【Inside】2012年網路業最熱門職缺|數位時代 BusinessNext

Mashable的Scott Gerber Young Entrepreneur Council

credits: Kengo HAMASAKI

1. 搜尋引擎最佳化專家（SEO）

再好的產品也需要曝光才能獲得更多使用者。

2. 資訊分析專家

網路上充斥著各種資訊，要從這些資訊中找岀有意義的內容需要經過分析。

3. 溝通專家

雖然對科技人才的需求很高，但是更需要的是同時具備科技專業知識以及與客戶溝通能力的人才，這樣就不需要再一個中間人去協調客戶和IT部門。

4. DevOps專家（協調開發及運營部門的部署專才）

隨著敏捷軟體開發、迭代式開發、SaaS以及雲端運算的普及化，以及未來即將需要擴大規模營運的公司來說，客戶的需求越來越大且多變，也意味著開發及營運部門的溝通變得更頻繁及複雜，因此需要一些DevOps專家來加強發佈協調，並且部署協調以彌合開發與運營的鴻溝，迎合越來越快速及多變的軟體開發流程。

5. 手機/平板電腦軟體開發者

手機以及平板電腦越來越普遍，因此對於行動軟體開發工程師的需求也變多。

6. 產業IT專家

工程師除了需要具備程式及科技領域知識外，各個產業也希望他們可以加值對於各個專業領域的知識，例如醫療、商務、法律、會計及餐飲的知識，而不是單只有技術能力。

7.使用者經驗（UX）專家

好的設計不一定是中看不中用，產品開發除了視覺設計、程式設計及行銷外，更值得注意的是使用者經驗。一個產品的價值在於它給使用者的經驗，但是很矛盾的，“經驗”是不能被設計的，使用者經驗專家的目的不是設計經驗，而是盡量提供使用者一個最良好的軟體使用流程。

8.雲端運算專家

AWS、Rackspace和Gogrid等雲端平台時代的來臨，無論是Startups還是大型企業都需要更多熟悉雲端平台的專家來維護及整合雲端服務。

綜觀以上八種類型的專業能力是美國新創業家協會所認為是今年最熱門的職缺以及專業能力，其中對內及對外的“溝通”能力也是網路界最為強調的主要能力，溝通專家，DevOps專家及使用者經驗專家都強調了一種溝通的能力，其中DevOps最受爭議，有些人認為它是 Sys Admin的新職稱。有很多人認為DevOps是一個職位，但是它其實比較像是一種運動，一種思維，提醒開發和運營團隊需要多合作，根據wiki的解釋：

DevOps（Development＋Operations） 是一組過程、方法與系統的統稱，用於促進開發（應用程序/軟體工程）、技術運營和質量保障（QA）部門之間的溝通、協作與整合。需要頻繁交付（continuous delivery）的企業可能更需要對DevOps有一個大致的了解。Flickr發展了自己的DevOps能力，使之能夠支撐業務部門 「每天部署10次」的要求 ──如果一個組織要生產面向多種用戶、具備多樣功能的應用程序，其部署周期必然會很短。這種能力也被稱為 持續部署 ，並且經常與精實創業方法聯繫起來。

以下有一個有趣又能夠解釋DevOps來龍去脈的影片：

影片是2010年DevOpsDay的開場短，影片中，查理·卓別林的角色是運營人員，但一連串的事件讓他覺悟到DevOps的能力，影片中影射的問題是：

開發人員經常不考慮自己寫的代碼會對運營造成什麼影響。他們在交付代碼之前，並不邀請運營人員參與架構決策或代碼評審。
開發人員對配置或環境進行修改之後，經常沒有及時與運營人員溝通 * ，導致新的代碼不能運行。
開發人員可能對運行時環境缺乏了解 * ，從而難以正確地對代碼進行調整。
運營人員可能對應用程序內部缺乏了解 * ，從而難以正確地選擇運行時環境和發布流程。
運營人員嘗試避免變更，新功能流入生產環境的速度因此被延緩，從而延緩了開發人員將特性交付給用戶使用的速度。 *
>

DevOps 聽起來跟敏捷開發（agile）的一些方式很像，的確Devops是由敏捷運動啓發而來的，而最先提出DevOps概念的原因也是因為為了應付敏捷開發過程中需要 加快產品交付的速率 而衍生的問題，當軟體敏捷開發持續追求優越的技術與優良的設計時，DevOps則是持續改良整個流程的順暢度。整體來說，DevOps有幾個重點，簡稱“CAMS”：

Culture 文化 * 至少先要有精實（lean）跟敏捷（agile）的文化，團隊裡每個人都懂得共同分擔和承擔責任。
Automation 自動化 * 善用自動工具來驅動或管理如：共享版本控制（shared version control）, builds, deployments, testing, monitoring等工作，優化發佈流程。
Measurement 量 測 * 從紀錄中學習並且改進，如果沒有任何測量紀錄就不會知道錯在哪裡，自動化的流程，人的表現，這些通通都需要數據化。
Sharing 共享 * 開發中需要加強發佈協調，確保相關團隊人員都瞭解每次變更的內容，開發後需要事後檢討，將開發團隊以及維護團隊的問題全部搬到檯面上來討論，更進一步的發掘問題以及雙方的困難。

在敏捷開發中會常常需要持續部署，也因此需要更緊密的團隊溝通以減少出錯，而一開始沒有將溝通納入考量的公司會隨著敏捷開發的團隊擴大規模而發現不少問題。

為使「開發團隊與運營團隊之間更具協作性、更高效的關係」，對DevOps有興趣的人可以參考John Allspaw (Flickr/Yahoo!) 和 Paul Hammond (Flickr)的演講：”10+ Deploys Per Day: Dev and Ops Cooperation at Flickr” （投影片、 Liveblog ），這個關於DevOps合作的演講後來還啓發了日本的Cookpad 呢，後來Cookpad也做了一個叫”10+Deploys Per Day: Dev and Ops Coopeartion at Cookpad.”的投影片。

出自Inside部落格
@@ACTIVITYID:402@@

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問