的不是單一技術能力，而是分析性思維與創造性思維。這些能力能推動組織創新、解決複雜問題，是策略落地的核心動力。調查指出有70％企業將分析性思維視為核心技能。
2. 韌性、彈性與敏捷性（Resilience, flexibility & agility）
在變動快速的環境下，能夠適應新挑戰、快速調整策略的員工將成為企業搶手人才。這類能力在未來的重要性還會持續提升。
3. 領導力與社會影響力（Leadership & social influence）
組織扁平化與跨部門協作趨勢下，具備領導、溝通與影響他人能力的工作者，將在管理與專業崗位中脫穎而出。
4. 動機與自我覺察（Motivation & self-awareness）
自我驅動、主動學習與自我管理能力，將成為個人持續成長與適應變革的關鍵。
5. 系統性思維、好奇心與終身學習（Systems thinking, Curiosity & lifelong learning）
懂得從全局視角理解問題，並持續學習新知的工作者，將在未來職場中持續領先。
6. AI與大數據、網路與資安、科技素養（AI and big data, networks and cybersecurity and technological literacy）
雖然人本能力是主軸，但科技素養、AI與資料分析等技能仍是不可或缺的基礎，尤其在數位轉型加速的產業。
下降中的核心技能
以下為需求下滑的技能：
1.手動靈巧度、耐力與精確度（Manual dexterity, endurance, precision）
這類技能在2025～2030年被預測為需求下降最明顯，24％受訪企業認為其重要性將減少。隨著自動化、機器人與AI普及，許多需要手工操作或體力勞動的工作正在被機器取代。
2. 基礎讀寫與數學能力（Basic literacy and numeracy）
這些屬於傳統教育的基礎技能，未來在職場中的重要性將逐步降低。原因在於數位工具與自動化流程能夠取代大量基礎計算、資料處理與文字工作。
3. 重複性、流程性技能（Repetitive and process-driven skills）
包括資料輸入、行政文書、收銀、票務等職位所需技能，因自動化軟體與AI的導入，需求大幅減少。
技能需求變化的主因、影響及挑戰
技術進步：AI與自動化大幅提升效率，取代重複性、低技術含量工作，推動對高階認知、創新與技術能力的需求。
產業轉型：數位化與綠色經濟重塑產業結構，促使人才需具備跨領域與永續思維。
組織變革：企業組織扁平化、協作與創新成主流，強化領導力、溝通力與自我管理能力。
影響與挑戰：技能落差成最大風險
技能轉型速度快，導致企業與員工間出現巨大技能落差。WEF報告顯示，63％企業認為技能落差是轉型的最大障礙，85％計劃優先培訓現有員工，70％將招聘新技能人才，40％預計因技能過時裁員，50％預計從內部轉換崗位。
若企業無法及時補足技能落差的鴻溝，將會有大量員工面臨失業風險。
勞動市場兩極化
高技能人才需求激增，低技能、重複性職位被淘汰，導致就業市場明顯分化。高學歷、高技能者機會大增，低學歷、低技能者失業風險升高。
再培訓壓力巨大
近六成員工需再培訓，企業與個人皆需投入大量資源於技能升級與轉型。
如何培養未來關鍵核心技能？
1. 主動盤點與補足技能缺口
個人應定期檢視自身技能，對照產業趨勢與職位需求，主動發掘並補足弱點。
2. 擁抱終身學習與自學能力
持續學習新知、技術與軟實力，善用線上課程與實踐專案，提升自我驅動與學習力。
3. 強化跨領域與整合能力
結合數位、管理、創新等多元技能，提升職場適應力與競爭力。
4. 發展人本與領導力
培養領導、溝通、團隊合作、情緒管理等軟實力，成為能帶領團隊與推動變革的關鍵人才。
5. 善用企業與組織培訓資源
積極參與企業內部培訓、產學合作等資源，加速技能升級與轉型。
2030年職場技能需求將經歷劇烈洗牌。分析性思維、創造力、領導力、彈性、終身學習等人類核心策略能力，將成為新時代的黃金能力。
重複性、體力性與傳統文書技能則逐漸式微。面對這場變革，唯有主動學習、跨界整合與強化人本能力，才能在未來職場立於不敗之地。
（資料來源：世界經濟論壇、LinkedIn）
（原文標題：２０３０年職場技能將洗牌！世界經濟論壇調查：３９％技能將被淘汰、這些技能將愈來愈重要）
延伸閱讀：
黃仁勳：每個人都該有個AI家教！這樣用AI提升學習工作效率
AI工作專區｜工程師、PM、行銷的AI應用人才，企業AI徵才整理
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會讓你失業，還是幫忙加薪？PwC全球１０億工作分析，３個數字揭露AI職缺趨勢
別讓AI馴化你的思考，未來關鍵人才從問「笨問題」開始
🔥天下學習7月客座學習長李正屹：人人都該會銷售的世代！獨創一套「兩好三Why」的銷售策略，帶你學超級業務力
AI共學指南：從心法到工具、實戰應用，系統化升級學習思考力
AI工具爆炸成長，真正的競爭已不是誰用得多，而是誰用得好，懂得與AI共學的人，才是未來真正的高手。AI教育專家蔡明順親授實戰心法，帶你從「用工具」進階為「用AI成長」，一步步修煉出升級版的自己。
文／邱煜庭 由Cheers人才永續頻道授權轉載
本文導覽
AI共學心法：明心見性，掌握AI共學祕訣AI共學招式：循序漸進，拆解練功路線圖AI共學工具：倚天劍或屠龍刀，哪一把適合你？AI共學實戰：返璞歸真，從知識走向實踐AI共學修煉：內功為本，系統性學習決勝負
當AI將知識取得門檻降至最低，這場學習革命的重點在誰更懂得與「AI共學」！從心法、招式到實戰與工具，AI教育專家一步步拆解，教你把AI從「工具」升級為「學習拍檔」，修煉出升級版自我。
「當AI出現後，每個人能力水平變得相近，差別就落在主動性，以及懂不懂運用AI幫助學習。」臺灣人工智慧學校校務長蔡明順指出。
所謂「AI不會取代人，只會取代不會用AI的人」，這句話揭示的未來近在眼前，特別是在學習與提升能力方面。
從蒐集資訊、整理、分析、到提取轉換成知識都能加速進行的AI時代，懂得運用AI協助學習，就能在能力上甩開其他人一截。
然而，具體要怎麼做呢？過去曾在美商Oracle甲骨文、SAP思愛普擔任過高階主管，目前投入AI教育，培育超過1萬2千位AI人才的蔡明順不藏私，大方給出他的AI學習心法、秘訣以及工具建議。
接下來，就讓我們跟著前輩的腳步，循序成為懂得活用AI的武林高手。
AI共學心法：明心見性，掌握AI共學祕訣
蔡明順指出，他的學習模式已從「單向吸收」躍升為「與AI共同創造」，把AI當成共學拍檔。
這就是所謂的「元學習」（meta-learning）：學習如何學習。他從設計學習策略，到不斷優化與AI提問與知識整合流程，不僅效率提升3至5倍、跨領域學習障礙降低，更從知識獲取轉向批判思考與創造力的培養。
「就像是一個人不僅學會如何釣魚，還掌握了如何在任何水域、使用任何工具高效地學會釣任何種魚的方法。」蔡明順表示。
他以兩個實戰案例說明運用方向：
1. AI共學與效率
「在課堂上我用手機錄音錄影，專注於於理解，筆記只記錄關鍵重點。回家後再將錄音和筆記上傳到NotebookLM。」
NotebookLM能替蔡明順辨識內容、重組架構並生成完整筆記，過濾無關資訊。且其將文檔轉為Podcast的功能，更讓蔡明順無時無刻都能複習，甚至，AI還能提供模擬考題。
蔡明順表示，這套系統讓他從傳統筆記抄寫解放出來，效率提升三倍並深化了理解與應用。
2. 角色扮演與對話
他還會上傳傑出人物的傳記、訪談和新聞至AI工具中，建立「私人董事會」系統，作爲虛擬導師群。
蔡明順說明：「面對重大決策時，我會諮詢這個董事會，讓AI模擬可能的建議與思考方式。」
比如需要創業決策時，可以先思考方案再請董事會給予反饋，從多角度檢視問題。不只獲取知識，更能模擬與頂尖人物對話的過程，讓AI升級為思維的擴增器。
AI共學招式：循序漸進，拆解練功路線圖
了解心法方向後該如何進行，蔡明順指出關鍵在「提示工程」技巧——如何用提問引導AI提供有深度的內容，成為有問必答的私人教練。細分為以下四個步驟：
鎖定目標——將學習目的寫得具體明確。
角色設定——為AI設定角色與任務，使其成為該領域的教練。
反饋循環——用思維鍊 (chain-of-thought) 持續微調提示。
統整反思——將AI提供的知識與經驗融合內化。
以下用準備一場商業簡報為例說明。
首先，確認目標是「在15分鐘內有效傳達複雜的市場數據」。
第二，以此設定AI的角色與任務，分別為數據科學家（簡化複雜數據）、故事專家（提供敘事結構）、設計顧問（建議視覺呈現）和反對者（提出尖銳的質疑）。
第三，建立思維鍊，與每個「角色」深入互動，不斷調整問題。蔡明順表示，特別有效的是讓AI分析簡報初稿，然後以「如果是賈伯斯（Steve Jobs）做這個簡報，他會如何改進？」等問題獲取靈感。
最後，便是回到個人層面，將獲取的建議經過消化後融入簡報。
蔡明順認為，以此四步驟不斷迭代，不僅簡報結構更緊湊、故事張力更強，更重要的是鍛鍊了跨域統整與精煉資訊的能力。
AI共學工具：倚天劍或屠龍刀，哪一把適合你？
有了明確步驟，還需找到稱手工具，而市面上AI工具百百種，蔡明順分享他挑選時考量的三件事：學習目標複雜度、專業領域特性、個人偏好。
入門探索：ChatGPT（免費版）＋Perplexity，可迅速掃描趨勢與背景。
進階深耕：ChatGPT（付費版）、Claude、Gemini，適合長文件推理與多輪對話。
專業垂直：Cursor（程式）、ChatPDF（文獻）、NotebookLM（研究整理）。
以上為根據需求由簡到繁列出的參考。蔡明順也舉例說明他如何精準使用不同工具：「為了深入研究新興的可再生能源技術，我運用了一系列AI工具來提升學習效率。」
該工具鏈為：ChatGPT梳理概念→Grammarly精準校閱→Midjourney視覺化技術原理→Gamma一鍵排版簡報。
ChatGPT能針對太陽能、風能的最新發展進行初步探索，快速獲取相關概念和基礎知識。更能協助理解複雜術語，並整理出初步研究方向。
有了方向後，當需要閱讀大量英文報告和論文摘要，利用文法檢查工具Grammarly，能幫助修正語法或拼寫錯誤，協助更準確的理解專業文獻。
接著，能根據文字生成圖像的Midjourney則負責將概念視覺化，例如輸入對特定能源系統或技術原理的描述：「高效能鈣鈦礦太陽能電池結構示意圖」、「離岸風力發電機組運作流程」。晦澀難懂的術語瞬間變為圖像，不再難以理解。
最後，如果想將研究成果呈現給同事或合作夥伴，在利用Gamma的AI自動排版和設計功能，一鍵將文字、圖表或Midjourney生成的圖像整合到簡報中。
「整合這些工具後，我在短時間能就能進行深入研究並產出高水準內容。」蔡明順表示。
AI共學實戰：返璞歸真，從知識走向實踐
即便工具與各種方法論推陳出新，但AI尚不是無所不能。對於其局限性，蔡明順指出，AI特別適合語言、程式、商業分析等結構化知識；但對需要實際體驗、練習或高度創意的項目，如游泳、作曲仍有限。
另外，對使用AI的缺點，如助長思考惰性、資訊準確性等等也必須有所警惕。
特別是資訊準確性問題，蔡明順認為是最大風險，而他也給出建議解決方法，包含：交叉驗證資訊、使用引用功能，以及培養批判思維。
「我們應該將AI作為起點而不是終點。」蔡明順語重心長。
他表示，過去在面對照顧罹患失智症父親的挑戰時，他就意識到AI共學的幫助與侷限。
AI能提供專業的失智症知識，如疾病進程、常見症狀和基本照護技巧等等，「但當他突然情緒激動、拒絕用藥時，AI給的建議，例如溫和堅定地解釋就完全不適用。」蔡明順提到。
因此蔡明順發展出「三明治學習法」，同樣以照顧父親為例：先以AI獲取醫學知識基礎，中間層是透過與醫護、長照人員互動驗證所學，最外層則是真實情境應用，也就是實際與病患相處的親身體悟。
從中獲得最珍貴的收穫，蔡明順認為是：「AI能告訴我『該做什麼』，但只有人與人之間的真實連結才能教會我『該如何做』。」
AI共學修煉：內功為本，系統性學習決勝負
綜觀整體概念，其核心精神仍繫於人的自主性與判斷力，不該完全仰賴AI。
要確保這點，蔡明順提出結構化的學習框架。
首先，設定SMART學習目標，也就是具體(Specific)、可衡量 (Measurable)、可達成 (Achievable)、切實可行 (Realistic），以及具時限 (Time-bound)。
其次，採用「70、20、10」學習模式，除70%實踐應用，20%與AI互動學習，仍有10%透過傳統學習資源，這是為了保證資訊準確，以及培養判斷能力。
第三，建立定期複習與反思機制，以隨時調整策略。
最後則是形成學習社群，與他人分享AI共學心得，互相砥礪更能維持動力。
無論使用何種方法，人類價值與判斷仍必須在駕駛座，蔡明順認為：「學習過程始終是要由人類主導。」
（原文標題：我獨自升級：從工具選擇到情境應用，AI專家傳授共學心法、逐步拆解實戰攻略）
延伸閱讀：
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
AI助攻學習大躍進，開啟英語學習新時代！
用AI快速寫Email！ChatGPT Writer、Copilot等中英文電子郵件生成｜附5種指令範例
從怕數學的心理系生，蛻變為最懂人心的行銷操盤手：夏雨農的顧客讀心術
輝達執行長黃仁勳：如果我是學生，我會這樣用AI提升職涯
天下學習6月客座學習長 #夏雨農 面對逐漸式微的當流量紅利，如何提升顧客轉換率？一窺最會「讀心」的行銷大師學習密技
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
搶手！「AI產品經理」年薪輕鬆逾百萬
人工智慧產品經理AI PM(product manager)，無疑是當前職場最紅的職務之一。AI PM和傳統PM有什麼不同？AI PM又和AI工程師有何差異？為什麼AI PM年薪能輕鬆超越百萬？104職涯診所Podcast EP560【AI PM紅什麼？！年薪上看150萬！不用精通程式，但要懂AI技術、能和工程師溝通】提到，AI PM不見得要精寫程式，但必須懂技術，尤其要具備讓AI落地於產品的能耐；相較於傳統PM，AI PM的薪資可能多30%；年薪因專業度和年資而不同，80~150萬不難，150~250萬有機會，主管職或上市櫃公司有望超過250萬。
文／104職涯診所Podcast
【來賓】 王之璘，104人力銀行產品暨價值營運處資深協理，從輔大企管系畢業之後，曾任屈臣氏儲備幹部，優仕網Youthwant業務助理、網站企劃，ABC好車網網站企劃，一路發展成為產品經理PM(Product Manager)，進入104人力銀行前後將近十年，目前擔任產品團隊主管，帶領超過三十位夥伴負責主要的AI產品，也是104人銀行最年輕的處級主管，職涯歷程豐富。
「AI PM」人工智慧產品經理，在傳統職責上，疊加AI技術應用
AI PM指的是與AI相關的產品經理（Product Manager）。
不過，討論AI PM之前，必須先界定傳統PM的工作內容。傳統PM通常分為兩大導向：一是功能導向(從零到一)，把全新的產品從無到有、建立起來。二是營運導向，負責觀測用戶行為、發現數據問題並進行優化與開發，例如，對於104人力銀行這樣已有多年線上服務的網站進行改善與優化。此外，傳統PM特別注重用戶介面（UI/UX）的優化與改善，並根據用戶的使用數，提供回饋給開發單位。綜合來說，PM是介於技術端與用戶之間溝通的橋樑。
AI PM的工作是疊加在傳統PM任務之上的。核心任務特別強調，將AI技術應用在產品的流程或發展中。
AI PM的職責面向主要有二：首先，運用AI改善公司內部的作業流程與效率，加速技術和流程的串接。這點是傳統PM比較少關注的。例如，AI PM可以利用對Prompt語法的熟悉度，與AI互動，快速產出產品需求文件PRD(Product Requirement Document(或設計畫面，大幅節省工程師的時間。其次，利用AI發展具有商務價值的工具或服務給使用者，讓使用戶願意為了AI功能而付費。
以履歷表功能為例，比較兩種PM的差異
以履歷表功能為例，傳統PM會觀察求職者填寫履歷過程中的「卡點」，透過增加欄位或使用文字引導，讓欄位更容易填寫，優化介面。
然而，AI PM會把AI技術直接應用在產品服務之中。例如，AI PM會用AI分析求職者已有的PDF或Word履歷表，把相關內容自動轉移到系統的欄位，節省求職者的時間。也就是說，AI能分析求職者的學經歷或社團經驗，自動產出自傳內容，或分析履歷內容有哪裡不足，對應求職者想應徵的職務，然後提供求職者哪裡可以再加強的建議。AI PM會進一步思考，會比使用者想得更多、看得更遠，避免求職挫折、提升求職效率。
不會寫程式也ok？AI PM具備三大核心能力：技術、市場、整合
如果把AI PM的三個關鍵職務能力聚焦在：懂技術、懂市場、能整合。若要進行排序，王之璘認為的優先順序為：懂技術(第一)、懂市場(第二)、能整合(第三)。
1. 技術的基礎理解(優先)：AI PM需要具備對AI相關知識的基本理解和評估能力，例如機器學習、深度學習、大型語言模型(LLM)或自然語言處理(NLP)等。重點不在於寫程式(Coding)，而是在於掌握AI的邏輯、技術原理及限制，做為規劃與開發之間的橋樑。這種理解能幫助AI PM評估產品的可行性、成本(例如Token的使用成本)，並丕確保產出內容的品質和語句的正確性。
2. 市場與商業思維(次要）：PM必需思考如何將想法產品化並且制定策略。AI PM必須具備商業思維，避免「為了AI而AI」。他們需要思考如何用AI吸引用戶，創造非用戶，甚至讓用戶願意付費。
3. 整合與溝通協作(基礎)：整合能力涉及評估AI是否可行，並與技術團隊順暢協作。AI PM在協作上，除了傳統PM面對的工程師和設計師之外，還需和資料科學家或研發單位密切討論深度學習模型的優化方向、正確率、品質校正與實驗內容。高效的溝通能力極為重要，AI PM需使用精確的技術術語與工程師溝通，以避免認知落差與時間浪費。
整體來說，AI PM對於技術理解的程度，必需能明確評估AI可以做到哪些功能、有哪些限制與風險，例如資料漂移或幻覺(AI產出不符合事實或使用者能力)的問題。如果AI PM了解這些限制，就能知道撰寫Prompt時，應該注意哪些地方。即便不會寫程式也沒有關係，但如果能理解基礎的程式架構、前端後端語言與限制，將會有助於與開發團隊進行更順暢的溝通。甚至在某些職缺中，AI PM需要具備利用AI進行Vibe-Coding的能力，透過與AI對話，來完成網頁基礎介面設計的能力。
AI PM的AI思維，創新探求與落地能力
AI思維比AI技術的理解更需要天分和時間投入。王之璘指出，所謂的AI思維，指的是，具備創新的想法，一方面用在改善PM本身的工作流程，另一方面，把AI技術深入落地到產品中，這就需要探索的能力和商業思維。優秀的AI PM不僅要從零到一把產品做出來，更強調如何從一到一百，讓產品能夠落地。
AI PM，年薪輕鬆逾百萬
王之璘認為，最厲害的AI PM，應該具備條件創新和強大的學習動機或好奇心。因為AI技術的發展日新月異，幾乎每週都有新的產品發表，AI PM必須像海綿一樣，持續更新知識。他們需要對市場具有極高的敏感度，能夠挖掘機會點。
反映在薪資，AI PM的月薪通常比傳統PM稍高！3到5年經驗的AI PM，月薪通常在五到六萬左右。8到10年經驗者，年薪則輕鬆破百萬，甚至達到150萬是常見現象。AI PM薪資比傳統PM高出兩到三成是可以想像的。
職涯轉型：從傳統PM到AI PM的路徑
對於現任的網站或PM想轉型為AI PM，最好的方式是在自己的工作中嘗試用AI思維改善流程，或利用Vibe-Coding產出設計網頁。若具備傳統PM的技能加上AI PM的基礎知識，轉型會相對簡單。
對於非傳統PM背景的人，建議從生活中探索從零到一的創新思維，關注生活中的痛點，嘗試利用UI/UX的改善或AI技術來解決問題，例如練習用ChatGPT或Vibe-Coding工具設計網頁，培養用AI解決問題的能力。
AI PM以專業學習取勝
PM的養成大多依賴自學與應用，國內缺乏專門的PM科系。王之璘的團隊成員背景非常多元，包含業務助理、行銷、前端工程師、客服甚至服務業。
AI PM若有以下的產業背景也會特別加分：
1.資訊業/軟體業：幾乎是最順暢的轉型路徑，因為具備豐富的產品知識、開發流程經驗(如瀑布流或敏捷式開發)、以及對於UI/UX的基礎認知。
2.金融業/會計領域：這些產業接觸的數據量大，更重要的是，他們擁有風險控管、法規遵循的背景。這使得他們在思考產品時，能夠更加嚴謹，也能快速學習複雜的商業邏輯，有助於控制成本並確保產品具體落地。
3.醫療背景：具備基礎統計知識和管理豐富病歷的經驗，有助於快速找到與AI協作的脈絡。
在科系背景上，資管、資工、電機、統計、數學等科系會稍有加分。資管或資工因為具備技術背景，能用相同的語言和工程團隊溝通。統計或數學背景則因系統思維能力強，能夠有脈絡的調校AI的學習方向。然而，一位頂尖優秀的AI PM，重點不在學位、也不是科系，而是能否將流程痛點或商業機會轉化為實際的規格，與工程師溝通，帶領團隊開發。
AI PM展現出色的溝通力，拉近技術與用戶的距離
AI PM是技術與非技術團隊之間的橋樑，需要具備出色的溝通協作能力。技術雖然重要，但只需達到理解和評估的程度，並不需要具備前端的研發能力。最關鍵的是，AI PM必須具備極大的學習動機、持續更新知識，並善於將抽象問題轉換為具體的產品功能來解決。
多數公司為了推動AI，提高專案效率或將AI轉化為商轉機會，對於具有AI思維和技能的PM，徵才的積極度會更高。對於有興趣轉職為AI PM的人，無需過度擔心自身背景或科系，反而應該更專注於知識學習、留意自身是否具備擁抱創新的人格特質。
[joblist_plugin title='更多104【AI產品經理相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI&order=15&jobcat=2004003009&page=3' amount='5']
【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）
2026產業與職場趨勢分析：定義未來的25個關鍵變局
本文解讀LinkedIn News預測的25個關鍵變局，梳理科技、職場與生活風格的劇烈重組，幫企業和工作者洞察趨勢、布局先機。
文／《104職場力》統整
本文導覽
一、AI實戰元年：企業與個人勝出的關鍵二、從學校到職場，人才本質與結構的重組三、身心健康革命，改寫職場與社會制度四、地緣政治、產經的異動與轉型五、數位反撲！生活消費文化蹦出新常態
如果說2023到2025年是我們對AI感到焦慮、興奮與摸索的「震盪期」，那麼2026年將是這一切塵埃落定、進入「深水區」實戰的關鍵時刻。
LinkedIn News團隊近期發布了〈定義2026年的25個大膽預測〉，這份報告不僅是對科技的預言，更是對全球商業模式、勞資關係以及我們生活方式的一次全面體檢，內容顯示，從矽谷的程式碼到我們手中的咖啡杯，世界正在經歷一場寧靜但劇烈的重組。
為了幫助台灣職場工作者在變局中找到定位，104職場力分類並梳理了這25個關鍵趨勢，希望這份清單能成為企業決策者和尋求突破的工作者的導航圖。
一、AI實戰元年：企業與個人勝出的關鍵
● 比起AI模型強弱，「融入流程」更重要
2026年AI戰場已經改變，不該再盲目追求「AI有多聰明、誰的模型最猛」，而是「公司到底哪個流程能應用」，贏家會是那些敢大刀闊斧重整業務、讓AI能流暢運作的企業。
其實AI技術早就超前，但卡關的不是技術，是資料散在各處（比如銷售數據卡在老舊系統）、行政流程支離破碎等，就像把一台法拉利引擎裝在舊車架上，管線跟其他配備不相容，AI當然發揮不了作用，如果管理和整合工具沒有調整，AI永遠只能待在實驗室裡「測好玩的」，沒辦法幫公司賺錢或省時。
● 房地產成為重要的AI戰略資源
2026年AI領域最稀缺的資源不再是天才或晶片，而是能興建資料中心的「土地」，這場圈地戰爭將重塑全球房地產版圖。
全球資料中心的工業用地價格正在狂飆，也會帶來連鎖反應，AI中心落腳在哪，周邊的商業區、房價與科技工作機會就會隨之噴發，但高耗能與龐大耗水量的特性，也屢屢引發乾旱地區居民與環保團體的激烈抗爭，雖然新一波的房地產爭奪戰比傳統更複雜，但高風險高報酬的性質還是讓許多投資者趨之若鶩。
● 從邊界防護轉向確保「AI身分安全」
企業資安的核心將從「邊界防護」轉向「身分管理」；如果無法像管理人類員工一樣嚴格控管AI，這些具備高權限的數位分身將成為企業最大的資安地雷。
過去十年的資安重點在於築牆防禦，但未來企業內部將充斥著無數個能自主運行的「AI代理人」，它們本質上是擁有強大能力的新型「身分」，一旦存取權限被攻破，攻擊者就能長驅直入、橫向移動，輕易竊取或刪除重要資料，因此領導者必須採用統一的身分安全架構，對AI代理人進行透明化的治理與控制。
● GEO取代SEO成為品牌新戰場
未來品牌被看見的方式將從「關鍵字排名」轉向「生成式引擎優化」（GEO）；讓AI在回答問題時主動推薦你，遠比在搜尋結果排第一更重要。
雖然AI的廣告模式尚不明確，但行銷方式和新的變現系統必須隨之進化，未來的行銷重點不再是討好搜尋引擎的爬蟲，而是如何產出能被AI理解、吸收並在關鍵時刻被「點名」的高價值內容。
● AI與民眾共存
AI領域另一個重大突破在於「社會層面」的普及與參與，我們正從被動接受技術衝擊，轉向由人類主導的「共創協作」新紀元。
過往AI常被視為由科技巨頭主導、大眾只能被動適應的外部力量。2026年的核心挑戰將轉向如何實現「包容性與規模化」，讓包含偏鄉與開發中國家、原本被忽視的族群等，都能獲得並運用這項技術。
二、從學校到職場，人才本質與結構的重組
●「AI應用」將成為文科生的熱門新主修
未來大學最熱門的文組科系可能不再是外文或哲學，而是「AI應用」！
這類學位不教寫程式，而是教學生如何下指令（Prompt）、處理AI倫理，並將AI融入創意與商業策略，目標是培養出能連結「人類需求」與「機器能力」的跨界人才。
● 求職者更歡迎AI面試
求職者越來越歡迎AI面試流程，因為AI更有效率且不帶成見，能實現真正的公平透明。
原本大家以為求職者會排斥AI面試，但研究結果卻出人意料，超過4分之3的求職者更偏好於此，因為AI的衡量標準更一致，且成功扮演「超級過濾器」的角色，透過AI媒合的職缺，錄取率提高了12%，入職後的留任率也更高，大幅降低了求職時的焦慮與無謂的時間浪費。
●小型企業成為新鮮人的第一志願
未來中小型企業將取代大型企業，成為社會新鮮人與年輕專業人士的首選目的地。
這項轉變的主因是大企業招募放緩，反觀員工人數少於250人的小公司，初階職缺量竟高出 60%，群「數位原生」的小企業因組織扁平、能快速導入AI擴大規模，反而為Z世代提供了更多具備成長空間的動態職位。
● 有一波舊員工回鍋潮
企業正從盲目的AI裁員潮中清醒，意識到「客戶信任」與「服務品質」仍需人為干預，這讓熟悉公司文化且具備即戰力的「前員工」成為招募新寵。
過去一年許多企業因過度依賴AI而裁員，但現在後悔了，根據數據分析顯示，約有5%的被裁員工在一年內被原公司請了回來，對企業而言，老將回歸不必重新適應企業文化，能以極低成本快速融入團隊，甚至帶來在外面闖蕩後的新視野，成為AI浪潮下最穩定且精準的人才投資。
● 創作者「個體帝國」經濟型態崛起
頂尖創作者不再只是接業配的網紅，而是結合實體產品、區塊鏈與AI技術，一個人就能撐起一家跨國企業。
以前想創品牌需要一整個團隊，現在透過以下3股核心力量，個人影響力就能直接變現成龐大產業，讓創作者經濟將進入新次元：
首先是實體消費品（CPG），像網紅推出的零食或咖啡品牌，規模已足以挑戰傳統大廠。
其次是區塊鏈，讓創作者能繞過社群平台抽成，直接掌控自己的內容與收入。
最後是AI，它能幫個人品牌無限擴張，從產製內容到經營虛擬分身都更高效。
● 長壽人力改寫工作制度
「活得久」將徹底重塑勞動市場，當人類70歲依然具備生產力，企業與政府必須把「長壽」從沉重成本轉化為經濟成長的引擎。
未來會打破傳統「65歲退休」的邏輯，企業與政府必須徹底重組組織結構，為這群經驗老道的高齡勞動力設計更彈性的工作模式，除了調高法定退休年齡，還會擴大資助終身學習，甚至允許退休人員在不損失福利的情況下免稅工作等，留住經驗之餘也應對生育率低迷的現況，將銀髮族調整成永續成長的催化劑。
三、身心健康革命，改寫職場與社會制度
● 女性健康獲得應有重視
醫學界終於意識到「投資女性健康不只是為了女性，更是為了全人類的進步」！過去女性健康常被視為「附屬品」，導致女性一生中處於病痛的時間比男性多出25%；現在隨著精準醫療與AI介入，能快速彌補這道性別健康鴻溝。
長期以來，女性的身體需求在科研中常被忽略，不管是心臟病誤診還是更年期困擾，女性常被迫在「針對男性設計」的醫療系統中求生存，就像用舊時代的代碼強行跑新軟體，因為底層邏輯不相容，導致系統經常崩潰。
現在單劑HPV疫苗、早期卵巢癌篩檢與AI個人化診斷的突破，正將女性健康從醫療的邊緣推向核心，成為人類發展的新基石。
● AI心理健康服務監管出現重大變革
AI心理諮商不再單純只是手機裡的療癒軟體或傾訴對象，而是會被各國政府正式視為「醫療器材」來嚴格控管。
這項轉變的起因是多起因AI工具導致情緒受損，甚至誘發精神疾病的訴訟，各國政府與監管機構（如歐盟與美國部分州）認為，心理輔導涉及高風險，必須經過臨床測試與嚴格的身分認證，不能再只靠生活化的免責聲明，未來的AI諮商開發者必須與專業醫療體系接軌，在「沙盒環境」中拿出科學數據來證明安全性。
● 生物駭客走向大眾化，成為新消費產業
未來「活得久且活得好」將成為最大的消費市場，原本小眾的生物駭客（Biohacking）技術將全面普及化，引爆長壽經濟。
現在大家追求的不只是「沒病」，而是要將身體各項指標調校到「巔峰狀態」，消費者開始願意砸大錢做基因檢測、穿戴式監測與各類預防性醫療，當長壽科技從實驗室走進家庭，這些健康數據將成為個人的數位資產，而「延緩衰老」也將從昂貴的夢想轉變為一個規模龐大的大眾消費產業。
● 生物辨識數據進入職場
生物辨識數據將從健身房殺進辦公室，企業將不再看錶開會，而是根據員工的晝夜律動與能量指標，精準打造「以人為本」的工作環境。
過去只有職業運動員才看得到的精密數據，現在已成為大眾健身的標配，未來這股數據浪潮將跨越到職場，辦公室會變得「有感」，能根據員工的精力和專注力自動調節燈光、溫度，甚至安排會議，想像一下，HR根據每位成員的體能狀況組建專案團隊，讓大家在狀態最好的時候開會，防範員工倦怠、徹底優化生產力。
● GLP-1成減重常規藥物
減肥藥（GLP-1）將不再只是「瘦身工具」，隨著專利過期與口服藥問世，它將轉向個人化醫療，成為預防心血管、成癮甚至失智症的關鍵藥物。
未來藥物將更注重「個人化」，針對不同體質精準用藥，並搭配維持肌肉量與生活習慣的完整方案，而這類藥物目前正在測試治療失智症、睡眠呼吸中止症及成癮問題，當受益人群不再受限於體重標準，GLP-1將從「美容神藥」進化為支撐人類健康生活方式的基礎藥物，徹底重構我們對代謝健康的定義。
四、地緣政治、產經的異動與轉型
● 更具韌性的全球化將逐步成形
未來企業的決策核心會從「哪裡生產最便宜」轉向「誰的供應鏈最耐操、最穩定」；即便地緣政治摩擦不斷，但為了穩定與國家安全，企業寧可增加成本也要分散風險。
過去20年，企業習慣為了省錢把生產線拉得極長，但疫情和美中貿易戰暴露了這種做法的脆弱，現在，領導者更看重韌性（Resilience）與耐用性，以系統比喻，就是從「買一套最廉價但不保固」的系統，換成一套「雖然貴一點，但零件就在隔壁、隨時能維修」的高品質設備；短期看似成本增加，卻能保證在危機時刻不斷線。
● 歐洲穩定幣打破「美元霸權」
歐洲正式進入穩定幣市場，為全球加密貨幣注入新動能，並顯著降低支付領域對美元的過度依賴。
目前全球98%的穩定幣都與美元掛鉤，這讓跨國資金流動高度受制於單一貨幣體系，ING和UniCredit等9家銀行組成的歐洲財團，預計在2026年下半年推出「歐元穩定幣」，讓銀行與支付業者能以更低成本、更快的速度進行跨境交易，直接與全球市場競爭。
● 多國多元的太空競賽2.0
未來的太空競賽不再是美俄兩國的專屬戰場，而是進入了「多國、多元、多資本」的百家爭鳴時代。
這股趨勢的推動力來自兩端：一端是國家隊（如中國、印度、美國）爭相登月，另一端則是像SpaceX這類的私人企業，為求證明商業運行的太空站與旅遊是可行的，以前太空探索是為了國家尊嚴，現在更多是為了燃料技術突破與永續製造的進步。
● 手機大廠殺入車市
當汽車逐漸演變成「裝了輪子的智慧型手機」，小米、索尼與華為等科技巨頭正憑藉軟硬體整合優勢，全面挑戰傳統百年車廠。
傳統車廠在電動化轉型中步履蹣跚，而手機大廠則將生產手機的靈活性帶入汽車產業，對這些科技巨頭來說，他們擁有傳統車廠欠缺的數位生態系與軟體定義能力，造車更像是生產大型消費電子產品，未來汽車產業的遊戲規會被科技業徹底改寫。
五、數位反撲！生活消費文化蹦出新常態
● 「無手機童年」成為育兒主流
社會將重新思考我們與電子產品的關係，透過具體的國家政策與硬體革命，將孩子從智慧型手機中「救出來」。
過去十幾年，家長與孩子在無意中成了科技巨頭的「數位實驗白老鼠」，結果換來的是青少年焦慮與憂鬱症的激增，2026年，這種反彈將達到巔峰，澳洲與丹麥等國開始立法限制青少年使用手機，硬體商也順勢推出「青少年安全手機」，這些改變都代表社會正式向「無節制的數位童年」說不，轉向追求更有保護力、回歸現實成長的環境。
● 孤獨感爆發，掀起「離線社交」復興潮
雖然AI陪伴技術越來越擬真，但科技越發達，人卻越孤獨，這也讓「實體社群建立」成為新的商業藍海。
研究指出，高達7成的美國成年人的情感支撐不足，數位化加劇了疏離感，雖然AI聊天機器人可以提供24小時的陪伴，但那終究只是解決孤獨感的「止痛藥」，甚至可能是導致社群斷裂的成因。
當社會意識到螢幕無法取代眼神與握手的溫度時，大家會開始報復性地回歸現實，推動諸如實體讀書會、成人體育聯賽、線下聚會等實體活動，未來的贏家是那些能把人從螢幕後拉出來，創造「有溫度的實體接觸點」的品牌。
● 實體零售刻意創造「人類連結空間」
實體店存在的意義不再是為了「成交」，而是為了創造演算法無法複製的「文化體驗」與「人際溫度」。
雖然AI可幫忙處理掉乏味的日常交易，但聰明的零售商會反其道而行，在商業模式中刻意找回「人味」，將實體店面將轉型為所謂的「第三空間」，比起追求轉換率，品牌更願意加倍投入在粉絲文化、沉浸式玩樂與意外驚喜中，因為根據數據顯示，高達73%的Z世代認為，在熱門店家購物就像「參加一場文化盛事」，重點在於過程而非結果。
這種轉變顛覆許多傳統邏輯，例如過去把「排隊」當成效率低下的障礙，但現在那反而是「樂趣的一部分」，是與志同道合的人共享體驗、創造社交話題的機會。
● 小眾社群與個人評論家有更多話語權
傳統媒體的權威影評將逐漸消失，取而代之的是個人化的意見領袖與小眾社群；評論家的價值不再是「發表權威觀點」，而是「建立高互動的文化社群」。
在這個資訊超載的時代，觀眾不再需要大眾化的統一評價，而是追求更簡潔、更個人化且專注於特定領域（如動漫或獨立電影）的深度推薦，評論家正從「媒體員工」轉型為「內容創作者」，直接經營自己的粉絲群。
● 咖啡將成為奢侈品
受氣候衝擊與成本飆升影響，咖啡將從每天的「剛需習慣」轉變為具備「專屬感」的高端享受，品牌將重新定義咖啡的文化價值。
過去一年咖啡豆價格飆漲逾40%，這讓外帶咖啡逐漸超出一般人的日常預算，為了緩解漲價的衝擊，品牌正調整策略，將咖啡定位為一種「令人嚮往」的精品，專家預測市場將出現更多小包裝、訂閱制以及強調產地故事的行銷模式，而咖啡知識將演變成類似紅酒文化那樣，出現專業的「咖啡侍酒師」與相關學校。
總結這25個趨勢，可以說，2026年的世界是「極致高科技」與「回歸的高感性」並存的時代，唯有保持技能的彈性與內心的韌性，才能在浪潮中站穩腳步。
（參考資料來源：Linkedin─25 Big Ideas that will define 2026）
延伸閱讀：
簡立峰談AI時代人才新樣貌：「一人公司」與「π型人才」
趨勢科技日本區執行副總裁：AI「賦能」 詐騙技術門檻降低
有任何收穫或想分享的，都來和大家一起聊聊吧！