會用AI，正從少數人的專業變成職場基本功。企業選才標準、育才方式也連帶改變。校園端，也開始重視讓學生練習定義問題、判斷AI成果等能力，為學生進入未來職場做好準備。

採訪・撰文／趙郁竹・劉映茹　攝影／侯俊偉　編輯／陳祈安　美術／周怡汝・李晴


▲運用AI工具將成常態，企業想找的是能把AI帶進工作流程、做出判斷並解決問題的人才。照片來源／ChatGPT
不要再去定義什麼叫AI人才了，因為每個人都要會AI。」台灣人工智慧學校（AIA）執行長陳伶志認為，AI正從少數技術人員的專業，變成各類工作的通用能力。若AI可以快速地把一個人的能力拉到80分，企業要找的就會是能繼續走到90分、100分的人。

具備AI能力的80分基本分，已經開始被寫進企業的職缺條件。104人力銀行旗下104學習發布的《104AI人才趨勢報告》指出，近5年企業對具備AI開發或應用能力人才的招募需求成長97.6％，高於整體招募市場同期的22.9％。

104人力銀行研發處協理張世淳解釋，這項統計反映兩種變化：一是新出現的AI相關職務，二是既有職務開始加入AI能力要求，兩者在統計上可能重疊。以行銷、專案及產品管理為例，過去招募時未必要求使用AI工具，如今企業已開始直接將其列入條件，從加分項變成基本門檻。

企業在評估AI能力時，不只看1個人熟悉哪些工具，更在意他如何把AI放進工作。張世淳指出，面試時，學歷與科系背景的重要性正在降低，企業更想知道求職者碰到什麼問題、採取哪些行動，又做出什麼成果。對軟體開發等技術職而言，作品集也比證照更能呈現1個人如何發想題目、運用AI並完成作品。

全支付打賞拚全員入局、選拔AI種子

企業都需要AI人才，但也不可能全部砍掉重練，因此，許多企業都發展出自己的AI人才培育計畫，玩法各不相同。

擁有工程師背景的全支付總經理游金榮不但全力推動，還拿出自家現金點數「全點」來獎勵員工。於是，現在行銷、設計與行政人員都有能力基於自身需求，用AI做出互動遊戲網站，不用外包給技術團隊。

游金榮認為，各行各業接下來比的是AI執行力，「這是不可逆的，逃避就等於輸在後面。」因此，全支付設計「AI九宮格」任務，從解開最簡單的日常任務開始，例如用AI寫電子郵件、整理會議紀錄，完成後可以獲得獎勵。

把「完成任務」的門檻降得很低，同仁就不會排斥；主管也分享自己的使用方式，降低員工嘗試新工具的壓力。等員工熟悉後，全支付再透過提案競賽，從參賽團隊中挑選AI種子，提供更多工具、資源與使用權限。

當會用AI成為基本功，企業培訓便不能只停在學工具，還得讓學員練習解決工作問題。陳伶志表示，台灣人工智慧學校近年的企業專班從提示工程、模型微調，逐步擴展到AI代理與AIPM。學員也要把手上的難題帶進教室，一邊學工具、一邊動手實作，跨過從構想到原型的「0到1」。

從80分往上走，靠的不只是把工具用得更熟，而是能否找到適合AI介入的工作環節。陳伶志觀察，受訓後表現較好的學員未必來自資訊背景；具有多年產業經驗的中階主管，只要願意學習新工具，AI反而能放大他們原有的專業。

要練出這種能力，光聽課還不夠。台灣人工智慧學校在課程中配置助教，讓學員卡關時有人提供方向，透過摸索與試錯，學員也能跨過學習的「摩擦點」。陳伶志認為，企業也必須容許員工嘗試，主管帶頭使用AI，課堂所學才有機會回到工作現場。但提問、判斷與解題，不能等到進入職場後才開始練。當答案變得隨手可得，學校該教什麼，也得重新思考。



書面報告不再重要…學生得練新「內功」

「不要做機器比你厲害的事。」談到AI時代的人才，台灣科技大學產學創新學院執行長楊光磊如此表示。

隨著AI愈發擅長整理知識、產生答案。楊光磊認為，更重要的是能不能提出問題、做出判斷。如果學生學的仍只是ChatGPT怎麼用、提示詞如何下，一旦工具更換，又得重新追趕。

他把知識與技術比喻成「武功招式」，批判性思考、創造力、協作與溝通等軟實力則是「內功」。AI時代仍然需要知識，但當工具不斷改變，更重要的是能不能持續學習、找出解方，而不是只熟悉眼前這一套工具。

如果教育要培養的是這些能力，評量方式也得跟著改。楊光磊以自己教授的研究所課程為例，他把20％成績放在「問問題」，40％放在口頭報告，30％是課堂參與，書面報告只占10％。

相較於書面報告，能否精準提出、說清楚自己的判斷，更能看出學生是否真的理解。

楊光磊認為，改變也不該只發生在研究所，他更希望從大一開始，先讓學生探索自己擅長什麼、想解決什麼，再透過「無菜單課程」自行定義題目、尋找方法並驗證成果，老師則從知識授課者轉為引導者。讓學生把更多注意力放在生活與環境，練習發現值得處理的問題。

題目不一定來自大型專案，生活中的瑣事也能成為起點。例如，校內紙本文件經常需要在不同單位間傳遞，一旦找不到，就得靠工讀生逐件確認去向。楊光磊認為，這類日常就能帶進課堂，讓學生思考如何利用AI建立追蹤系統，完整走過解決問題的過程。

類似討論也出現在國際校園。麻省理工學院（MIT）於2026年8月25日公布AI與教育最終報告，指出當AI能快速產生答案，學校必須重新檢視學習評量，加強動手實作與專題學習，並建議每門課依照教學目的訂出明確的AI使用規範，以確認學生是否理解所學，能否說明自己的判斷與解題思路。

台灣大學電機工程學系教授李宏毅就在課堂裡把原本的角色對調。過去，學生想辦法破解老師設計的AI評分機制，現在則由學生打造AI Agent，再由助教輸入各種異常指令「發動攻擊」。學生的任務是找漏洞及防守，評量的重點也轉向能否測試AI、發現問題，再把系統修好。

李宏毅曾讓自己打造的AI Agent「小金老師」讀完自己過去10年的論文，請它提出新研究題目，但方向都未讓他驚豔。

他仍認為，現階段人類仍較擅長找題目，AI則適合在方向確定後蒐集資料、執行任務。小金後來也如此形容兩人的分工：「你指出方向，我想辦法走到那邊，那就是我們合作的模式。」

當AI能把更多人帶到80分，最後20分或許就在這裡：AI可以加快抵達的速度，但該往哪裡走、是不是走到對的地方，仍要由人決定。

… 本文摘錄自 數位時代 2026/10月 第373期