Capture record
- Canonical URI: https://www.bnext.com.tw/article/92415/ai-skills-workplace-talent-education
- Source class: secondary synthesis。BusinessNext 整理 104 學習《AI人才趨勢報告》、台灣人工智慧學校(AIA)、企業培訓案例、台灣科技大學教學觀點、台大李宏毅課堂案例與 MIT AI 教育報告;本筆保留各來源的 attribution,不把媒體文章或單一受訪者觀點升格為 AI Ark 的普遍勞動市場、教育成效或產品能力結論,維持
status: draft。 - 原文標題: 會用AI只是80分!AI人才需求5年增近1倍,企業徵才「最後20分」看什麼?
- 作者/出版者: 數位時代 BusinessNext/數位時代 BusinessNext(JSON-LD author/publisher)
- 發布/修改時間: 2026-09-30T06:34:00+08:00(BusinessNext
NewsArticleJSON-LD,datePublished 與 dateModified 相同) - 擷取時間: 2026-09-29T23:41:03+00:00
- Retrieval method: 先以
web_extract讀取 BusinessNext 正文,再以 Pythonurllib直接 HTTP GET 核對 BusinessNext、104 學習、MIT AI and Education 與台灣人工智慧學校官方頁面的 metadata/正文;全程未使用 browser。只保存本 wrapper、metadata、faithful summary、claim ledger、必要來源連結與 rights boundary,不保存 HTML、圖片、PDF 或其他完整 payload。 - HTTP metadata: BusinessNext status
200、responseDate: Tue, 29 Sep 2026 23:41:03 GMT、response 407,598 bytes、Content-Type: text/html; charset=UTF-8、JSON-LDarticleBody3,138 字元;HTML payload SHA-256 為d8657231a55490d19dc6d1e052a68a25261ed88454743b222474e387409f9c98,僅供抓取 audit。104 官方頁 status200、responseDate: Tue, 29 Sep 2026 23:42:03 GMT、189,861 bytes、HTML SHA-256820deda2d05e3bdedeca1653eaf4a26ae2287d5cf6aca5fcade077ae76358b36;MIT 官方報告頁 status200、responseDate: Tue, 29 Sep 2026 23:42:04 GMT、228,162 bytes、HTML SHA-2567e03705bf999416d2e9504c21e49681e96ffa90042d22b3dbc7db5362b8dc15e;AIA 官方頁 status200、responseDate: Tue, 29 Sep 2026 23:42:05 GMT、36,949 bytes、HTML SHA-256b1cae80a61baaa7ca19dd161e928cfa95c37ba8b0d615292dfe5fe8bd5225af1。 - Saved payloads and SHA-256: 無;未保存 BusinessNext/104/MIT/AIA HTML、圖片、PDF、完整報告或其他附件。
Faithful summary
BusinessNext 以「會用 AI 只是 80 分」為主軸,整理 AI 從少數技術人員的專業,轉成各類職務的基本工作能力;文章把企業徵才的差異化放在能否把 AI 放進真實工作、做出成果、定義問題、判斷輸出與持續解題,而不只是熟悉某個工具。104 官方文章支持其《AI人才趨勢報告》所稱:近 5 年 AI 人才需求成長 97.6%,高於整體招募市場同期 22.9%;104 也說明統計可能同時包含新增 AI 職務與既有職務加入 AI 要求,兩者可能重疊。12
文章進一步整理 104 研發主管對企業選才的觀察:學歷與科系背景的重要性下降,企業更想知道求職者遇到什麼問題、採取什麼行動、做出什麼成果;對軟體開發等技術職,作品集比證照更能呈現如何發想題目、運用 AI 並完成作品。這些是 BusinessNext 對受訪者的轉述,不是本輪獨立招聘資料分析。1
在企業培訓案例中,文章以全支付的「AI 九宮格」描述由簡單日常任務開始、完成後給予獎勵、主管帶頭使用,再透過提案競賽培養 AI 種子的做法;並轉述 AIA 近年企業專班從 prompt engineering、模型微調,擴展到 AI agent 與 AI PM,要求學員把真實工作難題帶入課堂,跨過從構想到原型的「0 到 1」。上述企業數字、培訓成效與課程演進主要仍是 BusinessNext 的 article-level account。1
教育段落把「知識與技術」比為招式,把批判性思考、創造力、協作與溝通比為內功,並轉述台灣科技大學課程把成績分配到問問題、口頭報告、課堂參與與書面報告;文章再以台大李宏毅課堂的 AI Agent 攻防案例,說明評量可改看測試、找漏洞、修復與解題,而不只看答案是否正確。這些課堂比例與案例未由本輪直接讀取原始課綱、課程頁或 agent payload,維持 article attribution 或 unresolved。1
MIT 官方《Report of MIT’s Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training》支持文章引用的方向:重新檢視 AI 時代的學習評量、增加 experiential/project-based learning、強化面對面社會學習、要求各課程清楚說明 AI 使用政策,並持續提供教師 AI 培訓。MIT 報告頁本身標示 2026-08-13;BusinessNext 文章寫成 2026-08-25,本輪未另讀取 MIT President 對外發布頁,日期差異不作已解決結論。3
AIA 官方文章可直接核對陳伶志對「AI 讓多數人快速做到 70–80 分,人的差異轉向品味、共情、判斷與叛逆思考」的相近框架,但它是 2026-01-20 的觀點文章,不等於本篇企業招聘或教育效果的獨立證據。4
Claim ledger
| ID | Source claim | Status | Owning evidence and boundary |
|---|---|---|---|
| C01 | BusinessNext 92415 的標題、發布/修改時間為 2026-09-30T06:34:00+08:00,出版者為數位時代 BusinessNext。 | supported | BusinessNext NewsArticle JSON-LD 直接支持;只代表來源 metadata。 |
| C02 | 104《AI人才趨勢報告》所稱,近 5 年 AI 人才需求成長 97.6%,高於整體招募市場同期 22.9%。 | supported | 104 官方文章直接列示兩個比例;範圍是 104 的職缺/招募統計,未取得完整報告方法附錄與原始 query,不能外推為全體勞動市場。2 |
| C03 | 104 的 97.6% 統計同時可能包含新增 AI 職務與既有職務加入 AI 能力要求,兩者在統計上可能重疊。 | supported | BusinessNext 直接轉述 104 研發處協理的統計口徑;本輪未取得 104 原始資料表,僅能作為報告解讀邊界。12 |
| C04 | 企業評估 AI 能力時,逐步更重視工作問題、行動與成果,作品集可能比單一學歷/證照更能呈現實作。 | observational | BusinessNext 對 104 受訪主管的觀察;未做跨企業招聘實驗、職缺分析或因果驗證。1 |
| C05 | 全支付以低門檻任務、獎勵、主管示範與提案競賽培養員工 AI 執行力。 | partially-supported | BusinessNext 的單一企業案例;全支付第一方內部規章、參與率、完成率與成效資料未直接讀取。1 |
| C06 | AIA 企業課程從 prompt engineering、模型微調延伸到 AI agent/AI PM,並要求把真實問題帶入課堂做原型。 | partially-supported | BusinessNext 的受訪者轉述;AIA 官方直接讀到的是相近的 80/20 人才觀點文章,不是本篇課程目錄、學員資料或成效報告。14 |
| C07 | AI 時代教育評量應增加問題定義、口頭說明、實作、專題、驗證與清楚的 AI 使用規範。 | supported | MIT 官方報告直接支持重新設計評量、增加 experiential/project-based learning、面對面互動與課程 AI policy;不支持 BusinessNext 文章中的每一個課堂比例或台灣案例。3 |
| C08 | 台大李宏毅課堂讓學生打造 AI Agent,再由助教輸入異常指令進行攻防,評量重點轉向找漏洞與修復。 | unresolved | 目前只有 BusinessNext article-level account;未直接讀取課程公告、助教教材、agent code、測試紀錄或學生評量結果。1 |
| C09 | 「AI 可以加快抵達,但方向與是否走對仍由人決定」可作為企業與教育的工作假設。 | observational | 由 BusinessNext、AIA 觀點與 MIT 報告共同形成的可重用 framing;不是已完成的跨組織因果研究。143 |
Evidence boundary
本記錄支持的最小結論是:BusinessNext 於 2026-09-30 報導 AI 能力從加分項走向職場基本門檻,並把企業與教育的「最後 20 分」描述為問題定義、成果交付、判斷、溝通、實作與驗證;104 官方頁支持 97.6%/22.9% 的報告數字,MIT 官方報告支持重新設計評量、增加實作/專題與明確 AI 使用政策。上述仍是 104 研究口徑、MIT 機構報告與 BusinessNext/受訪者案例的拼接,不是 AI Ark 的獨立勞動市場或教育成效研究。123
本記錄不能證明:AI 技能一定讓薪資翻倍、企業普遍已把學歷與證照降為次要、全支付或 AIA 的培訓方法能在其他組織複製、李宏毅課堂的 AI Agent 攻防已造成學習成效提升,或「最後 20 分」能被單一 rubric 穩定量化。沒有讀取 104 完整報告、MIT 完整 PDF、台灣科技大學/台大原始課程材料,沒有執行產品操作、課堂重現、招聘資料重算或 human verification,未加入 verified。
Sources skipped or not directly read
- 104《AI人才趨勢報告》登入後完整報告與原始資料表:只直接讀取 104 公開文章;未取得完整方法附錄、分母定義與原始 query。
- MIT AI and Education 完整 PDF 與 MIT President 對外發布頁:本輪只讀取 MIT 官方報告 HTML 頁;文章所寫 2026-08-25 與報告頁標示 2026-08-13 的日期差異未另行核對。
- 台灣人工智慧學校本篇企業課程目錄/招生簡章、全支付內部培訓資料、台灣科技大學課程頁、台大李宏毅課堂教材與 AI Agent payload:未直接讀取或操作,相關敘述保留 BusinessNext attribution。
- BusinessNext 頁面後段附帶的「2026 Impact Star」贊助模組:與本篇 AI 人才/教育主題無直接證據關係,未納入本 raw wrapper;未另建 sponsored raw record。
Rights boundary
BusinessNext、104、MIT、台灣人工智慧學校與文中所涉企業/課程內容均受版權或網站條款保護。本次僅保存 metadata、繁中 faithful summary、claim ledger、證據界線與來源連結;未保存完整 HTML、完整報告、PDF、圖片、課程材料、AI Agent payload 或其他完整外部內容。Canonical links 保留作後續查核入口,來源 ingest 不等於取得重製或再發布授權。
Footnotes
-
BusinessNext 92415 — 會用AI只是80分!AI人才需求5年增近1倍,企業徵才「最後20分」看什麼?(數位時代 BusinessNext,2026-09-30)。 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11
-
104 職場力 — 104學習發布《AI人才趨勢報告》 企業招募十萬名AI人才(104 人力銀行/104 學習,2026)。 ↩ ↩2 ↩3 ↩4
-
MIT AI and Education — Report of MIT’s Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training(2026-08-13)。 ↩ ↩2 ↩3 ↩4
-
台灣人工智慧學校 — 經理人月刊 AIA 專欄 (2):當 AI 讓 80 分輕而易舉,品味、共情、叛逆才是珍貴資產(2026-01-20)。 ↩ ↩2 ↩3