張凱鈞/綠色AI算力聯盟會長
近日賴政府高調宣布台灣 AI 人才培育突破 10 萬人次，經濟部還特別舉辦「AI人才培育推動成果發表會」，表面上看似台灣邁向「人工智慧之島」的重要里程碑。然而，若將這項亮眼成績置於全球 AI 競爭脈絡中檢視，相關政策問題也更加清晰，賴政府依舊延續「數字治國」的傳統思維，好大喜功、只喜歡喊口號，且只看可量化的施政績效，而忽略實質AI訓練內容是否真的能轉化為國家 AI 實力。
賴政府誇口已經參加受訓的人數雖多，但在國際比較下，台灣的 AI 人才結構呈現嚴重失衡。美國聚焦於基礎模型（LLM）研發、AI 晶片、MLOps 等高階人才；日本與新加坡則以跨領域治理與專案訓練為核心，強化 AI 在產業與政府中的深度應用。反觀台灣，多數訓練課程仍停留在「基礎工具使用」、「流程優化」等入門等級。這種廣度取向雖能快速累計受訓人數，但對於提升國家研發能量、打造自主 AI 供應鏈的助益有限。
此外賴政府大力推動的 iPAS「AI 應用規劃師」證照，被視為人才媒合與企業採用的關鍵。然而，這項制度本身卻存在著內容過於落後的核心問題。今日全球 AI 發展已全面進入大模型與生成式 AI 時代，但 iPAS 的知識架構仍以傳統模型與入門技能為主，無法反映產業對模型微調、AI 安全治理與 MLOps 的真正需求。此外台灣有 97% 為中小企業，這些企業普遍缺乏數據整備與 IT 基礎設施，即使員工受訓，也無法在公司內真正部署 AI。政府大量培養初階人才，卻未能訓練出可以提供中小企業導入ＡＩ所需要的人才、這樣造成了「訓」與「用」之間的巨大落差。
綜觀現階段台灣的ＡＩ培訓政策，不難看出賴政府延續過往的施政慣性，用可量化的「訓練人次」、「證照通過率」來堆積政績，而非檢驗深度的技術力與跨部會治理能量。 AI 人才政策被操作成「可展示的數字工程」，而非真正的國家技術戰略。
台灣應該要思考要從「量的堆疊」走向「質的升級」，政府不應再陷入表面績效，而應誠實面對人才供應鏈的斷裂、證照制度的實質效益、企業如何導入等結構性問題。唯有真正強化深度研發人才、完善中小企業 AI 導入機制、建立負責任 AI 治理體系，台灣才有可能跳脫「口號治國」走向真正的「AI 科技島」。
※以上言論不代表梅花媒體集團立場※
