你的工作會被AI取代嗎?關鍵心態:區分「與AI競爭」和「使用AI」的思維轉換
你的工作會被AI取代嗎?關鍵心態:區分「與AI競爭」和「使用AI」的思維轉換

人們耗費半個世紀時間研究和開發AI(人工智慧)。

雖然其技術發展與驚人成果廣受讚譽,但也有一些人將其視為「奪走人類工作」的威脅。你可能也聽過「因AI而消失的工作和能繼續生存的工作」等主題的討論,或許會有人因此對自己的工作感到莫名擔憂。

「將人工智慧應用於人類社會」的想法,本身並不新奇。我們平時可能不太會去意識到AI的存在,但應用AI的服務,早已從各個層面滲透到我們的生活之中。

過去十幾年的AI發展,簡單來說就是想像未來時,AI可能成為「威脅」,或是「大幅改變人類的工作和工作方式」,但「現實中它已經是滲透社會的便利工具」。

如今,AI技術的進化已進入另一個階段。這不再是「比喻」、「近未來的幻想」或「可能性的討論」,而是確實如字面所示正在「改變」人類世界—包含工作、工作方式、組織和社會結構。

話雖如此,這是否成為「威脅」取決於我們自己。對於那些「與AI競爭的人」或「從事AI也能完成的工作的人」而言,AI可能會是「威脅」;但對於那些「善於使用AI的人」來說,AI將會是「優秀的助手」、「能夠隨時腦力激盪的盟友」與「可靠的合作夥伴」。

那麼與以往的人工智慧(AI)相比,最近新出現且以驚人速度崛起的AI,其最大差異在於「生成式」(Generative)。所謂「生成式」,意即具有「生成力」,也就是說,它能根據人類的指令,生成「文字」、「圖像」以及「影片」。這就是正在顛覆人類工作及生活各個領域、改變遊戲規則的「生成式AI」所具備的功能。第一次目睹文字不斷產出、圖片如潮水般湧現的人,或許會感嘆「如同觀賞魔術表演」或是「宛如科幻電影場景」,可見「生成式AI」的衝擊力有多麼強大。

當我們思索目前最能滿足人類多數需求的功能時,首先想到的便是「搜尋引擎」。只要輸入關鍵字並按下Enter,它便能瞬間列出包含該字詞的網頁清單,這已經是我們生活中不可或缺的功能。

然而,生成式AI雖然也能像搜尋引擎般使用,但其最大用途並非「搜尋」(稍後我會詳細闡述,生成式AI確實會大幅改變搜尋的形態)。

生成式AI在接受人類指令後,會參照已學習的大數據才回覆使用者。在目前的階段,生成式AI其實是嘗試提出「您需要的應該是這樣的資訊吧?」的「建議」。不像搜尋引擎那樣提供「您需要的資訊就在這些內容中」的「正確選項」。

畢竟只是「建議」,如果人類表示「不對,麻煩改成這樣」,生成式AI便會調整最初的提案,回應使用者「那這樣呢?」

透過連續的互動,共同雕琢出最終成品。過程彷彿在與另一位人類一起用「不是那樣,也不是這樣」的方式腦力激盪。

生成式AI並非單純提供「正確選項」,而是順應人類的需求提出「建議方案」。也就是說,生成式AI就是讓人類以提案為本,幫助人類「尋找正解的工具」。

我們能從時間和勞力密集的工作中解脫嗎?

生成式AI有很多種用途,譬如說「整理」散亂的資訊、「按照格式」生成文本、機械式地「轉換」某些內容、「替換」或「改寫」文字、「收集」特定主題的資料、製作文本或圖像的「草稿」和「初稿」等,這些類型的工作將逐漸從人類的待辦事項中消失。

未來,人類的主要工作將會是以「發想」以及優質的「選項」為基礎,打磨出更卓越的創意點子,而具體呈現發想的「實際執行」將由生成式AI完成。生成式AI未來會不斷進化並持續普及,人類像過去那樣親自動手的情況將越來越少。

聽到「把生成式AI當作工具」這句話,有些人可能會覺得這很困難,但事實上並非如此。

生成式AI最能派上用場的地方有以下三處:

①消除以往日常中那些令人覺得「麻煩」的問題
②提供創意發想的「切入點」
③在「腦力激盪」中,協助打磨創意靈感

為了提高生產力,必要但本身並不具備生產性的「繁瑣作業」,是所有工作中不可避免的一部分。過去,這些作業需要花費大量時間和勞力親自完成,但現在用生成式AI就可以瞬間處理這類工作。

此外,在思考或創造新事物時,以往我們需要自己找到靈感的線索。雖然偶爾會出現少數人擁有豐富的靈感,能不斷湧現新點子,但對大多數人來說,「從無到有地想出某些東西」是一項非常艱難的腦力勞動。

然而,有了生成式AI之後,我們就可以「先問問AI」。

AI給出的答案不一定是「正確的」,但只要AI提供一些回應,這些回應就能成為我們發想的切入點(刺激),進而拓展思路。獲得某些靈感後,我們可以進一步打磨這些點子。

也就是說,生成式AI可以作為「靈感的起點」,並成為我們在「腦力激盪」過程中的合作夥伴,這些都是有效的使用方式。

之前我已經說過,生成式AI只是一種「工具」,如何利用它取決於使用者的需求。
我自己也在不斷嘗試用生成式AI做各種事情,同時觀察他人如何使用,以探索更多用途。
譬如目前備受關注的ChatGPT,只要打開網站就能選擇不同模型,預設的模型是GPT-3.5,任何人都可以免費使用(截至2023年4月28日)。我希望拿起這本書的各位都能親自體驗一下,你會對其輸出的精確度感到驚訝。

此外,還可以通過下拉式選單選擇2023年3月發布的最新模型GPT-4(這是付費版本)。GPT-4在2023年w月已經先行整合到Microsoft的搜尋引擎「Bing」(這是免費服務)。若這類搭載GPT-4的新服務逐漸普及,以文本為基礎的語言障礙應該會逐步消除。

大家也可以試著「接觸看看」,這樣就會逐漸發現適合自己的應用方式。為了讓各位能夠掌握大致概念,接下來我將透過我自己實際使用的例子來說明生成式AI能做到哪些事。

延伸閱讀:薪資提高47%!專家曝2025年這3張AI證照你一定要有,還有5堂免費證書一次收

本文授權轉載自《AI時代生存聖經》,伊藤穰一 著,平安文化出版

AI時代生存聖經
圖/ 平安文化

責任編輯:蘇柔瑋

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