黃仁勳:要擔心的是被會用AI的人取代!10種提升AI技能的方法一次看
黃仁勳:要擔心的是被會用AI的人取代!10種提升AI技能的方法一次看

專注在如何利用AI解決我們特定工作領域中的問題,持續穩定的練習而不是隨機使用,培養下指令的功力。不需要花大錢,也能逐步提升使用AI的能力。

AI取代人力的時代已經來了,科技大廠如亞馬遜和微軟,不斷傳出裁員。蓋洛普(Gallup)調查卻指出:只有4%的人會每天在工作中使用AI。

黃仁勳說過:「不用擔心自己會被AI取代,該擔心的是被那些懂得使用AI的人取代。」 顯見提升AI實力已經不再是個加分技能,而是不可少的能力。

現在開始學習AI技能,還不算太晚!《富比世》列出十種方法,幫助你快速提升AI技能。

1.從免費的專業課程開始

網路有很多免費AI課程,ChatGPT母公司的OpenAI學院,包含專家領導的工作坊、線上教學和社群互動,內容設計著重於AI實際應用。

人工智慧新創Anthropic也請到科克大學的費勒教授(Joseph Feller)教授和林林藝術設計學院的達肯(Rick Dakan)教授,共同推出了一門「AI流暢度:框架與基礎」課程,讓大家了解如何用AI達到人機協作的模式。

2.專注在實際應用上

請先做到以下幾件事:

  • 分辨出日常工作中重複性高的任務,例如草擬Email、分析資料、內容創作或彙整研究文件。
  • 當工作上需要專業溝通、分析試算表數據,或發想專案點子時,可以試著搭配一些AI工具來寫出草稿(並不是完全交給AI寫)。
  • 持續穩定地練習,而不是隨機地嘗試。
  • 記錄有效的做法,在工作日誌上寫下用AI成功的案例。

這樣一來,當主管在跟我們討論AI技能或進行績效評估時,這些數據就相當珍貴了。

3.加入AI社群建立人脈

在LinkedIn、Discord、FB等平台,搜尋AI社群,看看專業人士在群裡分享實際應用案例。OpenAI學院也有推出專屬社團,相較於正式的訓練,這些社群通常更能提供接地氣的洞察。

4.培養AI指令工程

與AI互動時,不能只是說:「幫我寫一封商務電子郵件」。試著改成:「請撰寫一封專業又友善的郵件,跟進錯過會議的客戶,並重新安排下週的會議。」這樣的指令更清楚、更具體,AI才能給出更有用的回應。

學會如何撰寫出這樣的清楚指令,就是 「指令工程」(Prompt Engineering),它是與AI有效互動的關鍵技能,需要透過持續練習才會進步。

AI社群中也有不少人會分享一些被證實有效的指令範本,可以從中模仿,再根據自己的需求進行調整,建立一套個人專屬的指令庫。

5.緩步將AI融入工作流程

直接用AI來進行工作大改造可能會有適應不良的問題,不如循序漸進地將AI工具融入工作中。先從每週一項低風險任務開始,例如使用AI生成會議的議程模板、摘要文件,或是撰寫例行性溝通的草稿。

6.隨時掌握AI工具的最新發展

AI公司經常推出新工具和功能,養成每週花15分鐘了解最新的AI工具的習慣,也是打造AI實力的關鍵。

可以設定Google Alerts,追蹤與你產業相關的AI工具,Google Alerts是一個可以透過關鍵字訂閱的免費服務,每當這個關鍵字的新資訊跳出時,就會透過電子郵件通知用戶。

也可以關注AI公司的官方部落格,訂閱他們的電子報,甚至不需要花錢,就可以搶先體驗新AI工具。

7.練習與他人分享AI的好處

學會向同事、經理或客戶傳達AI的價值;試著用簡單的方式解釋,聚焦在商業成果,而不是深奧的技術細節。

比起解釋語言模型怎麼處理大量資訊,不如分享AI如何幫你把報告準備時間縮短了40%。主動與團隊分享你的使用心得,不僅能強化你的知識,還能讓你進一步獲得領導AI專案或進行培訓的機會。

8.善用AI激發創意

AI能協助探索創新方案,解決複雜問題,重塑傳統流程。例如,讓AI從多元角度分析「預算限制」,或提出突破性替代方案,不僅能提升你對AI潛力的理解,更能激發自身創造力。

避免被AI取代的核心,在於發揮獨有的想像力與原創思考:AI適合釐清思路、尋找靈感,但無法替代你的創意。

9.評估你的AI技能價值

可以追蹤具體的數據,展示AI如何幫你提升工作表現,比如節省了多少時間、提高了哪些品質或降低了多少成本。例如:「使用AI整理資料,讓我把專案準備時間從4小時縮短至45分鐘。」

10.培養AI倫理與批判性思維

了解AI的限制,學會批判性地看待AI的建議,而不是盲目接受,就能更負責任地使用AI。隨著企業日益重視員工的AI應用能力,具備批判性思維的專業人才將在職場中脫穎而出。

AI真正的價值在於執行重複性高、數據密集繁瑣的基礎工作,但使用者必須明確架構問題與目標。學會善用AI工具的重點:

  • AI無法替代人類的決策能力,過度依賴將弱化思考力。
  • 應將AI視為協作工具,而非替代性方案。
  • 關鍵在於「定義問題的能力」與「資訊再詮釋」:需自己消化AI生成結果、轉化為個人知識體系、再以專業表述重新輸出。

延伸閱讀:不想被AI取代?這3件AI做不到的事,你行嗎
21%的工作機會消失了!想當自由工作者,得先和AI比一比

本文授權轉載自:商業周刊

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