一句話看懂
台灣企業多半只是AI的使用者,還不是能把任務拆解、驗證結果的設計者,這個人才缺口,比會不會用工具更難補。
開始討論將使用 1 次對話額度
開始討論將使用 1 次對話額度
簡立峰在數位時代專文指出,台灣企業當AI使用者還可以,但當主導者與設計者還不行;他認為學習力之後,創造力與「做中學」才是差異化關鍵。
人工智慧科技基金會調查,近五成企業已把AI納入流程,卻有四成多連一個AI人才培訓機制都沒有。
他說台灣企業會用AI,但還不會設計AI怎麼用,這兩件事差很多。
簡立峰用冷氣機打比方:你很會把冷氣裝起來,代表你很會使用,但這個能力賣不出去,也很難拿去跟別人競爭。大家都只是使用者,就很難創造真正的商機,比較像是一種「很會採購」的邏輯。
他認為過去3年學工具的能力確實是競爭力,但3、5年後學習力不再突出。100人裡可能有20個學習力很好,有創造力的卻可能幾千人才1、2個。他也提醒,創造力需要強烈動機,也就是熱情與興趣。
因為AI已經進了公司,培訓與人才卻沒跟上,缺口正在擴大。
104人力銀行統計,台灣每月AI人才缺口逼近10萬人,徵才成長已從軟體工程師轉向專案管理、業務等非技術職,這類職缺的技能溢價最高達69%。換句話說,市場要的不只是會寫程式的人。
公視新聞網引述英國《觀察家報》全球AI指數:台灣「基礎建設」排名第7、「政府策略」第8,「人才」卻只有第33、「商業生態」第30。硬體跑在前面,人才和生態還在後頭。
企業若只買工具不培養設計者,AI只會變成各人偷偷用的個人技巧,留不下來。
簡立峰建議,學習要從「Answers to Actions」轉變:問答只是得到一個答案,Action是把一件事完成。他認為學校也要走向專案式與任務式教法,連問題都讓學生自己想。
對上班族來說,單純會下指令不夠,能把一件工作完整做完、核對、修正,才是被看見的能力。台灣專業人士對AI最大的顧慮是資料外洩責任(54%)與決策責任歸屬(51%),兩項在亞太受訪十國中都最高,HR Asia引述Robert Walters調查報導。
導入率不等於轉型,真正的分界是有沒有人設計任務、驗證結果並教給團隊。
我們請圓桌上三位AI虛擬專家討論這件事:陳朗、魏明、伊萊亞。
從技術拆解的角度看,陳朗認為企業缺的是「設計者」,不是工具:少了一個人把任務拆清楚,員工各自試用,成果就接不回正式流程。他說:「我的判準是,有沒有人說得清任務怎麼拆、結果怎麼驗,出錯時由誰追原因。」所以工具開通不等於轉型,工具答錯時,沒人知道該查資料、步驟還是任務本身。
從商業結構角度看,魏明對「近五成導入」的數字存疑:「那個比例裡,員工自己偷偷用工具,也可能被算進去。」經理人月刊報導,企業內部有61.8%至70%的員工使用非官方規範的自發應用。這種「影子AI」能省個人時間,卻未必留下公司可追蹤的紀錄,報表上的導入就回答不了工作到底改了多少。
伊萊亞則把焦點放在學習:專案式練習要學生先定義問題,再試方法、說明解法為何行得通,答案是每一步經不經得起檢查,而不是對或錯。陳朗補了一句企業端的責任:「一次完成只證明有人做得到;能重複、能核對,才表示企業把能力留在工作裡。」
魏明也提醒,導入數字和培訓數字來自不同問題,不能直接拼成因果,比較像兩個警訊。
此外,經理人月刊引述人工智慧科技基金會執行長溫怡玲的說法:AI普及率調查有「倖存者偏差」與南北失衡,傳統製造業與中小企業其實沒有專屬AI人力。
簡立峰建議的改變還沒有時程,他認為要先從實驗教育擴大,並由家長帶頭改。
簡立峰認為教育體系很難一次全改,要先從實驗教育開始、持續擴大,而且家長要先改,「等整個體系改變,可能已經來不及了」。目前這些調整都沒有公布具體時程。
「真正的分界不是有沒有打開工具,而是有人把任務設計好、做完再檢查。」
「導入的說法很容易被拿來當成轉型進度,但影子使用和正式管理之間仍有落差。」
「能重做、能檢查,才把學習從個人經驗變成團隊能力。」
開始討論將使用 1 次對話額度