AI邊緣運算實作TensorFlowLite for MCU【本課程為線上課，報名後專員會提供上課資訊】
104學習
yolov3
這項技能主要用於物件偵測與影像辨識，能即時辨識並標註畫面中的多種物體，廣泛應用於監控、智慧交通、工業自動化等領域。具備這項能力代表你熟悉深度學習與電腦視覺技術，能開發或優化視覺系統，提高效率與準確度，對從事AI、機器學習及影像處理相關職務非常加分。掌握此技術有助於提升職場競爭力，尤其在智慧製造與物聯網趨勢日益顯著的環境中，更顯重要。
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
最快入門與實作大型語言模型（LLM、DeepSeek）！做中學更輕鬆！
【免費課程報名】技術開發技能1-3 提示工程最佳實務 : 有效利用 Claude 3 | 完課紀錄回傳履歷表
數位自動化團隊協作攻略｜Power Automate整合應用
打造你的專屬 AI｜3小時一對一 AI 工作模組化實作課
ZBrush3D公仔建模必修七堂課
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
AI職場溝通術：LLM大型語言模型應用技巧
Vibe Coding：AI 網路應用開發實戰（上）
Canva x AI –提案簡報高效製作【04/10】-線上直播
精選證照
考取專業證照，讓能力被市場看見
IT Expert 3D動畫科技藝術-模型製作與材質設定專業人員-場景製作
IT Expert 3D動畫科技藝術-模型製作與材質設定專業人員-場景製作證照驗證持有人具備3D模型建構與材質貼圖的專業技能，能運用相關軟體工具完成高品質場景設計與製作，提升動畫與遊戲視覺效果，符合產業需求，助力數位內容創作與開發。
經濟部ITE資訊人員鑑定
AIATCE 工程級認證：LLM的行政任務應用
「從演算法開發到模型落地，實踐 AI 解決方案」
工程級認證針對技術開發人員，著重於資料科學實務、模型訓練與系統部署的落地技術，要求應試者具備動手解決真實場域問題的能力。
核心目標：做 AI (Engineering)
適合對象：資訊工程師、資料科學家、AI 研發工程師、數據分析師。
評估範疇：
◆ 核心技術：要求具備程式設計（如 Python）基礎，以及資料處理、機器學習與深度學習的演算法應用能力。
◆ 實戰落地：強調在真實資料集上進行模型的訓練、超參數調優、部署與效能評估等完整工程技能。
◆ 場域解決：必須具備將業務問題轉化為技術問題，並提出有效模型解決方案的能力。
台灣人工智慧學校
IT Expert-3D動畫科技藝術-模型製作與材質設定
根據2000年APEC部長會議決議，經濟部工業局於民國90年度下半年，即著手推動「資訊專業人員能力鑑定國際合作及推廣計畫」，其目的是在於建立我國資訊專業人員能力鑑定之完整體系，藉以提昇我國資訊人力的素質。並透過國際間的交流合作，人才交互認證的機制，使我國資訊人才達到國際化的水準。
另一方面，為加強我國軟體工業產品之品質，進而提升我國軟體工業之國際競爭力，行政院科技顧問組於民國91年組團至印度考查後提出「加強我國整體軟體教育訓練功能構想」，並於91年5月成立「軟體人才培訓推動小組」，舉辦「提升我國資訊軟體人才培訓策略研討會」，訂定出提升我國資訊專業人員素質的策略與作法。
基於上述兩項政府之計畫內容有共同之目標及彼此互動之影響，經濟部工業局積極推動「經濟部資訊專業人員鑑定」，以宏觀與完整之角度研訂各項鑑定規範，從各項資訊軟體人員分類，到各類人員之主要業務、技能標準、知識體系，以及最後之各類人員之訓練、專業能力鑑定科目等，予以完整之研究與規劃。不但為產業界選擇訂出了標準，同時也可提升企業整體資訊專業及競爭力。
前置作業
動畫製作
後製作業
經濟部ITE資訊人員鑑定
IT Expert 3D動畫科技藝術-模型製作與材質設定專業人員-角色製作
IT Expert 3D動畫科技藝術-模型製作與材質設定專業人員-角色製作證照主要評估持證人在3D角色建模、材質貼圖與細節設計上的專業技能，涵蓋角色造型創作、拓樸結構優化及材質貼圖應用，確保具備運用主流3D軟體完成高品質角色模型的能力，適用於動畫製作、遊戲開發及虛擬實境等多媒體產業，提升求職競爭力及專業認可度。
經濟部ITE資訊人員鑑定
Unity 藝術設計師認證
Unity 是領先業界的 AR/VR、即時 3D、手機遊戲的建構平台。Unity 被世界各地的學生和專業人士用於創建遊戲到電影、3D 模型到VR 模擬的所有內容。
Unity UCU實用級認證，提供學校、雇主一個驗證 Unity使用者知識、能力的驗證平台，並確保這些驗證與相關行業要求的標準是一致的。無論是想要檢驗遊戲設計、程式能力或是AR/VR相關的技能，Unity UCU原廠國際認證都是您最佳的選擇。
Unity Certified User(UCU)原廠國際認證優勢：
1.以結果為導向的方式驗證您的能力符合行業和全球標準
2.情境式的命題，引導考生熟悉業界編寫程式的思考邏輯
3.提供教師對學生的能力做公正的鑑別
4.提供雇主對求職者的能力檢驗的工具
5.真正原廠核發證照
6.真正跨國的國際證照
Unity
Generative AI Studio
線上課程約8小時
本課程將介紹 Vertex AI 上的 Generative AI Studio，說明如何用此產品設計生成式 AI 模型的原型及自訂生成式 AI 模型，以利您在應用程式中使用模型的功能。課程中，您可以透過 Generative AI Studio 示範教學逐步認識 Generative AI Studio，並瞭解產品功能、選項與使用方式。課程最後，您可以在實作研究室應用所學，並進行測驗來評估學習成果。
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：
● 說明 Generative AI Studio 的功能。
● 介紹 Generative AI Studio 的選項。
● 使用 Generative AI 語言工具。
Google
精選貼文，掌握第一手知識
用Claude Code設計AI工作流！學了工具不等於系統，3範本打造專屬藍圖
Claude Code的主要功能Hooks、Skills、MCP、排程都學了，工作卻沒有變輕鬆？作者提醒「工具≠系統」，提供教師、工程師、研究者3種範本與藍圖模板，帶你用Claude Code設計專屬的AI工作系統。本文節錄自《Claude Code全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
工具學完了，系統還沒設計步驟1：盤點你的工作類型步驟2：3種典型使用者的系統設計步驟3：設計你的專屬藍圖步驟4：產出藍圖文件範例：王老師的AI工作流藍圖（教師版成品）
使用工具：Claude Code（需付費方案，免費版不能用）
安裝說明：Claude Code官方安裝說明
不想用終端機：下載電腦版，直接在桌面程式中使用Claude Code
工具學完了，系統還沒設計
學完Claude Code的所有主要功能，但工具≠系統——系統是「哪些任務由哪個工具負責、在什麼條件下自動觸發」的完整答案：
工具系統學了Hooks知道要攔截哪些操作、在哪些專案啟用學了Skills知道要建立哪些技能來服務你最常見的任務學了排程知道要讓哪些工作自動化、每週/每日跑什麼學了MCP知道要接哪些外部服務、接了之後做什麼
本章幫你把工具組裝成系統。
（圖／博碩出版《Claude Code全攻略》）
用詞約定：本章說的「排程任務」有兩種實作——官方Routines（Anthropic的雲端排程代理，/schedule建立）與本書自製排程框架（~/claude-routines/目錄＋系統排程器）。藍圖裡只要寫清楚用哪一種即可，兩者可混用。
設計系統的心態，也跟著模型在變。早期用AI靠的是「寫一個好prompt換一個好答案」；到了Fable 5這種能長時間自主運作的模型，重點變成「設計一套能讓Claude自我修正、環環相扣的系統」。
步驟1：盤點你的工作類型
在Claude Code中輸入：
請幫我進行一個 AI 工作系統設計諮詢。
首先，請問我以下問題，一次問一個，等我回答後再問下一個：
1. 你的主要工作或學習領域是什麼？
2. 你每天最重複、最耗時的 3 個任務是什麼？
3. 你目前最大的工作痛點是什麼？
4. 你的技術背景如何（純文字使用者/ 會寫基本腳本/ 程式開發者）？
根據我的回答，你會幫我設計一套 AI 工作流藍圖。
（圖／博碩出版《Claude Code全攻略》）
驗證點：Claude一次只問一題、等你回答才問下一題；4題答完後它主動給出初版藍圖草稿。
步驟2：3種典型使用者的系統設計
根據不同角色，這裡提供3個系統設計範本供參考。範本中出現的/summarize、/apa等都是自訂指令，不是內建指令。
（圖／博碩出版《Claude Code全攻略》）
範本A：教師/教育工作者
痛點：備課耗時、作業批改量大、每學期重複建立相同格式的文件
教師 AI 工作系統
每日自動（排程任務）：
morning-brief：
- 整理今日課程材料
- 生成當天課堂提問清單
每週自動（排程任務）：
assignment-review：
- 掃描收到的作業資料夾
- 批量生成評語草稿（教師審核後使用）
MCP 連接：
- Google Drive：讀取課程資料
- Slack/LINE Bot：與學生互動
常用 Skills：
- lesson-plan：生成課程計畫書
- quiz-generator：根據教材生成選擇題
- feedback-writer：生成個性化學生回饋
常用 Slash Commands（自訂指令）：
- /summarize：摘要一份教材
- /translate：翻譯英文資料
範本B：獨立開發者/工程師
痛點：Code Review費時、文件欠缺、重複性的設定和樣板程式碼
工程師 AI 工作系統
每日自動（排程任務）：
code-health：
- 掃描新增的 TODO/FIXME
- 報告昨日 commit 的簡短摘要
每 PR 自動（GitHub Actions）：
- Claude 自動審查並留言
MCP 連接：
- GitHub：PR 審查、Issue 管理
- SQLite/PostgreSQL：資料庫查詢
Hooks：
- PreToolUse：攔截 rm -rf 等危險指令
- Stop：任務完成提示音
常用 Skills：
- auto-commit：生成 commit 訊息
- my-code-review：結構化程式碼審查
- doc-writer：生成函式文件
CLAUDE.md：
- 語言：繁體中文
- 程式碼風格：PEP8 / Google Style
- 禁止：直接執行生產環境的 DELETE 語句
範本C：研究者/寫作者
痛點：資料整理耗時、格式不一致、報告撰寫耗費大量時間
研究者 AI 工作系統
每次執行（Script）：
research-pipeline：
- 輸入主題 → 自動生成報告草稿
- 輸出 Markdown + Word
每週自動（排程任務）：
weekly-digest：
- 每週整理本週閱讀的文章摘要
- 輸出一份「本週閱讀摘要」
常用 Skills：
- summarize-long：摘要長文
- rewrite：改寫語氣/ 格式
- reference-formatter：整理引用文獻格式
常用 Slash Commands（自訂指令）：
- /apa：轉換成 APA 格式
- /abstract：生成摘要
- /expand：擴充段落
步驟3：設計你的專屬藍圖
根據你的工作類型，用Claude Code幫你填入細節：
根據我的工作情境（[填入你的工作領域]），
請幫我設計一份完整的 AI 工作流藍圖，格式如下：
## 我的 AI 工作系統藍圖
### 🎯 設計目標
（節省時間在哪些地方？提升品質在哪些地方？）
### 📋 工作盤點表
| 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 |
### 📅 自動化排程
| 頻率 | 任務名稱 | 做什麼 | 技術實作（官方 Routines / 自製 cron） |
### 🔌 MCP 連接
| 服務 | 用途 | 優先級 |
### 🎪 Skills 清單
| Skill 名稱 | 觸發情境（寫進 description） | 功能 |
### ⌨ Slash Commands（自訂指令）
| 指令 | 功能 |
### 🔒 Hooks 設定
| 時機 | 觸發條件 | 做什麼 |
### 📋 CLAUDE.md 核心設定
（語言偏好、工作風格、禁止事項）
### 🔁 月度回顧（每月一次，直接回答這五題）
1. 哪個 Skill 最常用？（值得繼續維護）
2. 哪個 Skill 完全沒用？（可以移除或重構）
3. 有沒有重複做某件事超過 3 次？（應該自動化）
4. 有沒有哪個回答讓我覺得「它不夠了解我的情境」？（改 CLAUDE.md）
5. 這個月的費用/ 額度花在哪裡最多？（是否值得？）
### 🗓️ 實施計畫（今明後三步）
今天：（可以立刻做的）
本週：（這週內完成的）
本月：（一個月內建立的）
把「月度回顧」直接寫進藍圖，而不是另外記在腦子裡——這樣藍圖本身就內建了讓系統持續進化的機制。
步驟4：產出藍圖文件
讓Claude Code直接把藍圖寫成Markdown檔案：
請把我們剛才設計的 AI 工作流藍圖，
存成一個 ai-workflow-blueprint.md 文件，
放在 ~/Desktop/ai-workflow-blueprint.md。
同時加入今明後三步的具體實施計畫。
（圖／博碩出版《Claude Code全攻略》）
範例：王老師的AI工作流藍圖（教師版成品）
空白模板不好想像，下面是一位國中資訊老師照「步驟1～4」做完後的完整成品，可以直接拿去改：
# 王老師的 AI 工作系統藍圖（2026-07 版）
## 🎯 設計目標
- 每週備課時間從 6 小時降到 3 小時
- 作業評語從「來不及寫」變成「每人都有個性化回饋」
- 每學期重複性文件（進度表、通知單）零手工
## 📋 工作盤點表
| 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 |
|---------|-----------|-----------|---------|
| 備課簡報與講義 | 4 hr | lesson-plan Skill + /summarize | 2 hr |
| 作業批改評語 | 3 hr | feedback-writer Skill 批量產草稿 | 1.5 hr |
| 週報與家長通知 | 1 hr | weekly-report 排程任務 | 0.8 hr |
| 段考出題 | 2 hr（雙週） | quiz-generator Skill | 1 hr |
## 📅 自動化排程
| 頻率 | 任務名稱 | 做什麼 | 技術實作 |
|------|---------|--------|---------|
| 每日 07:00 | morning-brief | 整理今日課程材料＋課堂提問清單 | 自製 cron（~/claude-routines） |
| 每週五 16:00 | assignment-review | 掃描作業資料夾、產評語草稿 | 自製 cron（~/claude-routines） |
| 每週日 20:00 | weekly-report | 彙整本週教學紀錄成週報 | 官方 Routines（雲端排程） |
## 🔌 MCP 連接
| 服務 | 用途 | 優先級 |
|------|------|--------|
| Google Drive | 讀課程資料、存產出文件 | 高 |
| GitHub | 存放教材版本控制 | 中 |
## 🎪 Skills 清單
| Skill 名稱 | 觸發情境（寫進 description） | 功能 |
|-----------|---------------------------|------|
| lesson-plan | 「幫我備課」「做 XX 單元的課程計畫」 | 產出課程計畫書＋講義大綱 |
| quiz-generator | 「出題」「做測驗卷」 | 依教材產選擇題＋答案卡 |
| feedback-writer | 「寫評語」「批改回饋」 | 依作業內容產個性化評語草稿 |
## ⌨ Slash Commands（自訂指令）
| 指令 | 功能 |
|------|------|
| /summarize | 摘要一份教材成一頁重點 |
| /notice | 生成家長通知單（套固定格式） |
## 🔒 Hooks 設定
| 時機 | 觸發條件 | 做什麼 |
|------|---------|--------|
| PreToolUse | Bash 指令含 rm -rf | 阻擋（deny）並要求確認 |
| PostToolUse | 所有工具 | 記錄到 activity.log（月報數據來源） |
## 📋 CLAUDE.md 核心設定
- 所有回應使用繁體中文
- 評語語氣：鼓勵為主、具體指出一個改進點
- 禁止：學生個資寫入任何產出文件
## 🔁 月度回顧（每月最後一個週五）
1. 哪個 Skill 最常用？ 2. 哪個完全沒用？ 3. 有沒有重複超過 3 次的事？
4. 哪個回答顯示它不懂我的情境？ 5. 額度花在哪最多？
→ 配合步驟 6 的月報提示詞，用 activity.log 數據回答，不憑感覺。
## 🗓️ 實施計畫
今天：建 lesson-plan Skill、裝 activity.log Hook
本週：morning-brief 排程上線、Google Drive MCP 接通
本月：feedback-writer 調教到「八成評語可直接用」、跑第一次月度回顧
驗證點：對照這份成品檢查你自己的藍圖——每個Skill都有「觸發情境」、每個排程都寫了「用官方Routines還是自製cron」、月度回顧有排進行事曆。
節錄自：博碩出版《Claude Code全攻略：從一句話到部署上線，打造你的AI Agent開發團隊》／曾慶良（阿亮老師） 著
推薦閱讀：
Claude Code越聊越笨？4個指令管好「上下文」，用量60%就該主動壓縮
Claude Code Subagent怎麼用？3分鐘建好第一個子代理，判斷何時該多Agent分工
Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
精選 Claude 該選 Haiku、Sonnet、Opus 還是 Fable？三個問題選對模型，額度用更久
同一個問題丟給 Claude，有時又快又好，有時卻等很久、還把額度用光？
問題往往不在你的提問，而是模型沒選對。
打開 Claude 的模型選單，會看到四個名字。可以把它們想成四種同事：
Haiku：反應最快的助理，適合快速摘要、擷取重點（免費版可用）
Sonnet：什麼都能接的主力，寫作、分析、程式都行（免費版可用）
Opus：擅長深度思考的資深顧問，適合複雜研究與推理（Pro 以上）
Fable：能自己規劃、自己檢查的專案負責人，適合從零做出完整成品（付費方案）
能力越強，回答越慢，也越吃使用額度。拿 Opus 或 Fable 去做 Haiku 就能完成的事，只是白白燒掉額度。
選之前，先問自己三個問題：
1. 這件事要想多深？
查詞、摘要新聞 → 輕的模型就夠；比較企劃、找數據矛盾 → 需要深度思考
2. 做錯的代價多大？
內部草稿 → 錯了改就好；要給主管決策、要對外發布 → 用更強的模型，也要更仔細檢查
3. 要它自己做多久？
一問一答 → Sonnet 就很夠；從粗略想法做到完整成品 → 交給 Fable
記住一個原則：先輕後重，不夠再升級。
Haiku → Sonnet → Opus → Fable
另外，選單裡還有一個「Effort（思考深度）」：整理會議紀錄時調低，回得快；審合約、找風險時調高，想得更完整。
最常見的三個錯誤：
・什麼都用最強的模型
・答案不好只會換模型，卻沒先把需求講清楚
・只看答案長短，不看有沒有抓到重點
小練習：下面三件工作，你會各選哪個模型？
① 回覆客戶的簡單詢問
② 分析半年銷售數據寫成報告
③ 從零規劃一套新人訓練
（參考答案：① Haiku ② 先用 Sonnet，要給主管決策就升 Opus ③ Fable）
想看完整五分鐘影音說明，104學習免費課程「5分鐘學會挑選Claude模式」已經上線，免費報名就能看：
https://nabi.104.com.tw/course/104nabi/47f0bb26-3b67-4f8c-80f4-39dd215c0d01
也歡迎在留言分享：你平常最常用哪個模型？有沒有拿兩個模型比較過同一件工作？
資料來源：
Claude Academy〈Choosing the right Claude model〉
https://academy.claude.com/tutorials/choosing-the-right-claude-model
（模型版本與方案以 2026 年 11 月官方說明為準：Haiku 5.5、Sonnet 5.5、Opus 5.5、Fable 5.1）
整理包／最熱門生成式 AI 大拚場 ChatGPT、Gemini、Grok、DeepSeek 各擅長什麼？
2025-06-24報導／經濟日報記者吳康瑋 由聯合新聞網授權轉載
生成式人工智慧（GenAI）技術迅猛發展，多款強大的AI工具幫助各行業提升工作效率。《經濟日報》為協助讀者了解各項AI工具，將「ChatGPT、Gemini、Grok、DeepSeek」等四大生成式AI列出，為讀者分析四款生成式AI的各自效能，就「開發者」、「訂閱費用」、「主要功能」及「擅長領域」等細項逐條分析。
AI工具確實快速提升效率，不過使用者也要注意，目前的AI工具不保證完全正確，甚至也會答非所問、提供錯誤資訊、或產生「AI幻覺」，使用者對生成的資料仍應有基本的辨識能力，避免AI工具謬誤。
各家生成式AI重點馬上看
ChatGPTGeminiGrokDeepSeek使用建議
ChatGPT
OpenAI的ChatGPT堪稱帶動GenAI風行的先驅，也有廣大用戶，付費企業客戶近期突破300萬戶，有免費與付費模式，每月20美元的ChatGPT Plus訂閱費每月20美元，用戶指出，付費版反應速度更快，用戶在使用ChatGPT時隨時擁有最佳的使用品質。
「資料分析」方面，ChatGPT的優勢在於將資料壓縮、精簡化，適合急需快速獲取關鍵訊息的使用者。「文案生成」上，適合創作個人化內容。「圖表製作」方面，ChatGPT的圖表較為簡單，但圖片較無法把文字一起生成出來，繪圖時整體構圖比較簡單。
網址：https://chatgpt.com/
ChatGPT小檔案
開發者OpenAI付費版費用每月20美元（約新台幣610元）主功能提供文本生成、對話回應、內容創作、翻譯、問題解答等多種功能擅長領域自然語言處理、文本生成、教育輔助、創意寫作、客服支持等
Gemini
Google DeepMind開發的Gemini專注於多模態學習，能同時處理文本、圖像和音頻數據。版本包括2.0、2.5和最新的2.5 Pro，推理和數據處理能力進步快速。Gemini 2.5 Pro提供更強大的計算能力和更高準確性，讓用戶在處理複雜任務時能獲得更佳體驗。付費版額外提供用戶包括2TB儲存空間、Gemini Advanced和其他AI功能。
「資料分析」方面，Gemini提供的內容易於閱讀，文法經過重新梳理，適合需要清晰解釋的使用者。在「文案生成」上，Gemini能一次生成多達15個標題，提供選擇建議，對於需要多樣化提案的用戶非常方便。「圖表製作」方面，Gemini 的完整度高，使用者可選擇不同的圖表類型，並能下載圖片、Excel或JSON格式的數據。
網址：https://gemini.google.com/
Gemini小檔案
開發者Google DeepMind付費版費用每月19.99美元（約新台幣650元），可免付費試用一個月主功能強大的推理能力，擅長處理複雜的問題和情境，能同時處理文本、圖像和音頻數據等多模態文件擅長領域AI推理、圖像理解、科學研究和技術開發
Grok
Grok是由X（前稱 Twitter）開發的生成式AI，專注於社交媒體內容的生成。最新版本Grok3提供更強大的功能，能即時生成與當前熱點話題相關的內容，結合社交媒體數據分析趨勢，提升用戶互動的實時性，成為品牌營銷和社交媒體管理的理想工具。
「文案生成」方面，Grok風格簡潔有力，類似科技周刊的風格，適合快速傳達訊息。「圖表製作」方面，Grok可以較為輕鬆的運用文字組成圖表，並附上有關的資訊數據，對於需要快速理解數據的使用者來說很實用。
網址：https://grok.com/
Grok小檔案
開發者應用程式X（前身為Twitter）付費版費用每月30美元（約新台幣970元）主功能即時生成與當前熱點話題相關的內容擅長領域社交媒體互動、內容創作、即時訊息生成和品牌營銷
DeepSeek
DeepSeek專注於資料搜尋和訊息檢索，開發商為位於中國大陸的「杭州深度求索人工智慧基礎技術研究」，中資避險基金幻方量化創立的人工智慧公司，創始人暨執行長梁文鋒持續致力將大陸AI技術推向全球市場，提供R1和R2兩種不同的服務模式。
「資料分析」方面，DeepSeek提供前言和總結，讓懶人可以快速理解內容。在「文案生成」上，DeepSeek的口語化風格能夠生成10個標題，附上創作理念和選擇建議，適合需要親民語言的使用者。「圖表製作」方面，DeepSeek使用文字排列呈現，提供Python程式碼，對於技術使用者來說相當便利。
網址：https://www.deepseek.com/
DeepSeek小檔案
開發者中國大陸企業「深度求索」付費版費用每100萬（輸入）tokens收費人民幣16元（約新台幣66.68元）主功能資料搜尋和訊息檢索，利用生成式AI技術提升搜索引擎的智能化，提供相關建議和訊息過濾功能擅長領域資料搜尋、訊息檢索、知識管理和數據分析
使用建議
生成式AI工具已經落地商業化，從自然語言處理到多模態學習、社交媒體互動及訊息檢索等多種服務都能提供，競爭也更加激烈。用戶可根據自己的需求，選擇最合適的AI工具，以提升工作效率與創造力。
綜合比較四款生成式AI後，提供讀者幾點建議。若需要多樣化的文案提案，可考慮Gemini；若喜歡口語化一點的表達，可選擇DeepSeek。AI繪圖方面，生成多幅圖片建議可使用Grok，若希望作品有較高的品質，可選擇Gemini。在「資料分析」方面，若希望能獲取較「簡潔明瞭」的資料，建議選擇「ChatGPT」，讀者若希望能得到比較容易理解的內容，應該選擇Gemini。
針對「表格整理」方面，若要以更快的速度掌握大致上的資訊，建議選用ChatGPT；若讀者希望在表格中能得到較「詳細」的內容，可考慮DeepSeek。針對「生成圖片」功能上，若讀者追求圖表要具有充分「完整性」的類型，建議使用Gemini。
推薦閱讀：
AI聽話卻沒懂你？OpenAI揭露AI「裝乖」假象與職場真風險
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
除了ChatGPT，還有哪些生成式AI？16種AI工具應用解析
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
[course_plugin title='推薦AI相關課程' keyword='AI' amount=2]
AI代理工時達人的6倍，注意力成瓶頸！從Anthropic內部研究看3個協作提醒
AI交出成果的速度愈來愈快，你卻忙著確認方向、檢查內容、回覆下一步？開發Claude的Anthropic研究自家員工後發現，AI代理執行時數達員工工時的6倍，人的注意力反而成為產出瓶頸。《104職場力》延伸整理3個提醒，帶你重新安排與AI協作的方式。
文／104職場力
本文目錄（點擊可快速前往）
AI代理執行時數達人的6倍，為何注意力成瓶頸？產出增加，員工從「做事」轉向「管AI」提醒1：交給AI前，先決定要它做什麼、怎樣才算做好提醒2：產出增加，驗收方式也要調整提醒3：把注意力留給重要決定、讓團隊知道下一步從「做事」到「管AI」，判斷力要在工作中累積
「AI都幫忙做了，為什麼還有這麼多事要處理？」
同時請AI查資料、整理報表、寫提案，成果很快就送到眼前，接著卻是一連串需要你回應的問題：資料可靠嗎？哪個方向值得繼續？這份內容能交出去了嗎？
Anthropic在10月發布的內部報告〈How employment is changing at Anthropic〉，觀察到這種工作變化。研究分析公司的人事資料、AI使用紀錄、產出指標、員工問卷、行事曆與面試評分表，並訪談17名員工，追蹤AI如何改變工作與用人需求。Anthropic也指出，公司的部分用人做法有其特殊條件，這份研究提供了觀察工作變化的案例。
AI代理執行時數達人的6倍，為何注意力成瓶頸？
報告指出，到了2026年8月，員工指派的互動式AI代理累計執行時數，約為員工工時的6倍。這個比較加總了代理及子代理的執行時間，員工工時則按人數及每週40小時估算。AI代理可以連續執行多個步驟，例如使用工具、修改程式、測試與整理結果。這裡的執行時數計入推論與主動使用工具的時間，排除超過30分鐘的等待。
另一方面，AI代理仍經常需要人的回應。Anthropic發現，在互動式、多輪工作階段中，約8成經過時間是在等待人類輸入。閱讀量也帶來考驗，依互動式代理輸出的文字量及每分鐘閱讀250個英文單字推估，即使是非技術部門，要讀完這些輸出，也需要超過半個工作週。
一邊是等人回應的代理，一邊是不斷送到眼前的成果。報告因此指出，人的注意力成了代理產出的瓶頸。有工程師形容，自己面對的是一整支不斷要求他注意的Claude大軍。
產出增加，員工從「做事」轉向「管AI」
Anthropic觀察，工程師人均程式碼提交頻率約為半年前的5倍，業務成交更多客戶，法律部門也處理更多合約。研究追蹤同一位員工的表現，也發現採用AI工具後，產出隨之增加；公司同期快速成長，則是理解這些變化的重要背景。
省下的時間，也讓員工重新安排工作。一位業務人員表示，自動化接手了原本約20%的任務，包括起草郵件、串接客戶管理系統；一位招募人員則利用AI協助尋找人才、追蹤申請及分析資料，轉而投入面試設計與候選人互動。
值得注意的是，員工開始花心力安排AI如何工作。2026年4月的內部問卷中，20%的受訪者在開放式回答裡，提到自己的角色從執行工作轉向管理Claude。報告也記錄了員工撰寫代理指令、建立監控工具，以及安排代理互相檢查產出的做法。
報告將這類圍繞AI工作流程的建置與管理，稱為「後設工作」（meta-work）。它在平均員工互動式Claude工作階段中的占比，從2025年秋天的10%升至2026年春天的22%，增加超過一倍。
當工作開始包含安排AI任務、審查大量成果，以及處理接踵而來的決定，上班族可以怎麼準備？以下《104職場力》從委派、把關與協調，整理出3個提醒。
提醒1：交給AI前，先決定要它做什麼、怎樣才算做好
當工作逐漸轉向「管AI」，第一步就是把任務說清楚。
Anthropic報告中的一個產品設計團隊，原本負責撰寫Claude.ai問候語等產品文字，後來建立了引導代理生成內容的脈絡資料，再轉向設計提示詞與模型評估。他們把對產品文字的判斷，轉成指引AI產出、評估成果的依據。
Anthropic在2025年12月的另一份內部研究也發現，受訪工程師傾向把容易驗證、出錯代價低的工作交給AI，策略與需要組織脈絡的判斷則留給自己。
這種轉變需要工作者先理解需求，再把自己的判斷轉成AI能執行的規則。
對一般上班族而言，可以從寫清楚任務目的與完成標準開始。例如要請AI「做一份競品分析」，還需要說明許多條件：要比較哪些品牌？資料範圍要觀察多久？分析要幫助團隊選活動主題，還是決定預算？
交辦前，可以先想清楚3件事：
用途：這份成果要幫誰做什麼決定？
標準：必須有哪些內容、資料與來源？
確認時機：遇到什麼問題，需要先停下來問你？
以行銷工作為例，可以這樣交辦：「請整理A、B、C等3個品牌最近半年的公開活動，比較目標客群、主打訴求及優惠方式，每項附上來源與日期。先交比較表，等我確認後再提出活動建議。」
先確認資料與比較方向，再往下發展提案，能讓修改發生在較早的階段。工作範圍愈清楚，AI也愈容易沿著你需要的方向執行。
提醒2：產出增加，驗收方式也要調整
AI能快速交出多份報告或多個版本，檢查工作也需要重新安排。
Anthropic研究檢視同一位員工、同月份、同一程式碼目錄下，代理與員工直接撰寫的程式碼，未觀察到後續刪除或還原比例的差異。這是研究採用的品質觀察指標；報告也指出，程式碼品質有許多面向，AI錯誤可能更難察覺。
這項做法提供了一個實用方向：依工作內容設定驗收重點，讓檢查有明確依據。
延續競品分析的例子，例如價格需要核對幣別、方案與促銷期間；「這個品牌主攻年輕客群」則要檢查是否有資料依據。數字正確與分析合理，需要分別確認。
建議依照任務列出交付前的檢查項目：
整理資料時，要求附上原始來源、資料日期及尚未確認的項目。
製作報表時，要求保留計算方式，方便重算關鍵數字。
撰寫對外信件時，優先核對價格、時程、承諾及公司立場。
提出分析建議時，分開呈現已知事實、推論與假設。
也可以請AI在交付時，先列出需要確認的問題，作為審查清單的起點，再依原始資料與工作要求，檢查是否還有遺漏。最後，記錄連同交代、修改及檢查在內的總時間。持續使用幾次後，便能看出哪些任務確實節省時間，哪些需要調整流程。
提醒3：把注意力留給重要決定、讓團隊知道下一步
AI同時處理多項工作，也可能同時向你提出多個問題。每一項都要求回應，卻未必同樣重要。
Anthropic員工開始建立監控與彙整工具，管理代理的產出及要求。人與人的討論也持續存在：員工會議時間中位數較一年前增加20%，不帶人的技術職員工也增加16%。公司擴張與職務組成變化是背景因素，受訪者則指出，複雜問題仍需要人一起討論、決定。
報告也指出，決策紀錄會影響代理能否取得最新脈絡。團隊在會議中改了方向，就需要更新相關文件，讓後續工作沿用正確資訊。
可以從以下做法開始：
錯開需要判斷的任務。啟動AI任務時，先想哪個階段需要你確認，把要大量判斷的任務錯開，留出閱讀與決策時間。
把重複規則留下來。例如報表使用哪些欄位、資料缺漏時如何標示，下一次工作便能沿用已確認的要求。
交接時附上目前狀態。交出AI協助完成的提案，簡短說明哪些資料已核對、哪些問題待確認、需要誰決定，以及由誰往下執行。
主管也需要把審查與協調納入時程，訂清楚優先順序與最後確認的人。產出加快之後，團隊要一起安排好接下來的判斷與交付。
從「做事」到「管AI」，判斷力要在工作中累積
工作內容改變，Anthropic評估人才的重點也跟著移動。研究分析面試評分表後發現，技術職評語愈來愈常提到自主性與判斷力；非技術職則更常討論候選人是否以客戶與組織使命為重。
這些變化，也伴隨初階技術職占比下降：自2025年初以來，初階人員占技術部門的比例從21%降至14%，占技術職新進人員的比例則從27%降至9%。如何讓新人取得實作與學習機會，成為企業需要面對的問題。
對上班族而言，可以從每一次與AI協作的過程累積判斷：交辦前，先寫下自己的分析；收到成果後，比較差異、查明理由；完成工作後，記錄哪些做法有效、哪些問題需要補足知識。這些經驗，會成為下一次設定任務與驗收成果的依據。
當AI代理承接更多工作，人的注意力該放在哪裡？從想清楚任務、驗收成果，到和團隊做出決定，每一步都需要工作者運用專業，也在過程中持續學習。
（資料來源：Anthropic）
推薦閱讀：
AI亂象！95%企業被「工作垃圾」拖垮，你的團隊也有Workslop雷包嗎？
AI導入成敗看中階主管！5種卡關管理風格，你的團隊中哪種？
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
Jev是什麼？前OpenAI研究員打造一款「不會聊天」的AI模型！
前OpenAI研究員打造的AI模型Jev，不聊天、不寫文章，只負責快速做判斷，還會說出自己有幾成把握，本文整理Jev和ChatGPT的差異、設計理念、價格速度與應用示範。
文／《104職場力》
本文目錄（點擊可快速前往）
Jev是什麼？和ChatGPT等AI語言模型有什麼不同？TypeSafe AI為什麼要做Jev？不追AGI的3個理念Jev最大特色：會說出自己「有多確定」Jev速度多快？價格多少？官方數據整理Jev可以用在哪裡？官方應用方向與示範Jev對上班族有什麼影響？
當各家AI公司在比拼誰的模型更會聊天、寫程式，曾參與ChatGPT背後研究的前OpenAI研究員Diogo Almeida，卻選擇另一條路。
他所創辦的TypeSafe AI於2026年9月15日發表第一款模型Jev，這款AI不陪人聊天，也不寫文章，只專門在軟體裡快速「做判斷」。
Jev跟別家產品有多不同？底下為各位整理其設計理念、核心特色、價格速度與應用示範。
Jev是什麼？和ChatGPT等AI語言模型有什麼不同？
如前言，Jev是TypeSafe AI推出的第一款AI模型，官方把這類模型稱為「System One模型」。
為什麼叫Jev？名字背後的「傑文斯悖論」
根據官方說明，「System One模型」這個名稱，來自心理學家康納曼的暢銷書《快思慢想》，書中把人的思考分成兩種：
快速、憑直覺的「系統一」
緩慢、仔細推敲的「系統二」
Jev做的就是類似「系統一」的快速判斷。
而這個名字則是取自英國經濟學家傑文斯（William Stanley Jevons），當年傑文斯發現，蒸汽機變得更有效率、更省煤之後，煤炭的總用量不減反增，因為更多地方開始用得起蒸汽機，這就是後來的「傑文斯悖論」。
TypeSafe AI認為，AI也會走上類似的路：當AI的使用成本越來越低，原本不划算的用途都會變得可行，AI被使用的地方只會越來越多。
Jev和其他AI語言模型的差異
它和ChatGPT最大的不同是：它不回給使用者一大段文字，只從事先設定好的選項中快速挑出答案，例如「是或不是」、「屬於哪一類」，讓其他軟體可以直接拿結果執行下一步。
以下依官方發表文章，整理一般AI語言模型與Jev的性能對照表：
比較項目一般大型語言模型Jev回答方式寫出一段文字，內容自由，但可能出現錯誤資訊或格式不符只從事先設定好的選項中挑答案，不會答出選項以外的內容產生方式一個字一個字依序寫出來一次同時給出所有問題的答案把握程度就算要求它評估自己有多確定，也常過度自信、前後不一每個答案都會附上「有幾成把握」，越有把握通常越準適合用途聊天、寫作、寫程式等需要人在旁邊確認的工作 分類、分派、評分等需要大量快速判斷的工作資料來源：TypeSafe AI官方文章
Jev目前還在搶先體驗階段，只開放開發者申請使用，有興趣的人可以到TypeSafe AI官網申請，使用方式可參考官方文件。
雖然Jev尚未普及，但我們可以先從它的設計理念與特色，看看這種新型態的AI，未來可能如何出現在我們每天使用的系統裡。
Jev官方網站
TypeSafe AI為什麼要做Jev？不追AGI的3個理念
TypeSafe AI在官網發表了一篇宣言，標題是「Build Prod, Not God」，意思是：與其打造無所不能的「神」，不如做出真正能上線使用的產品。
宣言中提到了3個想法：
理念1：AI夠聰明了，問題是不好用
TypeSafe AI認為，現在的AI已經夠聰明，足以創造龐大的價值，不需要再追求AGI（通用人工智慧，也就是像人一樣什麼都會的AI），他們觀察AI產業已經投入好幾年、數兆美元，但大多數軟體還是沒有變聰明，一般人的生活也沒有太大改變，表示這和AI本身的聰明度無關，是現在的AI很難被裝進既有的軟體裡使用。
理念2：現在的AI就像「沒有馬的馬車」
新技術剛出現時，常常會先模仿舊東西的樣子，之後才慢慢找到最適合自己的形式，就像最早的汽車其實只是把馬車的馬換成引擎，連馬車的高座椅、彈簧，甚至插馬鞭的座子都保留下來。
TypeSafe AI表示，現在的AI也是這樣，被訓練成有禮貌、很會說話的助理，是因為設計者假設對面坐著一個人，但這也代表AI需要有人在旁緊盯，沒辦法在背景自動運作。
理念3：讓AI像基礎工具一樣穩定可靠
宣言提到，當年打造資料庫、網路技術的人，並沒有預料到後來會出現Google這樣的服務，正因為這些底層技術夠穩定，後人才能在上面不斷開發出新應用。
TypeSafe AI希望AI也能變成這樣的基礎工具，只要每次呼叫都穩定可靠，開發者就能放心把它放進各種系統，一層一層疊加出新的應用。
Jev最大特色：會說出自己「有多確定」
官方在發表文章中舉了一個例子：假設一個AI有95%的機率能做對，卻說不出哪些時候會落在那5%的錯誤裡，這項工作就無法放心交給它自動處理，因為人還是得每一筆都檢查一次。
為了解決這個問題，Jev的每個答案都會附上「有幾成把握」，官方表示，Jev的把握程度經過「校準」，意思是它說的「把握程度」會和實際的正確率一致：越有把握的答案，通常越準；遇到相似的問題，也會給出相似的答案。
這個能力來自團隊自行開發的訓練方法「校準決策強化學習」（RLCD），不同於ChatGPT等模型主要是讓AI寫出人類喜歡的回答；RLCD的目標則是讓AI做判斷時，有幾成把握就說幾成。
※官方圖表中，Jev的「幻覺率」（AI給出錯誤或捏造內容的比例）標示為0%，但官方說明，因為Jev只會從設定好的選項中挑答案，不可能答出選項以外的內容，雖然不會亂答，但不代表每次都答對。
Jev速度多快？價格多少？官方數據整理
以下是官方公布的速度與價格。價格以token計算，token是AI計算文字量的單位：
項目一般大型語言模型Jev輸入價格（每100萬token）約0.2～10美元0.042美元輸出價格約為輸入價格的5倍不收費回應時間約3～329秒約0.07～0.5秒資料來源：TypeSafe AI官方文章
TypeSafe AI官網首頁宣傳「Jev快193.6倍、便宜444.6倍」，這組數字來自官方自己設計的測試：讓每個AI模型執行同一套工作流程，再以GPT-6 Astra與Fable 5.1兩個大型模型答案的平均當作標準，比較各模型的表現。
圖片來源：TypeSafe AI官方文章
※官方也主動說明這些數據的限制：
193.6倍、444.6倍預期是實際使用時效益的上限，一般情況下不一定能達到。
測試題目由官方團隊設計，可能有偏誤。
以GPT-6 Astra與Fable 5.1的答案作為標準，會讓結果偏向OpenAI與Anthropic的模型。
速度數據多是在官方位於美國西岸的筆電上測得。
官方無法證明目前的價格沒有補貼，但表示預期未來只會降價、不會漲價。
Jev可以用在哪裡？官方應用方向與示範
官方列出的4大應用方向
應用方向可以怎麼用自動化工作流程放在程式裡負責判斷，例如分類、分派、評分、擷取資料，處理用固定規則很難寫清楚的情況大量資料處理從龐大的資料中，快速整理出重點與特徵即時應用速度快到約0.1秒，適合需要馬上反應的服務檢查其他AI替其他AI的回答評分、把關，也能偵測有人試圖用特殊指令誘騙AI的「越獄攻擊」
示範1：玩電玩遊戲《毀滅戰士》
官方示範讓Jev即時操作經典射擊遊戲《毀滅戰士》（Doom），每秒大約做10次判斷，成本約每小時7美元。
不過官方也說明，Jev讀的是用文字描述的遊戲狀況，還不是直接「看」遊戲畫面；如果單純比遊戲表現，專門寫好的遊戲程式其實可以玩得更好，這個示範的重點是「展現AI能依照指令即時做出反應」。
示範2：維基百科接龍
這個遊戲的玩法是：從一個維基百科頁面出發，只能點頁面裡的連結，看誰最快抵達指定的目標頁面，每走一步，都可能要從數百到上千個連結中挑一個。
官方表示，Jev一個問題最多可以設定255個選項，超過時就改成「先替每個選項打分數，再從中挑選」的兩步驟方式，但官方也坦承，這個示範的速度優勢比其他示範小，因為對照的大型模型多數沒有開啟深度思考模式。
Jev對上班族有什麼影響？
未來當上班族也能接觸這款AI時，它可能會帶來以下幾種改變：
AI會更常在看不見的地方工作
客服派單、內容審核、資料分類等工作，每天都有大量重複的小判斷，這正是Jev這類AI瞄準的地方，未來的AI不一定都是聊天視窗，也可能直接藏在每天使用的系統裡。
會把問題拆清楚的人更吃香
Jev需要使用者事先設定好問題和選項才有辦法給出回應，因此能把模糊的工作拆成一個個清楚的判斷題，是和這款AI合作的重要能力。
看得懂AI的「把握程度」
當AI開始說出自己有幾成把握，懂得判斷哪些情況可以交給系統、哪些需要人工再確認的人，會在自動化的工作流程中扮演關鍵角色。
雖然Jev仍在早期階段，官方公布的數據也有待更多實際使用來驗證，但它提出的方向很值得思考，AI的下一步，也許不是變得更像人，而是像一個穩定可靠的工具，默默嵌進我們工作的每個環節。
（資料來源：TypeSafe AI官網〈Manifesto〉；TypeSafe AI官方發表文章〈Introducing System One Models & Jev〉）
延伸閱讀：
OpenAI最新旗艦AI亮相！GPT-6 Astra核心亮點、使用方案一次看！
Gemini Spark怎麼用？實測排程、Gmail監控、跨服務工作，和一般Gemini差在哪？
Claude Cowork新增內建瀏覽器！不用裝外掛，AI可直接開網頁、填表單
Claude企業版3大新功能上線！「智慧報告」看懂公司AI用在哪、花多少
公司導入AI後，員工實際拿它做了哪些事、錢又花在哪裡？Anthropic為Claude企業版推出3項管理功能，讓管理員能盤點團隊的AI用途、直接收集同仁回饋，也能彈性分配使用額度。本文以情境說明3項功能怎麼運作，並解答主管看不看得到個人紀錄、問卷是否匿名等疑問。
文／《104職場力》
本文目錄
【智慧報告】盤點團隊把AI用在哪些工作上【內建問卷】直接問同仁好不好用【群組共用預算】同部門共用一筆每月額度
Claude的開發公司Anthropic於2026年10月28日宣布，Claude企業版（Claude Enterprise）推出3項新管理工具，功能簡易統整如下：
新功能幫公司解答的問題智慧報告（Smart reports）同仁用Claude做了哪些工作？花了多少錢？哪裡常卡住？內建問卷（In-app surveys）同仁自己覺得Claude有沒有幫上忙？群組共用預算（Pooled group budgets）每月使用額度怎麼分，才不會有人不夠用、有人用不完？
目前這3項功能只開放給Claude企業版，而且要由管理員開啟或設定後才會生效；部分採用特殊資安設定的企業，可用功能會有差異，以下一一介紹其用途與功能。
【智慧報告】盤點團隊把AI用在哪些工作上
部門同仁天天都在用Claude，但到底拿它做了哪些事？智慧報告就是為了回答這個問題而設計的。
管理員選定部門、時間範圍（最近28天內）和工具後，Claude會抽樣閱讀同仁與Claude的對話，把性質相近的工作歸類，並整理成一份「AI使用盤點表」，分析範圍涵蓋聊天視窗（Chat）、Claude Code與Cowork。
以行銷部為例（示意情境），報告可能會整理出：
工作類型與花費：同仁最常用Claude寫社群貼文、整理成效數據，各類工作用了幾次、花了多少錢。
常卡住的地方：例如Claude沒有串接廣告後台，同仁只能手動貼上數據。
改善建議：例如把每週的成效週報整理成「技能」（Skill），存下固定的步驟和格式，下次直接套用。
報告由管理員建立，也能開放部門主管查看自己負責的部門，每個組織每月可免費產出10份。
但Anthropic有特別註明，這份報告不應用來評估個人績效或做人事決策！報告預設不顯示對話來自哪位同仁，公司可以另外開啟顯示個人的設定，但開啟後每次查看都會留下紀錄；涉及健康、政治、私人生活等敏感話題的對話，也只納入整體分析，不會整理成摘要。
【內建問卷】直接問同仁好不好用
報告看得出同仁用了多少、花了多少，卻看不出用起來順不順手，這部分可以交給內建問卷。
問卷預設4題，管理員可以自行增刪題目，並指定填答對象與開放期間：
最近用Claude完成最有價值的事是什麼？成果好在哪裡？
Claude有沒有改變這項工作花的時間？
有什麼用法值得推薦給同事？
如果不能用Claude，哪項工作會最先卡住或變慢？
設定好後，同仁跟Claude協作告一段落時，聊天視窗或Cowork畫面會跳出一張問卷小卡片，約90秒就能填完，如果不填也可以直接略過，不會打斷進行中的工作。
卡片上會註明答案會交給公司管理員，不會交給Anthropic，不過問卷並非匿名，管理員匯出的結果會列出每位填答者的Email與所屬群組。
【群組共用預算】同部門共用一筆每月額度
掌握了用途和感受，接下來就是錢怎麼分的問題。
Claude企業版的使用量會換算成費用，管理員可以替同仁設定每月花費上限。原本替部門設定額度時，每人分到一樣的上限；改用共用預算後，整個部門可以共用一筆每月預算。
以5人的設計部為例（示意情境）：
原本額度改用群組共用預算額度怎麼分每人每月100美元全部門共用500美元，每人最多200美元有人提案量大用完100美元就得停，等下個月可繼續用部門剩下的額度，直到個人用滿200美元有人用不多剩下的額度沒人能用留在共用預算，其他同仁可以用
每人200美元的上限，是為了避免單一同仁用光整筆預算，當預算用到50%、75%、95%、100%時，具帳務權限的管理員會收到Email提醒；共用預算用完時，整個部門會暫停使用，直到管理員追加預算或下個月重新計算，同仁也可以直接在Claude裡申請追加，由管理員審核，若同仁同時屬於其他設有共用預算的群組，則會改由該群組的預算支應。
想進一步了解開啟與設定步驟，可以參考Anthropic說明中心的智慧報告、內建問卷與群組共用預算說明頁。
（資料來源：Anthropic官方公告）
延伸閱讀：
企業 AI 導入為何卡關？關鍵在學習力、應用力與擴散力
AI時代主管四大考驗：「AI員工」效率高但有時不受控，如何管理人機協作？
職場AI管理 恐侵害勞工隱私
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']
不只是聊天！3DEXPERIENCE LEO AI 變身『智慧製造 Agent』幫你繪圖設定CATIA參數！
不只是聊天！#3DEXPERIENCE LEO AI 變身『智慧製造 Agent』幫你繪圖設定CATIA參數！
為了應對工業轉型與複雜專案，達梭系統推出 AI 三劍客的完整分工：
AURA（智慧助理）：負責串聯知識、情境與背景資訊，協助工程師定義問題與拆解挑戰。
LEO（工程與製造專家）：專注於工程推理、結構運動、力學模擬與製造執行。
LEO DEMO影片：https://youtube.com/shorts/xLAfPx7blac?feature=share
MARIE（材料科學家）：專攻材料、化學、配方與療法，幫助研究複雜的微觀現象與科學開發。
#AI製圖 #CATIA #CAD #CAM
Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇
Claude Cowork怎麼用、需要付費嗎？本文解析Cowork與Chat模式差異、桌機版使用條件、操作流程、資料夾授權及安全機制，並比較3種模型的適用情境，幫助你選擇合適的AI工作方式。本文節錄自《Claude 萬用手冊》。
文／施威銘研究室
本文目錄（點擊可快速前往）
Claude Cowork要付費訂閱嗎？怎麼使用？Claude Cowork和Chat有何不同？安全風險解析Claude Cowork介面與2種授權模式Claude Cowork怎麼用？4步驟運作原理Claude Cowork模型怎麼選？適用情境對照
前一章我們透過Connector與Skill，讓Claude能讀取外部工具資料，並依照指定流程處理任務。不過在Chat模式中，Claude的行為主要停留在對話框裡，檔案上傳、結果下載與後續整理，通常仍需要由你手動完成。本章要介紹的Cowork模式，會把Claude從對話框往你的桌機或筆電（以下簡稱本機）再推進一步。它可以在你授權的範圍內讀寫本機上的指定資料夾，並把整理好的Excel、Word、簡報等成果直接放回你的電腦。
接下來，我們會從Cowork的基本操作開始，帶你認識Cowork專屬的外掛機制，並實際建立屬於自己的外掛。同時，也會說明Cowork在執行任務時的限制，讓你在使用前能先掌握它適合處理哪些工作，以及哪些情境需要特別留意。
Claude Cowork要付費訂閱嗎？怎麼使用？
使用Cowork模式前，請先確認你已升級到Claude Pro以上方案（需付費訂閱），並安裝最新版Claude Desktop。Cowork是桌機版獨有功能，網頁版與行動版無法使用。Claude網址：https://claude.ai/下載桌機版：https://claude.ai/downloads
Claude Cowork和Chat有何不同？安全風險解析
在操作Cowork前，我們先把它和前面介紹過的Chat模式做個對比，幫助理解兩者的定位差異。
Chat模式：適合一問一答、需要快速反饋的任務。Claude的輸出主要留在對話視窗中，檔案需要你上傳，結果也通常要由你自行下載、複製或貼到其他地方。它可以讀取你上傳的檔案，也能透過Connector取得外部資料，但不能直接到你的電腦裡讀寫檔案。
Cowork模式：適合多步驟、需要較長時間執行，或需要處理本機檔案的任務。它會自己規劃步驟、拆解任務，並在你授權的範圍內讀寫指定資料夾，最後把成果存回你的電腦。過程中你也可以隨時介入、暫停或修正。
看到這裡，你可能會有一個疑問：既然Cowork可以讀寫本機檔案，那會不會有安全風險？
實際上，Cowork並不是把Claude直接放進你的作業系統裡任意操作。Anthropic會為Cowork建立一個獨立的虛擬環境（沙盒），Claude執行的程式碼與Shell指令，都會在這個環境中運行，而不是直接作用在你的主機上。這樣做有兩個好處：第一，即使Claude在執行過程中產生錯誤檔案、安裝不必要的套件，或執行了不符合預期的指令，影響範圍也會被限制在虛擬環境內，不會直接作用在你的系統上。第二，Claude存取檔案採用白名單機制，只有你明確授權的資料夾，才會被掛載到虛擬環境中供Claude使用。換句話說，Cowork模式下的Claude雖然有手可以動，但這隻手僅能在玻璃箱內操作，而且玻璃箱只能伸進你打開的那幾個抽屜。
了解Cowork的基本定位後，接下來我們就進入Cowork介面，實際認識它的使用方式與運作機制。
Claude Cowork介面與2種授權模式
打開Claude Desktop後，將介面最上方的模式切換成Cowork，即可進入Cowork模式。
（圖／《Claude 萬用手冊》）
任務視窗選項說明：
New task：新建一個Cowork任務的入口
Projects：管理長期專案。每個專案能有自己的指令、檔案、排程與記憶
Scheduled：管理排程任務。在這裡可以查看、編輯、暫停或執行所有定期任務
Live artifacts：所有透過Cowork建立的Live artifact都會收納在這個頁面
Dispatch：跨裝置工作流的入口，可以從手機派任務給桌機處理
Customize：管理你目前安裝的Plugin、Skill與Connector
Claude的兩種權限模式
Cowork的存取權限提供兩種設定模式：Ask before acting與Act without asking。這兩種模式的差異，會直接影響Claude在執行任務時，是否需要先停下來等待你的同意。
Ask before acting（執行前先詢問）：Claude在動作之前會依照你在Connector中設定的Tool permission權限進行判斷。如果某項能力被設定為Need approval，Claude就會在執行到該功能時停下來詢問你，等你按下「允許」後才會繼續。這個模式適合你希望針對不同外部服務保留不同權限控制的情境。
Ask before acting（執行前先詢問）：當某項能力被設定為Need approval時，Claude會在任務執行過程中等待你的允許，才繼續執行。（圖／《Claude 萬用手冊》）
Act without asking（不詢問直接執行）：當選擇此權限模式時，畫面會跳出一個確認視窗，要求你在目前這個Cowork任務中，開放所有外部服務的能力限制。也就是說，這個任務下所有Connector的Tool permission會被強制視為Always allowed，讓Claude在執行時不會中途停下來等待確認。這種模式速度較快，但相對風險也較高，只建議在你完整監看任務流程，而且工作資料皆為可信來源時使用。
Act without asking（不詢問直接執行）：系統會要求在當前Cowork任務下，將全部Connector的權限都視為Always allowed，且任務執行過程中不會再針對外部服務操作逐一詢問。（圖／《Claude 萬用手冊》）
Claude Cowork怎麼用？4步驟運作原理
Cowork和Chat模式最大的差別，在於它不是接到任務就立刻回覆，而是以Agent（執行代理人）的方式運作。你給它一個目標，它會先規劃步驟，再依照計畫執行任務，必要時，它也會在過程中停下來向你確認。整體流程可以簡化成：Plan → Review → Execute（必要時Ask）。
什麼是Agent？
Agent可以理解為一種「以目標為導向」的AI系統。它和一般我問你答的Chatbot（聊天機器人，如Chat模式）不同，Chatbot多半由使用者一步步下指令；Agent則是在目標明確、邊界清楚的前提下，主動拆解任務、安排步驟、選擇工具，並持續推進工作。Agent通常具備三個核心特性：
目標導向：使用者給的是任務目標，而不只是單一步驟指令。
自主規劃：能自行拆解多步驟流程，不需要使用者針對每一步下指令。
工具整合與判斷：能依任務需求選擇工具，並在過程中判斷下一步該做什麼，例如分類檔案、選擇輸出格式，或決定是否需要向使用者確認。
【STEP 01】Plan：先產生執行計畫
你送出任務後，Claude不會立刻開始動作，而是先分析任務目標、需要處理的檔案、可能使用的工具，以及執行順序。接著，它會列出一份可見的工作計畫，讓你知道接下來打算怎麼做。
【STEP 02】Review：檢視與介入調整
計畫出現後，Claude不會停在原地等你確認，而是會直接依照計畫中的第一步開始執行。如果發現計畫方向不符合需求，可以隨時暫停執行，或在輸入框中要求Claude修改計畫內容。
這也是Cowork和一般Chat模式很不一樣的地方，你不必等它全部做完才修正，而是可以在任務進行中即時介入。
【STEP 03】Execute：開始執行並回報進度
進入執行階段後，Claude會依照計畫逐步處理任務，並在過程中更新每一步的狀態。你可以看到它使用了哪些工具、呼叫了哪些技能、產生了哪些檔案。整個流程不是黑箱操作，而是可以追蹤、檢視與介入的工作過程。
【補充】Ask：遇到不確定情況時暫停詢問
如果執行過程中遇到模糊或需要你判斷的地方，Claude不會直接猜測後繼續做，而是會暫停下來向你確認。例如執行規則不明確、輸出格式和任務描述有衝突等，它會提出問題，等你回覆後才繼續執行。
（圖／《Claude 萬用手冊》）
由於Cowork不是單純回答一句話，而是會經歷規劃、確認、執行、回報等多個階段，因此每次任務消耗的token通常會比一般Chat模式更高。任務越複雜、處理的檔案越多、執行步驟越長，模型成本也會跟著增加。因此，在使用Cowork前，除了理解它的執行流程，也要知道該怎麼選擇合適的模型。接下來，我們就來看Cowork模式中的模型選擇。
Claude Cowork模型怎麼選？適用情境對照
Cowork任務在執行過程中，Claude需要反覆判斷下一步、讀取中間結果、使用工具，並產出檔案。因此，模型選擇會直接影響三件事：執行速度、推理品質，以及配額消耗。簡單來說，模型越強，越適合處理需要複雜判斷與資料整合的任務，但通常執行速度較慢、配額消耗也較高；模型越輕量，速度和消耗量雖具優勢，但比較適合規則明確、變化較少的任務。
所以在選模型前，建議先問自己幾個問題：
這個任務需不需要複雜判斷？
如果只是批次整理、格式轉換、簡單分類，通常不需要太強的模型；若需要跨文件比對、找出隱含關聯等，就比較適合推理能力較強的模型。
檔案數量與內容長度多不多？
如果只處理少量短文件，輕量模型通常就夠用；若要讀取大量文件、長篇報告或多份資料交叉比對，就需要考慮模型的理解與整合能力。
任務流程會不會很長？
步驟越多，Claude需要判斷下一步、讀取結果、產出內容的次數也越多。這會拉長執行時間，也會增加配額消耗。
輸出結果是否為正式文件或長文本？
如果只是產生初步草稿、整理表格或固定格式摘要，可以選擇較輕量的模型；反之，要產出正式提案、長篇報告等高度精準的內容，就建議選擇能力較強的模型。
這是不是會重複執行的任務？
如果是每天、每週都會跑的排程任務，使用額度消耗會累積得很快。這類任務通常不建議一開始就使用高階模型。
也就是說，模型選擇的重點不在於越強越好，而在於是否剛好符合任務需求。下表整理Cowork介面中目前可用的三個模型系列與適用情境：
模型系列推理品質執行速度配額消耗建議使用場景Haiku系列適合簡單判斷最快最省規則明確、重複性高的任務，例如批次更名、簡單分類、欄位整理、固定格式摘要、把資料轉成指定格式Sonnet系列平衡穩定中等中等大多數日常Cowork任務，例如檔案整理、跨檔摘要、資料比對、Connector串接、產出Word/Excel/簡報初稿等Opus系列最強較慢最高需要複雜推理與整合的任務，例如大量文件交叉比對、合約條款差異分析、研究資料整理、長篇內容規劃與高品質撰寫
Cowork模型選擇的實務建議：
不確定該選哪個模型時，先用Sonnet，通常能兼顧輸出品質、執行速度與配額消耗。
任務規則越明確、格式越固定，就越可以改用Haiku以節省配額。
只有在需要跨資料推理、判斷細節或產出高品質內容時，再使用Opus。
Schedule這類定期執行的任務會累積消耗，通常不建議直接使用Opus。
節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室 著
推薦閱讀：
憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學
「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？
告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！
AI會議紀錄整理技巧！6步驟活用Gemini Notebook與指令模板，語音轉文字、中英夾雜也不怕
會議記錄整理總是很花時間，如何運用AI來提高效率？作者分享「AI會議整理術」，6步驟包括運用AI語音轉文字工具，以及活用Gemini Notebook（原NotebookLM）等AI工具來解決中英夾雜、專有名詞一堆等AI會議紀錄常見痛點。搭配AI指令模板，將雜亂逐字稿自動轉譯為「三段式摘要」與「行動清單」，省下60%時間，讓團隊溝通更精準、決策更高效！本文節錄自《高效職場生存法圖解》。
文／趙胤丞、電腦玩物站長Esor
本文目錄（點擊可快速前往）
讓AI用固定模板，把會議討論變成清楚的紀錄與待辦AI會議整理操作教學！6步驟分享，節省60%時間的協作術AI提示詞分享：快速把逐字稿轉成會議筆記、會後郵件AI會議筆記方法論反思與實踐AI會議筆記實戰QA：AI工具怎麼選？轉錄出錯怎麼辦？
（編按：NotebookLM於2026年7月更名為Gemini Notebook。以下為原始文章：）
讓AI用固定模板，把會議討論變成清楚的紀錄與待辦
AI工具不是拿來取代我們，而是為了讓我們能把時間花在「真正要我們思考的地方」。我們都知道，一場會議不只是一場會議，它可能是團隊協作的決策過程，也可能是專案卡關的突破時刻，所以會議過後真正困擾我們的其實是「後續花時間釐清專案未來策略」、「確認接下來要做哪些待辦行動」。
但是，我們卻常常把最多時間花在會議後的資料、記錄整理，結果為了會議筆記拖延了那些真正要馬上去做的下一步行動，這樣的行為無異是「買櫝還珠」。
只是傳統的會議紀錄方式充滿了各種痛點：主持人講得飛快，你無法跟上；對話來回跳躍，記錄順序亂七八糟；會議過程與會者講了一堆，還得再花時間整理報告與Email。這些都是消耗我們寶貴的時間。其實整理不好，這不是你能力問題，而是訊息密度過高、人力處理的效率太低。
這正是AI可以切入協助支援的痛點，幫我們「釐清會議中的決策與行動訊號」。
概念說明關鍵效益自動化轉錄AI將語音自動轉換成文字節省人工聽打時間，不錯過任何細節智慧化摘要AI根據內容自動生成重點與結論快速掌握會議核心，不必重聽錄音行動化轉譯AI從文字紀錄中提取任務與責任人加速「討論」到「行動」的轉換，強化執行效率
資安前提：在使用任何AI工具時，特別是涉及公司內容，務必確認公司、平台的隱私安全規範，以保護你與組織的資料安全。
（圖／創意市集《高效職場生存法圖解》）
AI會議整理應用情境：適用需高效溝通的場合、專案會議、跨部門會議
這套方法適用於所有需要高效溝通的場合，特別是討論內容多且複雜的專案會議，或是需要精準追蹤行動的跨部門會議。無論你是團隊主管、專案經理、還是需要同時處理多項任務的個人工作者，都能透過AI協作來確保會議的討論能確實轉化為可執行的成果。
AI會議整理技巧提醒：加速你的決策行動，而非取代你的判斷
AI是你的副駕駛助手，AI雖然能大幅節省時間，但它的價值在於「加速你的決策與行動」，而非取代你的判斷（畢竟AI無法幫你的錯誤判斷背黑鍋）。最終的行動清單仍需由你人工確認與校對，進而確保共識沒有落差。
AI會議整理操作教學！6步驟分享，節省60%時間的協作術
【Step 1】為什麼需要AI會議記錄工具？
這套AI協作流程不是要你變得更依賴工具，而是讓你學會用工具放大自己的效能，讓每一場會議都能更快進入「創造價值的行動階段」。
傳統會議記錄的痛點AI可以做什麼主持人語速過快、資訊密度高，難以跟上自動語音轉文字，完整保留內容對話跳躍、紀錄順序混亂快速生成會議摘要，還原討論脈絡討論時混雜了資訊、交辦、想法、疑問，清理要花許多時間協助整理任務清單與待辦事項會後還需整理郵件回報輔助產出主管回報Email
當我們試圖用低效方式處理高密度資訊時，就會被迫卡在「文書助理」的角色裡。AI讓我們能專注在會議中的決策、協調與判斷，真正成為「決策轉譯者」。
【Step2】挑選對自己最方便的AI轉錄工具
AI語音轉文字（甚至是會議錄音專用AI工具）已經多如雨後春筍，甚至大多數線上視訊會議工具也都內建錄音與AI轉錄功能。這邊我們沒有要對工具做太多深入解析，而是針對常見的三種會議情境，分享對一般用戶來說最簡單易上手的選擇。
工具應用情境功能簡述PLAUD.ai硬體裝置，方便啟用錄音檔案儲存在本地裝置，內建AI自動處理工作流程雅婷逐字稿手機App，即時轉錄當下即時轉錄，對於台灣用語有相對較在地的處理NotebookLM自行錄音，交由AI轉錄與處理可以建立會議錄音資料庫，由自己的指令決定轉錄的處理方式
【Step 3】如何處理多語混雜與專有名詞挑戰
中英夾雜、專有名詞頻繁，是台灣公司很常見的會議現場情境。現在大多數的AI語音轉錄工具，對於多語內容的辨識已經有一定水準（不過台灣常用的台語，還是有侷限），這部分大家可以實際試試看即可。
而「專有名詞」的部分，例如專案特有的名稱、人物、技術、術噢，可以製作一份「專有名詞表」，在AI要轉錄前，先提供AI，請其根據這份「專有名詞表」來轉錄，往往就可以有很好的效果。
以前面提到的Google NotebookLM為例，我們可以先新增一份專有名詞對照表。
以Google NotebookLM為例，再請AI轉錄會議前，可以新增一份專有名詞對照表（圖／創意市集《高效職場生存法圖解》）
接下來在轉錄時，請AI除了分析錄音檔案，也要對照專有名詞對照表，修改會議筆記內容，就能獲得很好的辨識效果，更重要的是可以大幅度節省後續修改潤飾的寶貴時間。
【Step4】應用「三段式會議摘要」
我們當然可以讓AI把「所有逐字稿」都轉換出來，但這樣其實有點浪費了AI真正「整理」、「重組」、「分析」的能力。
用AI摘要會議紀錄，不是要它幫你「記住全部」，而是幫你「轉譯為可用資訊」。三段式結構最適合會議筆記與摘要：
背景議題：這段討論是在處理什麼？
重點觀察：過程中出現哪些關鍵數據、爭議或決策？
行動建議：這段話最後導出了什麼事要做？有責任人與時限嗎？
你可以在AI指令中明確要求輸出這三段內容，並加註需要標示會議參與者或引用關鍵數據，確保摘要可以立即使用。
用AI摘要會議紀錄，三段式結構包括：背景議題、重點觀察、行動建議，最適合會議筆記與摘要（圖／創意市集《高效職場生存法圖解》）
【Step5】從摘要轉譯為行動清單
會議中最常見的溝通語句是模糊的，例如：「這案子你再follow一下」、「那份簡報誰來處理好？」。如果只是轉錄逐字稿，很有可能只是一對類似這樣的雜亂語句，這時候可以請使用AI判讀以下三要素：
What：要完成什麼事？（如果能寫出具體項目與產出最佳）
Who：誰負責？（要寫上負責人，也要確保負責人知道自己要負責該項目）
When：什麼時候要完成？（最好有明確日期與時間）
示範指令：「請根據以下逐字稿，列出所有可辨識的任務，標示What（要完成什麼事？）／Who（誰負責？）／When（什麼時候要完成？），若有待確認的資訊請註記。」
【Step6】AI會議紀錄實作分享—節省60%時間、保留主導性
每次會議後，我習慣以下流程（當作示範參考，但你可以搭配不同工具）：
會議中用PLAUD.ai錄音並轉文字，確保內容完整。
將逐字稿餵給ChatGPT，依「三段式會議摘要」、「行動清單邏輯」輸出摘要與任務。
核對、補充細節後貼入自己的任務管理工具，並標注優先順序。
需要回報的部分請AI幫我起草Email訊息。
這個流程沒有一個步驟是全部交給AI，自己完全不動手，但AI幫我節省了大約60%的紀錄與輸出時間。我能花更多力氣去思考與決策，而不是被反覆聽錄音與整理報告綁架，但也不會完全由AI主導，結果我自己根本不知道真正的討論內容是什麼。
AI提示詞分享：快速把逐字稿轉成會議筆記、會後郵件
如果你想快速把逐字稿轉成有效的會議筆記、會後郵件，可使用以下指令：
你是一名「會議行動轉譯官」，任務是根據下面逐字稿生成會後追蹤Email。請嚴格依流程輸出：1. 會議摘要（三段式：背景議題／重點觀察／行動建議）2. 任務清單（What／Who／When）3. Email草稿（以專業、精簡語氣撰寫，結尾請列出下一個檢視節點）。請在內容中善用條列，確保收件者一眼就能掌握重點。逐字稿：（貼上逐字稿）
AI會議筆記方法論反思與實踐
1. 重新定義「寫會議筆記」的價值
寫會議筆記的本質是「為了讓事情推進發生」，而非停留塵封在共用資料匣的會議記錄當中。過去我們花大量時間確保每個字都被記下來，卻忽略了會後最重要的任務分工。現在有了AI工具，我們反而要重新調整焦點：不是把責任全部交給AI，而是善用AI把「會議噪音」過濾成「行動訊號」。
當AI接手機械性的紀錄工作後，你就能把注意力放在觀察會議中的人際互動、判斷決策背後的潛在風險，或是思考下一步策略。因此，你不再是敲鍵盤的人，而是提煉共識、設定優先順序的人。
2. 真正的效率來自「人機協同」
AI轉錄與摘要可以迅速提供初稿，但準確性、策略判斷與溝通語氣仍舊仰賴我們來掌舵。當你願意多做一個「人工校準」的步驟，補上情境背景、利害關係、專業措辭，也能讓AI處理得更好。而當我們有好的會議筆記，就能確保整個團隊朝正確方向前進。
3. 持續優化你的協作節奏
每個人面對的專案都不同，所以你需要跟AI溝通的專業術語，甚至你需要讓AI處理雜亂會議討論的邏輯都會有所不同。
上面提供的指令是基本版，你需要再根據自己的專案邏輯做修正客製化，根據自己需要的正式會議報告結構做調整。我們可以抱持一種「做實驗」的心態，把每次會後郵件當成一次實驗：
這次的AI prompt是否清楚？
任務欄位拆解是否滿足需求？
專業用語分析是否正確？
如此每一輪修正都會讓我們在「下一次」AI整理筆記的流程更貼近團隊需求。
AI會議筆記實戰QA：AI工具怎麼選？轉錄出錯怎麼辦？
Q：AI工具這麼多，我該怎麼選擇？
解答：工具百百種，我們時間很有限，別去追求最好的工具，而是思考現階段最適合你使用的。挑選時先從痛點出發：如果最需要節省聽打時間，專注於轉錄精準度；如果最在意資料安全，則優先考量支援端對端加密的硬體或雲端服務。
Q：AI轉錄的內容，直接使用會有風險嗎？
解答：會議逐字稿只是初稿。AI可能會在專有名詞、口音、語氣理解上犯錯。如果未經校對就直接使用，容易造成誤解。我們仍需親自把關確認，再更細緻地補上決策背景與情緒脈絡，才能確保最終對外訊息是精準且負責任的。
Q：AI摘要會不會讓我變懶惰，不再思考？
解答：AI幫你完成機械性的紀錄工作後，你反而能把精力轉移到判斷利害、預測風險、擬定策略，而這些才是對組織更有價值的工作。AI讓你成為更好的溝通者與決策者，而不是更懶惰的紀錄者，因為單純記錄在未來的價值會大幅貶值。
Q：如果講者口齒不清，AI轉錄還是會出錯怎麼辦？
解答：這是AI工具的極限，但我們可以利用下面這個會議小技巧來調整：遇到轉錄不精準時，可以在會議中使用「段落即時總結」技巧：由我主動複述「我確認一下，您剛才說的是……」來釐清語意。這個動作能建立共識，並在錄音過程也把模糊訊息轉成可執行的任務。
節錄自：創意市集出版《高效職場生存法圖解：工作被打斷、時間很零碎、會議一大堆也能高產出的技巧》／趙胤丞、電腦玩物站長Esor 著
推薦閱讀：
NotebookLM生成簡報、資訊圖表功能登場！實用技巧盤點
NotebookLM簡報怎麼修改？5招編輯方法實測，轉PPTX、線上改都行
會議記錄=逐字稿？專業會議紀錄只記3項重點｜寫法技巧、範本一次看
會議紀錄用AI怎麼做？會議逐字稿如何整理？｜AI語音轉逐字稿教學
AI 真的能取代工程師？直擊 3DEXPERIENCE 平台超強虛擬協作
【領先者佈局】領先者在做什麼？揭秘高階製造業的數位佈局
AI 真的能取代工程師？直擊 3DEXPERIENCE 平台超強虛擬協作
三分鐘看懂 3DEXPERIENCE：三位不同領域的 AI 顧問有什麼差異？
=>直接觀看影片：https://youtu.be/xpAHNdPA1ss
CATIA 與 3DEXPERIENCE 平台的 AI 智慧生產路徑
為企業聘僱 AI位虛擬專家 #ARUA #LEO #MARIE
用數據讓產線動起來
-AURA（專案經理／產品經理）
從專案需求出發，站在宏觀層面進行把握與協調。
負責整體方向、資源分配、跨部門溝通，確保專案符合需求與目標。
角色定位：「掌舵者」，確保專案航向正確。
-LEO（工程師）
專注於具體落地執行，提供設計方案。
處理工程相關問題，包括力學、結構、運動、模擬與製造。
角色定位：「建造者」，將構想轉化為可行的技術成果。
-MARIE（科學家）
提出科學證據，確保專案在材料、化學、成分與法規上合理合規。
提供研究支持，驗證技術與產品的科學基礎。
角色定位：「守護者」，確保專案的科學性與合法性。
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 >>
有任何收穫或想分享的，都來和大家一起聊聊吧！