提升工作核心競爭力,不會coding也得懂「程式設計」!
提升工作核心競爭力,不會coding也得懂「程式設計」!

隨著科技的演進,現在企業就算不科技化,也必須煩惱科技公司會不會來攪亂產業生態。而大學校園裡,也有愈來愈多學生意識到科技的影響力,開始擔心未來,無論是本科系或非工程出身的學生,都紛紛轉向學習程式語言。

台大資管系助理教授孔令傑 2012 年開始教授該系必修課程「程式設計」,當時本科系與外系生的比例約為 60:2,到了 2016 年,比例已變成約 60:40,「說到底,資訊科技是機會,也是需求。」

於是,2016 年,他找了資管系盧信銘教授合開「商管程式設計」課,專門給管理學院學生學習程式設計。孔令傑強調,修課的同學們擔心自己未來被機器人取代,所以學習動機很強,「我們不必利用『恐懼』規定學生修課,只要盡量用他們懂的語言溝通,幫他們跨過一開始的門檻就好。」

孔令傑解釋,程式設計的本質是數學,而且是更簡單的應用數學。傳統程式設計課程可能會直接請大家「判斷 234567 是否為質數」,但他們將題目變形,把思考融入生活或商業案例,目的就是讓學生理解:我們可以透過程式設計來解決各自的問題。

比如說,「假設 1 杯咖啡的成本 2 元,若定價 10 元,1 天會賣 800 杯;若定價 20 元,1天會賣 600 杯……依此類推,總共有 10 種價格及對應的需求量。請問咖啡要訂價多少,才會獲得最高利潤?」一般人遇到這種問題,可能會捲起袖子、拿起紙筆計算,不僅費時,答案還不一定正確。但事實上,只要寫一個程式,不到 1 秒,答案就出來了。

孔令傑指出,一般工作者只要會寫程式給自己或同事用,就「功德無量」了。比如說,預估訂貨時,多數人會藉過去的紀錄來推估,但光是把以往的資料輸入 Excel、從中計算就得花上不少時間,再加上評估不同產品的準則不一,製作表格就占了員工大部分工時。

這時,如果部門內有人會寫程式,設計一個在 Excel 計算的程式,讓資料可以自動更新、計算,即可大幅縮短工作時間,把多出來的時間用來精進預估需求的方法。

這正是孔令傑當初開設「商管程式設計」的初衷,他認為不同專業的人,只要懂得運用資訊科技(IT,Information Technology),對組織的貢獻或個人價值就會差很多

「如果不同專業的人能理解科技的潛力與限制,溝通就會順暢,不只不會提出做不到的事,更可能提出創新的建議。」

企業贏的關鍵,就在資訊科技的運用

從過去到現在,資訊科技對企業經營有不同層面的影響。一開始,企業使用資訊科技是為了改善工作流程,把既有的工作「數位化」,運用資訊科技輔助企業經營。比如從傳統的手動記帳,改到電子記帳。當時,企業的競爭優勢還是產品力(著重產品品質與價格),資訊科技只是增進工作效率,並不會讓企業擁有競爭力。

隨著時間增長,慢慢有些企業利用資訊科技提升或取得核心競爭力。換句話說,在同個產業裡,只要你比對手懂得更多資訊科技,就會取得優勢。

以叫車 App 為例,Uber 會在使用者所在區域裡,找到「評分高、距離近、車型符合」的車輛,配對給顧客,而且速度很快;美國 Uber 甚至會即時(real time)計算共乘、離峰服務,讓使用者得到優惠。這些獨特的服務,就是因為比起其他叫車 App,Uber 更擅長運用資訊科技,而發展出的核心競爭力。

除了幫企業把事情做得更快、做好,科技對企業最深遠的影響,就是讓企業「做沒人做過的事」。像是醫病社群平台 Patient like me,它讓人們在網站中分享、交換醫療資訊與經驗,而不向使用者收取費用,而把網站上的統計資料賣給藥廠、研發機構等單位,以雙贏模式獲利。

孔令傑指出,人們從不認識到學會程式設計後,不僅提升工作效率、解決問題能力,讓做事情的思維有所轉變,更能培養運算思維(computational thinking)。

學程式培養「運算思維」,做事更精確、有效率

1. 習慣拆解工作

在寫程式之前,必須先定義步驟、流程,再將之模組化。所以習慣寫程式的人在遇到問題時,會開始考慮所有可能性,把工作拆解、步驟化等,久而久之,就變成他的思考模式。

孔令傑表示,對寫程式的人來說,必須設定模組,只要遇到相同的問題,就「呼叫」模組。以舉辦運動會為例,無論是跳遠、賽跑等都需要檢錄,但只需要設置一個檢錄台供大家重複使用即可。

2. 做事更精準

在編寫複雜的程式時,會需要多人協作,但它不像簡報製作,只要把所有資料彙整成檔案就完成。一群人共同編寫程式時,必須先約定好輸入(input)與輸出(output)的格式,否則會「牛頭不對馬嘴」,讓程式無法順利編譯、執行。

好比工作交接,約定幾月幾號交件、型號與規格為何等。不過,這樣的約定有時能有寬限,延遲交件或拿錯零件都還能靠隨機應變化解,但寫程式不允許這樣,約定一定要精確,否則會沒有任何產出。

經過寫程式的訓練後,人們會習慣用類似「通訊協定」(protocol,指約定好的資料交換格式)的概念進行團隊合作,把事情約定精確,避免模糊地帶。孔令傑強調,對一般人來說,學會寫程式並不會讓自己變死板,而是會讓工作更精準,「雙方對事情的理解精確,才能讓事情進行得更順暢。」

3. 思考更有邏輯

程式設計的本質是數學,而數學本身就是訓練邏輯思維的方式,但數學時常太抽象,反而達不到訓練效果。以三角函數為例,過去學習,只覺得困難,也不知道未來能用在哪裡。

但孔令傑表示,寫程式設計不會有這樣的情況發生,只要改幾行程式碼或參數,成品就會有所改變,或許是從三角形變成正方形,也可能是從圓形變橢圓形,「看到東西會因為你的行為而變化,不僅有成就感,也會促使人去思考為什麼會有這種變化,這對邏輯推理非常有幫助。」

不過,就算資訊科技能幫個人、組織增強競爭力,孔令傑還是認為,領域知識(domain knowledge)才是最不可或缺的。

程式設計只是輔助工具,領域知識才是核心競爭力

舉例來說,把資訊科技運用在醫學辨識 X 光片,解讀速度雖然變快,但最終還是需要擁有醫學知識的人詮釋結果,才是最保險的做法。也就是說,科技屬於工具,用來輔助診斷病症,讓醫生工作效率提升,但專業知識卻沒辦法工具化。

「未來科技的應用面很廣,因應之道不該是每個人都去念資工系,而是各行各業的人,都去學一些資訊科技的技能、知識。」了解科技的影響力,才知道未來如何因應新科技或改變。孔令傑表示,如果工作者能懂一些資訊科技,或能衡量科技的潛力和限制,他就能夠結合領域知識與資訊技術,把事情做得更好、更快,甚至想出新方法。

以慈善家沈芯菱為例,她出生佃農家庭,在小學接觸電腦後,開始自學架設網站,11 歲就幫農民設立產銷平台,協助農業數位化、商業化,至今未接受捐款與贊助,已獨立支出 800 多萬台幣。

沈芯菱_維基百科.jpg
台灣6.0希望工程創辦人沈芯菱

孔令傑分析,一般人學電腦可能不會去做這些事情,就是因為沈芯菱的家庭背景,才會促使她有這樣的作為。

理解科技的潛力,能為工作加值;相反地,理解科技的限制,也能降低職場衝突。 以軟體建置為例,許多公司看競業推出新功能,也會要求內部工程師做一樣的事,但因為不理解,常會壓縮時間。這時,如果能理解編寫程式的「時間限制」,與工程師協調上線時間,不僅較尊重專業,也能避免不必要的溝通成本。

具備 3 大要素,學會程式設計不再是難事!

孔令傑認為,擁有動機、基礎與教材,是自學一項技能的必要條件。而在這個世代裡,程式設計具備了這 3 個條件,所以「理論上,人人都能學會寫程式。」

1. 動機

過去提倡學英文,但蘋果(Apple)執行長提姆 ‧ 庫克(Tim Cook)強調,程式設計比第二外語更重要,因為「可以跟 70 億人交流」。

2. 基礎

程式設計的本質是簡單的應用數學,不需要物理、化學、生物等知識,只要選擇適合自己程度的程式語言,就可以透過自學做自己想做的事。

3. 教材

寫程式或架設網站的人,只要有成果就習慣放在網路上,所以相較於其他科目,程式設計的網路資源非常豐富,只要上網搜尋,就有教材。

本文授權轉載自:經理人

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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