尋找符合當下需求的人才，一直是企業主要面對的課題。但有些人可能會問，現在都已經有 AI 了，找人才這件事真的還重要嗎？找的人才又需要具備哪些特質呢？又或者換句老話問：「AI 可以取代人才嗎？」

雖然現在生成式 AI 發展得如火如荼，但如果要說到「取代人類」這件事可能還有點遠。LinkedIn 日前釋出一個數據指出，現在約有 57% 招募人員使用 AI 撰寫職缺敘述（Job Description），且有 45% 將部分招募工作自動化。

隨著時間的推移，人工智慧的興起不僅將改變招募流程，也將提升人員在組織中的角色。 有機會在幫助組織將人工智慧技能融入員工方面發揮重要作用，包括幫助領導者了解生成式 AI 對工作的影響，並推薦培訓計劃以培養與生成式 AI 相關的員工技能。

少部分的人至今仍舊認為，AI 會取代人類的工作，因此對於這樣的新科技保持著敵意。不過和碩技術長王炳欽認為其實未來的員工應該要思考如何改變自己的工作模式。

王炳欽認為，相同的工作過程過往需要三週的時間來完成，但有了 AI 的協助後，可能可以大幅縮減至二、三天，讓每個人的產值獲得提升。

但受到 AI 影響的人，工作模式需要有所改變；過往你可能習慣單打獨鬥，但未來需要變成人機協作。充分的善用生成式 AI 帶給你的便利，在人機一起合作下達到最好的效果。

話句話說，AI（至少是現階段的 AI）非但不會取代人類，反而是每位員工未來都應該學會的工具之一。

專業 AI 人才該具備「三力」

如果企業想要找的 AI 人才，指的是像蘋果、Google、OpenAI 這樣的 AI 專業人士或團隊，這樣的人才應該要具備整合力、匯聚力，以及創造力。

整合力

Gogolook 數據與商業智慧總監高義銘解釋，如果一間公司內部有個 AI 專業團隊，那麼勢必會收到各種不同單位針對 AI 的發想，或是一些需解決的問題，這時 AI 團隊的人就得開始思考自己手上有哪些 AI 工具，這些工具該如何整合起來，以解決真正的商業問題。

假若 AI 人才沒有整合能力，那麼現階段會很吃虧，因為這個人才除了必須要對各個新 AI 技術的出現外，還得應付不同領域的人提出來的問題。

匯聚力

因為現在的 AI 幾乎已快成為全民運動，AI 人才在開發出一個 AI 工具後，得再想辦法將自己的技術去感染、匯聚其他非工程團隊或是非 AI 人才的人願意使用。

高義銘分析，當 ChatGPT 推出後為什麼可以有這麼多版本迭代更新，主因在於這項工具吸引了許多人來使用，當人們用過後就會產生反饋、調整，並為這項技術帶來更多的進步。他進一步指出，現在的 AI 模型早已不是過往的老舊技術，工程師只要躲在電腦後寫一個程式就好，而是必須要想辦法獲得使用者，並透過他們來獲取反饋，這才是最快速可以調整模型的方式。

創造力

創造力一直是人才中重要的特質之一，就連在 AI 領域中創造力也佔了舉足輕重的角色。

高義銘以 Gogolook 的本業（防詐）為例，先前 Gogolook 曾開發偽冒語音偵測技術，一般人可能會直覺認為「那就去找正在做偽冒語音偵測的公司合作即可」；但 Gogolook 的團隊卻反其道而行，找了一家專門在做聲音變造的公司合作。

「聲音變造」的公司專門可以將人原有的聲音進行一些修飾，KTV 或一些手持麥克風都會需要跟這一類的公司合作。

因為團隊的創造力，讓 Gogolook 想到可以去找聲音變造公司來合作，來了解如果透過 AI 創造聲音，在變造的過程中 AI 會出現哪些缺點，而在偵測的過程中只要將這些變造的缺點探測出來，就可以知道這是不是偽冒語音。

你可能會問「為什麼不餵機器學習過往的偽冒語音資料，讓系統去偵測即可？」高義銘解釋，因為現在的變造的 AI 語音速度太快，現在收集到的資料，可能已經是一年前的技術；因此團隊要想到的是，要如何獲取最新的變造技術，去解析它那個演算法會有哪些瑕疵，再將偵測的重點擺在這些瑕疵處即可。

對此，王炳欽也認為，現在的 AI 人才應該具備「T 型」特質。

何謂「T 型」特質？王炳欽解釋，指的是人才在某一專業領域當中要了解得很深，就像是「T」往下的那一撇一樣。至於 T 的「那一橫」就是你在其他領域的專業不用了解太深，但你要懂得廣一點，這就是所謂的「T 型人」，而這樣的人其實就相當適合描述現在企業所需的 AI 人才特質。

別讓 AI 人才 IT 部門化

雖然提到「AI 人才」會讓人直覺就應該找個相關科系畢業的學生，或本身就具備相關背景的人才，但實際上現在 AI 早已工具化，企業主除了一方面尋找 AI 人才外，也該想辦法讓現有員工人人上手至少一項 AI 工具。

高義銘指出，當 ChatGPT 爆紅後，Gogolook 確實在專業 AI 人才的需求上有一定程度增加，但實際上公司內部卻認為這並不是產業 AI 趨勢的發展重點，因為當 ChatGPT 推出後，Gogolook 就了解到，絕對不會是要養一個很大的 AI 團隊，而是必須要讓公司每一個人都有 AI 能力，這樣整體公司 AI 能量才有辦法最大化。

高義銘以公司內的 BD、PDM，或設計為例，這些都是公司內會直接面對客戶的人，他們針對真正的問題其實是最有掌握的，但如果這些人又具備一些 AI 相關的能力，其實是最快可以反映出現在使用者面對到哪個問題時，可以用某個特定的 AI 工具來解決，這樣的情況會比一個 AI 團隊，或是一個非常工程導向的 AI 團隊一直在後面等需求來，處理問題的速度明顯可以快很多。

因此 Gogolook 開始推動公司內部一些不會寫 Code 的員工，讓他們使用一些不需要 Code 的工具，讓這些原本對 AI 不太理解的人，可以在短時間內立即上手一些 AI 工具。

且現在有許多企業內部都已開始推動內部課程，系統化地來訓練員工使用 AI 工具，但為什麼有了專業 AI 人才，還需要讓其他員工也都學會 AI？讓所有人都學會 AI 工具的好處在於，不要讓部門與部門之間有所隔閡，好像「AI」就是歸屬於某個特定的團隊，這就會讓 AI 人才流於傳統的 IT 部門，集中管理的 AI 人才做出來的工具反而很難被其他部門的人所接受。

要有更多 AI 人才，教育仍是重點

生成式 AI 的爆紅開始在全世界拉起了另一波軍備競賽，尤其是在人才這一塊，許多國家都在思考要如何在短時間內培養出盡可能多的 AI 人才，究竟是要從政策、教育還是企業內部調整，才可能培育出更多、更優質的 AI 人才。這一點也是台灣所面對的問題。

對此，王炳欽認為最重要的還是要先從教育先著手。為什麼？

王炳欽解釋，要使用現在的 AI 工具最大的重點在於如何問問題。如果你曾使用過 ChatGPT 就會了解，相同的問題用不一樣的問法，就會獲得不同的答案；除此之外，並不是每一個人都具備問問題的能力，有時你要人問出一個問題，還不見得問得出來。

這樣的情況其實不難想像，畢竟過往的台灣教育大多是應試模試（填鴨式教育），所有的知識都被要求背誦下來，就連該問什麼樣的問題，也是透過別人來告訴自己。

王炳欽指出，過往台灣的教育形式偏向記憶型的模式，但現在的 AI 只要透過餵進去的資料，就可以記下大多數知識；因此會建議未來的台灣教育形式，應該要讓學生培養出更多思考，並提供他們有更多表達的機會，而不再只是單純地將知識記憶起來。

對於這一點，高義銘也抱持著一樣的看法。他表示，在遇過各國的 AI 人才後，發現不同國家的人都帶給人不一樣的感受。以美國為例，高義銘過往曾在美國唸書，當他與美國人討論遇上某個問題時，想透過 AI 工具來解決，卻被他們反問「為什麼要用 AI 解決這個問題？」高義銘指出，美國人的教育模式帶有一些批判性思考，因為他們從小就是這樣的教育模式成長到大。

不過除了美國模式值得學習外，高義銘認為，日本的職人精神也相當值得台灣學習。他解釋，日本在發展 AI 的過程中，仍舊秉持著過往的職人精神，因此他們在發展 AI 的過程中，就非常在意人機協作。

高義銘指出，日本不會探討所謂的 AI 要取代人、有多少人要因為 AI 而失業，他們在意 AI 要如何可以讓職人更專注在他們的專業領域。所以在查看日本的 AI 相關文獻或演算法時，都可以看到日本的 AI 應用，都是非常貼近人的應用。

另外，AI 的興起也帶動了另一波關於個資相關的討論。高義銘表示，強調 GDPR 的歐洲人就會相當注重這一塊，這也是台灣在培養 AI 人才時要注重的另一重點。過往台灣的環境可能比較不重視這一塊，但如果 AI 人才能夠重視這一點，不走法律灰色地帶或漏洞，才能帶給台灣 AI 與 AI 人才有更安全與穩定的發展。

（本文出自 科技新報）