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。
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。
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。 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！」
文章來源：CIO Taiwan
