【2026最新】AI產業人才認定指引3.0更新！5大能力評估、AI證照及學習資源、工作機會盤點
數發部2026年5月最新公布「AI產業人才認定指引3.0」，本次重要更新包括「AI治理素養」與「AI協作與開發」兩項能力，以及新增「推薦學習資源」幫助強化人才AI能力。本文帶你一次看懂AI三大人才類型、必備技能與證照資源推薦，並盤點AI人才職涯發展以及最常見的AI工作機會，幫助找到最適合自己的AI職涯起點。
※更新日期：2026/05/21
文／《104職場力》
本文目錄（點擊可快速前往）
2026.05更新：數發部2026年5月19日發布「AI 產業人才認定指引3.0」，兩項重要更新包括：
1.因應2026年1月公布《人工智慧基本法》，新增「AI治理素養」能力，協助人才建立人工智慧應用風險的框架與意識；
2.順應Vibe Coding與Agentic AI發展趨勢，新增「AI協作與開發」能力，強化人才與AI工具協作及開發的實務能力。
並將指引從企業與求職者、培訓與認證機構參考的共通基準，進一步落實到產業工作場景。
想進入AI領域要做哪些準備？工作上如何認證自己的AI能力？為了協助國內人才掌握AI就業趨勢，數位發展部《AI產業人才認定指引》指出AI產業人才可分為研究、開發、應用3大類型，不論你是工程師、行銷人，還是剛準備跨領域轉職的上班族，都能在AI產業找到自己的角色！
指引中明確列出AI產業的人才分類、能力架構與專業認證方向，並提供職涯發展路徑及跨域建議。《104職場力》幫大家濃縮重點，整理懶人包，讓你一篇就看懂！
完整內容請參考數發部【AI產業人才認定指引】：
因應AI技術與應用的快速變革，數發部指出，為了協助企業快速識別、應用與培育AI人才，並為個人職涯發展、培訓規劃及專業認證提供明確依據，特別制定本指引。並將隨著產業趨勢持續動態更新指引內容，強化AI人才標準與產業需求接軌。
● 下載數發部《AI產業人才認定指引》（115年5月）>>
● 數發部AI產業人才認定指引專區>>
延伸閱讀：搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人
你屬於哪種AI人才？研究、開發、應用3大類一次看
根據指引定義，AI產業人才是指具備人工智慧相關知識、技能與能力，並在各行各業中，從事人工智慧相關之技術研究、開發、應用、管理，或使用AI工具於生產、服務或行政管理相關工作流程的從業人員。
指引依據產業應用現況和專家建議，將AI產業人才分為「AI應用人才」、「AI開發人才」、「AI研究人才」等3大類別：
- AI研究：AI技術的源頭，從事AI基礎研究與發表論文。
- AI開發：AI技術的實現者，負責訓練出新的AI模型或開發新的AI應用工具。
- AI應用：AI應用的使用者，將AI應用於各行各業，使用AI工具提高生產力。
本文整理將聚焦於「AI開發人才」及「AI應用人才」的相關資訊，包括AI認證資源、AI人才常見職缺及最新工作機會，還有職涯發展路徑，提供有意求職轉職、或即將進入職場的新鮮人參考！
想進入AI領域，5大能力你具備了嗎？
依據產業現況，指引列出「AI開發人才」及「AI應用人才」所需的5大類核心能力。（詳細說明請見下表）
- AI應用人才：要能使用現有AI工具，提升執行中工作的生產力、管理能力、行政效率、加速流程、縮短時效與產生企業價值的能力。所需的能力類型包括「AI應用素養」、「AI工具應用」及「AI協作與開發」能力，將其應用於行銷、製造、醫療、教育、法律、金融等不同領域。
- AI開發人才：需具備數學、機率、電腦科學相關知識背景，其內涵不僅限於模型開發，更關注將AI技術落實於產品和服務，所需的能力包括「AI程式語言應用」、「AI模型訓練」與「AI服務開發」。
AI產業人才5大類能力類型、11細項
| 人才類別 | 能力類型 | 細項 | 能力說明 |
| AI應用人才 | AI應用素養 | AI素養 | 瞭解AI基本知識、道德倫理、應用及限制 |
| AI治理素養 | 能瞭解AI衍生的AI系統、人機互動、社會衝擊等風險 | ||
| AI工具應用 | 文書應用 | 能用AI工具進行文字內容產生、修改、翻譯及整理 | |
| 圖文應用 | 能用AI工具進行圖像內容產生、擷取與修改 | ||
| 影像應用 | 能用AI工具進行影像內容產生、擷取與修改 | ||
| 音源應用 | 能用AI工具進行音源內容產生、擷取、翻譯及整理 | ||
| 自動化應用 | 能使用AI代理或相關自動化工具，實現工作流程自動化 | ||
| AI程式語言應用 | AI協作與開發 | 能以自然語言引導AI協作撰寫程式 | |
| AI開發人才 | 程式應用 | 能使用AI輔助程式開發 | |
| AI模型訓練 | AI模型訓練 | 能用模型訓練和學習（如ML、RL）等工具、技術及方法，訓練AI模型 | |
| AI服務開發 | NLP/LLM/CV工程 | 能用NLP、LLM、CV工具，結合AI工作流或提出新服務 |
11項AI能力類型對應哪些工具應用？相關AI工具資源參考
| 能力類型 | 參考工具 |
| AI素養 | 台灣人工智慧學校、Meta AI、好好用AI素養計畫 |
| AI治理素養 | EU Artificial Intelligence Act、NIST AI RMF、ISO 42001、AI literacy framework |
| AI文書應用 | ChatGPT、Copilot、Gemini、Claude |
| AI圖文應用 | Midjourney、Canva、Adobe Firefly |
| AI影像應用 | Runway、ideogram |
| AI音源應用 | ElevenLabs、MURF AI |
| AI自動化應用 | n8n、Zapier、Power Automate |
| AI協作與開發 | Lovable、Claude、n8n |
| AI程式應用 | GitHub Copilot、Cursor |
| AI模型訓練 | TensorFlow、PyTorch、scikit-learn、Amazon SageMaker、Azure AI Foundry、Vertex AI |
| NLP/LLM/CV工程 | OpenAI、Hugging Face、OpenCV、MediaPipe |
AI能力如何認證和提升？新版推薦學習資源、證照整理
清楚AI人才需要具備的關鍵能力後，想學習或提升相關AI能力，可以參考數位產業署官網提供的相關培訓課程及AI能力認證內容，並透過相關資源來強化自己的AI競爭力。
以下整理素養類、工具類及專案類3種AI認證資源。
AI產業能力認證參考：素養類
AI素養類認證主要為「建立AI基本認知與倫理觀念」，著重培養非技術背景者對AI的理解與應用概念，不要求實作能力或程式操作。相關認證包括：經濟部iPAS AI應用規劃師、資策會生成式AI能力認證、AIA的AI素養級認證等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
AI產業能力認證參考：工具類
AI工具類認證聚焦在「熟悉並應用AI工具完成任務」，要求能使用特定AI平台、工具或模型進行應用實作。常見任務例如影像生成、資料自動化分析、ChatGPT應用等，適合企業內部技能轉型或職能補強。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
| 國際AI工具應用認證名稱 | 辦理單位 |
|---|---|
| NVIDIA Certified Associate: Multimodal Generative AI | NVIDIA |
| NVIDIA Certified Associate: Generative AI & LLMs | NVIDIA |
| 國內AI工具應用認證名稱 | 辦理單位 |
|---|---|
| iPAS AI應用規劃師中級 | 經濟部產業發展署 |
| 生成式AI美術設計能力認證初級 | 財團法人資訊工業策進會 |
| 生成式AI美術設計能力認證中級 | 財團法人資訊工業策進會 |
| 生成式AI辦公室應用能力認證 | 財團法人資訊工業策進會 |
| TQC+ GenAI 輔助資料擷取與分析 Python | 中華民國電腦技能基金會 |
AI產業能力認證參考：專案類
專案類認證聚焦在「具備完成AI專案的實戰能力」，對應如資料工程師、機器學習工程師等技術職務。用於評估技術人員是否具備立即上手企業AI任務的能力。包括：IBM AI Engineering Professional Certificate、AI-103: Azure AI Engineer Associate等。
點擊「認證名稱」可查看更多認證資訊及歷屆試題資源：
| 國際AI服務開發認證名稱 | 辦理單位 |
|---|---|
| AWS Certified Generative AI Developer - Professional | AWS |
| AI-103: Azure AI Engineer Associate | Microsoft |
| 認證名稱 | 辦理單位 |
|---|---|
| TQC＋人工智慧：機器學習 | 財團法人中華民國電腦技能基金會 |
更多認證及培訓課程資訊，可至數位產業署官網查詢參考最新附表：AI產業人才認定指引專區
AI人才職涯發展路徑圖及轉職跨領域建議
不同科技背景的人，想成為3大類AI人才，職涯路徑要怎麼走？《AI產業人才認定指引》提供一份「AI人才職類與發展路徑圖」，整理「理工相關科系」及「其他科系」發展成為3大類AI人才（AI應用／開發／研究）的可能路徑。
1. 以「AI應用人才」為例：
適合非理工背景，包括來自商管、行銷、設計等，或具備跨領域行動力者，可以透過學習AI工具的使用及AI素養，將AI應用於自身專業領域。
職涯發展路徑：AI工具使用能力與素養→AI加值型／AI導入型→AI產品經理
→AI應用人才跨域指引：未來若想轉向開發，需補足軟體工程及演算法知識，可跨域至「軟／硬體工程師」路徑。
2. 以「AI開發人才」為例：
AI開發人才有2條主要的發展路徑：AI工程師、資料專業人員，共同負責AI系統的建構和資料驅動。
AI工程師路徑：軟／硬體工程師→AI工程師→AI技術主管／AIOps工程師。
→ 轉資料途徑：若軟／硬體工程師或AI工程師對資料品質、資料策略有興趣，可加強統計學和資料治理知識，跨域至「資料科學家」路徑。
→ 轉管理途徑：AI工程師或技術主管若具備良好溝通與領導力，可轉向「AI產品經理」或更高階的技術管理職位。
資料專業路徑：資料分析師→資料科學家。
→ 轉工程師途徑：資料科學家補足軟硬體工程技術後，也可以轉向「AI工程師」途徑。
3. 以「AI研究人才」為例：
職涯發展路徑為：深入數學／統計、演算法研究→AI科學家／研究員→研發主管
→ 跨域指引：AI科學家／研究員的成果是應用源頭，若能理解市場需求，可將研究成果轉化為實際產品。可跨域與「AI專案產品管理」合作，或轉向至該路徑。
AI產業人才常見職稱及104工作機會一覽
AI應用人才常見職稱及專業技能
《AI產業人才認定指引》指出，目前AI應用人才的職稱命名仍具有彈性和過渡性，需要依照產業特性和職務內容來判斷。以下整理參考職稱、角色定位、專業技能及最新工作機會。
點擊職稱或工作機會，可查看職缺：
| 參考職稱 | 角色定位 | 工作機會 |
|---|---|---|
| 既有職稱（行銷專員、行政助理、人資專員等） | AI工具的高效終端使用者和應用者 | 看職缺> |
| AI應用規劃師 AI導入顧問 流程優化專員 | 協助企業規劃導入AI的數位轉型流程 | 看職缺> |
| AI產品經理 | 技術與業務的橋樑，推動AI專案執行 | 看職缺> |
| 資料標註師 | 連接原始數據與AI模型理解的橋樑 | 看職缺> |
| 資料分析師 | 轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策 | 看職缺> |
1. 既有職稱（行銷專員、行政助理、人資專員等）
- 角色定位：AI工具的高效終端使用者和應用者
- 核心職責：於既有職務範圍內，透過熟練使用既有AI工具、應用程式或軟體，來提升個人工作效率、優化工作成果、輔助決策或拓展創意。
- 專業技能：核心專業仍是其原本的職務領域，此外對AI工具具備理解與判斷，熟悉多種AI工具的操作、Prompt編寫能力、生成式應用技巧。
- 工作機會：行銷專員、行政助理、人資專員、看更多應用AI工具職缺>
2. AI應用規劃師／AI導入顧問／流程優化專員
- 角色定位：協助企業規劃導入AI的數位轉型流程
- 核心職責：建構AI導入藍圖、評估痛點與效益、推動變革管理、企業訪談、現況盤點、需求分析、技術評估與導入建議。
- 專業技能：商業策略思維、資料治理、AI趨勢與工具理解、跨域分析、商業架構、數位工具評估與推進能力。
- 工作機會：AI應用規劃師、AI導入顧問、流程優化專員、看更多AI應用規劃職缺>
3. AI產品經理
- 角色定位：技術與業務的橋梁，推動AI專案執行
- 核心職責：
- 整合使用者需求與AI功能，設計應用情境與流程，與技術團隊協作落地應用。
- 負責規劃與管理以AI驅動產品或服務的設計、開發與市場導入，常需與技術、設計與業務單位密切合作。
- 專業技能：商業分析、AI應用理解、需求分析、技術溝通
- 工作機會：看更多AI產品經理職缺>
4. 資料標註師
- 角色定位：連接原始數據與AI模型理解的橋樑
- 核心職責：
- 根據專案要求和標註規範，對文本、圖像、音訊、影片等各類型原始數據進行清洗、標註與分類。
- 確保標註數據的準確性和一致性，作為AI模型訓練的基礎。
- 識別數據中的潛在問題（如偏見、不足），並進行反饋。
- 專業技能：專案基礎領域知識與數據理解、標註工具操作、重複性工作效率與抗壓性
- 工作機會：看更多AI標註職缺>
5. 資料分析師（介於AI應用與AI開發之間）
- 角色定位：轉譯數據為可執行的洞察，支援AI導入成效評估與商業優化決策
- 核心職責：運用資料分析工具與統計方法，進行資料整理與清洗、探索性資料分析、視覺化報表製作、KPI指標追蹤、洞察報告撰寫、跨部門需求溝通、支援策略分析與AI導入績效評估。
- 專業技能：SQL、Excel、Tableau、Power BI、統計分析、Python/R（進階）、資料視覺化、問題拆解與商業邏輯思維
- 工作機會：看更多AI數據分析職缺>
AI開發人才常見職稱及專業技能
AI開發人才常見職稱，在不同公司或組織也可能會有所差異。例如，「AI工程師（AI Engineer）」是最常見的職稱，泛指負責建構AI系統的人員。以下整理參考職稱、角色定位、專業技能及最新工作機會。
| 常見職稱 | 角色定位 | 工作機會 |
|---|---|---|
| 自然語言處理（NLP）工程師 | 專注於開發能夠理解和生成或人類語言的AI系統 | 看職缺> |
| 大型語言模型（LLM）工程師 | 專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中 | 看職缺> |
| 電腦視覺（CV）工程師 | 專注於開發能夠理解和分析圖像與影片的AI系統 | 看職缺> |
| 機器學習（ML）工程師 | AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型 | 看職缺> |
| 資料科學家 | 擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。 | 看職缺> |
1. 自然語言處理（NLP）工程師
- 角色定位：專注於開發能夠理解和生成或人類語言的AI系統。
- 核心職責：
- 運用NLP技術，實現文本分析、語言識別、機器翻譯、聊天機器人等功能。
- 廣泛應用於客服、輿情分析、內容生成等領域。主要工作在於使AI可以理解以及生成類人類的語言。
- 專業技能：
- 熟悉NLP相關演算法和技術（如詞向量、語言模型、transformer）。
- 熟練使用NLP函式庫（如NLTK、spaCy）。
- 具備深度學習框架的使用經驗。
- 大型語言模型 (LLM) 工程師
- 工作機會：看更多NLP相關職缺>
2. 大型語言模型 (LLM) 工程師
- 角色定位：專注於設計、開發與調校大型語言模型（LLM），使其能夠理解、生成並應用人類語言於各種場景中。
- 核心職責：
- 負責建置與優化語言模型架構（如Transformer），訓練與微調模型以符合特定應用需求，並解決模型生成偏誤、知識更新等問題。
- 應用範圍包含智慧客服、知識問答、語意理解、內容生成、程式輔助撰寫等，也需參與模型部署與效能評估。
- 專業技能：
- 熟悉自然語言處理技術與演算法（如詞嵌入、命名實體辨識、語意分析、知識蒐集）。
- 精通語言模型架構（如GPT、BERT、T5）與其訓練原理，熟練使用深度學習框架。
- 具備資料清洗、標註與語料管理能力，並能處理多語言或特定領域語料。
- 工作機會：看更多LLM相關職缺>
更多104【LLM】工作機會
沒看到有興趣的職缺嗎？
3. 電腦視覺（CV）工程師
- 角色定位：專注於開發能夠理解和分析圖像與影片的AI系統。
- 核心職責：
- 運用圖像處理和深度學習技術，實現圖像識別、物件檢測、影像分割等功能。
- 廣泛應用於自動駕駛、安全監控、醫療影像分析等領域。主要工作在於開發出讓電腦可以辨識圖像，以及影片的相關應用。
- 專業技能：
- 熟悉圖像處理和深度學習演算法。
- 熟練使用電腦視覺函式庫（如OpenCV）。
- 具備深度學習框架的使用經驗。
- 工作機會：看更多電腦視覺相關職缺>
更多104【電腦視覺】工作機會
沒看到有興趣的職缺嗎？
4. 機器學習（ML）工程師
- 角色定位：AI領域的核心角色，專注於設計、開發、訓練和部署機器學習模型。
- 核心職責：
- 研究各式機器學習演算法，並利用演算法解決商業問題。
- 透過大量數據處理與特徵工程，持續優化模型以提升性能。主要工作在於利用機器學習，使得AI應用可以達成預期的目標。
- 專業技能：
- 精通機器學習演算法（如監督式學習、非監督式學習、強化學習）。
- 熟練使用機器學習框架，具備資料處理和分析能力。
- 工作機會：看更多機器學習相關職缺>
5. 資料科學家
- 角色定位：擅長從巨量資料中提取有價值的洞察，並利用這些洞察為企業提供決策支持。
- 核心職責：
- 運用統計分析、機器學習和資料可視化等技術，探索資料中的模式和趨勢。
- 需具備良好的商業理解能力，能夠將資料分析結果轉化為可執行的商業建議。主要工作在於分析資料，並且產出具有價值的資訊，輔助企業做出正確判斷。
- 專業技能：
- 精通統計分析和機器學習演算法。
- 熟練使用資料分析工具（如Python、SQL）。
- 具備資料視覺化和報告撰寫能力。
- 工作機會：看更多資料科學家職缺>
投入AI領域3大建議：要具備哪些核心技術和軟實力？
對於有興趣投入AI領域發展的人，《AI產業人才認定指引》最後給出3個建議：1.根據個人興趣及專業背景選擇自己的AI職涯起點（參考AI人才職涯發展路徑圖），2.需具備核心技術基礎、3.培養關鍵軟實力和終身學習態度。
其中列出的4個核心技術基礎，對AI開發人才和AI研究人才來說是必備的；至於AI應用人才雖不要求具備開發能力，但若能對於基礎知識有一定了解，將能更有效運用AI工具，與技術團隊的溝通協作也會更順暢。
- 程式語言： 專精Python，並熟悉其在AI領域的函式庫（如NumPy, Pandas, Scikit-learn, TensorFlow/PyTorch）。
- 數學與統計：掌握線性代數、微積分、機率統計，是理解AI模型運作的基礎。
- 資料基礎：理解數據庫（SQL）、資料清洗、資料前處理、資料可視化等基本技能。
- 軟體工程：熟悉版本控制（Git）、基礎軟體開發流程。
而在軟實力方面，不論選擇哪種AI職涯都需具備以下能力：
- 解決問題能力：能分析問題、提出解決方案並有效執行
- 溝通協作能力：AI專案通常需跨部門協作，溝通要清晰有效
- 批判性思維與創新：不盲從、敢於質疑，並能提出創新想法
- 適應變化與終身學習：AI技術發展訊續，需保持好奇心，持續學習新知和新工具
- 專案實戰：透過參與開源專案、Kaggle競賽、校內外專案或實習，累積經驗並建立作品集
數發部「AI產業人才認定指引」電子書下載
本文由《104職場力》整理重點懶人包，完整內容請參考數發部《AI產業人才認定指引》：
（資料來源：數發部AI產業人才認定指引）
【產業新訊】若您願意提供更多的產業趨勢、業界人才動態、工作機會等資訊至《職場力》 >> 歡迎來函
