文／廖肇弘
在 AI 新時代，國力取決於新三力：算力、電力、人力。今天，我們就來談談人力。隨著這一波生成式 AI 的迅速發展，全球企業對 AI 人才的需求呈現爆炸性的增長。AI人才短缺成為企業發展的主要瓶頸，如何有效培育及延攬 AI 人才，已成為各大企業當前最迫切的重大課題。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
目前臺灣正在積極推動百工百業的 AI 應用，AI 人才需求極大，根據國發會推估至少有 20 萬的人才缺口。如何快速、大量地培育 AI 人才，成為各界的重中之重。由於近來筆者參與不少有關政府及產業 AI 人才發展政策的規劃，研讀許多世界各國重要的研究報告與計畫文件，深深感覺到各界對於加速培育 AI 人才的急迫感和焦慮感，因此特別藉此專欄一隅，與朋友們分享若干個人淺見。
關鍵數據
按照慣例，先看數據。根據最新的 《MacroPolo 馬可波羅 AI 人才全球追蹤器》和《Zeki 2024 年 AI 人才報告》的關鍵數據包括：
‧全球 AI 人才分佈：全球頂尖 AI人才分佈於超過 90 個國家，受訓於超過 2,000 所大學，並被超過 2 萬家企業僱用。
‧美國的 AI 人才吸引力：在過去十年中，美國吸引了全球兩倍的頂尖 AI 人才，尤其是在 2015 年以後，美國科技巨頭（如 Amazon、Apple、Google、Meta 和 Microsoft）大幅增加對 AI 人才的需求，導致美國成為主要的 AI 人才進口國。
‧行業吸引力：某些行業對頂尖 AI 人才的吸引力急劇增加。例如，醫療行業在過去十年間吸引頂尖 AI 人才的數量增加了 20 倍，而國防行業的 AI 人才招聘增長了 83%。
‧除了美國和中國之外，英國、韓國和歐洲大陸作為頂級 AI 研究人員工作目的地的競爭力略有提高，印度和加拿大的比例相對下降。
‧同時，中國大陸和印度在過去幾年擴大了國內 AI 人才庫，由於培養了相當大比例的全球頂尖 AI 研究人員，47% 的中國 AI 人才與 20% 的印度 AI 人才選擇留在國內工作。
[ 推薦閱讀：AI 國際法遵需求迫在眉睫 人工智慧風險管理成顯學 ]
這些數據顯示的意義是，世界各國都在無所不用其極地吸引、或招攬、或挖角頂級的 AI 人才，而奇貨可居的 AI 人才是全球移動的，我們能做的策略就是「築巢引鳳」，將環境和配套政策準備好，才能吸引這些頂級 AI 人才的青睞。
AI 人才職能框架
但另外的重點是，絕大多數在職場中 AI 專業人才，可能還是需要透過有策略、有系統、有架構的方式，自行培養或轉型，才能滿足如此變化快速的產業迭代需求。
什麼叫做「有系統、有架構」？首先我們得看看兩個國際公認的職能框架 ─ SFIA 和 DigiComp，可以幫助企業定義 AI 技能的標準，並設計設計適切的人才培訓計畫。
1. SFIA 框架（Skills Framework for the Information Age）
SFIA 起源於英國，是一個全球應用的技能框架，專門為 IT 專業人士設計。它將技能劃分為不同的責任級別，涵蓋從策略規劃到技術實施的多個職能領域。在 AI 領域，SFIA 框架特別強調以下幾個關鍵技能：
‧數據科學與分析：AI 開發的核心，包括數據收集、清理、建模和分析。這些技能對於企業進行大數據處理和 AI 模型的優化至關重要。
‧機器學習工程：包括機器學習模型的設計、開發、訓練和部署。這是企業應用 AI 技術解決實際問題的關鍵能力。
‧人工智慧倫理與治理：隨著 AI 技術的廣泛應用，AI 系統的公平性、透明性和責任治理變得尤為重要。SFIA 框架將這些倫理問題納入核心技能，幫助企業在 AI 應用過程中實現合規操作。
‧系統整合：將 AI 技術整合到現有的技術平台中，並確保不同系統之間的無縫對接，這是企業實現 AI 規模化應用的基礎。
2. DigComp 框架（Digital Competence Framework for Citizens）
DigComp 由歐盟開發，主要用於衡量和促進公民在數位環境中的能力，偏向素養與基礎能力。雖然其最初針對的是提升歐盟公民的數位能力，但它也適用於企業設計 AI 人才的培養策略。對於企業而言，DigComp 框架能夠幫助員工在數位時代中提升以下幾個重要技能：
‧數據與資訊素養：理解如何檢索、分析和有效使用數據是 AI 應用的核心。企業可以依據 DigComp 的標準，設計數據素養的培訓計劃，幫助員工掌握數據處理和分析能力。
‧溝通與協作：在數位平台上進行高效協作，尤其是在與 AI 系統進行互動時，具備良好的數位協作能力能夠顯著提升工作效率。
‧數位內容創建：DigComp 框架涵蓋 AI 生成內容的能力，包括如何利用生成式 AI 工具來創建和優化數位產品，這對於企業創新和市場推廣至關重要。
依據 SFIA 及 DigComp 這類框架的指引，我們較能有層次有架構的方式展開 AI 人才的技能需求，並依據學習地圖展開相對應的培訓計畫。
AI 人才培育策略
有了職能基準、技能框架、學習地圖之後，我們就可以展開具體的 AI 人才培訓策略。要快速、大量的讓職場工作者具備「AI 即戰力」，除了不斷地上課受訓之外，大概還有下列幾種模式可以進行：
1. 線上線下虛實整合
在疫情期間，相信所有人都已經適應了在家辦公 WFH 和線上學習。企業應結合線上和線下的學習方式，提供靈活的學習時間和廣泛的學習資源，適合大規模的 AI 基礎技能培訓；而線下的實作工作坊和培訓課程則有助於深度學習和實際操作。
這種虛實整合的學習模式可以幫助企業快速提升員工的 AI 技能，並確保學到的知識能夠在實際工作中立即應用。例如，筆者曾在近期以線上線下混合工作坊的形式，快速為組織培訓了超過數千人次的 AI 課程。
2. 跨域人才團隊協作
AI 的產業應用需要多種跨領域人才的協作。企業應組建由不同領域專家組成的跨域團隊，包括 AI 技術專家、業務專家、數據科學家和法律顧問…等。這種跨域團隊協作模式能夠確保 AI 解決方案符合業務需求、技術標準和法律規範，並能迅速將 AI 技術轉化為具體的業務成果。
[ 推薦閱讀：散熱能力將是 AI 機房決勝點 ]
我們很難期待一個全能的 AI 人才，但是我們可以很有效率的將不同領域的專業人才，混合編組成為一個專業的任務小組，在產業現場應用 AI 解決不同層面的問題。
3. 實戰結合課堂訓練
與學校著重的基礎理論訓練不同，在產業培訓中，最重要的是將課堂理論學習與實戰訓練緊密結合，通過實際項目操作來鞏固員工的 AI 技能。這種“學習中實踐，實踐中學習”的模式不僅能夠提升員工的實際操作能力，還可以加深他們對 AI 技術應用於業務環境的理解，從而加速 AI 技術在企業中的落地應用。
這類的學習活動可以設計成各種不同的形式，例如角色扮演、情境模擬、出題解題、任務解鎖、挑戰賽、或是創業競賽、黑客松…等等更刺激、更有趣、更實戰的形式。
結論與建議
在近期的數十場演講中，我不斷提出一個觀點：「AI 的發展雖然已經數十年，但這一波生成式 AI 的崛起，將駕馭 AI 的能力解放到一般民眾的手中，將會造成人類生產力的大爆發，人類的能力會提升到另一個維度，其重要性可說是再一次的工業革命！」
[ 閱讀所有廖肇弘的文章 ]
熱情澎湃、慷慨激昂的演講過後，我們冷靜想想：值此當前的歷史關鍵時局，最重要的反而是不要慌亂或急就章式的辦理培訓，揠苗助長，而是應該先定錨及確認策略定位。當今成為全球第一的半導體產業人才，不也是一連串正確的策略與決策，歷經數十年才積累起來的競爭實力嗎？
只不過， AI 並不容許我們有那麼久的時間，各國之間的 AI 競爭極其慘烈，我們可能只有十分之一不到的時間能夠驗證成敗。除了頂級 AI 人才之外，不論是新創企業、職場新鮮人、各領域專業人士、或是中高階主管，或許不只「百工百業」而是「千商萬才」都應該趕緊學習如何駕馭 AI，才能 夠讓自己和組織立於不敗之地 ─ 輸贏就在眼前，人才就是關鍵。與諸君共勉之。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
