不被市場淘汰的關鍵:除了專才也要通才
不被市場淘汰的關鍵:除了專才也要通才

本文摘自:《重拾好奇心:讓你不會被機器取代的關鍵》,新樂園出版

如果你的工作需要以知識為背景,那你一定需要抉擇學習策略。是成為一位專才好呢,還是通才好呢?過去一世紀是屬於專才的天下。歷史學家不僅要精通南北戰爭史,還得精通南北戰爭期間的進行曲。時至今日,唐.德雷柏再對客戶介紹自己是個廣告人已遠遠不夠,他還得說自己精通社群媒體或經營品牌故事(branded content)。矽谷公司搶人才時找的也不僅是專業軟體工程師,還得精通iOS或安卓系統的開發。

但數位革命──或說因數位、網路科技而起的革命──已然形塑了全然相反的潮流。寶拉.安東內利(Paola Antonelli)是美國紐約現代藝術博物館(Museum of Modern Art in New York,MoMA)建築與設計部門的館長,她告訴我館長分成兩類:儲藏派和獵人採集派,而她非常確定自己屬於後者。安東內利自稱是通才,喜歡從各個領域搜集不同的素材並互相組合,從設計、建築到科學、科技和哲學等等。她形容自己像是一隻「好奇的章魚,老愛伸手往四面八方抓東西。」

安東內利告訴我,設計師越來越需要參與團隊合作,還得快速適應各種形式的知識。她說,現在已經沒剩多少專才的設計師了──有些書籍設計師只設計書,但他們是特例。現今的設計師可能會需要跟工程師、行銷人員和會計師共事。「舉例來說,如果你是品牌設計師,而Texan石油公司聘請你負責企業形象設計,那麼你就得召集一組包括產油專家在內的小組──你自己也得對從地底挖出石油的過程感興趣。如果沒這麼做,你八成找不出正確解答。」

我們知道新點子常常是由不同領域的交集處醞釀而出,自博學者的心中迸現。遺傳物質DNA的發現者法蘭西斯.克里克(Francis Crick)原本是物理學者,他後來說,就是因為物理學方面的背景,讓他相信自己能夠解決生物學家心中根本無解的問題。畢卡索(Picasso)也是把非洲雕塑與西方繪畫結合在一起,創造出全新的藝術形態。

在人才市場上最搶手的永遠是那些擁有少見專長的人,但擁有廣博知識的人也越來越炙手可熱。這兩種人就像在兩個極端彼此拉扯,你到底是該深入鑽研所在領域的知識,還是該拓展自己的知識地基?

這個問題讓人想起刺蝟與狐狸的故事。雖然長久以來被傳唱的版本眾多,但基本要傳遞的依然是同一個道理。狐狸對付攻擊者的方法五花八門、創意十足,但也讓牠精疲力竭;而刺蝟只採取唯一一種歷久彌新的策略──縮成一團,其他的全交給背上的刺搞定。以希臘詩人亞基羅古斯(Archilochus)的話來說就是:「狐狸雖淵博多才,卻比不上刺蝟一招絕技。」

哲學家以撒.柏林(Isaiah Berlin)認為所有思想家都可以歸類為兩種,一種是透過特定的透鏡來觀察世界,一種則是將自己暴露在各種觀點之下。柏拉圖就是刺蝟型思想家,蒙田則是狐狸型。托爾斯泰認為自己是刺蝟型,但寫起文章卻不由得像隻狐狸。羅納雷根是刺蝟型,比爾柯林頓是狐狸型。史蒂夫沃茲尼克是刺蝟型,賈伯斯則是狐狸型,這大概是他們能夠合作無間的原因。

會在現代及未來社會發光發熱的思想家,則是這兩者的綜合體。在這個資訊爆炸、競爭激烈的世界,深刻了解一兩項重點事物,不論深度或細節都必須勝過你的同期對手,是非常關鍵的。但要真正讓這些知識迸出火花,你還需要擁有從各式各樣、包羅萬象的角度切入思考的能力,以及與擁有不同專業的人協同合作、發揮加乘效果的能力。

舉例來說,達爾文對於蚯蚓的生命週期、鷽鳥的喙知之甚詳、無人能及,但他是在讀過經濟學家馬爾薩斯(Thomas Malthus)的文章之後,才在眾多自然學家中脫穎而出,架構出如此宏大的生命理論。如果達爾文只是涉獵廣泛,卻沒有建立生物學上的深厚知識,那麼他永遠也不會想到那個最終的解答(就算想到了,大概也沒辦法說服別人相信他)。又如果他平常不是個大量吸收各種領域知識的人,大概也永遠看不出隱現於種種線索下的演化邏輯。達爾文就是一種他大概辨別不出來的物種典型:刺狐狸(foxhog)。

查理.蒙格(Charlie Munger),股神巴菲特(Warren Buffett)的事業夥伴,是他們旗下傳奇性創投公司波克夏.哈薩威(Berkshire Hathaway)的副總裁,也是有史以來最成功的投資人之一。他的選股能力與業界其他人差不多,但對於如何買賣這些股票則擁有無人能比的深厚經驗。但這還不足以說明他的卓越之處──雖然為數不多,但也有人擁有類似的才能。他在同儕中脫穎而出的原因,正是因為他如同刺狐狸般地尋獵知識。他持續閱讀自身專業領域以外的知識,努力將他吸收的知識爬梳出脈絡、或重新架構既有脈絡。他熱切地信仰一種被他稱為「多元思維模式」(multiple models)的思考方式,當他審視一家企業時,他會用上數學、經濟學、工程學、心理學與其他理論的透鏡來觀察。他說這種多模式非常關鍵,因為你能因此得到跟所有人都不一樣的答案,即使你們看的是同一份資料。多模式能把事實化為故事,把資訊化為洞見。廣度與深度一樣重要,他說:「要成為選股大師,你得先受過普通教育。」

刺狐狸擁有的是被IBM稱為「T型」知識的能力。二十一世紀最具價值的人才,結合了深厚的專業能力(T中的垂直線),和對於其他理論的廣泛了解(T中的水平線)。前者讓他們有能力執行需要特定專業的項目,後者則讓他們能夠看出與其他領域的脈絡和連結。擁有核心知識讓刺狐狸在人力市場中與眾不同──給予他在組織中或組織外獨特的賣點(Unique Selling Proposition,USP)──而T字裡的水平線則能讓他和不同領域的同事建立對任務有助益的關係,並在整個職涯中從容應付各種挑戰。

若要從當代人物中選出一位成功的刺狐狸代表,非奈特.席佛(Nate Silver)莫屬。他是統計學者,也是一位作家。席佛首度受到矚目是因為他開發了一套預測美國MLB大聯盟球員表現的系統,不過他感興趣的永遠不只有運動項目而已,2008年美國即將舉辦總統大選期間,他以此為主題開始寫部落格,網站名稱是538.com(538是美國選舉人團的票數)。他採取自己用於分析業界的一套統計方法,先預測兩黨推出的候選人,接著預測大選結果,兩者都驚人地準確。接受《紐約時報》聘任後,他在2012年又做了一樣的事,預測出來的最終結果幾近完美,遠勝其他傳統專家。2013年他被ESPN挖角,並把他的統計方法運用在體育項目、政治和電影等等各種領域上。

席佛告訴《哈佛商業評論》(Harvard Business Review),他大力倡導能養出刺狐狸的教育方式:「最最困難的,是教會人們如何直覺反應什麼是最該問的大問題。是這種求知的好奇心……如果你要受教育的話,最好學得越雜越好,這樣你就可以訓練到各種不同的肌群……技術能力可以晚點再學,等你遇到想要解決的問題,或者經濟能力許可的時候,你會更有動力去學技術,也可以學得更多。所以重點是,不要太早就一門深入。」

西方的政策制定者對亞洲教育體系培養科學家與工程師的成功經驗瞠目結舌,同時也為他們的經濟競爭力感到擔憂,於是更加堅持自家的大專院校必須專注於製造刺蝟──畢業後馬上就能完美契合市場需求的專才。但這個解答只寫對一半。亞洲經濟體中擁有最前瞻觀點的教育家都知道,最頂尖的西方大學所擅長的跨領域廣博教育,在二十一世紀與在上個世紀一樣有價值。以下是新加坡大學陳祝全(Tan Chorh Chuan)教授的看法:

我至今越來越相信的一件事,就是智識廣度的重要性,原因有兩個。首先,我們在工作和生活上遇到的問題都很複雜,跨越數個知識與理論的領域。如果我們的智識基礎不夠廣闊,就看不到潛在的跨界線索。第二,我們以前一輩子大概會歷經平均三到四項工作,現在的新鮮人則是十到十二項。這些工作可能橫跨許多不同種類的行業,所以你必須擁有足夠的智識基礎,才能輕鬆替自己的幾把刷子汰舊換新,以適應不同種類的工作。

談起刺蝟或狐狸的時候,總會落入決定誰優誰劣的結果,但這個世界既看重專家,也賞識來自多領域碰撞之下所產生的劃時代洞見,我們就得同時擁有兩種優點,我們必須做一隻刺狐狸。

關鍵字: #數位書選
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 2026 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