AI 時代的決策視野與產業判讀能力
年輕世代如何在變局中找到自己的位置？
Vista Cheng
https://www.vista.tw
Vista Cheng
內容策略顧問 / AI 應用講師
從事內容寫作與策略工作逾 20 年，著有近 20 本書籍，涵蓋文案寫作、內容行銷、AI 應用與個人品牌等主題。長期深耕 AI 工具教學，協助學生與創作者將 AI 整合進日常創作流程，讓每個人都能用更聰明的方式說好故事。
Vista 作品集
出版近 20 本書籍，涵蓋電腦書、小說、人物傳記、文案寫作、內容行銷、AI 應用與個人品牌等主題
社群與電子報
Vista 電子報
每週精選 AI 工具與學習資源
AI 好好用
Facebook 社團，各領域 AI 使用者交流
博碩士生練功團
專為研究生打造的學習社群
今日議程
-
01
時代的提問
年輕世代為何焦慮？變局的三個面向
-
02
變局全貌
技術 × 地緣 × 產業：重塑職涯的三股力量
-
03
技能重整
WEF 2030 核心技能與個人能力組合
-
04
產業判讀
看懂一個產業：框架、訊號、案例
-
05
找到位置
決策視野與個人定位的行動方案
你對未來五年最焦慮的是什麼？
你對未來五年最焦慮的是什麼？
01
時代的提問
我們並非生活在一個變革的時代， 而是正在經歷一場時代的變革。 (We are not living in an era of change, but a change of era.)
— 天主教教宗方濟各（Pope Francis）
年輕世代面對的多重變局
-
技術變局
生成式 AI 在兩年內改寫了白領工作的定義
-
地緣變局
美中科技戰、供應鏈重組、在地化趨勢興起
-
世代變局
高房價、低薪資、就業結構斷層，傳統路徑失效
-
資訊變局
社群演算法塑造認知，決策被情緒與雜訊淹沒
-
身分變局
單一職涯終結，人人都要經營自己的組合
這場講座要回答的核心問題
當所有標準答案都逐漸失效，
年輕世代要如何練出自己的判讀力，
在變局中做出不後悔的決定？
為什麼焦慮這麼普遍？
過去的職涯地圖假設一件事：世界的變化速度比你學習的速度慢。你念四年大學畢業後，會有十幾年時間把專業磨深，再慢慢升遷。
但現在，AI 每半年改寫一次產業規則，地緣政治每季改寫一次供應鏈邏輯。你在學校學到的工具，可能還沒畢業就過時；你鎖定的產業，可能五年後不存在。
焦慮不是你的問題，是這個時代的結構性現象。問題是：怎麼在這樣的結構裡，還能做出好決定？
兩種思考路徑
❌ 被動追逐
- 看到哪個產業熱就往哪跑
- 等別人告訴你該學什麼
- 把焦慮當作行動理由
- 用短期績效取代長期方向
- 單靠學歷或證照定義自己
✅ 主動判讀
- 建立看懂變化的框架
- 從第一性原理反推
- 把焦慮轉化為研究題目
- 長短期決策分開思考
- 用能力組合與作品集定義自己
02
變局全貌
同時發生的三場革命
AI 技術革命、地緣政治重組、產業結構轉型——三者彼此加速、彼此放大。任何只看一面的人，都會被另外兩面打臉。
第一股力量：技術變局
生成式 AI
從文字、圖像到影片、程式碼，創作門檻全面崩塌，白領工作重新定義。
Agent 化
AI 從「回答工具」升級為「執行代理」，能自主操作軟體完成任務。
整合浪潮
AI 嵌入每一個 SaaS、每一個流程、每一支手機，成為基礎設施。
第二股力量：地緣變局
供應鏈重組
從「效率優先」轉為「韌性優先」，臺灣、墨西哥、越南受益。
科技管制
晶片、AI 模型、關鍵技術成為地緣戰略籌碼。
在地製造
製造業回流美歐，能源、半導體、生技高速擴張。
第三股力量：產業變局
傳統職能萎縮
例行性行政、初階程式、基礎翻譯、低門檻內容被大量自動化。
新職類興起
Prompt 工程師、AI 工作流設計師、資料標註審查員、AI 產品經理。
職能重組
大多數工作不是消失，是被「重新組合」——同一職位要做的事變了。
AI 近三年關鍵事件
生成式 AI 破圈
ChatGPT 兩個月破億用戶，開源模型同步爆發
多模態與長文本
影音、PDF、圖表一鍵理解，應用場景大幅擴張
Agent 與工作流
AI 從對話進入自主執行，重塑整條工作流
組織規模化導入
企業從實驗轉為全面部署，人才缺口快速拉大
關鍵洞察
我們現在做的這件事，
AI 做不做得到？
如果 AI 做得到，我們為什麼還在做？
我們能不能讓 AI 去做，
然後我們去做更有價值的事？
03
技能重整
WEF 2030 核心技能
AI 素養
理解 AI 能力邊界，善用 AI 工具提升工作效率。
批判思維
對 AI 產出保持質疑，驗證資訊正確性。
創意思考
AI 處理重複工作，人類專注創意與洞察。
WEF 2030 核心技能地圖
資料來源：世界經濟論壇《2025 未來就業報告》
2030 年核心技能四大象限
Core Skills
AI 與大數據、創造力、自我覺察、韌性與彈性。
Emerging Skills
網路安全、環境永續、科技素養。
Out-of-focus
傳統程式設計、基礎閱讀寫作、體力勞動。
Steady Skills
客戶服務、時間管理、基礎溝通。
WEF 清單背後的規律
所有上升中的技能，都有一個共同點：需要跨領域整合與人類判斷；所有下降中的技能，都是單一任務、可標準化、可模組化的工作。
能力組合：T 型 vs π 型
T 型人才
- 一個深厚的專業領域
- 橫向串接多個相關知識
- 適合組織內升遷路徑
- 中期（5-10 年）穩定發揮
- 風險：深度專業被 AI 壓縮時受衝擊較大
π 型人才
- 兩個互補的專業（如：心理學 + 系統架構）
- 中間用協作力連結
- 適合創業或跨界角色
- 長期（10 年以上）抗風險能力較強
- 挑戰：兩個領域都要持續投入才能維持
年輕世代的能力結構
-
底層：思維素養
批判思考、系統思考、第一性原理、科學方法
-
中層：工具能力
AI 工具鏈、資料分析、寫作溝通、基礎程式
-
上層：領域專業
你真正感興趣、願意投入十年的那個垂直領域
-
跨層：協作力
表達、提問、專案管理、給予與接受回饋
-
核心：自我覺察
知道自己擅長什麼、想要什麼、拒絕什麼
04
產業判讀
工作是你的雇主給你的， 產業是你的閱歷給你的， 但跨產業的邏輯才是你自己的。
— Vista Cheng
產業判讀五步驟
搞清楚產業的錢從哪裡來
這個產業的客戶是誰、付錢給誰、為什麼付錢？找到價值鏈的金流源頭
畫出價值鏈與關鍵節點
上游、中游、下游各有誰？毛利集中在哪一段？卡位在哪最關鍵？
辨識產業的成長引擎
這個產業靠什麼變大？技術、人口、法規、資本？引擎還在燒還是快熄火？
找出變動訊號
誰在裁員、誰在擴張、誰在併購、誰在融資？訊號往往比新聞早半年
評估你的切入點
以你的能力、資源、人脈，哪個節點最容易進去？哪裡最有槓桿？
用 AI 快速掃描一個產業
請以產業分析師的角度，針對「XX 產業」做一份 1000 字的結構化報告，包含： 1. 產業的錢從哪來（商業模式與主要客戶） 2. 價值鏈上中下游關鍵玩家（臺灣與全球各列三家） 3. 近三年最大的三個變化（技術、法規、市場） 4. 未來三到五年的成長引擎與風險 5. 對「剛畢業的年輕人」而言，最有潛力的三個切入點 每一項都要引用可查證的數據或報告名稱。
產出：結構化的產業全景報告，作為你深入研究的起點。 注意：AI 會有資訊時差與幻覺，數據務必回頭驗證。
五個必須看懂的變動訊號
-
融資訊號
早期資金流向預告三到五年後的熱門領域
-
法規訊號
政府補助、法規鬆綁、管制加嚴都會重塑產業地形
-
人才訊號
大廠在招什麼職缺、開什麼薪水，是產業健康度的體檢表
-
客戶訊號
客戶買單的東西變了沒？不買單的又是什麼？
-
技術訊號
底層技術（AI、晶片、生技）跨過哪些門檻？下游會跟著爆發
05
案例拆解
案例一：內容產業的重新洗牌
過去五年，媒體廣告收入流向社群平臺；過去兩年，生成式 AI 又把內容生產成本壓到近乎為零。兩股力量夾擊之下，傳統媒體與自由撰稿人首當其衝。
但有趣的是：同一個時期，Newsletter、Podcast、小眾社群、知識付費卻在成長。原因是通用內容被 AI 取代了，但有觀點、有信任、有特定讀者的內容反而更稀缺。
年輕人的切入點，不是去跟 AI 拚量產，而是用 AI 當槓桿，把自己對某個領域的觀點，打磨成有人願意付費訂閱的信任資產。
案例二：半導體與 AI 基礎建設
AI 模型越做越大，對晶片、資料中心、電力的需求同步爆炸。臺積電、輝達、博通站上浪頭，臺灣的電力、機電、精密加工業也跟著熱起來。
這個產業的金流源頭是超大規模雲服務商（Hyperscaler）。他們的資本支出從每年 1000 億美元衝到 3000 億美元以上，下游每一個節點都在搶訂單。
年輕人要切入，不一定要念電機。先進製程需要供應鏈管理、採購、法務、ESG、人資、工安，每一個都是被薪資推高的缺口。
案例三：醫療與高齡照護
臺灣 2025 年進入超高齡社會，每五個人就有一個 65 歲以上。長照、居家醫療、慢性病管理、高齡科技四個子領域同時擴張，人力缺口是以十萬計。
AI 能幫醫師閱片、幫照服員排班、幫藥師核對用藥，但接觸人、安撫人與陪伴人這些事短期內被 AI 取代的可能性極低。
這是一個人類專業加上 AI 工具、效率能翻倍的典型產業。年輕人不一定要去第一線，技術、行銷、平臺、資料分析都是進場的路徑。
不同產業的切入建議比較
📌 立即可切入
- ✓ AI 內容工作流設計
- ✓ 電商 / 行銷數據分析
- ✓ 高齡科技客戶成功
- ✓ 半導體供應鏈協作
- ✓ ESG 與永續顧問
📌 需要兩三年養成
- ✓ AI 產品經理
- ✓ 醫療資訊系統整合
- ✓ 先進製造現場工程
- ✓ 跨境商務與法規
- ✓ 能源基礎建設規劃
06
決策視野
個人決策的本質
人生是有限資源在高度不確定環境下的連續選擇。判讀是為了看清楚，決策是為了選得好——兩者缺一不可。
OODA 決策循環（四步驟）
Observe 觀察
盡可能蒐集第一手訊息。AI、搜尋、真人訪談三管齊下，不要只聽一個來源
Orient 定向
把資訊套進你的框架裡解讀——這是什麼類型的變化？會影響什麼？
Decide 決策
在可承受的時間內決定，允許自己用 70% 的資訊做 100% 的承諾
Act 行動
快速試、快速改。行動本身會回饋新資訊，讓下一輪 OODA 更準
成熟的人不談感覺，談機率與代價
-
機會成本
選 A 放棄的是什麼？選 B 呢？把放棄的成本顯性化
-
期望值思維
一個選擇的結果 × 發生機率。不看單次輸贏，看長期期望
-
可逆 vs 不可逆
可逆的決策快決、試錯；不可逆的決策慢決、多收資訊
-
時間尺度拆解
1 年、5 年、10 年要什麼？倒推現在該做什麼
-
第二階思考
這個選擇之後呢？那之後呢？別只看第一階結果
Vista 的決策心法
可逆的事情，用直覺快速試；
不可逆的事情，用紙筆慢慢想。
不要把兩者搞錯。
短期思維 vs 長期思維
短期（0-2 年）
- 優先累積現金流與安全感
- 加速學習循環，密集試錯
- 建立基本的專業信用
- 找到可靠的第一批支持者
- 搞清楚自己真正想要什麼
長期（5-10 年）
- 建立少數幾個深度的領域專業
- 累積可公開搜尋到的作品集
- 經營跨領域的人脈網絡
- 投資在被動收入與資產配置
- 持續調整方向而不是盲目堅持
做選擇前先回答這五題
1. 這個選擇可逆嗎？可逆程度多高？ 2. 最好 / 最壞 / 最可能的結果各是什麼？ 3. 五年後的我會感謝現在做這個決定嗎？ 4. 我是因為想要 X 才選這個，還是因為逃避 Y？ 5. 如果沒有任何人看我，我還會選這個嗎？
把五題答案寫下來，你會發現 80% 的焦慮其實是雜訊。 真正的重大決定，寫完之後會自動浮現方向。
07
找到自己的位置
位置 = 能力 × 產業 × 時機
找位置不是選一個職稱，是找到你擅長、產業需要而且此刻正在成長的交集。三者缺一，不是太擠就是太慢。
自我定位五步驟
盤點你的獨特組合
列出你的專業、興趣、經驗、人脈。重點不是最強的是什麼，是別人不會一起擁有的組合
研究三個你有興趣的產業
用第四章的判讀框架，各寫一份 1000 字的掃描報告
找交集：能力 × 產業 × 成長
你的獨特組合，在哪個產業、哪個節點最有價值？
設計最小可行的實驗
不要直接 All-in。用副業、實習、Side Project 低成本驗證
把結果公開出來
寫文章、做 Podcast、發作品集。可搜尋 = 可被找到 = 機會會主動上門
年輕世代的三種好位置
新領域先行者
AI、生醫、能源、ESG 等新領域，三到五年內累積知名度的成本最低。
兩個領域的橋樑
同時懂內容與數據、懂科技與法規、懂產業與外語的人，永遠稀缺。
深度耕耘者
選一個你真心熱愛的領域做十年，所有的複利都會留下來。
個人品牌：不是炫耀，是索引
-
為什麼做
把你會的東西變成可被搜尋到的證據，讓機會找到你
-
從哪開始
選一個你願意持續三年以上的主題，別一次想做五個
-
產出什麼
短文、電子報、Podcast、影片、GitHub 作品，任選一到兩個
-
頻率節奏
每週穩定一篇，勝過一個月爆發五篇後斷更
-
成功指標
不是粉絲數，是有沒有三個陌生人因為你寫的東西找上你
年輕世代的入場裝備
選擇雇主的新標準
📌 舊標準
- ✓ 名氣大小、企業排名
- ✓ 起薪高低
- ✓ 是否是穩定的行業
- ✓ 父母親友的認可度
- ✓ 與主修科系的相關性
📌 新標準
- ✓ 團隊有沒有比你強的人
- ✓ 你一年內能學到什麼
- ✓ 公司導入 AI 的速度與深度
- ✓ 是否能接觸真正的客戶與決策
- ✓ 離開後留得下可搜尋的作品
Vista 給年輕世代的三句話
一、焦慮沒有用，研究有用。
二、可逆的事快做，不可逆的事慢想。
三、你不是在找工作，你是在打造你的作品集。
08
結語與行動
接下來一個月的七日循環
寫下你的獨特組合
專業 + 興趣 + 經驗 + 人脈，列一張清單
掃描兩個產業
用 AI 產出第一版報告，再用真人訪談校準
設計一個小實驗
寫一篇文章、做一個作品、接一個案子
執行與發布
完成並把結果公開出來，不要放在自己電腦裡
回顧與下一輪
哪些資訊最有用？哪些假設被打臉？下週怎麼調整？
延伸學習資源
-
書籍
《原子習慣》《深度工作力》《卡片盒筆記》《高勝算決策》
-
報告
World Economic Forum《未來就業報告》、McKinsey AI 系列、OECD 技能展望
-
電子報
Vista 電子報、Morning Brew、Not Boring、Benedict Evans
-
Podcast
Huberman Lab、Lex Fridman、馬力歐陪你喝一杯、M 觀點
-
工具
ChatGPT、Claude、NotebookLM、Obsidian、Are.na
未來已經來了，只是尚未平均分布。你的工作，是找到它已經到來的那個角落。
— 威廉．吉布森
謝謝聆聽
Vista Cheng
https://www.vista.tw
歡迎加入電子報與社群，讓變局成為你的主場