數位沛方／學習 AI 與專業知識 須同步養成

最近和一些培訓單位聊天，無論是負責人或承辦窗口，都說現在做培訓很辛苦，因爲很多人都只想上生成式AI相關的課程，其他專業課程或是議題就很難招生。我說這很正常，因爲生成式AI正在快速發展，同時也有很多人在分享，如何透過AI來自己學習，但我必須要提醒，這當中其實忽略了一件重要的事情，就是當我們在使用的時候，是否已經先具備了相關的基礎知識。

做數據分析的人常說：「想要得到對的答案，就必須要先問對的問題」，如果問的方式錯，得到的答案也不會正確，所以在使用類似ChatGPT、Gemini、Clade或Perplexity等工具時，能否下對提示詞是很重要的技能，除此之外，能不能判斷AI給的答案正確與否，也是非常重要的環節，因爲這代表的是我們本身有沒有具備基本專業知識，如果有錯但無法發現，那就可能造成難以彌補的後果。

因此，現在除了要學習AI技能外，基本專業知識的養成，更是不可忽略的一環。

如果我們用AI工具應用熟悉度與專業知識的充足度來做象限維度，可以分成四種類型，而每種類型都有自己的優勢與要面對的挑戰：

一、專家加速器：高專業知識 + 高AI熟悉度

這是最理想的狀態，能夠充分發揮AI工具的優勢同時保持專業判斷力，除了能夠解決問題，在效率上也會高過一般人，也是我們期望自己要成爲的角色。

二、傳統專家：高專業知識 + 低AI熟悉度

有一些比較資深的員工，因爲長期累積深厚的知識基礎，但很可能在學習新工具上顯得比較排斥，但這樣的排斥其實很可能造成自己在未來喪失競爭力，因此建議需要積極學習AI工具來提升競爭力。

三、雙重學習者：低專業知識 + 低AI熟悉度

有些出社會二至四年的員工比較容易處於這個階段，他們可能還在建立職場上的相關知識，但也同時面臨了AI工具不熟悉的狀況，是我當前遇到最迷惘的一羣人。雖然培訓上挑戰較大，但如果能逐步建立起這兩端的能力，一樣會成爲重要的企業資產。

四、AI原生代：低專業知識 + 高AI熟悉度

社會新鮮人比較容易在此象限，他們可能具備用AI快速產出的能力，但在判斷內容是否正確與合適上，因爲缺乏專業知識，較難有效掌握，因此需要加強專業基礎來避免錯誤判斷。

這當中，對於雙重學習者來說，我會建議採用「專業知識爲主，AI工具爲輔」的學習策略，主要是因爲：沒有專業知識很難判斷AI輸出的正確性、缺乏基礎知識容易被AI的錯誤結果誤導。

AI對於我們未來的生活影響只會愈來愈大，在提升個人或企業競爭力的時候，務必把這些列爲進修的考量，搭配專業知識的進修，一定能繳出更亮眼的成績。