成為 AI 科學家｜提升 AI 實作能力必備，深度學習 TensorFlow 基礎與應用
104學習
深度學習AI
這項技能指的是運用多層神經網路模擬人腦學習模式，從大量資料中自動萃取特徵並做出預測或判斷。它能提升資料分析的準確度與效率，廣泛應用於影像辨識、語音識別、自然語言處理等領域。在職場上具備這項技能，代表你能開發或優化智慧系統，幫助企業自動化流程、提升決策品質，進而創造競爭優勢。因為相關技術持續進步且需求高，具備此能力的人才在科技、金融、製造等產業都相當搶手。
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基礎思維2】掌握AI關鍵核心技術_機器學習及深度學習
AI 智慧工作流搭建與升級：60 分鐘 10 個 AI 智慧工作流技巧立即改善工作流程
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】
【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
生成式 AI 辦公室應用能力課程
AI簡報3項思考力，ChatGPT倍速提升商業競爭力！ 目標思考、換位思考、邏輯思考
AI 協思簡報術｜從模糊點子到精準說服的提案策略
AI驅動的創新管理實戰：打造高效、創新的智慧型企業【11/03】
【大師開講】智慧製造應用案例 – AI運用於瑕疵檢測
精選證照
考取專業證照，讓能力被市場看見
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
人工智慧：機器學習 Python
人工智慧研究如何使機器具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，是能讓事物變更聰明的科技。其研究範圍包含了：電腦視覺、語音工程、自然語言處理、移動與控制等。做為人工智慧體系的一部分，「機器學習」是一種資料科學的技術，也是實現人工智慧的一種方式，從資料中學習，獲得辨識或預測新進資料的技能，以協助電腦預測未來的行為、結果和趨勢，其技術廣泛應用在不同領域。
財團法人電腦技能基金會TQC+人工智慧：機器學習的題目設計包含：「監督式學習」、「非監督式學習」、「機器學習應用」等必備的知識及技術，運用不同機器學習方法進行實際案例之分析預測。
財團法人中華民國電腦技能基金會
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
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時代該學什麼？程世嘉：比技術更值錢的是「基本功＋軟實力」
AI能處理愈來愈多認知型工作，未來真正拉開差距的，不只是技術，而是基本功、批判思考、溝通協作與自學能力。程世嘉解析AI時代最值得培養的競爭力。本文節錄自《智慧通膨下的新商機》。
文／程世嘉Sega Cheng，蕭玉品採訪整理
本文目錄（點擊可快速前往）
比技術更值錢的能力：基本功＋軟實力，最有競爭力的組合別急著替孩子預測未來，先給他們選擇的機會AI愈強，越要練好這些「人類能力」
比技術更值錢的能力：基本功＋軟實力，最有競爭力的組合
在AI時代，資料輸入、基礎翻譯、會議紀錄整理等「認知型任務」的價值，正在快速降低。為什麼這麼說？當AI的智商已經達到130時，就能代勞那些依賴既定規則、記憶、模式識別和語言理解來處理資訊的工作。很多東西其實不用拍腦袋、自己在那邊想破頭，可以交由AI處理。
數據已經把這件事量化出來了。Anthropic在2026年1月發布的〈Amthropic經濟指數：理解人工智慧應用的新基石〉（Anthropic Economic Index: New building blocks for understanding AI use）裡，有一個值得企業牢牢記住的數字：AI已經能處理需要14.4年正規教育的工作任務，而美國勞動力的平均教育年限是13.2年。換言之，AI在「需要受教育才會做的工作」這個層次上，已經超過美國勞動力的平均水準。如果你把這個對比放回台灣，整個圖像會更刺眼，因為台灣勞動力的平均教育年限與美國接近，AI跨過去的那條線也一樣會跨過去。
從消費者價值的角度看，史丹佛數位經濟實驗室（Stanford Digital Economy Lab）在2026年4月公布的研究〈生成式AI的價值是什麼？〉（What is Generative AI Worth?），揭露了同一件事的另一面：美國成年使用者「願意放棄生成式AI一個月所需的補償金額」中位數，從2025年的3.4美元跳到2026年的11.4美元，一年內成長超過3倍。使用者正在用真實的支付意願告訴市場：AI處理的事情，他們真的離不開了。
別急著替孩子預測未來，先給他們選擇的機會
最近我在國內外的大小演講結束後，不分國籍的聽眾紛紛有這樣相同的疑惑：「AI已經發展成這樣，我們到底要教小孩什麼？」工作者則是問：「我該學些什麼？」我認為，首先「不要」去想像孩子未來會從事什麼職業，並用這個方式回推要教小孩什麼。因為我們不知道未來會有什麼職業被消滅或是被創造出來，而且你並不知道孩子的興趣是什麼。無論有沒有AI，「幫孩子規劃他們要走的路」這種想法早已不適用。前方的路看不清楚，世界早已是一個高度無法預測的環境。你只能幫下一代準備好「選擇的機會」。
答案其實很簡單，早期把孩子的基本功全部打好，包括語文、歷史、藝術、數學、科學、程式等，這些我們以前就在學的東西。你會問，這些東西不是AI都做得比我們好嗎？還有學的必要嗎？沒錯，但如果你是抱持全然的悲觀主義，並且以此為停止學習的藉口，那麼你可以直接放棄，當AI的人肉電池就好了（但人體的發電效率其實很差，要當電池也不夠格），這也不在我們討論的範圍。
下一代要面對的，是那些我們過去視為專業的科目，大部分都變成了現在必須了解的「通識課程」。因為人類的知識在每個領域都累積了許多年，所以世界經濟論壇早在10年前，就把識字、數字概念、科學常識、IT技能、財務觀念、邏輯思考、文化理解及公民素養等設定為「通識」（孩子確實愈來愈辛苦，因為我們以前列為「通識」的知識並沒有這麼多）。
在基本功之外，我們更需要關注「軟實力」。因應科技時代與全球化的挑戰，台灣教育部也列出21世紀學生需要的關鍵能力，包括創造力、溝通協調、團隊合作、批判性思考和解決複雜問題等能力。這些能力聽來可能有點像學術口號，但說白了，全是AI學不會的「做人做事」能力。
試想，如果一個孩子只會死背公式，遇到沒看過的問題就當機，那跟AI有什麼兩樣？如果他具備「批判性思考」能力，當AI給出錯誤、偏頗的答案時，就能敏銳察覺不對勁，甚至反過來引導AI找出正確解方。如果他有「溝通協調」、「團隊合作」等能力，還能把幾個各有專長的同學兜在一起，共同完成一個AI無法實作的科展專案。在知識取得門檻大幅降低的今天，能整合資源、解決未知問題的軟技能，才是讓孩子未來在社會上立足、不被輕易淘汰的護城河。再將這套基本功與軟實力的邏輯放回職場與工作者身上，情況也一樣。不論是行銷、業務、產品經理，都必須把基本功打好。
AI雖然能快速寫出一篇行銷文案、跑出精美的業績報表，但要是你不懂行銷心理學的底層邏輯，怎麼知道AI寫出來的東西能不能打動消費者？如果你沒有扎實的商業思維和財務觀念，如何判斷那份報表有沒有邏輯漏洞？基本功，是用來「駕馭」AI的韁繩。
AI愈強，越要練好這些「人類能力」
人性與軟實力才是核心優勢：當AI包辦中階認知任務，職場最具價值的能力就回歸制定策略與人際互動，因為領導力、創意、批判性思考、跨領域溝通這些「做人做事」的能力，是AI學不會的技能。
基本功是駕馭AI的韁繩：不懂行銷心理學，就無法判斷AI寫的文案能否打動人；沒有財務底蘊，就看不出AI跑出的報表有無邏輯漏洞。基本功不是用來跟AI競爭，而是用來駕馭AI的韁繩。
工程師從「碼農」升級為「建築師」：氛圍編碼讓人人都能當初階工程師，但AI無法判斷流量放大百倍會不會崩潰。沒有扎實基本功，連當AI審查員的資格都沒有。高階主管最需要使用AI：AI時代最迫切需要善用AI的是公司高層，因為高階主管掌握的「情境資訊」最豐富，能讓AI發揮最大的槓桿效益。
擁有面對多變環境的瑞士刀：面對不可預測的未來，除了必須擁有「多功能基礎能力工具包」，還要搭配自信、自我管理、自學3項核心能力，才能在變動世界中游刃有餘。
節錄自：天下文化出版《智慧通膨下的新商機：AI時代的稀缺能力與新護城河》／程世嘉Sega Cheng、蕭玉品採訪整理 著
推薦閱讀：
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進入3.0時代：智慧通膨、零點擊、人機協作如何改寫白領工作？
零點擊時代來了：AISEO、GEO差在哪？如何才能「被AI引用」？
[joblist_plugin title='更多104【AI】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai' amount='3']
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
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
為什麼我的AI特別難用？掌握五大AI職場溝通術，讓它成為你的最佳助理！
「幫我摘要」、「寫個企劃」，拋出這些指令所產出的結果，是否讓你對AI的期待一再落空？若答案為是，你可能正錯失AI高達九成的潛在生產力。AI的強大與否，取決於「提問的品質」。本文並非提供生硬的指令模板，而是要建立「AI溝通邏輯」。我們將透過B2B業務開發、會議紀錄等真實商務場景，展示如何透過「精準提問」，讓AI在幾分鐘內產出深刻的商業洞察，讓工作效率與決策品質提升至全新層次。
文／人資市集
前言
你是否也曾興致勃勃地打開 ChatGPT 或 Gemini，想讓它規劃一份行銷企劃，結果出來的卻是千篇一律的空洞答案？或者，想請它整理一份會議紀錄，但抓的重點總是搔不到癢處？
如果你曾遇到以上窘境，甚至開始懷疑 AI 是否言過其實，那麼問題可能不是出在 AI 太笨，而是我們「還沒學會如何與它有效溝通」。
AI 如同一個知識淵博、能力超群的「超級實習生」，它什麼都會，但就是不懂你的習慣與真正的需求。而這門課程將揭示，如何透過學習「與 AI 對話的藝術」，徹底解決溝通卡關的痛點，將這位實習生，培養成我們最強大的工作夥伴。（內容摘自104 人資市集《 AI職場溝通術：LLM大型語言模型應用技巧》線上課程）
痛點一：為何我說破嘴，AI 還是不懂我？
「幫我寫個計畫。」、「這份資料摘要一下。」
這種模糊的指令，正是導致我們與 AI「來來回回、無效溝通」的元兇。當我們給的指令不夠精確，AI 就只能靠「猜測」來完成任務，結果自然難以符合期待，導致你會覺得使用 AI 比不用還花時間。
這門課程的核心，就是要教你擺脫這種依賴運氣的溝通方式。透過學習一套有系統、有邏輯的「提示工程（Prompt Engineering）」方法，你下的每一道指令，都能像GPS導航一樣精準，直達目的。
解鎖精準度的秘密：為 AI 注入「角色靈魂」的五大要素
那麼，如何打造一道精準的指令？關鍵在於「角色扮演」。與其把 AI 當成冰冷的機器，不如將它視為一位特定領域的專家。這裡將告訴大家一套萬能公式，透過掌握以下五大要素，就能讓 AI 的產出品質大躍升：
身份標籤 ： 定義具體且專業的職位。與其跟 AI 說「你是一個文章編輯」，不如說「你是一位擁有20年經驗的旅遊書本編輯」，AI 就會戴上專家的眼鏡，提供更深入的見解。
目標受眾： 決定資訊密度與難易度。讓 AI 知道這段話要說給誰聽。指令中加入「我的受眾是公司董事會」，AI 就會講求數據與投報率；若受眾是小學生，AI 則會改用故事和比喻。
語氣風格： 模仿特定的思維模式。你可以要求 AI「你是一位嚴格的雜誌總編輯」，它就會用更嚴苛、更嚴謹的角度來審視文章，找出所有潛在問題，而不只是溫和地給予建議。
任務邊界 ： 設定知識範圍與限制。給出具體的「該做」與「不該做」，避免 AI 胡說八道。例如「請規劃食譜，但不要推薦任何需要烤箱的料理」，這樣就能得到真正可行的方案。
互動引導(CoT)： 啟動思維鏈 。面對複雜任務時，命令 AI：「在開始前，請先對我提問，以搜集你需要的資訊」，透過一來一往的討論，共同產出最完美的報告，而不是讓 AI 一口氣生成所有內容。
掌握這五點，就像是為 AI 提供了一份清晰無比的工作說明書(Job Description)，它將徹底停止猜測，開始精準執行。
痛點二：工作場景複雜，AI 真的能幫上忙嗎？
理解了方法論，讓我們看看它在真實商務場景中的威力。
【使用範例一：B2B 業務的超級武器 —「企業先知」】
情境： 明天要拜訪一家潛力大客戶，但手上那份上百頁的客戶年報，根本沒時間細讀。
痛點： 如果不了解客戶的狀況就貿然拜訪，很難切中要害，甚至可能錯失商機。
AI 解決方案： 課程將教您如何活用上述五大要素，建構出如下的「企業先知」Prompt：
透過這樣精準的指令，AI 就能在幾分鐘內，為您產出一份直指核心的「商業洞察報告」，讓您充滿自信地走進會議室，一開口就「輕鬆講出對方的痛點」，讓客戶對您的專業刮目相看。
【使用範例二：會議後的定心丸 —「會議記錄員」】
情境： 剛結束一場與客戶長達兩小時的重要會議，錄音檔裡充滿了各種決議、待辦事項和客戶的臨時想法。
痛點: 會議結束後，馬上要投入下個任務，根本沒時間重聽錄音。光靠潦草的筆記，深怕遺漏了關鍵承諾或重要細節，若沒即時追蹤，可能影響客戶信任，甚至丟掉案子。
AI 解決方案: 課程中的「會議記錄員」Prompt，能將冗長的會議逐字稿，瞬間變成一份結構清晰、重點明確的行動指南：
別再讓無效溝通，限制了你和 AI 的潛力
從快速洞察客戶需求、整理海量用戶回饋，到撰寫全公司公告，AI 的應用潛力遠超你的想像。要解鎖這股強大的力量，關鍵就在於「精準提問」。這門課不僅僅是教你幾個指令模板，更是要建立一套屬於你的「AI 溝通邏輯」，讓您未來面對任何工作挑戰，都能舉一反三。
厭倦了對 AI 雞同鴨講嗎？想體驗指令一下、成果到位的暢快感嗎？
立即加入「 AI職場溝通術：LLM大型語言模型應用技巧」課程，學習如何駕馭 AI，搭配9大職場實用範例，讓您的工作效率與決策品質，提升到全新的層次！
企業用戶歡迎申請課程免費試閱，並選擇「104人資市集 | 企業訂閱制方案」，課程每人每年最低33元起/堂，最低$10,000起搞定全公司整年度的AI導入培訓。亦可團購或授權課程，歡迎點擊下方專人諮詢。
免費試閱
了解方案
專人諮詢
提升員工帶動企業的成長！最划算的教育訓練方案首選>>
超過7000+的HR都報名過的104人資學程！求職成效提升至4.5倍！>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
AI時代「技能落差」是企業最大挑戰 技職年會倡產學共育
2026-07-15 聯合報記者柯美儀 由聯合新聞網授權轉載
人工智慧（AI）近年快速發展，產業需求持續轉變，技職教育也面臨新挑戰。台灣技職教育年會今（15）日登場，聚焦「AI時代的人才共育解方」，主辦的國際技能發展協會（Skills for U）執行長黃偉翔表示，企業目前最大挑戰是人才技能落差，須透過產官學合作，縮短AI時代人才培育與產業需求之間的距離。
延伸閱讀：學者示警 AI恐掀大失業 宜速應對
Skills for U執行長黃偉翔說，AI已快速融入民眾日常生活，從工作、學習到個人生活規畫都可見其應用，反映人類需求正帶動產業轉型，也重新定義人才能力需求。他指出，AI不只是軟體技術，更牽動AI伺服器、散熱、電源、記憶體等整體供應鏈發展，因此技職教育的人才培育必須與產業需求同步調整。
[course_plugin api_type='course_id' title='104 AI通用素養檢測｜104獨家AI測驗認證' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
黃偉翔指出，目前企業最大的挑戰在於技能落差，也就是求職者所具備的知識、技能與態度，與企業職缺所需能力存在落差；另一方面，學校與政府的人才培育速度，往往追不上產業快速變化的腳步，因此必須透過產官學及非營利組織共同合作，縮短人才培育與產業需求之間的距離。
黃偉翔表示，在教育部《技職教育政策綱領》的推動下，希望串聯政府、學校、企業及民間團體，共同建立技職人才培育生態系。今年年會共有超過70所學校、30多家企業、產業公協會，以及中央、地方政府與智庫代表參與，盼透過跨界交流，共同提出AI時代的人才培育解方。
教育部常務次長朱俊彰表示，技職教育現今面臨許多挑戰，產業變化快速，加上少子化衝擊，如何讓更多孩子、更多家長放心讓孩子投入技職教育體系，是教育部目前非常重要的課題。
談到AI時代的人才培育，朱俊彰表示，教育部今年5月提出「AI人才方舟計畫」，希望學生不僅學會負責任使用AI，更能運用AI解決問題，並培養AI無法取代的能力，「我們不會被AI取代，但會輸給懂得使用AI的人」。
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
朱俊彰說，教育部正推動《技職教育政策綱領》，成立技職教育諮詢會，並與經濟部、國發會、勞動部等部會合作，同時持續協助大專校院強化師資、優化課程與改善教學環境，提升技職教育品質。
總統府副秘書長何志偉說，政府正推動AI及五大信賴產業、新十大建設，從半導體、智慧製造、機器人到無人機，每一項產業發展背後都仰賴技職人才支撐，「沒有人才，就沒有AI；沒有技職，就不會有產業」。
何志偉指出，台灣能走到今天，並非依靠少數人，而是無數在工廠、實驗室、教室及產線默默付出的工作者共同努力的成果。他提到，政府持續透過政策協助產業導入AI，例如今年4月已啟動中小微企業AI導入補助方案，最高每月可補助10萬元，並提供完整申請指引，希望協助更多企業運用AI提升競爭力。
更多AI課程，歡迎點擊按鈕前往104學習
工作導入AI，卻常常做一半沒下文？104資深協理：別先想「AI能做什麼」
做了一堆AI工具，卻沒多久就晾在那裡？該如何真正用AI解決工作問題？104資深協理李明倫分享3個實際案例、5類提示詞與7步驟實作法，教非技術職從「非做不可」的工作開始，把工作拆成角色交給不同的AI，打造你的「AI營運團隊」。
文／《104職場力》整理
本文目錄（點擊可快速前往）
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？如何選題：第一個AI專案，不要挑最大的問題讓AI進入工作流程：3個案例看人與AI重新分工非技術職如何和AI協作？把AI當「第一天上班的聰明新人」從問題到落地：非技術職也能採用的7步驟從最想解決的問題開始，打造你的AI營運團隊
公司導入AI後，興沖沖用AI做了一堆工具、Dashboard與Skill，卻過沒多久就晾在那裡，或者做一做就沒有下文……這可能是許多工作者近期的共同經驗和痛點，到底該如何和AI分工協作、真正用AI提升工作效率？
104人力銀行資深協理李明倫（Will Lee）觀察，生成式AI的出現，讓「先做一個工具看看」變得很容易，而他認為，AI應用能否落地，關鍵不在工具本身，而在一開始挑的問題。因此他認為，導入AI的第一個問題，不是先想「AI可以做什麼」，應該從「我現在最想解決什麼問題？」開始。因為持續存在的問題會帶來足夠的改善動力，團隊才會願意反覆測試、修正，最後把AI放進日常工作。
本文整理自104人力銀行資深協理李明倫於104「AI煙火小聚」分享的主題「如何打造你的AI營運團隊」，他並非技術職主管，過去兩年卻與團隊透過生成式AI、自動化及AI輔助開發（Vibe Coding），逐步改善資料整理、客服追蹤與工作流程，本次分享他與AI的協作心法。以下節錄精華內容。
【開始前的提醒】操作前應確認AI工具權限與資安規範本次分享中，李明倫使用公司提供的Claude企業版來協助盤點工作問題。實務上，工作資料能否提供給AI，仍應依照各公司核准的工具、權限與資安規範來判斷。建議操作前需確認哪些資料可以上傳、哪些內容應先去識別化。
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？
在成長期的單位，常見的工作狀況是：新的客戶、新的服務與新的流程持續出現，連帶增加新的名單、資料、報表、分析及管理需求；即使工作量倍數成長，但人力卻沒倍數成長，系統建置速度也不一定能跟上，因此耗費大量時間在人工整理資料。
「最好的方法還是系統。」李明倫說：「可是新的單位、新的服務很多流程還不確定，不可能直接建到CRM。」尤其是新服務剛開始運作時，流程與規格可能仍在調整。若此時投入大量工程資源建正式系統，一旦作業方式改變，系統都得跟著改。他形容，這階段急著要求PM與工程建系統，「其實只是在丟另外一個炸彈給他們」。
這種情況下，許多團隊會先用Excel試算表來因應過渡期。「結果就是我很會用Excel，包括寫各式函數。」他說，資料不多時，這種方式快速又有彈性；但隨著檔案、函數與使用者增加，Excel的極限逐漸浮現，例如檔案跑不動、多人共用時可能誤改、資料散落在不同檔案，或是主管需待人工彙整才能掌握進度，都是可能發生的問題。
而本次分享的AI輔助開發工具，李明倫將它定位為「過渡方案」。它不取代正式後台，也沒有直接串接所有系統；用途是讓尚未定型的流程先被實際使用、驗證和修正。等規格逐漸穩定，團隊再把真正需要的功能移入正式系統。這段過渡期也像一場低成本的使用者測試，幫助更快確認規格與使用方式。
如何選題：第一個AI專案，不要挑最大的問題
首先要注意的是，不是所有工作都值得投入時間打造工具，李明倫建議，優先挑「高頻、重複、可標準化、成效可驗證」的問題：
高頻：經常或定期發生。
重複：大量步驟相同，人工反覆複製、整理或確認。
可標準化：狀態、判斷條件、處理順序或截止時間能說清楚。
可驗證：能用時間、錯誤率、處理量、採用率或其他KPI比較改善前後。
選定之後，他建議先問5個問題，把答案寫下來當作「改善前」的基準：這件事多久做一次？每次花多少時間？有幾個人參與？哪裡最容易出錯？成功後要看哪個KPI？
另外，第一個專案不必挑全公司最大的痛點。規模越大，利害關係人、資料來源與例外情況通常越多。從最常重複、最容易驗證價值的工作著手，更容易做出第一個真的有人使用的版本。
讓AI進入工作流程：3個案例看人與AI重新分工
案例1：客服案件量大，進度仍靠Excel管理
把Excel搬上網頁只是表面，真正的改變是工作方式
某個客服團隊每天要處理大量資料，一筆筆聯絡、確認、做紀錄。曾經客服為了不掉球，發展出「把資料複製到Excel」的整理方式，記下當天聯絡狀況與下次聯絡日期，也方便主管查看進度及數據。為了改善工作流程，團隊起初嘗試增加試算表的函數和提醒，檔案卻隨資料累積變得更龐大、跑不動。李明倫接著把工作群組中的大量溝通訊息、現有流程規則、團隊成員口頭反映的問題彙整，交給AI協助標出流程中明確與仍在變動的部分，以及可能的斷點。
關鍵在於，AI蒸餾出可能的問題之後，還要跟現場同仁確認。「AI畢竟不在這個單位裡面，整理完以後我們還是會跟同事討論，哪些是大家認同的、哪些是AI想像的。與實際狀況不符合的，就剔除掉。」
問題收斂後，他們以Vibe Coding建立網頁工具來快速驗證。客服仍然處理同一批案件，但操作方式改變了：
所有案件集中處理，減少在不同資訊之間來回切換
網頁化操作，多人可同時查詢及填寫，資料不會互相覆蓋
可依案件屬性、時間與處理狀態等條件搜尋及排序
優先顯示當天必須處理案件，急件也能調整優先序
主管可直接查看處理量及相關數據，省去另行整理
【案例1】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這項工具的重點不只是幫忙整理資料，還改變了客服每天如何工作。客服能把注意力放在聯絡與服務，資料搜尋、排序、提醒與統計則交由工具承接。流程還在變動時，團隊也可以快速修改規則，持續確認哪些功能值得進入正式後台。
他分享，工具導入後，即使曾有人力較吃緊的時期，團隊單人每日處理量仍能較過去平均提升一倍以上，工作量的波動也有所下降。不過他也補充，還有各種因素可能影響成果，因此不能將改善幅度完全歸因於工具。
案例2：開發名單持續增加，需在多份Excel不斷切換
從「整理排序」到「開發優先順序建議」
另一個團隊會接到多種來源的開發名單，例如講座名單、不同月份的專案名單、AI推薦名單，每種檔案格式、欄位和產生時間不同，累積一段時間後，客服可能需要在多份試算表之間切換與比對；多人共用時，同樣可能不小心覆蓋資料。
為了改善工作模式，本例也以AI輔助開發製作管理工具，將不同批次的名單集中到同一個工具，客服可依人員、批次或開發狀態篩選，主管也能看到整體進度。同時，工具內不會直接顯示敏感的聯絡資訊，沿用內部原有的權限控管。
【案例2】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這個案例不同之處，是「名單整理排序」還多了一道AI與人工的來回協作：以AI參考過去成功案例的特徵，提出新名單的開發優先順序建議，並交由人工審查註記。人工複核被安排在關鍵判斷和防呆節點，大量整理與初步排序則交給AI。
案例三：公用客服信箱大量來信，回覆、紀錄、管理都費時
Power Automate與AI接力分類處理
公用信箱的回覆與管理也是許多團隊的痛點。信件數量少時，大家可以直接分工處理；但隨著業務成長，短時間內累積數百封來信，便可能出現重複處理、漏回或無法掌握處理進度等問題。
團隊原本把每封信登記到Excel試算表，再手動註記分類及處理狀態，管理雖有改善，行政負擔卻很重。
李明倫和AI討論解決方案，說明來信量、人工步驟與管理困難，最後決定採用Power Automate自動化工具，將Outlook收到的郵件定期匯入試算表，不必再花時間備份，收到即同步；再由AI協助分類，最後上傳至前例開發的客服處理工具，集中查看信件類別與處理進度。另外，Power Automate是AI提出的第2個建議。原先想的解法不可行，討論來回幾次才定案。
【案例3】信件管理流程示意圖（圖／104職場力小編使用AI製作）
共通點：沒有預設解法、讓AI從工具變營運夥伴
3個案例看下來，第一個共通點是都沒有預設既定解法。他們把團隊工作現況與遇到的困難交給AI盤點、討論，再從幾個解決方案裡比較選擇、來回修正，最後採用的做法有時可能與最初想像相差很遠。這些工具也都由團隊共同討論、實際使用並調整修正。
第二個共通點，是工作被重新拆解過。李明倫用「AI營運團隊」來形容，核心主張是把工作重新解構，拆解能力、角色，再看哪些可以交給AI。以名單案例為例，一套流程內其實有好幾種職責，例如整理與比對資料（助理、分析）、釐清規格與流程（PM）、開發工具（工程）、產出主管要看的數字（Dashboard管理），最後才是實際聯絡客戶的客服。現在其中好幾段交給AI，角色之間會互相接力，人只留在需要判斷的節點。讓AI從工具，真正變成「共同營運夥伴」。
非技術職如何和AI協作？把AI當「第一天上班的聰明新人」
「AI不是通靈。即便他非常聰明，你沒有跟他講清楚，他的回答當然不會精準。」
李明倫把AI視為第一天上班、能力很強的新同事。不過，AI能快速分析與建立原型，卻不了解部門情境，也不會讀心。若提供的背景越模糊，來回修正的次數通常越多。
因此盤點型提示詞可以包含5類資訊：
背景現況（Existing）：工作現狀、流程如何運作
規則與判斷邏輯（Rules）：工作實務上的詳細規則，包括決策規則、狀態定義、操作模式
佐證資料（Evidence）：實際工作檔案、畫面與案例說明
問題與落差（Problem）：目前看到的問題，哪裡耗時、容易出錯、缺少SOP
明確任務要求（Ask）：希望AI最後產出什麼、給誰用，例如建立SOP、待確認資訊、問題及建議
他也分享，「盤點型」和「工具型」的prompt不太一樣：盤點型要把問題和資料給足，和AI討論出卡點；而工具型比較單純，就是把功能講清楚。
AI「專業新人」交辦模板
想請AI先協助盤點問題，可以使用以下格式：
我目前要處理的工作是＿＿。現在由＿＿負責，使用＿＿工具。這件事大約每＿＿執行一次，每次花費＿＿。目前最耗時或容易出錯的環節是＿＿。現有資料包括＿＿。必須遵守的規則是＿＿。我希望改善的結果是＿＿。請先幫我整理目前的工作流程、主要痛點與可能解法，暫時不製作工具。請同時標出適合由AI協助的步驟，以及仍應由人判斷的步驟；如果資訊不足，請先向我提問。
實作心得1：一次只加一個功能，做完立刻驗證
直言自己並非技術職，李明倫打造工具時，會先和AI討論方案是否可行，確認後再逐步增加功能。他曾一次要求多項調整，結果自己和AI都容易混亂；後來改成一次處理一個小功能，完成後立刻驗證。此外，正式讓同事使用工具後，後續修改則要區分測試版與正式版（Staging／Production），避免調整功能時讓現場工具直接停擺。
實作心得2：AI說「很簡單」，不代表真能做出來
AI提出可行方案後仍要實測。李明倫坦言，有些AI口中的「很簡單」，最後仍可能做不出來；第一版範圍越小，團隊越能及早發現限制。遇到看不懂的技術問題時，他也會直接請AI換一種方式解釋，確認自己理解後再做選擇，避免盲目操作讓後續修改變得更複雜。
實作心得3：把專案知識建立在MD檔
每個主要專案也會建立MD檔，記錄規則、步驟與使用方式，避免重要脈絡散落在長對話中。至於是否進一步做成可重複調用的Skill，則要看流程的共通性。李明倫提到，許多工具的規則非常細，只適用特定單位；若跨團隊無法直接套用，保留成專案MD檔更實際。
實作心得4：文字講不清楚，就截圖給AI看
李明倫提到，和AI來回修正時，他大量使用截圖：把畫面截下來、圈起要改的地方，比打一長串文字精準得多。若要說明幾份檔案之間的關聯，他甚至會用PowerPoint畫成一頁示意圖。部署失敗時也是同樣做法：平台上會顯示錯誤訊息，截圖給AI就會自行修正，讓錯誤不再是障礙。
從問題到落地：非技術職也能採用的7步驟
想從0開始一個AI專案，必須涵蓋選題、盤點、測試與持續營運。綜合李明倫分享的實務做法，整理為以下7個步驟：
Choose 選題：選一個值得解決的問題，優先挑「高頻、重複、可標準化、成效可驗證」。寫下發生頻率、每次花費時間、參與人數、常見錯誤與成功指標。
Define 定義：用EPSP梳理現況（Existing）、問題（Problem）、AI解法（Solution）、標準流程（SOP）與預期影響（Business Impact）。
Discover 盤點：蒐集現有試算表、文件、SOP、工作討論、操作畫面，訪談真正執行工作的人（使用者痛點），再請AI整理流程、痛點與可能機會。整理完務必回到實務現場逐項確認。
Prototype 原型：只解決一條核心流程，第一版先求能用、能測，不急著做成完整系統。
Test 實測：找一位真實使用者放入真資料，實際使用一段時間（一天／一週），記錄錯誤與新需求，反覆修正。
Standardize 標準化：把有效做法整理成固定輸入、固定流程與固定輸出，並定義負責人、更新頻率、SOP及檢核標準。
Review 檢討：定期檢查時間、品質、KPI、使用率與可擴充性；若規則或現場需求改變，再回到下一輪選題與定義。
李明倫認為，真正可複製的不是Prompt，而是「Problem → Solution → SOP → Review」的方法，重新拆解工作，讓工作流程持續進化。
從最想解決的問題開始，打造你的AI營運團隊
而在工具導入後，李明倫建議AI專案的成效不要只看「做出幾個工具」，應追蹤使用者是否持續使用、人工時間是否下降、錯誤或遺漏是否減少、工作品質和核心指標是否改善，以及這套流程能否被交接與持續調整等。
他也強調，雖然本次分享是使用Claude，但不同AI工具都能協助盤點流程與建立原型，介面設計、功能穩定度和使用習慣可能各有差異，選擇自己和團隊用得順手的工具即可。真正決定專案能否落地的，仍是問題是否值得解、規則是否講得清楚，以及使用者是否參與驗證。
從「非做不可」的工作開始，AI才會進入每天與每週的真實流程。當團隊持續經歷「發現問題、建立解法、形成SOP、檢視成效、再修正」的循環，累積下來的成果會超過零散的提示詞或單一工具，逐漸形成一套可運作、可交接、可改進的人機協作系統。
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
AI也能用來經營人脈！從零碎資訊看懂對方，找出溝通切入點
拓展職場人脈以往仰賴長期互動與經驗累積，現在，AI工具可以幫助把零碎的資訊轉化成結構化的人物畫像，不論是初次接觸潛在合作夥伴，或設計更適合的交流話題與合作提案，都能有效減少盲目試探，人脈經營更有方向。本文節錄自《AI時代的高價值人脈學》。
文／孫路弘
本文目錄（點擊可快速前往）
科技賦能：AI如何對接並翻轉6大能力天花板AI實戰應用情境：零碎資訊化作結構化人物畫像
當AI的浪潮席捲而來，整個世界的運行方式都發生了深刻的轉變。傳統的運作模式被大幅優化，曾經需要多年累積才能獲得的技能和資源，現在只需短短數月甚至數日，便可實現快速升級和高效應用。這種變革同樣滲透到了人脈構建的領域，原本漫長而艱難的人脈關係經營過程，如今變得更加快速、高效與精準。
科技賦能：AI如何對接並翻轉6大能力天花板
過去傳統模式，想要建立高品質的人脈網路，是一場長期的耐力與智慧考驗。一個人要想在人脈關係中表現出色，需要熟練掌握6大核心能力：精準識別他人的性格特質、準確鎖定關鍵人物、制定有效的接觸策略、提升信任層次、提出雙贏的合作建議，以及在合作中持續鞏固深化彼此的關係。但這些能力的形成，往往需要數年的累積與反覆實踐，才得以達成。
而今在AI的賦能下，這種煩瑣、緩慢的人脈構建過程被徹底顛覆了。AI的介入，將人與人之間原本抽象、感性的關係建立方式，變成了有據可依的精準管理模式：
資訊歸類與深度分析： AI 能夠快速進行大規模資訊收集，自動完成歸類，極大提高識別他人特徵的效率。
精準評估人物價值： 透過大數據分析與演算法模型，精準判斷目標對象對自己發展的實際需求與利益。
客製化溝通方案： AI可以自動生成針對特定人物的接觸策略，提供從初次見面到關係密切的一站式行動方案。
智慧監測信任升溫： 即時監測關係進展，動態調整溝通策略，智慧推薦最適合雙方交流的話題。
精準媒合雙贏合作： 基於雙方特點與資源需求，提出精準而務實的合作建議，高效交換資源。
這種強大的助力，讓普通人也能輕鬆維護高效的人脈網路，將過去需要10年苦練的人脈經營之道，壓縮到了一年甚至更短的時間內，迅速實現職業進階與個人成長的全面突破。
AI實戰應用情境：零碎資訊化作結構化人物畫像
人脈關係的核心在於對他人全面、深入且精準的了解。過去，這樣的了解往往是建立在長期而頻繁的日常互動上。而在今天，我們可以利用AI的強大數據處理能力，迅速從海量的零碎資訊中提取答案，形成清晰的人物畫像。
若以想要與潛在合作夥伴「A君」建立市場合作關係為例，直接找上對方可能顯得太過冒昧、突兀。這時，利用AI工具以非侵入的方式，對他過去一年在社群媒體發布的數條日常動態（如主辦年會的成就感、週末去山裡被大自然治癒、休假去歐洲感受慢節奏等）進行大數據加工，便能萃取出高產值的三維度人物畫像：
擅長領域維度（專業硬實力）： 從他多次成功組織大型活動並強調「團隊共同願景」，可看出他非常擅長且享受團隊協作和公共溝通，在管理和團隊建設上具備豐富經驗。
個人偏好維度（情緒軟實力）： 他傾向追求工作與生活的平衡，對自然環境與旅行有明顯偏好，對情緒有較高的自我覺察力。
成就感來源維度（內在驅動力）： 他的自我價值極大程度建立在外界評價與團隊成就上，核心驅力來自「客戶的肯定」與「團隊付出得到回報」。
掌握了這些結構化資訊，未來不論是與他一對一溝通，或是想跨界整合邀請他參加小型研討會，你都能利用AI快速設計出最能引發共鳴的客製化交往策略。
總而言之，AI大規模收集和加工資訊的能力，不是傳統方法的簡單替代，而是實現了人際關係管理的全面升級。藉由AI的力量，我們能更深入了解目標對象、快速鎖定核心話題，在人脈構建的道路上快速實現突破，推動自身職涯進入快速發展的「坦途」。
節錄自：今周刊《AI時代的高價值人脈學：人脈格局決定命運高度，讓每次互動都在累積關係資產》／孫路弘 著
在趨勢科技，唯一的競爭對手是駭客：AI 時代下，資安人才與研發現場的真實變化
當生成式 AI 進入企業日常，對於專注資安產品的企業而言，不單是工具升級，更可視為是將資安的攻防節奏全面改寫。因為率先新技術放大其效能的，偏偏卻也是攻擊者。趨勢科技 TrendAI Lab 與核心技術副總經理卜鵬世，與資深人資協理柯志宜，在受訪時都不約而同提到，AI 正在重新定義企業對工程師的期待，也讓資安產品研發、核心技術研究與人才招募標準同步改變。
文／104人力銀行
本文導覽：
同樣是工程師，解決的卻不是同一種問題
當攻擊者也用 AI，資安人才的標準亦隨之改變
要能帶著 AI 解題，把工具轉化為價值
對趨勢科技（以下簡稱趨勢）而言，AI 時代下真正稀缺的，不再只侷限是會寫程式的人，而是能理解問題、拆解並知道如何運用 AI ，讓產品與防禦能力持續進化的人才，這樣的轉變，正發生在趨勢的研發與徵才現場。
同樣是工程師，解決的卻不是同一種問題
卜鵬世首先分享，他目前掌管的兩個核心部門：一是更貼近產品與客戶需求的 「端點防護」（Endpoint Security）部門，另一是負責研發共通能力的「核心技術」（TrendAI Lab）部門。前者關注的是，如何把防護能力做成客戶能快速安裝、易於操作管理的產品；後者則是專注於分析資安威脅、偵測引擎、URL 判讀等能力，提供各產品線共用的核心能力支援。
談到這兩個部門的差異，卜鵬世用了一個很鮮明的比喻：「端點產品部門的人比較像部隊，核心技術部門的人比較像製造武器的人。」 一邊更靠近戰場與使用情境，一邊則負責打造武器與核心能力，分工不同，卻必須高度協作。
若進一步用學科來理解，這兩類人才也有明顯差異。卜鵬世認為，核心技術比較像化學系、數學系，偏研究、分析與技術突破；而產品開發則更像 化工系、應用數學系，更重視如何把技術轉化為可落地、可被客戶使用的解決辦法。
面對資安威脅，前者需對新技術保持高度敏感，從龐大資訊中找出特定模式；後者更需要能理解客戶需求、使用流程與跨部門的合作。換句話說，兩邊都在拆解問題，但一邊更接近攻擊與技術本身，另一邊更接近使用者與產品體驗。
當攻擊者也用 AI，資安人才的標準亦隨之改變
AI 的普及，最先改變的是資安攻防的速度與規模。卜鵬世直言，攻擊者往往是世界上最早應用新技術的一群人，「只是他們把它拿來做壞事。」過去，若要變形攻擊，可能還需要改寫程式邏輯；現在只要下幾個語法，AI 就能快速生成大量變體。也因此，他很直接地說出這句話：「只有用 AI，才有辦法對抗 AI。」
對核心技術團隊來說，AI 已不只是輔助工具，而可能成為解決辦法的一部分；過去最核心的是程式寫成的引擎，未來最關鍵的部分甚至可能就是 LLM。對產品開發端而言，AI 則更直接影響開發流程，從知識查找、code completion，到 AI agent 協助寫 code、做測試與整理架構，正在逐步重塑工程師的工作方式。
這樣的改變，也反映在趨勢科技的徵才標準裡。受訪者提到，公司在面試時，已經會觀察候選人的 AI 使用能力，甚至有一套內部能力指標概念對照：從「有在使用」，到「能產出成果」、再到「已經融入工作流程」，更高階者甚至能藉此改變做事方式與組織協作模式。
以目前觀察來看，多數工程師已開始使用 AI，也能在部分工作中應用，但距離大規模流程與工作模式的重塑，還有一段距離。這也意味著，企業現在看的人才，不再只是「會不會寫 code」，而是「會不會用 AI 定義問題、拆解問題，並把它真正放進工作流程裡」。
趨勢科技核心技術副總經理卜鵬世
要能帶著 AI 解題，把工具轉化為價值
對趨勢科技而言，未來工程師最重要的能力，不光只是技術本身，而是包含判斷力與學習力。卜鵬世認為，當 AI 已能協助完成越來越多標準化工作，真正拉開差距的，是定義問題、做出決策、引導 AI 協作的能力。未來的新鮮人，也許一進職場，反而會更像是帶著一群 AI agents 一起工作的協作者。
從 HR 的角度，柯志宜也觀察到，企業在尋找的已不只是具本科系背景，而是能否展現對技術的熱情、學習能力，以及把工具運用到實際問題上的能力。她提到，科系當然還是辨識人才的一種立即參考，但真正重要的，仍然是候選人能否證明自己會用、敢用，而且清楚使用 AI 解決了什麼問題。對於產品開發的團隊來說，這樣的人才尤其有亮點，「因為他不是只會操作工具，而是能把工具轉化為產品價值。」
趨勢科技人資協理柯志宜
除了人才標準，趨勢科技也強調自身吸引人才的另一個關鍵，在於企業文化與研發定位。柯志宜提到，「我們唯一的競爭對手是駭客。」 這句話不只是企業精神，也反映出公司長期專注資安、持續轉型的核心方向。她認為，趨勢科技一直保有清楚的願景；對工程師而言，這裡並不是科技公司的海外分部，而是擁有研發資源與舞台的研發中心。對於想參與核心技術，與全球性產品研發的人來說，這樣的環境本身就是吸引力。
從端點防護到核心技術，從 AI 分級到徵才標準，在 AI 時代下，資安領域最需要的不只是技術執行者，而是能帶著 AI 一起解題、一起進化的人。這正是趨勢科技在人才招募與研發現場，所體驗到最真實的變化。
立即下載《2026科技業人才報告書-人才版》
[joblist_plugin title='更多104【Trend Micro_趨勢科技】工作機會' url='https://www.104.com.tw/company/apio4y0' amount='3']
AI加速技能斷層！專家揭潛在隱憂：新一代技術人才能力下滑
在AI與自動化技術席捲各行各業，本文作者、MIT博士麥特．比恩指出，人工智慧雖提升企業生產力，卻也打亂了原本仰賴「專家帶新人」的技能傳承路徑，導致新一代技術人才能力養成受限。這種「技能斷層」在全球蔓延，不僅使職場新鮮人難以勝任複雜任務，也讓企業與組織面臨長遠的人才空洞與績效風險。本文節錄自《技能密碼》。
文／麥特．比恩
本文目錄（點擊可快速前往）
追求生產力，卻打斷技能的核心各行各業的潛在隱憂技能落差造成數兆美元損失
追求生產力，卻打斷技能的核心
現在許多職場因為科技的介入，硬生生隔開資淺員工與資深員工，也就是新人和專家。我們拚命追求生產力，卻打亂技能密碼的核心，但是挑戰、複雜性和連結三者缺一不可。如果這些元素不完整，未來我們該如何學習與智慧機器共事？
大家經常問我：「機器人會不會搶走人類的工作？」答案很簡單：「會。」
目前最完整的研究顯示，企業每添購一台機器人，大約會取代3到6個工作機會。然而，有一個問題比失業更重要：有多少工作、又有哪些工作正在改變？有一項長達40多年的研究，最後只發現一個規律：每當人類採用自動化或新技術，並沒有太多的工作消失。放到整體經濟來看，這些消失的工作根本微不足道，可能也就幾萬個而已。但是有更多工作因應新技術進行調整，這個數字恐怕是數千萬，甚至是幾億。因此這些從業者都要掌握新的工作方式，才能穩定完成任務。沒錯，學習才是目前最大的挑戰，因為工作模式改變了，這影響的是全球數十億人，而變化的速度正在加快。
回到克莉絲汀動手術的例子，看看一切會有什麼不同。她上次輪班是做傳統手術，後來經過6個月，她又把一位攝護腺病患推入手術室，不過這次迎接她的是一台巨大的機器人。機器人有4隻手臂，重達約455公斤左右，主治醫師將機器人連接到病患的身體。隨後他們脫下手術服，走到距離病患約5公尺的控制台，整場手術都是靠「遙控」。
克莉絲汀只能站在旁邊，看著主治醫師操控機器人的手臂，將病患的身體組織拉取並分離。
操作機器人的手術，有別於傳統外科手術，就像使用iPhone一樣簡單，醫師可以獨力完成整台手術。主治醫師也知道克莉絲汀需要練習，也希望給她機會，但也知道她的速度較慢，容易出錯，一旦讓她操作，就只能承擔風險。動作慢，就會拉長麻醉時間，徒增中風的風險；出錯了，出血量會更大，甚至發生更糟的結果。但是，病人的安全第一。因此這次克莉絲汀幾乎沒有機會接近病人的神經。4小時的手術，如果她能夠操作15分鐘以上，就要謝天謝地了，而且還只是切割脂肪這種非常簡單安全的環節。輪到她操作時，主治醫師只會在一旁大聲喝斥，一旦犯下大錯，主治醫師就會直接點一下觸控式螢幕，搶過來自己做，把她晾在一邊，感覺就像小時候戴著「我是笨蛋」的帽子，站在角落罰站。經過這樣的手術，她怎麼可能成為更優秀的機器人外科醫師？
結果就是，像克莉絲汀這樣的住院醫師，即使完成培訓，對機器人手術仍然缺乏信心，也沒有學到多少技術。後來，克莉絲汀成為外科醫師，第一次獨立操作機器人手術，卻在控制台上狂冒冷汗，動作斷斷續續，速度慢到不行，不小心燒壞和切除許多身體組織。手術團隊不發一語，氣氛相當凝重，人人面露難色。病人最後的失血量是她導師的10倍，原本只需要3小時的手術，硬生生拖到7小時。我在機器人手術室裡，親眼目睹一切，忍不住詢問克莉絲汀的外科主任，好奇這項新技術對醫師這一行的影響。外科主任非常憂心，雖然美國還是有精通機器人的明星外科醫師，但是絕大多數操作機器人的外科醫師手術實戰技能不足。他說：「我的意思是，這些人根本做不來。從來沒有真正操作過機器人，只有站在旁邊看別人做，看過電影，並不代表你就能當演員。」
這引發我的關注。然而，現在對機器人手術的需求正在瘋狂成長；很多醫院早就有手術機器人，還硬逼克莉絲汀這樣的新手醫師上場，反正她遲早得使用。2019年，《美國新聞與世界報導》(U.S. News & World Report)和《連線》(Wired)獨立調查此事，結果發現機器人手術培訓簡直就是「無法無天」，成果「糟糕透頂」。2022年，全球頂尖工程雜誌《科技縱覽》(IEEE Spectrum)也得出同樣的結論。許多人在接受機器人手術時，可能會遇到臨床訓練不足、手術經驗不夠，甚至對操作控制台沒信心的醫師。
光想都覺得可怕嗎？我也這麼覺得，但這只是開端。
各行各業的潛在隱憂
外科手術和其他行業沒兩樣，也是拚命引進智慧科技，彷彿站在自己建造的火箭前，全力衝向嶄新的未來。而這種趨勢從數十個職業和組織開始蔓延，再來是數百個，最後影響全球，這正是我們面對的現實。我深入研究先導入機器人的領域，大概有數十個，從這些數據來看，許多職業原本依賴專家帶新人的學習模式，但是如今已經無法繼續。
頂尖律師事務所拚命壓低成本，但對一件事毫不手軟，就是投入人工智慧等技術，「支援律師的工作流程」。現在文件審閱已經開始自動化，菜鳥律師不再做這些工作，律師事務所連工時費用都省了，資深律師反而接手更多的案子，效率更高；客戶花的錢更少，律師事務所也因為縮減人手，賺得更多。結果菜鳥律師和資深律師完全隔開了，沒機會觀摩、沒辦法參與，更別說幫忙前輩分攤工作，從中學習。最近Law.com有一篇評論，嚴肅提醒大家：「現在新一代的律師，正在錯失接受培訓與專業發展的機會。」
再看看警察的例子，警察局也在使用人工智慧的預測工具，幫忙分配巡邏區域，如此一來，是否能有更多的時間打擊犯罪？對菜鳥員警來說，現實並非如此，他們必須處理文書工作，餵養這些系統，反而沒時間跑社區，和前輩一起學習。
至於高階金融的領域，資深銀行業者加碼投資FactSet和CapIQ等工具，以人工智慧輔助市場分析與公司評價。2021年，金融業獲利1千7百億美元，但是這種自動化也改變了工作流程，導致菜鳥銀行職員大多在製作例行報告，無法和資深職員共事，就連資深職員也表示：「（資淺員工）對市場趨勢和業務情況的理解力正在明顯退化。」從這些尖端產業來看，在人類學習與機器學習的交會處，專家和新人之間的連結正在瓦解。
關於這個問題，我從全球經濟各領域蒐集優質的數據，其中有很大一部分是我個人十幾年的研究，還有其他優秀的田野調查。除了上述的例子外，其他職業也受到影響，我還在持續補充，像是高等教育、線上人力平台、晶片設計、新聞業、資料科學、刑事司法、新生兒加護病房、公共教育、音樂創作、機器人學、開放式創新、航太工程、叫車服務、長途貨運、拆彈、無人機駕駛、餐飲服務、次級物流、放射學、營建業、財富管理、零售業、汽車工程、客服中心營運等。雖然這些行業用的智慧科技不太一樣，但是都有一個共通點，就是總會干擾專家與新人的連結，屢試不爽。
這個問題很嚴重，牽涉到數兆美元。
技能落差造成數兆美元損失
我來拆解一下：產業有需求，卻找不到人才，稱為技能落差（skills gap），最近有人估算，光是全球製造業，技能落差就造成數兆美元損失，把這個數字乘以所有行業，虧損會更驚人。
過去3年來，美國經濟諮商局（Conference Board）調查企業執行長最擔憂的問題，榜首始終是吸引和培養人才。
對勞工來說，這也是頭號問題，根據2020年德勤（Deloitte）調查顯示，有45％受訪者擔心自己的技能在3年內就會不夠用。
另一項LinkedIn的調查顯示，高達94％受訪者表示，只要公司願意重視員工的職業發展，就會選擇長期留任。
然而，我們因應這個問題的方式，似乎是在開倒車。2020年，我們在技能發展投入的經費，有5千億美元都用在正式培訓，包括課堂學習、線上自學課程，或是近來的手機短影音。
只有極少的資金，用來奠定我們最寶貴的技能，也就是無所不在的非正式連結。原本資源就已經少得可憐，再加上我們對這種連結的理解太落後，導致這一點資源也白白浪費了。
為什麼會這樣？因為人工智慧的好處太誘人，這些系統放大專家的能力，帶來更好的成果。
不然你試著說服那些資深記者、技師或主管，讓那些實習生回來磨練，允許他們犯錯、拖慢效率。克莉絲汀的故事及其他無數類似的例子，跨越各個產業、技術、時期和職位，不斷提醒我們這個問題。為了追求更好的成果、更高的效率、更大的利潤，我們設計出這些智慧科技，引導人工智慧的發展，並選擇投資哪些研究。但是我們正悄悄付出代價，損失高達數兆美元。
科技、技術及技能一直在變，專家和新人的互動關係也要與時俱進，畢竟工作需要越來越複雜的技能。試想，生在古羅馬時期的梅內拉奧斯，怎麼可能像我們一樣拿著「智慧型手機」，從羅馬的市場打電話、發送郵件或傳送照片給斯特凡諾斯？但是在以前，我們至少有時間適應。關鍵就在於適應的過程，仰賴專家和新人的合作，一步步建立必要的知識，以整合新科技、新技術及新的工作關係。只不過現在這種學習，變得越來越困難。這種全面的衝擊，勢必會打破數百年來專家帶新人的模式，讓許多寶貴的技能跟著消失，因為技能發展離不開挑戰、
複雜性與連結。新一代技術人才的能力正在下滑，組織也變得空洞。在這個關鍵時刻，一不小心，無論是個人或集體，都會喪失適應未來的能力。
節錄自：商周出版《技能密碼：MIT博士教你從似懂非懂到穩定輸出，把專業變事業的職能升級攻略》／麥特．比恩 著
推薦閱讀：
AI時代人才怎麼學？擁有「4大軟實力」更重要
沒有人會是「AI」局外人！當AI技能從選填題變成必選題，你確實該緊張
2025職場技能趨勢！該放上履歷的15種高薪技能
整理包／最熱門生成式 AI 大拚場 ChatGPT、Gemini、Grok、DeepSeek 各擅長什麼？
2025-06-24報導／經濟日報記者吳康瑋 由聯合新聞網授權轉載
生成式人工智慧（GenAI）技術迅猛發展，多款強大的AI工具幫助各行業提升工作效率。《經濟日報》為協助讀者了解各項AI工具，將「ChatGPT、Gemini、Grok、DeepSeek」等四大生成式AI列出，為讀者分析四款生成式AI的各自效能，就「開發者」、「訂閱費用」、「主要功能」及「擅長領域」等細項逐條分析。
AI工具確實快速提升效率，不過使用者也要注意，目前的AI工具不保證完全正確，甚至也會答非所問、提供錯誤資訊、或產生「AI幻覺」，使用者對生成的資料仍應有基本的辨識能力，避免AI工具謬誤。
各家生成式AI重點馬上看
ChatGPTGeminiGrokDeepSeek使用建議
ChatGPT
OpenAI的ChatGPT堪稱帶動GenAI風行的先驅，也有廣大用戶，付費企業客戶近期突破300萬戶，有免費與付費模式，每月20美元的ChatGPT Plus訂閱費每月20美元，用戶指出，付費版反應速度更快，用戶在使用ChatGPT時隨時擁有最佳的使用品質。
「資料分析」方面，ChatGPT的優勢在於將資料壓縮、精簡化，適合急需快速獲取關鍵訊息的使用者。「文案生成」上，適合創作個人化內容。「圖表製作」方面，ChatGPT的圖表較為簡單，但圖片較無法把文字一起生成出來，繪圖時整體構圖比較簡單。
網址：https://chatgpt.com/
ChatGPT小檔案
開發者OpenAI付費版費用每月20美元（約新台幣610元）主功能提供文本生成、對話回應、內容創作、翻譯、問題解答等多種功能擅長領域自然語言處理、文本生成、教育輔助、創意寫作、客服支持等
Gemini
Google DeepMind開發的Gemini專注於多模態學習，能同時處理文本、圖像和音頻數據。版本包括2.0、2.5和最新的2.5 Pro，推理和數據處理能力進步快速。Gemini 2.5 Pro提供更強大的計算能力和更高準確性，讓用戶在處理複雜任務時能獲得更佳體驗。付費版額外提供用戶包括2TB儲存空間、Gemini Advanced和其他AI功能。
「資料分析」方面，Gemini提供的內容易於閱讀，文法經過重新梳理，適合需要清晰解釋的使用者。在「文案生成」上，Gemini能一次生成多達15個標題，提供選擇建議，對於需要多樣化提案的用戶非常方便。「圖表製作」方面，Gemini 的完整度高，使用者可選擇不同的圖表類型，並能下載圖片、Excel或JSON格式的數據。
網址：https://gemini.google.com/
Gemini小檔案
開發者Google DeepMind付費版費用每月19.99美元（約新台幣650元），可免付費試用一個月主功能強大的推理能力，擅長處理複雜的問題和情境，能同時處理文本、圖像和音頻數據等多模態文件擅長領域AI推理、圖像理解、科學研究和技術開發
Grok
Grok是由X（前稱 Twitter）開發的生成式AI，專注於社交媒體內容的生成。最新版本Grok3提供更強大的功能，能即時生成與當前熱點話題相關的內容，結合社交媒體數據分析趨勢，提升用戶互動的實時性，成為品牌營銷和社交媒體管理的理想工具。
「文案生成」方面，Grok風格簡潔有力，類似科技周刊的風格，適合快速傳達訊息。「圖表製作」方面，Grok可以較為輕鬆的運用文字組成圖表，並附上有關的資訊數據，對於需要快速理解數據的使用者來說很實用。
網址：https://grok.com/
Grok小檔案
開發者應用程式X（前身為Twitter）付費版費用每月30美元（約新台幣970元）主功能即時生成與當前熱點話題相關的內容擅長領域社交媒體互動、內容創作、即時訊息生成和品牌營銷
DeepSeek
DeepSeek專注於資料搜尋和訊息檢索，開發商為位於中國大陸的「杭州深度求索人工智慧基礎技術研究」，中資避險基金幻方量化創立的人工智慧公司，創始人暨執行長梁文鋒持續致力將大陸AI技術推向全球市場，提供R1和R2兩種不同的服務模式。
「資料分析」方面，DeepSeek提供前言和總結，讓懶人可以快速理解內容。在「文案生成」上，DeepSeek的口語化風格能夠生成10個標題，附上創作理念和選擇建議，適合需要親民語言的使用者。「圖表製作」方面，DeepSeek使用文字排列呈現，提供Python程式碼，對於技術使用者來說相當便利。
網址：https://www.deepseek.com/
DeepSeek小檔案
開發者中國大陸企業「深度求索」付費版費用每100萬（輸入）tokens收費人民幣16元（約新台幣66.68元）主功能資料搜尋和訊息檢索，利用生成式AI技術提升搜索引擎的智能化，提供相關建議和訊息過濾功能擅長領域資料搜尋、訊息檢索、知識管理和數據分析
使用建議
生成式AI工具已經落地商業化，從自然語言處理到多模態學習、社交媒體互動及訊息檢索等多種服務都能提供，競爭也更加激烈。用戶可根據自己的需求，選擇最合適的AI工具，以提升工作效率與創造力。
綜合比較四款生成式AI後，提供讀者幾點建議。若需要多樣化的文案提案，可考慮Gemini；若喜歡口語化一點的表達，可選擇DeepSeek。AI繪圖方面，生成多幅圖片建議可使用Grok，若希望作品有較高的品質，可選擇Gemini。在「資料分析」方面，若希望能獲取較「簡潔明瞭」的資料，建議選擇「ChatGPT」，讀者若希望能得到比較容易理解的內容，應該選擇Gemini。
針對「表格整理」方面，若要以更快的速度掌握大致上的資訊，建議選用ChatGPT；若讀者希望在表格中能得到較「詳細」的內容，可考慮DeepSeek。針對「生成圖片」功能上，若讀者追求圖表要具有充分「完整性」的類型，建議使用Gemini。
推薦閱讀：
AI聽話卻沒懂你？OpenAI揭露AI「裝乖」假象與職場真風險
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
除了ChatGPT，還有哪些生成式AI？16種AI工具應用解析
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
[course_plugin title='推薦AI相關課程' keyword='AI' amount=2]
萬事問AI時代，如何才能不被淘汰？專家：關鍵在於「追問思維」
善用ChatGPT等AI工具或搜尋引擎，即使毫無專業背景的人，也能快速取得表面知識與方法。當知識與資訊已不再具備差異性，要如何才能脫穎而出？作者認為，萬事問AI的時代，致勝關鍵不是依賴答案，而是懂得思考「為什麼」！本文節錄自《懂得駕馭AI的追問思維》。
文／細谷功（日本商業顧問、思考訓練權威）
本文目錄（點擊可快速前往）
環境劇變，思考方式也得轉變什麼樣的職場，特別需要追問思維？運用【追問思維】練習題
環境劇變，思考方式也得轉變
不過，「為什麼」這個提問，其實自古以來就是理解問題本質的關鍵。比方說，在製造業的現場改善中，就常聽到「要連續問五個為什麼」這樣的建議。
那麼，除了這類長久以來就被重視的理由，為什麼現在尤其需要培養追問思維？可以從兩個關鍵環境變化來理解。
第一個變化，是全球的處境。
二戰後，日本創造了近乎奇蹟的經濟成長，其成功模式可以說是「向歐美取經、迅速學習」，再結合日本人特有的細膩改良，建立競爭優勢。像汽車、家電等指標產品，其原理與概念多來自歐美，再根據使用者需求進行微調，並透過製造流程的最佳化來降低成本，打造出所謂的「營運卓越」，進而在國際市場脫穎而出。
然而，如今這套模式的優勢正受到中國、台灣等新興國家的挑戰。再加上日本勞動成本居高不下，想延續過去的成功經驗，顯然已面臨瓶頸。
同時，網路的普及也徹底改變了商業樣貌。從「在地轉向全球」、「有形轉為無形」到「產品競爭轉為平台壟斷」，成功條件全面轉移，且這些領域恰好是日本企業一向不擅長的。換言之，如果思考方式不轉變，日本的全球影響力將備受威脅。
在這樣的局勢下，我們不能只從現有資源或眼前選項出發，更需要從根本原因切入、為未來預作思考，進行更深層的本質推演。這正是追問思維不可或缺的理由。
第二個變化，則是資訊環境的劇烈轉變。
現在，即使毫無專業背景的人，也能透過搜尋引擎快速取得表面知識與方法。但這些知識與資訊，因為人人都能取得，已不再具備差異性。
此外，網路資訊未經篩選，良莠不齊。這意味著，我們不能只是「照抄照貼」，而是必須讀懂脈絡與背景，看出資訊的「言外之意」。
如果只是複製貼上、原封不動地套用，不僅無法創造價值，甚至可能因誤解而誤判情勢。資訊與知識固然重要，但更關鍵的，是能依目的變化、靈活運用的思考力。
這些就是為什麼現在特別需要追問思維的主要原因。
在本章結尾，我們將整理出：哪些情境適合採取行動導向（What型），哪些狀況更適合進行本質提問（Why型）。相信你會發現，隨著環境劇變，具備追問思維的人正變得越來越稀少。
什麼樣的職場，特別需要追問思維？
接下來，讓我們從更細緻的層面來看看：在什麼樣的職場環境中，特別需要追問思維。當然，也有一些職場，即使只用照做思維也能勝任，甚至更受青睞。因此，本節將透過兩者對比，釐清在哪些情境下，追問思維更加重要，也更容易被培養。先從工作內容來說。對於每天執行固定任務、要求穩定產出的例行工作來說，也許只需按照指示行動的照做思維即可。但若工作內容較為彈性、狀況多變，就更需要經常回到「為什麼要做這件事」、「目的究竟是什麼」，再主動判斷方向。所謂的「例行工作」，其實往往也潛藏著尚未被發掘的機會與價值。
再看組織類型。傳統企業或大型公司通常有長久的歷史積累，思考模式也多半沿襲過往慣例，因此在這些環境中，照做思維往往較受認可。在這樣的職場，經常追問「為什麼要這麼做？」的人，可能反而被視為麻煩製造者。公司內部的「主流部門」更容易呈現這樣的氣氛。相對地，在經營不久的新創公司，或是大型企業內的新事業部門、非主流團隊，因為面對的多是非例行工作，追問思維反而更為重要。
另一種情況，是職場本身以「嚴格執行上級指示」為核心。例如需要嚴守法令規章的工作，或是講求階級秩序、服從文化濃厚的組織（例如：軍隊式管理風格），在這些地方，「照做就好」的人往往更容易獲得肯定，也容易形成以照做思維為主的職場文化。相對地，若是一個將規則視為工具、鼓勵靈活應變、看重成果的職場，或是一個透過自由討論而非上下關係來做決策的組織文化，就更容易吸引與培養具備追問思維的人才。
總之，在照做思維較強的職場中，若不保持覺察，就很容易不自覺地成為「只會照做的人」。也許有人會認為「這樣也沒什麼不好」，但如前所述，現今越來越多工作環境都正在轉向追問思維的需求。因此，過去以聽令為主的職場，也更有必要主動培養這樣的能力。
最後，不妨來試著進行一個小練習：針對本章所提到的各種問題，若能運用追問思維，我們可以如何應對與轉化？
接下來幾章會一一介紹具體方法，但在此，也請你先寫下自己的想法。你也可以選擇在讀完整本書之後，再回頭進行這個練習。
運用【追問思維】練習題
情境練習 ❶ 遇到客人殺價，該怎麼回應？
顧客說：「價格太貴了，可以便宜一點嗎？」若用追問思維，該怎麼看待這句話？
如果只是直接回應要求，大概會回：「我們來考慮看看降價，您希望降多少呢？」但如果運用追問思維，會怎麼思考？
情境練習 ❷ 如何避免「自說自話」的簡報？
若你準備做一場簡報，但一開始就打算大談公司規模有多大、產品性能有多好，身為追問思維的人，應該先做些什麼？
情境練習 ❸ 怎麼看待一成不變的預算與例行會議？
對於每年都照列的預算項目、每月定期召開的會議，追問思維會提出什麼樣的看法或建議？
情境練習 ❹ 擁有追問思維的「新猴子」會說什麼？
如果那隻「剛加入的猴子」具備追問思維，當三隻前輩猴子阻止牠靠近香蕉時，牠可能會怎麼問？怎麼說？
情境練習 ❺ 如何從顧客的角度，重新設計訴求？
像「CPU 效能提升○％」「相機畫素升級至○○」這類產品功能說明，若用追問思維站在顧客角度思考，訴求的重點應該怎麼轉換？不是規格多強，而是顧客實際能有什麼不同感受或改變？
情境練習 ❻ 遇到僵化流程，該怎麼問？
如果你被其他部門的人告知：「這份文件一定要印出來蓋章才可以。」身為追問思維者，你會怎麼看待這樣的規定？會怎麼提出問題？
節錄自：采實文化《懂得駕馭AI的追問思維：日本思考訓練權威教你37道練習，洞察問題背後的「為什麼」，讓你贏得好結果》／細谷功 著
推薦閱讀：
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？
AI時代面試勝出的關鍵！常春藤溝通專家：90秒打動面試官的3技巧
AI時代人才怎麼學？擁有「4大軟實力」更重要
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！