2019 年，全球企業最煩惱的恐怕就是如何培育 AI 團隊了！根據 2017 年騰訊研究院發表的《全球人工智能人才白皮書》顯示，全球 AI 相關產業人才總數約 30 萬人；台灣也不例外，104 人力銀行指出，台灣 AI 職缺增長至 6000 個。歲末年終之際，台灣也有 4 成企業年後將調薪 3.65%，其中因為台灣在 IC 等半導體領域的產值提升，讓 AI 與數據分析人才成為調薪大熱門。

就在此時，Google Brain 計劃聯合創始人、曾任職百度首席科學家，目前是新創公司 Landing.AI 創辦人的吳恩達，在 2018 年 12 月中發表了電子書《AI Transformation Playbook》（AI企業轉型指南）。這本書推出後，馬上成為業界討論焦點，可見企業目前對於 AI 轉型的關切程度。

吳恩達歸納自己過去的經驗指出，「一個 AI 專案需要耗時 2 至 3 年，不過企業可以在開始的半年到一年內就看到初步成果。」他點出企業 AI 轉型，從執行試點計畫而獲得動力、建立公司內部的 AI 團隊、對員工進行 AI 技能培訓、制定人工智慧戰略與在公司內部和外部建立良好的溝通渠道等，重要的 5 步驟。

企業 AI 三人才：全局者、專精者、參與者

吳恩達的電子書著重在方法論與執行實務，但企業 AI 轉型需要哪類的 AI 人才？IBM 全球企業諮詢服務事業群副總經理蕭俊傑指出，談到 AI 布局，企業其實需要全局者（企業高階位置）、專精者（純技術背景人士）與參與者（某領域專精知識者）3 大類的人才團隊合作，缺一不可。

這 3 類人才中在專精者的部分，是目前從教育、攬才到就業，國際間都在爭奪的頂尖人才，列強目前皆有制訂相關政策。根據台灣科技政策研究與資訊中心《英美中AI人才政策解讀》報告指出，「美國與英國持續強化『STEM』教育（Science、Technology、Engineering、Mathematics 4 學科）與相關師資培育，中國更是特別將人工智慧課程提早到小學階段；而在高等教育部分，中、英兩國皆增設人工智慧碩、博士學位，中國則是在大專院校內增設人工智慧學科。」

攬才部分，英國非常積極。2014 年由劍橋、牛津、愛丁堡、華威和倫敦大學學院等校共同成立「阿蘭·圖靈研究所」（Alan Turing Institute），主導英國的大數據分析及 AI 相關研究，並且推動學術獎助專案，將傑出人才簽證（Tier 1 Visa）發出數量翻倍到每年 2000 人，吸引包括 AI 專才在內的頂尖科技與藝術相關人才。

由此來看，在 AI 時代，各國都急需良好的數理基礎人才，這對台灣人才是好事，但對台灣本身來說就未必。台灣是否有良好的環境讓人才留在台灣、造福台灣？此外，由於產學落差、人才國際移動頻繁與軟體人才不足等原因，也讓台灣企業徵才困難。

為何鬧人才荒？產學無法接軌！

工研院產業科技策略發展所跨領域創新研究組黃筱雯指出，台灣高等教育每年培育大量的電機資訊、通訊相關學生，從學校供給端來看，數量上不會不足，但在質量上則和企業需要的人才有頗大落差，這才是所謂「AI 人才荒」的真正原因。

蕭俊傑指出，「學校內雖然每年培育大量懂得演算法與 AI 建模的碩、博士生，但這些人並不懂企業領域知識，也造成企業端用人和學校人才培育無法銜接的問題。」

對企業來說，能解決企業實際問題才是最重要的。蕭俊傑以製造業為例，產品良率的提升為首要任務，背後用什麼演算法或模型是次要，但這些碩、博士生缺乏實務經驗，任職後無法馬上上手，企業還要花上很長一段時間培育這些畢業生。

還有一些企業徵才挑戰是產業結構導致的，如台灣軟體產業不興盛，導致高階軟體人才缺乏，這對 AI 發展來說有著決定性影響。趨勢科技董事長張明正也直言：「台灣軟體產業與網路產業太弱，的確影響企業發展 AI 技術，台灣還是聚焦在科技代工業，對於終端消費者的同理心不足，找不到產品或服務的真正痛點。」

高教制度僵化，人才無法量產

雖然台灣缺乏軟體人才，但台灣學生擁有扎實的數理基礎與良好的英語能力，也觀察到 AI 浪潮，電機、資工、機械與物理等科系學生跨領域學習現象普遍，國際企業也愛向台灣人才招手。多數專家也肯定台灣傳統教育體制下培養出來的數理人才，如 Appier 首席人工智慧科學家、同時也是清大電機系副教授的孫民就觀察，「以國際標準來看，台灣學生數理底子不錯，很適合進入 AI 領域；另外，台灣八、九年級生的英文也都很好，華語圈的中文資源也足夠，語言不會成為學習障礙。」

不過，Google 台灣董事總經理簡立峰卻點出了台灣高等教育目前的隱憂，「台灣高等教育無法隨著市場需求調整師生名額，制度過於僵化。」簡立峰強調，美國在師生名額方面是充滿彈性，隨著市場需求變動的。以美國柏克萊大學來說，近年電腦科學領域的師資與學生就因應市場需求增加了數倍，但台灣高等教育僅依靠寥寥可數的 AI 教師傳承經驗，學生人數也無法調整、增加，缺乏彈性。

在這樣的脈絡下不少專家提醒企業，在大喊 AI 人才荒時，應該先檢討自己是否已經準備好了？

數據累積，企業發展 AI 基礎

首先，企業是否已經明確知道要用 AI 解決什麼問題？AI 不是一個產業，而是一種革命性工具，因此用途廣泛，從公司內部營運到產品與服務都機會導入AI，那先後順序為何？有無導入 AI 的必要？

再者就是數據累積。公司是否已經累積需要的相關數據，且數據品質是否良好？公司是否建立起一個數據驅動（Data-driven）的文化？

數據驅動不是指萬事皆以數據為依歸，因為數據也會有偏誤存在，是指企業進行決策時，能否尊重數據帶來的結果，並且建立起一套重視數據的執行體制，不僅只靠人為經驗判斷而已。「這個文化也牽涉到各部門的協作，企業內部在數據方面最大的壁壘往往來自企業各部門不願開放自己的數據，造成部門間數據無法互通，因此在組織層面來說，不僅是跨部門的協作，還必須打破各部門原有運作常規。」Gartner 大中華區資深合夥人龔培元指出。

在建立團隊、聘請相關人才之前，企業請先確定以上這兩大層面是否已經準備好了，否則，就算公司招聘到了不錯的 AI 專才，也會因為資料量不足或品質太差，最終建出來的 AI 模型準確度不佳，而陷入「巧婦難為無米之炊」的困境。

在執行面上，趨勢科技全球資深研發副總周存貹則指出，公司的 AI 研發主管應該注意「向上管理」，也就是如何把公司的 AI 策略清 s 楚地解釋給公司管理階層聽；在水平管理層面則要注意，「不僅是研發團隊，包括產品 PM（經理）、UX（使用者體驗）設計師、行銷、業務等同仁，都應該要對公司的 AI 產品有基礎理解。」

最後則是領導者的視野與心態，這是企業導入 AI 是否能成功，是否能吸引真正的人才駐留的關鍵。智慧醫療影像新創長佳智能執行長黃宗祺指出，「企業領導者也應該給予團隊更多『試錯』機會與充足時間 ，開放心胸，以實驗精神看待 AI 相關的專案，不要太執著於 KPI（關鍵績效指標）。」

企業的視野應該更高、視角應該更多元，蕭俊傑提醒，「當企業導入 AI，應思考如何讓員工產生更高的附加價值，而非一昧地想用 AI 取代員工，降低成本。」