AI時代下,大學科系填資工就對了?專家拆解選系邏輯,1種軟實力更關鍵
AI時代下,大學科系填資工就對了?專家拆解選系邏輯,1種軟實力更關鍵

AI 以後也會是這樣,我們永遠需要AI人才沒有錯,卻並非「我現在趕快選資訊工程」的思維,這好像假設以後就只有資工系,其他什麼都沒有。

我一直強調,AI是放大器,必須加上其他領域的專長之後,才會有倍數相乘的成果,和別人的差距也會跟著拉開。做為一個逆向操作者(contrarian),應該試圖將人文跟工程跨域融合,在工程之外趕緊去深耕自己的領域,去加乘人類在每個領域的發展速度。從中長期來看,我相信這種人會勝出。 

該如何看待程式教育?

我知道很多人會有疑問,那我們到底應該如何看待程式教育?我的答案是,除非你進入資訊業,工作很明確就是AI 工程師、資料分析師、資料科學家,需要專精、投入AI技術的研究,否則只要知道程式語言的存在就可以了。 

進階的程式語言對一般人來說,愈來愈沒有急迫和必要性。你可以把程式語言當作一個興趣嗜好,當成稍微提升工作效率的小工具,但不要覺得不會Python就會失去很多東西,完全不會。市場上這幾年已經出現許多無程式、低程式碼的軟體,這些軟體有簡單明瞭的使用者介面,已經被包裝得非常好用,更重要的是,就算真的是科技小白也沒關係,因為AI會直接引導你使用軟體。 

過去使用者介面是死的,你可能要學習A按鍵、B按鍵的作用分別是什麼,有了生成式AI後,它能推理、理解你的行為,當你卡住、不知道該做什麼的時候,它會偵測你的行為,並且主動跳出來詢問:「你現在是想完成什麼工作嗎?」這種引導式、智慧化的介面會開始出現。 

以戰代訓、做中學,不用急著選科系 

在強化跨領域學習、盡量雜學之外,我認為劃分科系、專業的時間也應該延後。台灣的學生在高二時,就要面臨理工科和文科的抉擇,然後不管選哪一科,進了大學後就幾乎少有機會能窺探其他領域的樣貌。這部分美國可以做為一個很好的參考,美國多數的大一生不需要決定主修,他們在大一、大二的時候,能依照自身興趣選擇專業科目,並且盡情修習各種通識學分。台灣的大學必須打破科系的分界,先不分領域地鼓勵學生多多修習通識課,等到大二、大三再選系。 

當人類的學問已經累積得太多,導致每一件事情都必須是常識的時候,太早劃分科系的意義不大,畢竟每一堂課都是通識課,光是通識課就修不完了。 

我知道有些學校已經開始這麼做了,但擴散速度或許還要再加快。如果高校能打破既有的科系結構,重新分配預算、培養師資,讓學生具備跨領域技能,對下一代的培育一定會更好。 

而且從企業的角度來看,現在是「以戰代訓」的時代,到企業實習、從「做中學」反而更重要,還在拚數學、物理和化學那些術科,比誰記得多、誰背得好,這實在太老掉牙,還不如讓學生到餐飲學校實際學習做菜、炒菜更有價值,因為他們可以學到更多,就算有知識鴻溝,也能自行倚靠各種唾手可得的工具,輕鬆弭平差距。 

現今不論是媒體的報導、社會的氛圍,對於該學什麼、怎麼學,打從一開始就將理工科、文科一刀切,然後是一窩蜂地選擇資訊相關科系,遑論再往下討論到體驗、沉浸在背景各異的文化中。我建議政策制定者、領導者一定要趕快注意到這件事情,打破學科的界限,鼓勵學生跨域學習,將AI、程式設計、英文等專業能力都列為必修,讓擁有不同專長的人都一起共學。 

如果我們能撥出一些時間去吸收更廣博的知識、更多元的文化,人才的樣貌應該會變得很不一樣。 

文化衝擊可以打開世界觀 

而或許我自己的歷程,也可以給各位讀者做為一個參考。我和大多數在台灣受中學教育的人一樣,必須在高二做出選擇,成為一腳踏進理組的學生,但從小到大在各種性向測驗中,我一直是理性與感性各半的人,每次測驗的結果都是「文理都可以」。造成這個結果的原因,除了先天性格之外,還受到家庭背景、求學經歷和自身興趣的影響。 

大約80年前,我的外公林鐘隸先生在日本上市公司兼松株式會社擔任經理,待在日本很長一段時間,後來回到台灣,也持續與日本往來,投入台灣、山東和日本三地間的遠洋漁業生意。1984年,他響應台灣政府和美國一起發展半導體的政策,拿出一筆資金成立矽品集團。所以我外公一直以來都只會講台語、日文和山東話,他是聽不懂國語的,外婆也是完全不會講國語,但日文超強的狀態。 

外公的日本背景自然影響到我媽媽。媽媽是很日式的人,守紀律、要求準時、愛乾淨,一切都要有秩序和有條理,我是沒那麼嚴重,但多少有點「龜毛」(東西沒對齊我會渾身不對勁,平常花很多時間調整簡報排版),所以在長大的過程中,日式教育對我的影響是滿深遠的。 

大學畢業後去美國念書,我又陷入另外一個極端裡。儘管小時候曾經去美國玩過,但我第一次感受到強烈的文化衝擊,就是去美國攻讀碩士的時候。當時我在史丹佛大學念書,不只是課堂制度完全不一樣,西方師生互動的方式也和過往經歷不同。 

台灣人非常尊敬師長,會說老師、教授、醫師好,有下對上的感覺,但我的外國同學是「水平式」對待師長,會直接叫老師的名字,比如說老師的名字是麥克,同學有什麼疑問就會說:「麥克,我有個問題!」老師也不覺得這有什麼。但對我來說這就很顛覆,因為我們從來不會直呼爸爸、媽媽、老師的名字,美國人卻認為每個人都是獨立的個體,在成年之後就是平等的,沒有誰需要依賴誰,稱呼上自然不受拘束。 

拿到碩士學位、加入Google,開始投入一些專案後,衝擊又更直接了。我和來自全世界的人合作,尤其網路科技公司在當紅的狀態之下,一切都講求快速,美式作風又更強烈,同事間的對話都很粗暴,「不要」、「你做的不對」、「我今天不想看到你」這些東方人聽來不客氣的話他們都會直說,但同事並非對你有惡意,他們只是就事論事,希望快速解決問題。 

抓住文化差異,做出更好的獨立判斷 

我自己後來回頭檢視,去美國對我完全是一個文化衝擊,去那邊與其說是念書,不如說是去吸收不同的文化。在比較美國和日本文化的差異後,我歸納出美國人強調直接、直來直往,日本則是對話間接、很多潛台詞的一個民族,這些文化有好有壞,但最慶幸的是還好我都經歷過,而且在吸收、融合台灣、日本跟美國三個地方的文化後,塑造自己成為今天這個樣子。也就是遇到不同的人事物時,我可以從各種視角去看待、檢視,有辦法理解這個人為什麼這樣說話?為什麼這樣做事?但是很多人因為缺乏跨領域的經驗、雜學的經歷,不會去客觀以對任何事物。 

文化的多樣性,是造就一個人獨立非常重要的因子,因為在不同文化下,同一件事情的做法會很不一樣,但各種做法其實沒有什麼對錯,純粹就是習慣和文化的差異。當你能夠抓到各個文化的差異時,就可以產生後設認知,知道同一件事情有沒有更好的解釋,甚至參考其他文化,提出更好的做法,否則大家做決定的時候會全部依賴慣性。而這種後設認知,是要經歷不同文化洗禮才會產生的。 

COVER 立封 0416.jpg
遠見天下文化出版。
圖/ 遠見天下

本文授權轉載自《AI世界的底層邏輯與生存方法》,程世嘉著;蕭玉品採訪整理,遠見天下文化出版

延伸閱讀:有了AI翻譯之後,為什麼你還是要學英文?企業全面導入AI,該思考的三個關鍵

責任編輯:李先泰

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

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