「我們生產世界最多的 GPU，但我們用了多少？」生成式人工智慧（Generative AI）興起，引發場新一波的產業革命，台灣的半導體業作為全球主要 GPU 供應商，台灣廠商理應是 AI 時代下的先鋒。

前 Google 台灣董事總經理簡立峰提醒，倘若台灣未能把握生成式 AI 帶來的機遇，藉此升級產業、導入 AI 應用到百工百業，可能會在下一波產業浪潮中被甩在後頭。

遲遲還未導入 AI，第一步該從哪做起？簡立峰：要善用此波生成式 AI 的長處

簡立峰在「2024 GenAI 產業高峰論壇 - AI 生成．無限可能」提到，如果企業還沒導入 AI，第一步可以嘗試先把資料餵給 AI，發揮此波生成式 AI 的自然語言與閱讀理解能力專長。

以行銷部門舉例，藉由倒入行銷數據、訂閱而來的產業資料，請生成式 AI 協助報告分析工作。這個趨勢影響了顧問公司、華爾街分析師的工作，現在都開始用生成式 AI 來輔助解讀報告。

聯發科技對話機器人「達哥」（DaVinci）便是一例，透過類似 ChatGPT 的對話方式，解答員工關政策、流程、專案進度等問題，降低詢問和溝通成本；還能協助會議紀錄、整理內訊課程筆記，或針對內部上傳的文件，幫助同仁快速掌握關鍵資訊、學習核心技術。

然而，不過 AI 也有不完美的地方。簡立峰提醒，AI 無法保證總是提供正確的回覆，但企業、使用者能學會如何「正確使用」AI，透過精進把問題講得愈仔細、愈清楚的能力，提升 AI 生成的答案品質。

AI 真的會導致人們失業嗎？衝擊不是不會來，可能只是比較慢

有些人可能會想，「AI 真的會引發失業潮嗎？感覺沒有啊？」對此，簡立峰分析，台灣之所以還沒受到衝擊，是因為台灣是以製造業為基礎的國家，會是這一波中受影響最慢的一批。但如果是以知識型工作為主國家，像是香港、新加坡、以色列、北歐等，受到的影響就會比較大。

同時，衝擊還沒有發生在台灣，可能也跟不同國家 AI 發展近程不同有關，「如果一個國家還沒有因為生成式 AI 在這個時間發生失業，就代表你的應用還沒有開始。」

除此之外，以台灣目前的情況來言，大規模的職位外包或裁員尚未發生，主要原因有兩個：

1. 台灣對 AI 發展的認知和投入仍然不足。對於大多數企業而言，AI 還是難以掌握的新興技術，如何將其應用於業務流程仍是一個學習曲線。《經理人》、《數位時代》與台灣人工智慧學校（AIA）共同推出的《2024 職場學習趨勢報告：企業如何學習與落實 AI？》便指出，近 7 成受訪者表示公司正在導入 AI 或正在評估中，但同時亦有 4 成的人表明公司尚未進行 AI 相關的培訓。

2. 在大型語言模型中，繁體中文的語料有限，甚至不到整體的 2%。生成式 AI 在中文環境下的表現遠遜於英文，這又降低了 AI 在本土企業的應用價值。

哪些工作容易被 AI 取代？軟體工程師還能當嗎？

各行業對生成式 AI 的影響程度不盡相同。簡立峰比喻，生成式 AI 可以說是「內容生成小助手」但同時也是「鍵盤白領的惡夢」。生成式 AI 適合用來畫圖、翻譯、問答、寫作、補插圖、出報告、生文案、擬合約、寫程式等；但同時提升鍵盤白領的工作風險，像是美工、翻譯、客服、媒體、動畫師、分析師、行銷、律師、設計師等。

其中，軟體工程師是最先受到嚴峻挑戰的職業。由於軟體程式的開發過程和代碼在網路上流傳甚廣、且有許多 open source，AI 很容易獲得大量訓練資料，因此軟體工程師的許多傳統工作都將被 AI 所取代。「各行各業如果有這樣的數據型態，這個行業的 AI 化速度就會變快，」

然而，軟體工程師並不會因此而失業，但軟體整個開發的流程比重會改變，未來寫程式的時間可能會縮短，但問題分析的時間可能會變長，「軟體工程師必須變成架構師（Architect）、Project Manager，而且工程師自己要變成 QA（Quality Assurance Engineer，產品測試／品質保證工程師），因為可以自動地做測試。」

「未來（AI）學了軟體後，（軟體工程師）可以做的事情更多了，不用再花太多時間把想法轉換成程式碼。」