目錄
分享人 | ATD人才創新大獎得主、工研院數位訓練長 廖肇弘 博士，太毅國際數位部摘要報導
當 AI 成為職場標配，企業準備好了嗎？
當一項科技創新達到全球 5,000 萬用戶時，就會成為改變人類社會的重要力量。廣播花了 38 年、電視 14 年、網路 4 年、社群媒體 2 年，而 ChatGPT 僅用了兩個月。這個「魔幻數字」背後，揭示了一個無法迴避的事實：AI 正以光速重塑職場生態，沒有人能置身事外。
這次「科技變局 × 人才定局」論壇中特別邀請工研院產業學院數位訓練長廖肇弘博士，為企業管理者與人資夥伴描繪未來十年人才發展的關鍵脈動。廖博士不僅是 ATD 全球人才發展創新大獎得主，更是行政院 AI 公務人才發展辦公室的催生者，長期協助數位發展部、教育部等政府單位推動 AI 人才政策。他以豐富的產學研經驗，為在場專業人士揭示了一幅清晰的 AI 人才轉型地圖。
趨勢觀察：AI 時代的3大職場變革信號
信號 1：企業股價與裁員同步發生的弔詭
2024 年開年至今，AI 相關科技巨頭股價大漲：NVIDIA 漲幅 43.9%、Google 漲幅 46.8%，就連台積電也有 46.5% 的亮眼表現。但與此同時，Google 裁員 1,500 人、Microsoft 與 Amazon 各裁員超過 15,000 人。這個現象揭示的不只是人力精簡，而是工作本質的重新定義。當 AI 能夠接手重複性、流程性的工作，企業需要的是能夠駕馭 AI、創造新價值的人才，而非單純的執行者。
信號 2：2024 諾貝爾獎為 AI 背書
今年諾貝爾化學獎與物理獎雙雙頒給 AI 領域研究者。化學獎得主 Demis Hassabis 開發的 AlphaFold，解決了人類 50 年來無法突破的蛋白質摺疊問題；物理獎得主 Geoffrey Hinton 的深度學習演算法，則奠定了生成式 AI 的技術基礎。這些突破告訴我們：「世界正在光速質變當中。」
更關鍵的是，這些技術不再只是實驗室裡的學術研究，而是正在快速商業化、民主化。廖博士提醒：「Hugging Face 平台上目前有超過 220 萬種 AI 模型，而且是以週、以天在增長。我們的學習速度如果跟不上 AI 的增長，真的會有很大很大的危機。」
信號 3：員工對 AI 的期待成為留才關鍵
根據 Oracle 與 Future Workplace 針對 10 國 8,370 名員工的研究，50% 的工作者已在使用 AI。更值得人資主管警惕的是，年輕世代對「公司是否提供 AI 工具」的重視程度，已如同「能否使用手機」一樣重要。這不是危言聳聽，而是人資部門必須正視的留才危機。當競爭對手提供更好的 AI 工具環境，你的人才流失速度可能比想像中更快。
實務AI人才發展脈絡：企業 AI 人才發展的3層架構
廖博士提出的「企業 AI 人才發展藍圖」，將組織成員分為三個層級，每個層級有不同的培訓重點與目標：
Level 1：會用 AI（User 層）
這是組織中所有員工都必須具備的基礎能力。核心在於 AI 素養的建立、工具應用的熟練，以及提問工程（Prompt Engineering）的掌握。廖博士指出，這個層級的培訓就像「數位掃盲」，不需要深入理解技術原理，但必須建立信心、消除恐懼。核心概念是讓員工理解，AI 是工具而非威脅，是助手而非替代者。
實務上，這個層級的員工應該能夠運用 Chat GPT、Gemini、Claude 等工具快速製作內容、撰寫提案、分析數據、翻譯文件等，將原本需要數小時的工作縮短到數分鐘。根據廖博士的經驗，經過適當培訓的員工，平均可以提升 15-30% 的工作效率。
Level 2：會做 AI（Power User / Professional 層）
這個層級的人才是組織 AI 轉型的關鍵推手，包括專案負責人、技術人員、業務主管等。他們需要具備系統導入、場景應用、跨部門協作的能力，培訓方式以 Workshop 實作專案為主，目標是能將 AI 應用於真實業務場景，解決具體問題。
廖博士特別強調，這個層級又分為兩種人才類型。一種是技術導入型，負責系統建置、模型訓練、架構設計；另一種是業務導入型，負責場景識別、需求定義、效益評估。「未來應該是技術人員跟業務單位的同仁或主管，要 team up 起來，去解決一個真實場域的問題。」
Level 3：會管 AI（Manager 層）
高階主管與決策者需要的不是技術細節，而是 AI 治理、資安管理、策略規劃、變革領導的能力。培訓方式以高階研討會和顧問式培訓為主，目標是制定組織 AI 策略、建立治理機制、平衡創新與風險。
在這個層級，重點議題包括：如何設計激勵機制鼓勵 AI 應用？如何處理 AI 導入後的組織變革與人員安置？如何在創新速度與資安風險之間取得平衡？如何建立 AI 倫理與監管框架？這些都不是技術問題，而是管理與領導的課題。
廖博士提醒，這三個層級不是階梯式的晉升關係，而是根據不同角色、不同職責的分工。一個組織中，可能 80% 的人只需要達到 Level 1，15% 的人需要達到 Level 2，5% 的人需要達到 Level 3。關鍵是要清楚識別不同角色的需求，提供精準的培訓資源。
人才未來圖像：從 Superworker 到 Agent Manager
廖博士提出了一個引人深思的職場演化模型。隨著 AI 能力的提升，工作者將經歷四個階段的轉變，而 HR 需要針對每個階段提供不同的支持：
第一階段是「高效的超級工作者」（Efficient Superworker）
透過 AI 工具優化流程，工作效率提升 15-30%。這個階段的員工已經會使用 ChatGPT 等工具輔助工作，但應用還比較淺層，主要是節省時間、提升效率。HR 的重點是普及培訓，讓更多人跨過使用門檻。
第二階段是「賦能的超級工作者」（Empowered Superworker）
善用 AI 的跨領域能力，工作效率提升 50% 以上。這個階段的員工不只是「用」AI，而是「駕馭」AI，能夠結合多個工具、整合多元資訊，創造出遠超個人能力的產出。HR 的重點是提供進階培訓，分享最佳實踐。
第三階段是「生產型超級工作者」（Productive Superworker）
重新設計工作流程，與 AI 深度協作，效率提升 100-200%。這個階段的員工已經把 AI 深度整合進工作流程，不再是「有空就用用看」，而是「AI 已經成為工作的一部分」。HR 的重點是支持流程再造，提供變革管理的協助。
第四階段是「超級工作者代理人」（Agentic Superworker）
管理 AI Agent 團隊，人類成為「經紀人」角色。廖博士預言：「未來的知識工作者、AI 的工作者，不是為了老闆工作，需要的不是老闆，是什麼？是經紀人。幫他把所有的東西、他想要完成的事情搞定。所以我們的管理會產生非常不同的一個情境。」
這個預言聽起來很遙遠，但廖博士提醒，從第一階段到第四階段的演化速度，可能比我們想像的快得多。對 HR 而言，這個演化路徑提供了一個清晰的人才發展框架。不同階段的員工需要不同的支持，不同角色的員工進化速度也不同。關鍵是要建立動態的評估機制，識別每個員工處於哪個階段，提供對應的資源與機會，協助他們持續進化。
HR 在 AI 時代的未來角色定位
當 AI 重塑了工作的本質，HR 自己的角色也正在經歷深刻的轉型。廖博士也提出12個面向，描繪了 HR 在 AI 時代的未來定位關鍵：
- 從 AI 採用到 AI 適應 From AI Adoption to AI Adaption
- AI 作為人類能力的輔助與增強 AI as a Complement to Human Capabilities
- 提升和再培訓成為策略性當務之急 Upskilling and Reskilling as Strategic Imperatives
- HR 擔任變革管理和AI 整合的領導者 HR’s Role as Change Management Leader
- 嵌入式 HR 專業人員的興起 The Embedded HR Professional
- 智慧技術與人本治理的結合 The “Smart Tech with Human Touch” Governance
- GenAI 與共享服務中心重塑HR 服務交付 Transformation of HR Service Delivery via GenAI & SSC
- 專注 AI 與 大數據技能 Focus on AI and Big Data Skills
- 建立人才市場以進行動態勞動力規劃 Building Talent Marketplaces for Dynamic Workforce Planning
- 培養「抗脆弱」（Antifragile）員工 The Antifragile Worker
- HR 部門需積極採用AI 並提高技術能力 Positioning HR as Technology Leader
- 提升對員工健康和福祉的支持 Elevated Importance of Employee Well-being
這些內容描繪了一個全新的 HR 圖像：既是技術的應用者，也是變革的推動者；既是員工的服務者，也是組織的戰略夥伴。這12個面向不是獨立的項目清單，而是一個完整的生態系統，它們彼此關聯、相互支持，共同構成了AI時代HR的新角色定位。
警示與提醒：AI 轉型的3大盲點
在分享的最後，廖博士也坦誠地指出企業在 AI 轉型中常見的誤區，這些盲點往往是失敗的根源：
盲點1：以為「辦一場培訓」就能解決問題
博士提到：「AI 的導入是一個系統工程，需要從組織文化、流程設計、人才培育、技術導入等多個面向同步推進，不是單一的培訓課程可以解決。」他建議，HR 在規劃 AI 培訓時，要從一開始就跳脫「辦課程」的思維，而是思考「如何推動變革」。
盲點2：忽略「不好分析的訊號」
以 AI 面試為例，廖博士開發的系統可以分析微表情、語調、態度等「隱性訊號」，這些過去只能靠經驗豐富的面試官「感受」的東西，現在 AI 都能精準捕捉。但他也提醒：「這是兩面刃，準確度提高的同時，倫理與隱私議題也必須被正視。」HR 在應用 AI 時，不能只看效率，也要思考公平性、透明性、可解釋性。
盲點3：低估 AI 進化速度
「AI 的迭代是以週、以天、甚至以秒為單位。Hugging Face 平台上目前有超過 220 萬種 AI 模型，就算每天測試一種，也要好幾輩子才能測完。」這代表 HR 不可能掌握所有工具、了解所有技術，關鍵是建立持續學習的機制，培養組織的學習敏捷度。
廖博士提醒，這些盲點背後，反映的是思維模式的落差。「很多企業還在用工業時代的管理邏輯，應對資訊時代的挑戰，這是會有很大風險的。」HR 需要的不只是學習 AI 工具，更是重新思考組織、工作、學習的本質。
結語：1.01^365 vs. 0.99^365
在演講的尾聲，廖博士分享了一個簡單卻震撼的數學公式：
1.01^365 = 37.78
0.99^365 = 0.025
每天進步一點點（1.01）與每天退步一點點（0.99），一年後的差距是 1,511 倍。廖博士說：「在 AI 光速前進的時代，這個差距只會更加劇烈。」
AI 不會取代人類，但會用 AI 的人，將會取代不會用的人。對 HR 而言，這不只是一句口號，更是刻不容緩的行動指南。從「會用」到「會做」，再到「會管」，這條 AI 人才轉型之路，需要的不只是技術培訓，更是組織文化、工作流程、領導思維的全面革新。
正如廖博士所說：「我們正站在歷史的轉折點上。這個轉折點非常非常清楚地告訴所有人：沒有人能逃得開。」那麼，你的組織準備好了嗎？
您也有訓練需求嗎?
填寫訓練需求表單，我們將盡快派專人與您聯繫，提供相關培訓建議與資料，以協助您的企業人才持續發展。
