[錢思敏]電競的就業機會,大家看到了嗎?
[錢思敏]電競的就業機會,大家看到了嗎?
2015.12.21 | 科技

許多人對於既有的電競(Esport) 產業,總是存在著負面觀感。但仔細想想電競產業是不是一個已經在改變我們生活型態的事實。捷運上越來越多人在玩手遊、網路上越來越多人在觀賞電競賽事、電視台播出越來越多電競節目、排名前 150 的手機付費 App 市場裡平均有接近 100 款手遊。

根據Nielsen MI & NW & LI Taiwan的統計,2015年第一季台灣遊戲人口達到765.6萬人,遊戲型態包括網路(461.3萬人)、電視(153.3萬人)、手機(460.2萬人)、多人在線(MMO: Massive-Multiplayer On-Line)(296.1萬人)等遊戲,這是很大的市場規模,其中,網路遊戲和手機遊戲人口最多,同時玩網路或是手機遊戲的人也有。

圖說明
(電競某方面來說的確像是一種運動,有團隊競賽、有勝負、有高下/《數位時代》資料照片,張與蘭攝)

新科技產品的發明和應用,包含寬頻光纖網路、智慧型手機、平板電腦不斷一代一代地推出,使得我們生活型態在不知不覺中轉變。還記得前不久才在捷運上,看到多數人在滑臉書、用 Line 聊天。但現在捷運上看到的都是手指在面板上快速滑動的手遊族,多數人都被各種軟體應用改變了生活習慣,原本只是社交軟體改變了我們,而現在看到的是更多的手機遊戲,改變了生活日常,填補了生活中無聊的空白時間。

電競這個休閒活動,擠掉了過去的動畫、漫畫等一般人的休閒活動時間,所以產生出來的現象就像是當年我們可以半夜不睡覺,瘋狂的看金庸的武俠小說一樣,很多人每天花很多時間在玩電競遊戲,就如同看完了一系列金庸之後,多數人還是可以回歸日常生活。

電競這個休閒活動,某方面來說的確像是一種運動,也因此被稱為 E-Sport。還記得當初國中、高中,每個學校都有校隊,厲害的同學瘋狂的沉迷於打籃球、打棒球,想要去跟其他學校隊伍分個勝負,但是最終發現人外有人,天外有天的時候,決定把這個喜歡,當作是休閒活動,把這個喜歡,變成是欣賞職業球隊的比賽,而把專注力放回學校的課業與學習上。

有些人或許會擔憂,害怕孩子沉迷,但不妨想像電競遊戲就如同動漫卡通一樣,也是一種休閒嗜好,和運動一樣也是一種團隊活動;比較不同是透過電子競技,有團隊競賽、有勝負、有高下,有強弱。

電競比賽因為需要身體運動的協調與技巧、需要腦力快速精細的運算、需要運用聽覺的身體感官辨位、需要投注極高的專注力,因為知道電競需要高超的技巧,也因為電競比賽無法預期的高潮迭起,能帶給觀眾很多不同感官的體驗與感受,所以能夠作為職業競技,也因此,有人願意參加競賽、有人願意觀看競賽、有人願意當作休閒娛樂,也有人願意投身於電競關聯產業的工作。

事實上,多數的玩家,最終都不會變成電競選手,而能不能成為電競選手,需要藉由電競賽事分個高下,玩家必須體認自己是否具備專業電競選手的能力。

電競選手的黃金期是介於16-24歲,過了這個年齡,通常反應速度降低,在此之前,若無法盡早成為專業的電競選手,則需要及早改變生涯規劃。

拜寬頻、光纖與4G快速佈建以及電腦、手機、平板效能提高所賜,電競遊戲更容易取得,遊戲好玩刺激程度更勝於以往,全球電競產業在此情況下,根據NewZoo統計 ,全球熱愛電競的玩家2017年預計達到1.45億人,2014年僅有8,900萬人,三年內預計將會有近62%的成長,2014年電競觀眾有1.17億人,2017年預計將達到1.90億人。現在可以說是電競產業爆發成長期,有些過去沒有的工作機會開始釋出,但或許在幾年之後,電競產業到了成長期,對於人才的需求會減緩。

在之前《電競產業觀察Part1:它是一整個生態系,機會可能比你想像中還大!》文章中,我介紹了很多的電競關聯產業,尤其台灣具有資通訊產品的研發和生產優勢,跨足生產電競產品的門檻相對低,而且可以放眼全球未來可以預見的且快速增長的電競硬體需求,因此,會需要對電競了解的人才,包括產品開發與產品測試等人員,了解電競、具有玩家經驗的開發工程師,會是硬體產業需要的人才。

此外,電競玩家雖然無法以電競為業,但可以進入遊戲開發公司,進行產品的行銷開發,亦可轉而從事與電競賽事直接相關的工作,例如,擔任電競論壇記者、電競相關社群作者、開台轉播賽評、主播、籌辦電競比賽及相關活動、電競直播平台的行銷與技術人員、電競相關雜誌的文字出版、After movie電影製作等,這些工作機會基本上是很勞力密集的,也就代表這個時間點,正在發展中的電競產業能夠吸納很多的就業人口。

圖說明
(發展中的電競不只帶出選手的需求,包括各種傳播溝通、技術工程都會創造出新的就業機會/《數位時代》資料照片,張與蘭攝)

然而,要認清的是不是所有玩家因為會玩遊戲都可以進到這些行業去。玩家只會玩,若不會寫程式、不會寫劇本、不會構造一個角色、不會美術或是不會設計等,是無法進到遊戲的產品開發部門中,策畫一個連自己都覺得好玩的遊戲;玩家只會玩遊戲,若不具備寫作能力,是無法勝任撰寫有趣電競報導的工作;若不具備對電影編導運鏡的了解,也是無法從事電影製作的;若是對行銷不了解,也是無法有效地推銷遊戲產品;若是對會展與活動策畫不了解,也是無法勝任電競比賽籌辦的工作。

玩家必須除了玩遊戲,必須要同時兼具其他的專業能力,才有辦法從事電競相關行業。當然,玩家可以只是把電競當作休閒,只是當觀眾欣賞電競,也可以從事其他跟電競完全無關的工作。

關鍵字: #遊戲產業 #電競
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓