AI 時代要學什麼技能？非工程背景也能學的 AI 工具能力與資料素養

看到職缺上寫「熟悉 AI 工具者佳」，很多文組、行政、業務背景的人第一個反應是：「我是不是要去學 Python？」其實不一定。對大多數非工程職位來說，企業要的不是會訓練模型的人，而是能用 AI 把工作做得更快、更好，而且知道什麼時候不該相信它的人。這篇整理國際調查的趨勢，並把「AI 能力」拆成你可以一步步練起來的具體技能。

雇主到底在找什麼樣的 AI 能力

先看幾個數字：

• WEF 2025 年《未來就業報告》：雇主預期 2025 到 2030 年需求成長最快的技能，第一名是「AI 與大數據」，其次是網路與資安、科技素養。值得注意的是，緊接在後的是創造性思考、韌性與彈性等非技術能力。
• 微軟與 LinkedIn 2024 年工作趨勢指數：全球有三分之二的主管表示，不會雇用沒有 AI 技能的人；台灣的比例更超過八成。但同一份報告也發現，只有 39% 的 AI 使用者曾接受公司提供的 AI 訓練。
• 同一份報告指出，LinkedIn 上把 AI 相關技能加進個人檔案的會員大幅增加，非技術背景專業人士使用 LinkedIn Learning 學習 AI 課程的人數也成長了 160%。

這幾個數字合起來的意思是：企業期待你會用 AI，但多半不會手把手教你。主動學、而且能證明自己學過的人，就有優勢。

第一層：工具操作力，會用 AI 完成真實任務

這是最基本、也最快能上手的一層。重點不是背很多工具名稱，而是能把一件工作交代清楚。一個好用的提示詞通常包含五個部分：

1. 角色：「你是一位熟悉台灣零售業的行銷顧問」
2. 任務：「幫我發想 5 個週年慶社群活動點子」
3. 素材：貼上產品資訊、過去的活動成效
4. 格式：「用表格列出點子、目標客群、預估成本」
5. 限制：「預算在新台幣 5 萬元以內，不要使用抽獎」

除此之外，還要練習「迭代」：第一版不滿意時，具體說出哪裡不對，而不是重新問一次。

第二層：查核與資料素養，知道什麼時候不能信

AI 會產生看起來很合理、但其實錯誤的內容。能看出問題的人，比只會下指令的人更有價值。這一層包含兩種能力：

查核 AI 產出

• 數字、日期、法規條文一定回到原始來源確認
• 要求 AI 列出依據，再自己打開來源看
• 對「太完美」的答案多問一句：有沒有反例？

資料素養（不需要寫程式也能練）

• 看懂平均數和中位數的差別，知道「平均薪資」為什麼常常被拉高
• 看到比例時先問樣本：調查了多少人？是誰？
• 會用 Excel 或 Google 試算表做排序、篩選、樞紐分析
• 能把一堆數字整理成一張圖，並用一句話說出重點

WEF 報告中，雇主認為目前最核心的技能是分析思考，約七成企業把它列為必要能力。資料素養正是分析思考最具體的練習方式。

第三層：流程設計，把 AI 放進工作流程

最後一層是把 AI 從「偶爾問一下」變成「固定流程的一部分」。例如：

• 業務：每次拜訪後用固定模板請 AI 整理會議重點，再貼進客戶管理系統
• 人資行政：把常見員工問題整理成文件，讓 AI 先擬回覆，再由人確認
• 行銷：建立一份品牌語氣說明，讓每次產出的文案風格一致

這一層的關鍵是能說清楚流程前後的差異：省了多少時間、錯誤有沒有減少、誰負責最後把關。

30 天練習計畫

• 第 1 週：每天挑一件真實工作（寫信、整理會議紀錄、做簡報大綱）用 AI 協助完成，記錄花了多少時間。
• 第 2 週：練習查核。每天挑一則 AI 給的數字或說法，回到原始來源確認，記下它錯了幾次。
• 第 3 週：學一項試算表技能，例如樞紐分析，用公開資料（例如政府資料開放平台）做一張圖。
• 第 4 週：挑一個每週重複的任務，設計成固定流程，比較前後花費的時間。

一個月後，你就有了可以寫進履歷、在面試中講的真實案例。

怎麼寫進履歷，才不會變成空話

「熟悉 ChatGPT」「具備 AI 工具使用能力」幾乎每個人都會寫，看不出程度。比較好的寫法是工具＋任務＋成果：

改寫前：熟悉 ChatGPT、Copilot 等 AI 工具。

改寫後：用 ChatGPT 建立客服常見問題回覆範本，搭配人工確認，平均回覆時間從 1 天縮短到半天；並負責每月檢查範本內容是否需要更新。

技能欄可以列工具名稱，但經歷欄一定要有至少一個具體案例。面試時被問到，就用這個案例說明你怎麼用、怎麼查核、成效如何。

Job Pocket 可以幫你的地方

• 免費履歷健檢：找出「熟悉 AI 工具」這類空泛句子，提供逐句改寫建議，讓技能有成果支撐。
• 探索外商職缺：每天整理外商與科技公司官方徵才，英文職缺附中文重點，看看不同職位實際要求哪些 AI 能力。
• 面試練習：用單題練習把你的 AI 使用案例講清楚，拿到評分與參考回答。