【我的預測】AI Agent將成為主流應用模式，未來一個模型會自動判斷該用哪個agent，不再需要用戶手動選擇版本或功能。同時，跨領域人才將比純技術人才更關鍵，因為生成式AI降低了技術門檻，關鍵從「會寫程式」變成「會問對問題」。
【我們正在做】我們在政大創新「團隊實習」模式：企業招募3-5人跨領域團隊，而非單一實習生。上學期，學生生成式AI課程建立概念，下學期才進入企業實習。
【我的建議】企業別再執著「只找資工系」，應該找「對產業有熱情+願意學AI」的人，用團隊思維取代個人英雄思維。投資全員AI素養比只靠AI部門更重要，讓每個部門都能清楚表達「我想用AI做什麼」。
預測1 AI Agent將成為主流應用模式
大型模型現在遇到了訓練資料瓶頸，簡單說，就是「想得到的訓練資料都用完了」。每年新增的資料相較於過去累積的海量資料，其實是少的，這意味著，我們不能再期待模型只靠「餵更多資料」就會變得更聰明。
因此，創新焦點正在轉移：從「模型更大」到「agent更聰明」，模型將能自動判斷該用哪個agent，而不是像現在這樣需要用戶手動選擇。
你也不用再告訴AI「你要搜尋」或「你要做deep research」——AI會自己判斷使用者需求，自動呼叫最適合的功能。
在我看來，AI將不再是「單一工具」，而是「會思考的協作系統」；企業競爭的重點會從「我們有沒有AI」轉為「我們的AI會不會判斷」。
我預測，2026將是從「實驗性部署」到「規模化生產」的分水嶺。那些還在猶豫要不要導入AI的企業，將會發現競爭對手已經把AI整合進每一個工作流程了。
預測2 跨領域人才成為AI落地的關鍵
生成式AI出現前，非資工背景的人很難參與AI開發；但生成式AI出現後，非資工人真的可以做出可用的系統。
最關鍵的轉變是從「會寫程式」到「會問對問題」，這不只是技術上的改變，而是重新定義了誰能參與AI應用的開發。
在我們執行計畫的過程中，我愈來愈確信一件事：
AI要落地，領域專家是最重要的。每個部門最清楚自己的需求，這是連AI部門都無法代替的。
我們與地政司合作的案例就是最好的證明：連地政系教授都不如第一線公務員了解實務細節。那些每天處理申請案件的承辦人員，才真正知道哪些環節需要AI輔助、哪些判斷的眉角是系統需要提醒的。
企業抱怨找不到AI人才，但問題的本質是：資工背景的學生畢業出路是「保底台積電」，中小企業根本搶不到。這不是你開不開得起薪水的問題，而是結構性的困境。
企業真正需要的是「對產業有熱情+願意學AI」的人，這樣的人才往往不在資工系，而在各個專業領域裡。
我預測，2026企業的競爭力，不在於你搶到多少資工人才，而在於你能培養多少現有員工具備AI能力。
那些投資員工AI素養的企業，將會在AI應用落地上遠遠領先。
預測3 AI導入的真正挑戰是「組織」而非「技術」
在與企業合作的過程中，我看到一個普遍現象：「做了AI系統，但大家都沒有來用」。這讓我深刻體會到，AI導入的瓶頸不在技術端。
我們與公部門合作時，就遇到這個狀況，基層公務員的第一反應是「又有新系統要學」，他們不是抗拒AI，而是擔心又要增加工作負擔。
這讓我理解到問題的本質：不是技術不行，是組織沒準備好。
現在我接觸到的企業，都希望「大部分同仁或主管都有基本AI概念」；他們的目的很明確：未來能清楚告訴AI部門「我想做什麼」。
我常用這個比喻：就像每個人都要會用Excel，不是只有IT部門會用；AI也應該是這樣——當它成為基礎工具時，每個人都需要具備使用的能力。
因此，2026年成功的企業，會有這些特徵：
- 不是「有AI部門」，而是「每個部門都會用AI」。AI不該是某個部門的專屬資源，而是全公司的工作夥伴。
- 不是「做很多AI系統」，而是「做的系統真的被使用」。我看過太多企業追求AI專案數量，卻忽略了使用率。一個被廣泛使用的AI工具，勝過十個沒人用的系統。
- 不是「AI取代人」，而是「人學會指揮AI」。我始終相信，AI的價值在於擴大人的能力，而非取代人。那些能讓員工學會指揮AI、與AI協作的企業，才會真正釋放AI的潛力。
行動1 從課程到實習的完整非理工AI人才培育
我們在上學期開設完整的生成式AI課程，讓學生建立紮實的概念。2025年有近200位學生修課，來自不同科系，不只是資工背景。
第一年，課程與實習同學期進行，學生一邊學一邊做，負擔過重；現在調整為上下學期分開，學生有足夠準備後，才進入企業實習。
下學期，我們讓企業招募3-5人的跨領域團隊，團隊可以彈性組合，1-2位技術背景加上其他跨領域人才。
這個設計讓企業可以更大膽嘗試，學生的壓力也降低了，不必一個人扛所有技術責任。第一年試點時，有12家企業、約50位學生參加；這學期實習專案上升到 26 個，各企業正在面試中，1 月初就會確認名單。
我們地政司的合作是個很好的例子。由於年輕公務員愈來愈少、業務又複雜，我們的學生團隊就設計了AI解決方案：用知識管理提醒承辦人注意事項、算出合理房價區間判斷是否異常、協助完成評估報告等。
這正是「領域專家+AI輔助」的最佳示範。
未來城市＠天下｜政治大學學務處長蔡炎龍2026年AI趨勢觀點：
A： 創新焦點正在轉移：從「模型更大」到「Agent更聰明」，AI會自己判斷使用者需求，自動呼叫最適合的Agent。AI將不再是「單一工具」，而是「會思考的協作系統」；企業競爭的重點會從「我們有沒有AI」轉為「我們的AI會不會判斷」，2026年將是從實驗性部署走向規模化生產的分水嶺。
A： 與其執著搶資工人才，不如重新定義需求。生成式AI出現後，非技術背景的人已能開發可用系統，所以AI要落地，領域專家是最重要的，企業真正需要的是「對產業有熱情、願意學AI」的人，這樣的人不在資工系，在各專業部門裡，同時投資現有員工的AI能力，也比搶奪稀缺的資工人才更務實。
A：因為瓶頸在組織，不在技術。真正成功的AI導入，不是做出很多系統或建立AI部門，而是做出被廣泛使用的系統，讓每個部門都具備基本AI概念，能清楚說出「我想用AI做什麼」，當AI成為全公司的工作夥伴，能讓員工學會指揮AI、與AI協作，才會真正釋放AI的潛力。
