【專題探索】面對AI浪潮，企業人才培育應有的根本轉變
杜沄蓉（台灣經濟研究院助理研究員）、李永正（台灣經濟研究院副研究員） (2026/04/09) 《台經月刊第49卷第4期》
生成式AI快速演進，企業正從技術焦慮走向人才戰略轉型，AI技術的擴散不僅重塑組織與職能結構，也使能力錯置成為企業經營的重要風險。依據「AI產業人才認定指引」，企業可重新盤點人才規格，區分工程與資料型、專案與素養型，以及治理與支援型人才；同時借鏡國際厚科技創新生態系的人才培育模式，並結合經濟部iPAS能力鑑定等制度資源，強化產學與研發體系鏈結，促進組織與人才同步演進，進而累積企業在AI時代的長期競爭優勢。
近年來人工智慧(AI)已從實驗室裡的特定應用技術，快速演進為支撐企業營運升級、供應鏈重組與全球競爭力的關鍵通用技術(General Technology)。隨著生成式AI、大型語言模型(LLM)與資料密集型應用逐步成熟，各國企業高階決策者逐漸意識到：AI轉型核心挑戰已不再侷限於演算法取得或硬體算力投資，而是組織內部的人才與技能結構，能否隨著技術發展快速調整與升級。若缺乏對應的技能轉換與能力升級機制，僅靠技術投資不僅無法提升生產力，反而可能加劇組織內部的結構性落差。本文從企業戰略視角出發，探討AI技術對職能結構的深層衝擊，並借鏡國際厚科技(Deep Tech)產業生態系的成功經驗。同時結合我國數位發展部「AI產業人才認定指引」、經濟部推動的「iPAS能力鑑定與人才計畫」，以及「台灣人工智慧學校」(AIA)的產學共創模式，為台灣企業建構一套可持續發展的AI人才戰略藍圖。
從技術焦慮走向人才戰略的企業轉型拐點
在數位轉型浪潮下，許多企業對AI的理解仍停留在工具層次，將其視為可外購的軟體系統，或期待直接替代重複性勞動的淺層階段。然而實務經驗顯示，真正轉型瓶頸並非技術本身，而是組織能力與技術導入間的結構性落差。
隨著全球價值鏈重組與產業競爭重心轉向數據驅動服務、系統整合與模型應用能力，企業所面對的挑戰，已從「是否導入AI」，轉為「能否支撐AI持續演進」。例如，在導入大型語言模型或機器視覺系統後，不少企業發現問題不在於模型準確率，而在於第一線工程人員缺乏資料處理與模型調校能力，中階主管難以將AI專案轉化為流程再造策略，組織亦欠缺跨部門協作與資料治理機制。
這樣的「能力錯置」(Capability Mismatch)若未透過系統性的技能升級與轉換加以調整，技術投資將難以轉化為生產力提升，甚至可能擴大內部落差。換言之，企業轉型的關鍵拐點，已從技術焦慮走向職能重構，因此企業人資戰略亦須從被動補缺，轉向主動建構長期的人才能力生態。
厚科技、 Deep Tech、 企業戰略、 職能結構、 生態系、 人工智慧、 科技研發
分享：
