記者李鴻典／台北報導
生成式 AI 工具快速推陳出新，帶動學習需求升溫，也同步加劇使用門檻與焦慮。根據國際人才平台 Cake 調查，有 57.9% 的參與者表示，AI 工具更新速度過快，難以跟上。Cake 觀察，多數使用者已開始接觸 AI，但在工具快速迭代的情況下，如何將 AI 穩定納入日常工作流程，成為新的關鍵挑戰。另一方面，企業也開始從單點應用，進一步將 AI 納入工作流程設計，重新調整任務分工與決策方式。
根據 Cake 調查，32.4% 參與者期望能提升 AI 工具使用效率，另有高達 71.8% 認為 AI 技能已成為未來職涯的必要條件，顯示 AI 已從加分能力轉為基本門檻。同時，79.7% 表示將在一個月內開始投入 AI 學習或應用，反映市場正快速進入實作階段。
然而，在實際導入層面仍存在明顯落差。57.9% 表示工具更新速度過快難以跟上，48.9% 缺乏系統性學習資源，另有 46.8% 指出不清楚如何將 AI 應用於工作情境。
從整體數據來看，多數人已具備 AI 使用意識，甚至開始採取行動，但挑戰逐漸集中在如何將 AI 納入日常工作流程，而非單純學習工具操作。另一方面企業端的 AI 導入方式上，也開始體現這個落差。
企業導入 AI 的方式正在改變，從單一任務輔助，轉向流程層級的整合。透過自動化工具與 AI agent，企業開始將重複性任務（如資料整理、初步分析與回覆流程）交由 AI 處理，讓人類專注於更高價值的決策與策略工作。
這樣的轉變在金融領域尤為明顯。以 Kronos Research 為例，其活動中分享指出，在量化交易場景中，AI 已不再只是輔助工具，而是如同水電般的基礎設施，不僅負責執行任務，更進一步參與研究流程，例如整理資料、分析市場訊號與輔助策略開發，將研發效率提升約 80% 至 90%。
Cake 指出，當 AI 被納入核心工作流程後，企業對產出的速度與品質要求亦同步提升，人才的價值也隨之轉變：不再只是完成任務，而是能在 AI 參與的情境中做出判斷與取捨。這樣的流程重組，不僅發生在工作層面，也反映在 AI 技術架構的轉變上。
隨著 AI 應用逐步落地，運算架構也正發生轉變。以半導體產業的分享為例，AI 正從過去以雲端為中心的運算模式，逐步轉向裝置端（Edge AI）與雲地協同的混合架構（Hybrid AI），讓即時性、隱私與個人化的特性能在終端裝置上實現。
高通公司（Qualcomm）觀察指出，邊緣端不只是資料產生的位置，更是 AI 理解使用者情境與即時行動的關鍵場域。當 AI 能直接於手機、電腦、穿戴裝置等終端上運作，便能結合長期累積的個人使用情境與多模態資訊，即時理解需求並主動提供協助。
這也呼應其所提出的「Ecosystem of You」願景，未來將以 AI agent 為核心，串聯多元裝置，建立以人為中心、跨裝置協作的個人化 AI 體驗。隨著 AI 從被動回應進化為主動預測與執行任務，Edge AI 正成為推動下一階段智慧應用與工作型態轉變的重要基礎。
AI 的導入正改變工作的本質。過去由人類負責的執行與分析任務，正逐步被 AI 接手，而人類角色則轉向結果判讀、風險評估與策略選擇等決策環節。活動中的實務案例也顯示，AI 雖能快速產出內容與分析，但在關鍵判斷上仍需仰賴專業能力；當使用者缺乏領域知識時，反而更難辨識 AI 產出的潛在錯誤。
AI 產業人才認定指引推動計畫亦分享，依據數產署《AI產業人才認定指引》設計之 AI 技能速測，於本次活動共蒐集百人填答。結果顯示，填答族群以年輕在職者及具資訊背景者為主，然而其中約 78% 填答者均傾向應用型角色。此趨勢亦反映企業在AI導入過程中，對能結合工具、流程與決策判斷之應用型人才需求持續提升。
在這樣的轉變下，AI 更像是放大器。Cake 進一步分析，具備判斷能力的人，能進一步提升品質與效率；缺乏基礎的人，則可能在不自覺中放大錯誤風險。
進一步觀察，AI 應用正從單點工具，走向流程層級的整合。企業與開發者開始以 AI agent 為核心，將任務拆解並串聯成可自動運作的工作流，使 AI 能處理一整段流程，而非單一任務。
同時，透過內部知識庫與評估框架，AI 得以在特定脈絡下進行分析與輔助判斷，讓小型團隊在資訊處理與決策支援能力上，也能接近大型組織的水準。隨著 AI 模型持續快速迭代，單純追逐工具的應用已難以建立長期優勢。真正的差異，來自是否能將 AI 應用於實際工作情境，建立穩定且可複製的工作流程，並在關鍵節點做出有效判斷。
Cake 認為，當 AI 逐步成為企業運作的一部分，人才競爭的關鍵，也從工具操作能力轉向工作流程設計與決策能力。在 AI 成為基礎設施的時代，拉開差距的將是對問題的理解深度與決策品質。
