白領大洗牌，有銀行大幅裁員，同時增設首席人工智能官職位準備招聘大量 AI 相關人才
正當各大公司都以 AI 原因裁員，大家有冇有認清背後的事實，以及窺探白領大洗牌背後的機會呢？網傳匯豐未來將大幅裁 20,000人。但同時匯豐亦任何了該集團第一位首席人工智能官。 (source: https://www.hsbc.com/news-and-views/news/media-releases/2026/david-rice-announced-as-chief-ai-officer)。這將代表白領工作進入一個新時代。
世界經濟論壇（WEF）發布了最具權威性的《2025 年未來就業報告》(The Future of Jobs Report 2025)。這份報告在 LinkedIn、各大企業董事會以及人力資源圈內引發了海嘯般的討論。
當大眾媒體將焦點放在「9,200 萬個職位即將消失」的標題時，這份報告並非失業預警，而是一份「職業身價倍增指南」。只要能洞察其中的遊戲規則，未來五年將是職場人士實現「跨越式成長」的黃金期。
一、 AI 職位數據解碼：AI 令全球職位預期有超過七千八百萬「淨增長」
報告中最核心的數據點出了未來勞動力市場的動態平衡：
- 消失職位： 9,200 萬個
- 新增職位： 1.7 億個
- 淨增長 (Net Growth)： 7,800 萬個職位
這組數據傳達了一個明確的信號：儘管 AI 的普及會導致部分傳統崗位消失，但其創造的新需求遠超被取代的部分。報告指出，全球約 40% 的現有員工 必須在未來三年內完成「技能重塑」(Reskilling)，否則將面臨被市場淘汰的風險。
什麼是「技能半衰期」(Half-life of Skills)？
報告提到一個關鍵概念——技能半衰期。這指的是：「一項技能在市場上失去一半價值所需的時間。」過去，技能半衰期可能長達十年；但現在，已縮短至僅剩 2.5 年至 3 年。
【實戰例子 1：傳統會計人 vs AI 自動化對帳】
以往一位初級會計（Assistant Accountant）靠熟練 Excel 做 VLOOKUP、手動核對帳目（Reconciliation）同處理薪資（Payroll），技能起碼可以保值十年。根據 WEF 2025 報告，初級會計文員是被自動化取代率最高的職位之一。現在，隨著 AI 核數軟件（如 Xero/QuickBooks AI）同流程自動化（RPA）嘅普及，大批對帳同稅務錄入工作已被 AI 秒速完成。
- CEO Insight： 企業唔再需要「數字搬運工」，我哋需要的是能利用 AI 監控財務健康狀況的「數據架構師」。
【實戰例子 2：法律文員 vs 大模型合約審查】
以往律師助理或法律文員（Legal Clerk）需要花大量時間查閱案例、手動撰寫基礎合規合約，專業門檻相對高。現在，隨著專門針對法律嘅大型語言模型（LLM）出現，AI 可以在幾秒鐘內審查數千頁合約、找出潛在風險並生成合規條款。如果你不學會如何給予 AI 精確的 Prompts（提示詞工程）來引導它進行複雜法律邏輯判斷，並學懂判斷 AI 的產出是否符合法規（Compliance），你的專業護城河將會瞬間消失。
- CEO Insight： 未來的法律專才，價值在於「定義法律策略」，而唔係「打草稿」。
【實戰例子 3：傳統視覺設計 vs AI 生成設計】
以往設計師學習 Photoshop 剪裁、修圖與調色，技能可保值十年；現在，如果不懂得使用 Midjourney、Nano Banana 2 等工具進行批量生產同創意探索，其產出效率在半年內就會被懂得使用 AI 槓桿的後輩超越。AI 唔係取代創意，係取代「重複性嘅作圖」。設計師必須轉型為「創意總監」與「AI 視覺工程師」，利用 AI 工具在幾分鐘內產出以前要幾日先完成嘅 Demo，將精力放喺品牌策略同用戶共鳴。
【實戰例子 4：傳統 HR vs AI 人才架構師】
傳統 HR 大部分精力放喺手動篩選 CV、安撫員工情緒、處理繁瑣嘅入職手續。現在，AI 工具可以自動篩選上千份 CV、進行初步 AI 視頻面試、甚至根據數據預測員工離職風險。WEF 指出，HR 必須學會利用數據分析（HR Analytics）來架構企業嘅人才庫，並學懂利用 AI Agent 提升招募與培訓效率。如果你不 Reskill，你就只是一個「行政文員」；學會了架構 AI 工作流，你才是「人力資本建築師」。
- CEO Insight： 在 2025 年，教導員工如何與 AI 協作，就是 HR 最具溢價的技能。
二、 白領危機真相：技能欄還在填Word, Excel，AI 時代怎會不被取代？
「白領會消失」呢句話只講對咗一半。正確嚟講，係「傳統行政類白領」在萎縮，而「專業服務類白領」在轉型。
- 萎縮區： 凡是涉及「資料搬運」、「簡單邏輯判斷」的崗位（如初級會計、法律行政、數據錄入）確實正在消失。
- 轉型區： 職位門檻大幅提高。WEF 指出，到 2030 年，白領工作中有超過 60% 需要具備中高級數位技能。以前你識 Excel 就係白領，未來你可能要識 SQL，Python， 同 AI 指令（Prompting）才叫入門，懂用 AI 寫公司用的 apps, 自動化工作流程 (N8N, Vibe Coding, Dify 等, 才會是進階。
三 7,800 萬個新職位去咗邊？深度拆解地理與產業增長及新增的AI 職位
這份報告最關鍵嘅啟示係：新職位嘅出現並唔係平均分佈嘅，而係呈現高度嘅**「地理與產業集中」**。雖然 AI 取代咗部分傳統行政位，但喺以下區域同板塊，正爆發出前所未有嘅人才渴求。
世界經濟論壇報告：跌幅最大的工種排名
1. 地理分佈：全球「數位化」與「高端化」的雙重引擎
- 先進經濟體 (Advanced Economies) —— 職位增長：約 15% | 新增職位：約 1,800 萬個 喺香港、新加坡、美國、德國等地區，增長點集中喺「高價值、高技術」嘅複合型職位。由於基礎技術已經成熟，呢啲國家需要嘅係能處理複雜決策、法律合規同尖端科技嘅人才。
- 新興市場 (Emerging Markets) —— 職位增長：約 28% | 新增職位：約 3,500 萬個 地區包括印度、越南、巴西及部分東南亞國家。呢啲地區正處於「數位化補課」階段，企業急需從傳統營運轉向雲端與自動化。因此，市場創造咗極多初級到中級嘅 IT 職位（如網頁開發、基礎數據維護）以及數位營運崗位。這是全球「勞動力紅利」轉化為「數位紅利」嘅主戰場。
2. 四大核心增長板塊：IT 領銜與產業轉型
除咗傳統認知嘅職位，WEF 報告指出，淨增長主要嚟自以下四個互聯嘅板塊。
| 增長板塊 | 預期增長率 (%) | 估算新增職位 (萬個) | 代表工種 (含 IT 角色) | 增長原因與 Insight |
| IT 與數位經濟 (IT & Digital) | 35% – 40% | ~2,200 | AI 方案架構師、軟件開發專才、數據工程師、雲端安全專家 | 報告指出「技術採用」係就業第一動力，全球 75% 企業加速數位轉型，IT 變為所有行業嘅「底層作業系統」。 |
| 綠色經濟 (Green Economy) | 30% – 33% | ~1,500 | 可持續發展分析師、ESG 數據工程師、風能系統開發員 | 全球淨零排放目標令 ESG 變成「法規剛需」。企業需要 IT 專才建立碳追蹤系統，將綠色轉型數據化。 |
| 護理與健康 (Care Economy) | 25% – 28% | ~1,200 | 遠程醫療協調員、醫療數據分析師、專業護理導師 | 人口老化加上醫療體系數位化，市場急需能操作高科技醫療設備、管理電子病歷及進行遠程診斷嘅人才。 |
| 教育與培訓 (Education) | 20% – 22% | ~900 | AI 培訓講師、數位課程架構師、技能重塑顧問 | 當全球 40% 員工需要 Reskilling，教人「點樣同 AI 協作」 |
四大增長板塊，可以見到的除了IT，其他三大領域的增長，都是來自科技主導的領域。這亦是為甚麼世界經濟論壇列出頭 15 最大增幅的工種，有 12 個都係IT 職仆。
這 15 個職位決定了 2026 年的財富流向，你排在第幾位？
根據 WEF 排名，增長最強勁的職位均圍繞著「數據、智能、安全」：
增長最高的，15 種職位入面，除了輕型貨車司機，自動化汽車及機器操作員，綠色能員工師，12 個都是IT 相關工種。
誰主浮沉？拆解 2026 需求激增「五大剛性需求AI 職位」
No.1 大數據專家 (Big Data Specialists)
- 預期增長： 110%
- 全球勞動力基數估算： 約 600 萬人
- 預計職位淨增長實數： 約 660 萬個新職位
- 深度拆解： 根據 WEF 報告，大數據被列為驅動企業轉型的首要技術。數據是 AI 時代的「新石油」，但原始數據往往雜亂無章。目前企業面臨的痛點不是缺乏數據，而是缺乏能將數據精細化清洗、建模，並挖掘出商業 Insights 的專家。這類人才需要結合統計學知識與強大的商業邏輯，協助企業在碎片化的市場中尋找新的獲利點。報告指出，超過 75% 的企業表示將在未來五年內採用大數據分析，這直接推動了該職位超過一倍的增幅。你需要的不只是寫 SQL，而是要識得如何將數據轉化為老闆看得懂的盈利建議。
- 所需技能： Python/R、SQL 大數據庫、ETL 流程設計、統計學與預測建模、數據視覺化 (Tableau/Power BI)、雲端數據平台 (AWS/Google BigQuery)。
No.2 金融科技工程師 (FinTech Engineers)
- 預期增長： 95%
- 全球勞動力基數估算： 約 280 萬人
- 預計職位淨增長實數： 約 266 萬個新職位
- 深度拆解： 在數位金融與去中心化浪潮下，傳統銀行與虛擬銀行均在激戰。WEF 報告強調，金融服務業是受技術變革影響最深的行業之一。需求涵蓋了 Web3、跨國支付系統、以及利用 AI 進行自動化核數。這類職位對代碼的嚴謹度要求極高，因為任何一個 Bug 都涉及真實的金錢損失。隨着全球對數位資產與支付安全的要求提高，具備金融合規意識與加密技術的工程師，將成為獵頭市場中溢價最高的崗位之一。JavaScript 在此領域依然是不可或缺的前端與後端核心技術。
- 所需技能： JavaScript、區塊鏈與智能合約 (Solidity)、API 整合與微服務、金融數據加密、反洗錢 (AML) 技術整合、Kubernetes/Docker。
No.3 AI 與機器學習專家 (AI & ML Specialists)
- 預期增長： 85%
- 全球勞動力基數估算： 約 150 萬人
- 預計職位淨增長實數： 約 127 萬個新職位
- 深度拆解： WEF 報告顯示，AI 採用率是所有技術中增長最快的。目前企業的需求已從「研究實驗室」轉向「商業落地」。AI 專家不再只是開發算法，而是要負責將大型語言模型（LLM）與公司的私有數據庫接軌，設計出能自動化處理業務流程的智能體（Agent）。報告指出，未來五年有超過 50% 的工作任務將由 AI 輔助完成，這意味著市場急需大量能將 AI 插件化、工具化的工程師。如果你識得如何微調模型（Fine-tuning）並解決數據幻覺問題，你的身價將會爆發性增長。
- 所需技能： PyTorch/TensorFlow、提示詞工程 (Prompt Engineering)、RAG 技術、向量數據庫 (Pinecone)、模型微調、MLOps。
No.4 軟件及應用程式開發員 (Software Developers)
- 預期增長： 60%
- 全球勞動力基數估算： 約 2,800 萬人 (全球基數最大)
- 預計職位淨增長實數： 約 1,680 萬個新職位 (絕對增長量最高)
- 深度拆解： 雖然百分比增長排名第四，但因為其基數極大，這依然是 淨職位增長量最高 的類別。WEF 報告明確指出，儘管 AI 能寫代碼，但這反而刺激了企業開發更多應用程式的需求（Jevons Paradox）。無論是開發 AI 界面還是 ESG 追蹤平台，最終都需要工程師編寫代碼。Java 與 Spring Boot 依然是全球大型企業級系統（Enterprise System）的定海神針，支撐著銀行、物流等核心命脈。未來的開發者不再是編碼工人，而是利用 AI 工具產出高穩定性軟體的實踐者。
- 所需技能： Java / Spring Boot (企業級開發核心)、AI 輔助開發 (Cursor/Copilot)、全棧開發 (Node.js/React)、系統架構設計、CI/CD 自動化。
No.5 資訊安全分析師 (Cybersecurity Analysts)
- 預期增長： 55%
- 全球勞動力基數估算： 約 450 萬人
- 預計職位淨增長實數： 約 247 萬個新職位
- 深度拆解： 隨著企業資產全面雲端化，網絡安全已成為企業的「保命錢」。WEF 報告將網絡攻擊列為全球最大的商業風險之一。每一次技術進步都伴隨著新型威脅，黑客開始利用 AI 進行高自動化的滲透測試。因此，資安分析師必須具備「以 AI 防禦 AI」的能力。這不僅是技術問題，更是企業存亡的關鍵。只要數字化進程不停止，對於保障數據安全、防範隱私洩漏的人才需求便會持續處於「長期短缺」狀態，職位的抗週期性極強。
- 所需技能： 滲透測試、網路防火牆 (IDS/IPS)、雲端安
值得留意的是，由於本身軟件工程師基數大，百分比排第四的軟件工程師，預計職位淨增長 1,680 萬是眾多職位最高，甚至是第三位的 機器學習轉家淨增長實數約 127 萬的 10 倍。
六、 深度重定義：為什麼 AI 會寫 Code，開發員需求反而大增？
根據 WEF 報告，原因在於「數位化轉型的深度擴張」與「系統集成難度增加」。AI 雖然降低咗編寫成本，但令到企業想整更多嘅 App。
同時，軟件工程師的定義亦會變得更廣。未來老師可以自己寫簡單應用apps, HR 可以寫適合自己部門場景的工作流應用程式。除了傳統的軟件工程師，未來大幅增長的工程師可分期以以五大類。
1. 用戶導向型軟件工程師 (User-centric Product Developer) —— 排名第一
AI 的普及縮短了代碼撰寫的時間，這讓工程師有更多空間從後台走到最前線。在 WEF 2025 報告中，強調了「溝通力」與「對齊商業目標」的重要性。這類工程師利用 AI 協助獲取需求 (Requirement Gathering)，透過與 AI 對話快速生成 Prototype 讓用戶試用並即時修改。他們不再是等待規格書 (Spec) 的被動者，而是主動幫用戶解決問題的方案提供者。這種「即時反饋、即時修復」的模式，大大提升了產品成功率。未來的軟體開發不再是寫單純 code，而是「對話與實現」，Coding 及系統架構能力將是實現這種能力的根本。
- 核心價值： 精通 Java 或 JavaScript，能利用 AI 快速構建 MVP（最小可行性產品），並具備強大的商業共情能力。
2. AI-enabled Business Analyst (AI 賦能型商業分析師) —— 排名第二
傳統 BA 往往受限於「只動口不動手」，但具備 AI 編碼能力的 BA 將徹底改變遊戲規則。WEF 報告預測，分析性思維與技術素養的結合是未來白領的必經之路。如果你是 BA 出身，學會利用 AI 撰寫 Python、Java 或高級 VBA，你就能將分析結果直接「工具化」。例如，以前需要排期一週的自動化報表，你現在可以用 AI 在一小時內完成部署。這不僅縮短了開發週期，更讓你成為企業內部的「解決問題大師」。這類複合型人才的薪資溢價通常高達 30%-50%。
- 核心價值： 具備商業敏銳度，同時能指揮 AI 產出自動化代碼，打破技術與商業的屏障。
3. Solution Architect (方案架構師) —— 系統的「建築師」
隨著 AI 產出的代碼量呈幾何級數增加，系統的穩定性與一致性成為巨大挑戰。這就是為什麼解決方案架構師的職位至關重要。他們不需要親自寫每一行 Function，但必須決定整個系統的藍圖。他們精通 Java / Spring Boot，以確保新生成的 AI 模組能與企業運作多年的大型舊系統（Legacy Systems）無縫對接。WEF 報告指出，系統集成（System Integration）將是未來技術難點，這正需要架構師來確保安全性、擴展性與數據一致性，防止 AI 產出的代碼變成系統災難。
- 核心價值： 深厚的企業級系統底蘊，負責設計安全穩定的架構，引導開發團隊與 AI 協作。
4. Product Engineer (產品工程師) —— 矽谷最流行
這類角色的重心不在於「代碼寫得多漂亮」，而在於「產品能否解決用戶問題」並轉化為利潤。在 AI 時代，開發成本下降，市場競爭速度變快。產品工程師會大量使用 AI 工具進行快速原型製作，將 80% 的精力放在商業邏輯與用戶體驗（UX）上。他們更像是一個「懂技術的產品負責人」，能快速判斷 AI 的產出是否符合市場需求。這種角色縮短了從「創意」到「商用化」的距離，是新創公司與企業創新部門爭相競逐的對象。
- 核心價值： 具備強大的商業觸覺，熟練使用 AI 槓桿，專注於創造對用戶有實質價值的產品。
5. Analytics Engineer (分析工程師)
介於數據科學家與軟體工程師之間，這是一個專注於「數據質量」的新興崗位。WEF 報告強調，AI 模型的準確性完全取決於數據的乾淨程度。分析工程師使用代碼建立自動化數據流水線，將雜亂的原始數據轉化為具備商業價值的數據資產。他們確保數據的「版本控制」與「可回溯性」，讓 AI 模型有高品質的「糧食」可以消化。如果說 AI 是賽車，分析工程師就是負責提煉高品質汽油的技師，是所有 AI 決策系統背後的無名英雄。
- 核心價值： 結合數據建模與軟件工程實踐（如 CI/CD），為企業建立可依賴的數據底座。
七、 CEO 獨家 Insight：2026 年招聘市場的三大真相
Truth 1：「技能優先」取代「學歷至上」 (Skills-first Hiring)
根據 WEF 2025 報告，全球領先企業中有超過 73% 正轉向「技能優先」的招聘策略。這反映了一個殘酷的現實：傳統大學四年的課程節奏，已經遠遠追不上技術的半衰期。現在的企業已經等不到畢業生慢慢摸索，他們需要的是「即插即用」的解決方案。一個擁有 軟件開發基礎、或能利用 Scripts 同 AI Agent 做自動化能力，且能熟練運用 AI 工具（如 Cursor 或 Copilot）優化開發流程的應徵者，其市場價值遠超只有名校學位但缺乏實戰能力的畢業生。報告強調，微證書（Micro-credentials）與實戰戰做 portfolio 的課程或經驗正成為新一代職場的「硬履歷」，而不是不是「學歷」或「沙紙」，因為它們直接證明了人才在動態環境下的生存能力與產出效率。
Truth 2：「10X 人才」(10X Talent) 的薪酬紅利
「10X 人才」是指那些能將人類判斷力與 AI 高效能完美結合的職場精英。WEF 報告指出，技術採用（Technology Adoption）將顯著拉開員工之間的生產力差距，而具備 AI 協作技能的人才，其生產力提升幅度可達 3 至 10 倍。在獵頭市場中，這種產能的躍升直接轉化為薪酬溢價。企業主是非常現實的：如果一位會計師、HR 或行政人員，可以利用 AI 槓桿處理三倍甚至更多的工作量，即便給予 1.5 倍甚至雙倍的人工，對企業而言，其整體單位勞動成本反而更低。這種「高產能、高薪酬」的非對稱增長，正是未來五年職場財富重新分配的核心邏輯，平庸的執行者將面臨減薪，而 AI 賦能者則會迎來身價翻倍。
Truth 3：「軟技能」是人類最後的高溢價防線
當執行層面的編碼與運算逐漸被 AI 自動化，人類的核心價值將回歸至高階思維。WEF 2025 報告明確將 「分析性思維」(Analytical Thinking) 與 「韌性」(Resilience) 列為企業最渴求的前三大能力。在軟件開發領域，這種能力體現在「定義正確問題」以及「利用 AI 獲取精準需求」(Requirement Gathering) 的過程。AI 雖然能寫 Code，但它無法判斷商業邏輯是否正確，也無法感應用戶的真實痛點。一位高階工程師或 AI 架構師的價值，在於他能引導 AI 在複雜的商業環境中找出最優解。這種具備高度同理心、邏輯拆解力以及能持續在技術變革中快速自學的「韌性」，將是 AI 永遠無法跨越的護城河，也是進入高層管理崗位的一重要入場券。
八、 實戰建議：你應該如何部署你的 2026？
1. 提升「AI 架構能力」而非單純使用工具
我必須強調：我們要學的 AI，並唔單止係學點樣用單一嘅 AI 工具，而係 「AI 架構的能力」 —— 亦即係點樣將唔同嘅 AI 工具、API、數據源連結埋一齊，變成一個可以解決複雜問題嘅自動化系統。當你學識架構 AI，你就不再係一個「工具使用者」，而係一個「系統設計師」。而要學識架構 AI，Computational Thinking（計算思維） 以及對 電腦底層邏輯 的掌握將會係最核心嘅基本功。只有理解電腦點樣處理邏輯，你先可以真正指揮 AI 幫你完成 10X 嘅工作量。
2. 建立實戰 Portfolio：數據化你的「AI 解決方案」能力
在 2025 年的招聘環境中，口頭上的「我懂 AI」已經完全失效。你必須建立一套能視覺化、數據化的實戰作品集（Portfolio）。例如，如果你是一名會計或行政人員，不應只列出工作職責，而應展示你如何透過 AI 編寫 VBA 或 Python 指令，將原本需要一週的手動對帳流程縮短至一小時，直接為公司節省 30% 以上 的人力時間成本。對於 IT 開發者而言，Portfolio 應包含你如何利用 AI 工具快速構建 MVP（最小可行性產品），並透過 API 整合解決具體商業問題的案例。一個能被驗證的實戰案例，勝過簡歷上一千字的自我介紹，因為它直接證明了你的「AI 落地轉化率」。
3. 投資硬核 Core Skills：掌握指揮 AI 的底層邏輯
儘管有無代碼（No-code）工具的出現，但 WEF 報告提醒我們，基礎技術素養依然是數位轉型的基石。Java / Spring Boot 與 JavaScript 至今仍是支撐全球金融、電商與物流體系的「定海神針」。投資學習這些核心技術，真正的意義在於培養 「計算思維」(Computational Thinking)。這是一種將複雜問題拆解、抽象化並邏輯化的能力，它是你與 AI 溝通時最底層的語言。如果你不理解系統運行的邏輯，你將永遠無法給出精準的 Prompt。只有掌握了核心技術，你才能從 AI 的「跟隨者」晉升為「指揮官」，在自動化浪潮中穩定操控複雜的企業級系統。
經濟急速轉型，將兩年內奬勵勇於進化及懲罰原地踏步的人
2026 年是一個分水嶺。機會並未消失，只是正在從「純執行」遷移到「設計與架構」。你是選擇成為那 1.7 億個新職位中的一員，還是那 9,200 萬個被取代的人？
這套轉型邏輯並非紙上談兵，我們已經協助無數背景截然不同的人，在短短數月內打破「技能半衰期」的魔咒，重塑職業身價：
- 從勞力到協調： 建造業 Worker 透過 4 個月進修，成功轉身 Project Coordinator，人工即時提升 25%。(見證影片)
- 從零售到開發： 只有中學學歷、做了 7 年零售 Sales 的同學，跨越門檻成為 Software Engineer。(見證影片)
- 從廚房到 IT： 5 年廚師生涯、從未做過文職，成功轉型 IT 並獲起薪 $23,000。(見證影片)
- 從跨行到 AI： 大學畢業生透過 Bootcamp 轉型，短短兩年內晉升金融機構 AI Engineer。(見證影片)
- 從全職媽媽到職場強人： 做了 6 年 全職媽媽，因照顧家庭難以重返社會。透過 4 個月 Coding 實戰成功中年轉行，更憑藉卓越的邏輯與 AI 自動化技能，贏得舊老闆垂青重金挖角。(見證影片)
- 從穩定公務員到技術專家： 為了夢想與移民準備，毅然放下公務員「鐵飯碗」學習 Coding。入行 2 年即從 Programmer 轉型為高薪 Application Security Specialist，搵返工作意義之餘，更擁有全球通行的技術。(見證影片)
- 從選錯科到人工翻倍： 大學畢業 3 年，因選錯科導致人工遲遲未破 $20,000。透過 Bootcamp 轉型 IT，憑藉 Java + AI Agent 的降維打擊實力，入行短短兩年，人工即刻爆升接近一倍！(見證影片)
- 上進青年學IT 前苦無專業技術，曾做酒樓待應，顧客服務，前後做過4 – 5 個行業。最終靠讀 bootcamp 入功入行IT。利用自己的溝通能力，解決問題能力真正成為IT Business Analyst, 再利用AI 幫自己生產力提升數倍! (見證影片)
這群人證明了：背景不決定終點，學習「AI 架構力」與「計算思維」才是翻身的關鍵。 選擇權一直都在你手裡，與其擔心被 AI 取代，不如現在提升技能轉型，成為掌握 AI 槓桿的 10X 人才。
建立 Portfolio 與轉型路徑
如果你想喺屋企自學但希望達到 Coding Bootcamp 的 IT 及 AI 強度 ， 唔需要學到專業工程師咁深，只係想提升自動化能力（例如用 Scripting 或 AI Agent 處理日常工作），可以睇睇我哋已加入 AI 自動化模組嘅 Self-paced Coding Bootcamp，讓您輕鬆在家都能學到我們花咗 8 年時間打造，幫不同背景學員轉型的 AI 進化板 Coding Bootcamp 。
如果你想同志同道合嘅學員一齊衝刺決心轉型： 參與包含 AI 實戰開發嘅高強度訓練，透過 Project 學習點樣架構 AI 系統，可以按此連結睇我哋嘅 全日制或兼讀制 Coding Bootcamp 或者 兼讀制課程
Article by:
Dicky Yuen
CEO 及首席招聘顧問
IT 及 AI 獵頭公司Venturenix Limited
Dicky 先後創辦Venturenix 和 Venturenix LAB，致力於推動行業內人才的轉型與發展，提供針對性的IT培訓和招聘服務。他積極參與業界交流，致力於營造一個創新和協作的科技生態系統，幫助更多專業人才實現潛力。