AI 最大的改變
不是「某個職業被消滅」，而是
「工作被拆成任務」後，重新分配給人與機器。
舊的職涯邏輯
你掛什麼職稱，決定你的市場價值。職稱是你的標籤，也是你的邊界。
新的職涯邏輯
職涯不再只看你掛什麼職稱，而是看你能不能在新的規則下，持續把任務做成成果。你解決了什麼問題、用什麼方式交付、留下了什麼可驗證的成果——這才是你的真實資產。
產業生態與人才需求的三大轉變
這不是抽象的趨勢預測，而是正在發生的職場現實。你需要理解這三個轉變，才能在新規則下找到自己的位置：
轉變一
從「內容創作者 Creator」
到「體驗製作人 Producer」
轉變二
從「單一工具專家」
到「組合技整合者」
轉變三
從「單一職能的線性職涯」
到「多元潛能的獨立工作者」
AI 衝浪板：從「會用工具」到「創造價值」
AI 讓「內容」變得更便宜，大量的文字、圖像、程式碼都可以快速生成。所以真正值錢的，正在從「產出內容」轉向「把內容做成可發生改變的體驗」。
接下來我們要談的三個轉變，就是你的衝浪板——學會它，你就能乘著 AI 的浪，而不是被它淹沒。
從「內容創作者」到「體驗製作人」
過去的世界
- 教師製作教材
- 工程師寫程式
- 設計師做視覺
每個角色各自負責「產出」，完成自己的那一塊就算交差。
現在的世界
AI 可以快速產出內容，但「如何設計有意義的學習體驗」才是核心價值。
問題不再是「你能不能做出一份教材」，而是「這份教材能不能讓人真的改變行為」。
Creator vs. Producer：兩種思維的差距
內容創作者（Creator）
產出單點成果：一份教材、一張海報、一篇文章、一段程式。
成功指標多半是「做得快、做得多、做得漂亮」。
常見天花板：內容再多，學習者不一定真的用，或用完也不一定產生改變。
體驗製作人（Producer）
把「人」放在前面，設計一段從 進場 → 參與 → 成功 → 帶走 的旅程。
不只管輸出，更管「輸出是否被理解、被採用、被轉化成行動」。
Producer 像「導演＋製片」：不一定親自做完每個素材，但負責把資源組起來，讓結果發生。
實戰案例：一年統籌110支教育動畫
合作夥伴有同事、寫手、審查者、動畫廠商、承辦學校，還有教育局監督。Producer 的工作不是叫寫手開始寫，而是……
Producer 的價值不是「做內容」，而是「讓內容被用起來，讓改變真的發生」。
Producer 的 4 個關鍵能力
Producer 的角色，就像一位跨領域的總導演。他不僅要確保每個環節的內容產出，更要讓整體合作流暢，最終將內容轉化為實際的價值與體驗。
專案管理 (PM)
協調時程、預算與資源，確保專案依計劃推進。
利害關係人管理 (AM)
與合作夥伴、客戶、使用者溝通，平衡各方期望，建立信任。
體驗設計思維
從使用者的角度出發，設計引導其達成目標的完整旅程。
數據驅動決策
運用數據驗證成果，持續優化策略，確保轉化效果。
從「單一工具專家」到「組合技整合者」
未來不是比誰「最會某個工具」，而是比誰能把工具組成一條能交付成果的流程。工具會持續更新，但你的「系統思維」才是持久的競爭力。
工具觀的根本轉變
過去的邏輯
精通某項專業工具就能立足：
- Photoshop 達人
- Excel 高手
- 某語言的程式專家
- ChatGPT 大神
工具稀缺，所以會用就是優勢。
現在的邏輯
工具越來越容易取得，重點是串接多工具完成複雜任務的能力：
Gemini 、 NotebookLM 、 Gamma 、 Opal 、Notion AI 代理，不是工具的總和，而是可以交付成果的工作組合包。
你需要知道：什麼時候用哪個工具，以及怎麼驗收每一步的輸出。
小挑戰：接力工作流
這不只是「用 AI 做東西」的練習，而是體驗如何把一個複雜任務拆解，讓 AI 工具接力完成。試著回答：你會用哪些工具？順序是什麼？每一步的輸出如何交給下一步？
可以如何思考？
這不只是「用 AI 做東西」的練習，而是體驗如何把一個複雜任務拆解，讓 AI 工具接力完成。試著回答：你會用哪些工具？順序是什麼？每一步的輸出如何交給下一步？
定義任務範圍
這份內容要服務誰？他們看完要做到什麼？
產出初稿
用 AI 生成大綱、段落、提問、視覺描述
強化內容
加入可信資料來源，讓知識更紮實
轉成可呈現形式
把內容做成簡報、學習單、影片腳本
自動化重複工作
把固定格式的步驟做成自動流程
單兵輸出 vs. 隊長編隊
單一工具專家（單兵輸出）
你很強，但強在某一個點：會做圖、會寫程式、會做簡報、會剪影片。工作常被切成「我負責這一塊」，前後段交給別人。
當工具變得更容易、更多人會用時，你的優勢容易被稀釋。
組合技整合者（隊長＋編隊）
你不一定每個工具都最頂，但你知道：什麼時候要用哪個工具、先做什麼後做什麼、產出要怎麼驗證與交付。
你像在指揮一支隊伍：人類的判斷 + AI 的速度 + 工具的專長，各司其職，整體大於部分之和。
示範工作組合
Gemini：產出初稿
把需求講清楚，產出大綱、段落、例子、提問。重點是給清晰的指令，讓 AI 幫你做第一版思考。
NotebookLM：建知識庫
把資料變成「可查詢的知識庫」，快速抓重點與引用，讓內容更有根據、更穩固。
Gamma：轉成簡報
把內容變成可呈現的簡報，先求「可講」，再求「更美」。把文字轉化為視覺化的故事。
Opal：自動化重複步驟
把重複的步驟變自動化——例如把重點轉成貼文、影片，把問答整理成學習單，解放你的時間。
從「線性職涯」到「多元潛能的獨立工作者」
不是每個人都要去當「自由工作者」，而是每個人都更像在經營一間「自己的人生工作室」。你就是品牌、你就是產品、你就是服務——而 AI 是讓你把這間工作室規模化的工具。
多重角色成為常態
過去的職涯邏輯
選定一個職業身分，循序漸進往上爬。
- 我是工程師
- 我是老師
- 我是設計師
職稱決定你的市場位置，升級方式是：做更久、管更多人、拿更高職等。
現在的職涯現實
同時擔任多重角色成為常態。以講者自身為例：
- 均一教育 AI 應用設計師
- 學習玩家創辦人
- AI 賦能講師
- 內容創作者
這些身分不是分裂，而是互相加乘。
為什麼 AI 會加速這件事？
產出成本降低
做簡報、寫文案、整理資料、做企劃——這些以前需要專人負責的工作，現在一個人借助 AI 就能完成。
競爭點轉移
競爭點從「我會某個工具」轉成「我能不能把工具用在對的場景，做出可被信任的成果」。
多身分者的舞台更大
能把不同情境的需求串起來的人，反而更容易找到別人無法取代的位置。
三層能力結構：你的職涯資產地圖
你可以把自己的能力想成三層結構。這個框架幫助你清楚地知道：什麼是你的根基，什麼是你的橋樑，什麼是你的舞台。
場景與角色（會變）
你在哪個團隊、解決哪個問題、用什麼形式交付
可轉用能力（可攜）
溝通、寫作、企劃、資料整理、教學、設計、協作
核心能力（不變）
你最穩的專業與強項
底層最穩，頂層最靈活。AI 主要加速「可轉用能力」的執行效率，並讓你在更多「場景與角色」中展現「核心能力」的價值。
範例：我的職涯資產地圖
幫助你更具體地描繪自己的「職涯資產地圖」。
根基層：核心能力（不變）
- 學習策略設計能力：將抽象學習方法轉化為工具（如玩心學習、學習精靈系統）
- 教學轉譯能力：將複雜概念轉化為故事、圖像、課程（知識轉譯）
- 視覺化思考能力：運用塗鴉筆記、圖解、角色設計讓抽象概念「被看見」
核心能力是：學習 × 故事 × 視覺化。
遷移層：可轉用能力（可攜）
這一層是你的「工具背包」，AI 能放大這層能力的效率。
- 內容創作：寫作、圖文創作、課程設計、簡報設計
- 教學能力：工作坊帶領、教學活動設計、學習任務設計
- AI 應用：ChatGPT, Gemini, Claude,Gamma, Canva, NotebookLM, Notion,
這些是可帶著走的技能，AI 的作用是讓這層能力變成 10 倍效率。
場景層：場景與角色（會變）
這一層最容易改變，如同探險家的「舞台」。
- 教育平台：教育應用 AI 設計師 / 講師
- 學習玩家品牌：學習策略創作者
- 方格子 / 內容創作：教育內容創作者
未來可能的角色：AI 教育顧問、圖文小說創作者、學習策略設計師。
重要洞察
很多人會誤會：
「我換工作是不是能力就沒了？」
其實不是。如果用這個模型看：
你帶走的是：核心能力 + 可轉用能力
你換的只是：場景。
I → T → P 的能力地圖
每個人都從 I 型開始，這完全正確。I 型的深度是基礎，沒有它，T 和 P 就是空中樓閣。重點是：你有意識地在往哪個方向走？
什麼是 P 型人才？
P 型人才的垂直支柱代表「深厚的專業（Depth）」，而那個圓弧則代表「跨界的連結（Loop）」。
跨界能力
- 從「點」到「網」： 跨界不只是學很多種知識，而是具備「轉譯」的能力。
- 解決複雜問題： 當代的問題通常是跨領域的。跨界能力讓你在不同領域的邊界尋找靈感，在別人看見牆壁的地方，你看見的是通道
AI 協作能力
- AI 作為學習夥伴： 善用 AI進行大量資料的摘要、模擬對話與草稿生成，將瑣事交給機器，把大腦留給策略與判斷。
- 共創（Co-creation）： 把 AI 當成「共創者」。透過精準的提示詞與反饋，讓 AI 補足你專業之外的短板，實現「一個人就是一支團隊」。
玩心（Playful）
不是「不認真」，而是帶著主導感、探索感與喜樂感去工作。這是在高度不確定的時代，保持持續成長的燃料。
P = Playful：玩心三要素
主導感
對自己的學習路徑擁有掌控權，而非被動接收。
我能選目標、做決策，並帶著 AI 一起推進。我是指揮者，AI 是執行者。
探索感
我願意試驗與迭代，把未知當作可探索的地圖，而不是需要迴避的風險。
喜樂感
在解決難題的過程中獲得成就感，在跨界協作中找到歸屬。即便面對高壓的科技競爭，依然能散發成長之光。
P 型職涯視角
以下是我如何將「玩心」思維應用在職涯發展上，以 P 型視角重新定義職涯的幾個面向：
示範：如何「串島」——我的案例
第一專業（主島）
教育教學設計
深入理解學習者需求、課程架構設計、體驗設計原則——這是最穩固的根基。
第二專業（新島）
AI 工具應用
探索各類 AI 工具的能力邊界、工作流設計、提示詞工程——這是持續拓展的領域。
你的「串島」路徑不需要和我一樣，但你需要有意識地找到你的連接點——那個讓兩個專業相乘的交叉口。
行動提示：現在就可以做的四個問題
帶走這四個問題，今天回家就能做。
你的第一專業是什麼？
你最有底的那座島——你最擅長、最有信心說「這個我真的懂」的領域。
你想發展的第二專業是什麼？
你想去探索的下一座島——不一定要現在就很強，但要有動力持續投入。
三種玩心裡，你最想先練哪一個？
主導感 / 探索感 / 喜樂感——從最缺乏或最想加強的開始。
AI 要扮演什麼角色？
夥伴、工具箱、實驗室，或作品集加速器——讓 AI 成為你的「連接點」。
Ikigai 快速盤點：四個核心問題
我最常進入心流的時刻是什麼？
那個讓你忘記時間、全神貫注、事後還覺得充實的狀態——那裡藏著你最真實的「喜歡」。
我做哪件事，會讓別人覺得「這很有你」？
別人對你的觀察，往往比你自己更準確——那是你在別人眼中最獨特的「擅長」。
如果 AI 能替我省下 50% 的時間，我最想把時間投到哪裡？
這個問題能幫你找到你最想「貢獻」的方向，而不只是最忙的方向。
我希望三年後，別人因為我而多得到什麼？
不是你「有什麼」，而是別人「因你而得到什麼」——這是最接近抱負的問題。
用 Ikigai 探索：AI 時代的品味、想像力與抱負
Ikigai 不是「找到一份工作」，而是把你的「喜歡、擅長、能貢獻、能被支持」疊在一起，長出一條可持續的路。在 AI 時代，工具越來越像「通用加速器」，所以差異不在於你按了哪個按鈕，而在於你想把世界變成什麼樣子。
品味
你能不能判斷什麼值得做，什麼只是看起來很厲害？AI 可以給你 100 個選項，但選擇與取捨仍要由你負責。
想像力
你能不能把分散的經驗連成新的點子？AI 很會延伸，但「第一個問題」和「新的視角」常常來自你。
抱負
你想解決的痛點是什麼？抱負不是野心，而是一種願意長期投入的方向感——你想成為誰的幫手？
從校園到職場：創造你的 AI 作品集
舊版履歷的邏輯
「職稱＋工作年資＋學歷」
告訴雇主你是誰。
但在 AI 時代，每個人都能列出相似的工具清單，職稱和年資的鑑別力正在下降。
AI 作品集的邏輯
「任務場景＋AI 工作流＋可驗證成果」
告訴雇主你做過什麼、用什麼方式做、做出了什麼結果、有什麼影響力？
試著回答：「我用 AI 解決了什麼問題，用什麼流程，達到什麼可量化的成果與影響？」
每週固定改造一個高頻任務
選一個你這週反覆在做的任務，試著設計一個 AI 工作流讓它更快、更好——然後把這個過程記錄下來。
把流程轉成可分享的作品
一篇短文、一份簡報、一個 Notion 頁面——讓你的工作方式「可被看見」，這就是你的 AI 作品集。
累積可被驗證的成果
數字、截圖、前後對比、用戶回饋——讓成果有證據，讓雇主和合作夥伴能判斷你的能力不只是自我宣稱。
盤點你的「AI 協作資產」
在開始學新工具之前，先搞清楚你現在擁有什麼。以下是一個可操作的技能分類框架，專門為職涯轉換設計：
技術技能
AI 素養、資料處理、提示工程、工作流自動化、API／雲端、程式語言、資安
認知技能
問題定義、批判性思維、系統思考、判斷與驗證（尤其是「AI 輸出可用性與風險」的評估）
社會情緒技能
協作、溝通、同理與衝突處理——在客服、教學、醫療、管理等高人際情境中更加關鍵
元技能
學習如何學習、把工作拆成任務並重組、建立個人作品集與可驗證的證據、在不確定中迭代
與 AI 協作的四個素養領域
在進入工具技巧之前，你需要建立一個更完整的心智模型——與 AI 的關係不只是「使用工具」，而是涵蓋四種不同的應用方式：
與 AI 互動
對話、提問、生成內容。最基礎的單向使用模式，是所有更深層應用的起點。
與 AI 共創
迭代協作、風格調校，雙向對話產出超越個人能力的成果。不再是下指令，而是共同探索。
管理 AI
設定規則、建立記憶庫、委派任務，讓 AI 穩定執行你的意圖，成為可信賴的執行系統。
設計 AI
建構 Agents、設計工作流，讓 AI 成為組織系統的一部分。最高層次的 AI 應用能力。
Anthropic 4D 框架與 AI 流暢度指數
2026 年，Anthropic 發布了《AI 流暢度指數》報告，透過分析超過 9,830 次 Claude.ai 平台上的多輪匿名對話，量化了人類與大型語言模型協作的真實狀況。理論基礎是 Rick Dakan 與 Joseph Feller 教授共同開發的「4D AI 流暢度框架」：
委派 Delegation
戰略性判斷哪些任務應該交由 AI 處理，清晰界定人類與 AI 之間的分工與專案規劃。
描述 Description
與 AI 的溝通與輸入品質：提供豐富上下文、設定精確語氣、指定所需格式的高階提示詞技巧。
辨識 Discernment
對 AI 輸出的批判性評估。「描述—辨識迴圈」意味著流暢的互動是持續根據目標評判並迭代的過程。
勤勉 Diligence
持續的倫理監督、事實查核與負責任的 AI 治理。確保輸出不包含危險內容、偏見或未經證實的幻覺。
學習資源
你的 AI 時代職涯起點
今天我們走過了三個轉變、三個行動，以及一張屬於你的能力地圖。AI 正在改變遊戲規則，但規則的改變從來不只是威脅——對那些願意學習、願意實驗、願意持續把任務做成成果的人來說，這是最好的時代。
從「內容創作者」到「體驗製作人」
讓你的輸出真的產生改變，而不只是完成交辦。
從「單一工具專家」到「組合技整合者」
拆任務、串流程、做品管——這三件事永遠值錢。
從「線性職涯」到「多元潛能工作者」
經營你的人生工作室，讓不同身分互相加乘。
你不需要等到「AI 學好了」才開始。你只需要今天，選一個任務，試一次 AI 工作流，記錄下來——這就是你職涯升級的第一步。
從校園到職場： 創造你的 AI 職涯資產