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
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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
代理式商務連動百兆商機
© 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