經濟日報社論／培育人工智慧人才 在精不在多

近來AI紅火但人才短缺，政府與企業提出不少擴增工程師方案；然而真正的關鍵不在量，而在質。台灣不缺寫程式的好手，缺的是跨域整合、理解價值、具國際視野、能與全球頂尖團隊並肩的高端人才。若無法掌握這個要領，我們將無法在下一個科技周期保持國際競爭力。

走入科技與大型企業可明顯感受：工程師招得到，但能理解流程、掌握商業模式、處理資料治理，把流程優化與模型部署整合為完整解決方案的人才極少。全球競爭早已鎖定這類跨域菁英。美國國家科學委員會資料顯示，逾65%的AI博士畢業後即加入跨國研究團隊；歐盟把跨境科研合作納為AI發展核心；日本也將「AI×製造」「AI×醫療」列為重點職能。國際競爭早已不是比語法，而是比視野、整合能力與國際連結。

台灣的AI教育仍停留在工具與語法訓練，鮮少培養系統化思考，如資料治理、國際法規、檢索增強生成（RAG）、機器學習運維（MLOps）等關鍵技能。政府專案大量培訓基礎工程師，卻難以產生能帶動創新的人才。若缺乏國際接軌，人才看不見最新技術與產業走向，只能在全球浪潮形成後模仿追趕，事倍而功半。

這是企業在AI導入時經常受困的原因：不知道真正問題在哪裡，做出原型卻無法落地，導入後無法複製到其他部門。核心問題不是工程素養不足，而是欠缺能定義問題、能整合跨專業的高端人才。國際領導企業普遍以跨部門矩陣組織推動AI，策略長、技術長、資料科學家、產品經理與應用領域專家共同協作；若仍把AI當資訊部門的企業，就算再多工程師也無法帶來產業升級。

必須警惕的是，擁有大量工程師不代表能領導世界科技發展。印度曾擁有全球最多、也被視為最優秀的軟體工程人才，但並未在全球軟體產業取得主導地位。未來AI世界亦將如是：比的不是工程師數量，而是能否掌握技術方向、能否與世界頂尖團隊共同創造突破。台灣若走上「工程量大、創新力弱」的印度道路，將無法進入核心賽道。

面對頂尖高端人才稀缺，各國均傾國力投入搶才：美國以博士後制度與科技巨頭研究中心吸引全球頂尖者；南韓投入7兆韓元建立AI半導體人才鏈；歐盟則以大型跨國研究聯盟與AI法規吸引菁英。台灣迄今仍以短期研習、點狀合作為主，缺乏長期國際接軌平台。

為扭轉這種結構性弱點，行政院必須明確授予中央研究院、工業技術研究院共同負起「與國際頂尖AI團隊接軌」任務，賦予其更積極角色與明確KPI，俾使台灣真正進入全球AI創新網絡。

同時，政府也應推出「海外頂尖學人回流計畫」，仿效中國大陸過去「千人計畫」模式，以半年至兩年為期，主動邀請在美歐日頂尖學府與大型企業任職的高階AI菁英返台擔任講座、共同研究與人才培訓。為避免造成制度性負擔，相關經費與員額應單獨編列，不排擠現有預算、人事與升等制度。

此外，政府應建立完整的AI人才分類與能力框架，讓教育端與產業端對齊需求；大幅擴充跨國博士後、雙導師制度、國際企業實習與海外研究基地；建立國家級AI實作平台，提供跨產業資料庫、模擬環境與高速運算資源，使人才能在真實場景磨練。

人才競爭已成國家戰略主戰場。若仍以工程師數量衡量AI能力，將忽略世界真正競逐的是能定義問題、能帶動突破、能與全球頂尖團隊協作的高端人才。決定台灣下一個十年，是能與世界一流同行、掌握技術脈動、打造下一代產品的人。唯有全面提升人才與國際連結，台灣才能在全球科技競賽中維持核心地位，而不是從供應鏈中心滑落為邊緣參與者。