最後更新：2026 年 06 月 01 日
重點整理：2026 年的資訊人，不是只會寫程式或只會修電腦就夠了。真正有競爭力的資訊人員，通常至少有兩層能力：一層是技術底盤，另一層是能理解商業、資料、產品、行銷、資安或產業流程的跨域專業能力。AI 不是讓人不用學技術，而是讓「會用技術解決真問題」的人更值錢。
這篇內容適合誰先看？
- 正在搜尋 `資訊人`、`資訊人員`，想知道現在資訊工作到底需要什麼能力的人。
- 本來是行銷、企劃、業務、營運、人資、設計或管理背景，想補資訊與 AI 能力的人。
- 已經會寫程式，但發現只會技術語法，不一定能在職場被看見的人。
- 正在思考要不要學資料分析、AI 工具、資安、雲端、產品管理或 growth hacking 的人。
- 想替自己或孩子規劃未來 3-5 年職涯技能，不想被一堆課程廣告帶著跑的人。
先講結論：資訊人最吃香的不是「什麼都會」，而是能把兩種能力接起來
原文寫在 2016 年，那時候提到網頁製作、大數據分析、成長駭客，語氣很像看到一波新職缺正在起來：「你看看你看看，越來越多公司都開資訊相關職缺。」現在回頭看，這個判斷沒有錯，只是戰場變了。當年大家在講 growth hacker，現在大家在講 AI、資料、資安、雲端、產品、automation 和 agent。
但底層邏輯一樣：只會單一技能的人，會越來越容易被工具、模板、平台或更便宜的人力取代；能把兩種以上能力串起來的人，反而更容易被需要。不是每個人都要成為頂尖工程師，也不是每個人都要轉職成 AI scientist。真正務實的方向，是把你原本懂的領域，接上一層資訊能力。
舉例來說，行銷人加上資料分析和自動化，就不只是寫文案的人，而是能設計 funnel、看數據、調整投放和驗證成效的人。工程師加上產品與溝通，就不只是接 ticket 的人，而是能判斷問題優先級、設計系統邊界、說服團隊做正確取捨的人。這種人，才是我心中真正的資訊人。
2026 年為什麼資訊能力更重要？不是因為大家都要寫 code
World Economic Forum 的 Future of Jobs Report 2025 調查超過 1,000 位大型雇主，涵蓋 22 個產業與 55 個經濟體。報告指出，到 2030 年，digital access、AI and information processing、robotics and automation 等趨勢會明顯改變企業運作，也讓 AI and big data、networks and cybersecurity、technological literacy 成為成長最快的技能之一。
這裡的重點不是「大家都去當工程師」。重點是企業的每個職能都正在被資訊化。業務要懂 CRM 和 AI 輔助開發名單；行銷要懂 data、SEO、GEO、schema、automation；人資要懂人才資料與 AI 面談風險；財務要懂資料串接與流程控管；主管要懂系統怎麼改變組織效率。資訊能力正在從「資訊部門的專業」變成「白領工作的基本語言」。
美國 Bureau of Labor Statistics 也把 computer and information technology occupations 定義為建立或支援 applications、systems 和 networks 的工作，並預估 2024-2034 年整體就業成長速度會遠高於所有職業平均，每年平均約有 317,700 個職缺開口。這些數字不代表每個人都能輕鬆轉職，但代表技術型、系統型、資料型工作的需求不會只是短期流行。
台灣也一樣：AI 職缺不只在資訊業，也開始進到製造、零售和行銷
104 人力銀行 2025 年 7 月新聞稿提到，2025 年第二季 AI 相關工作機會達 12.1 萬個，年增 9.1%。其中 60.3% 不限科系，這件事很關鍵。它代表企業不是只找資訊工程本科生，而是開始找「能把 AI 或數位工具用在真實工作流程裡」的人。
同份資料也提到，AI 工作機會雖然仍集中在電子資訊、軟體、半導體業，但一般製造業、批發零售與直銷業也有明顯需求。職務上，軟體/工程類人員最多，但業務銷售、行銷、工程研發、操作技術類也都出現 AI 相關需求。這就呼應了原文講的：傳統行銷人也需要學資訊，本來就有專業能力的人也需要補資訊能力。
差別是 2016 年的「成長駭客」比較像網路公司成長團隊的職稱；2026 年的跨域資訊能力，已經變成更廣泛的職場底層能力。你不一定要叫自己 growth hacker，但你要能回答這個問題：我能不能用工具、資料、流程設計和 AI，把某個部門的結果變得更好？
資訊人員最該培養的 5 種跨域能力組合
很多人學技能時會慌，看到 Python 就想學 Python，看到資安就想考資安，看到 AI agent 就想立刻做 agent。這樣很容易變成每個主題都碰一下，最後沒有一個能放進履歷。比較好的方式，是先選一個「主能力」，再選一個「加乘能力」。
| 能力組合 | 適合誰 | 職場價值 | 不要踩的坑 |
|---|---|---|---|
| 程式能力 + 產業知識 | 工程師、轉職工程師、系統分析師 | 能寫出真的解決業務、教育、金融、製造、醫療問題的系統。 | 只追新框架，不理解使用者、法規、流程和商業限制。 |
| 資料分析 + 商業判斷 | 行銷、營運、PM、管理職 | 能把報表變成決策，而不是只做漂亮 dashboard。 | 只會看數字，不會問數據來源、偏差和行動方案。 |
| AI 工具 + 驗證能力 | 所有知識工作者 | 能用 AI 提速，同時知道哪些結果要查證、改寫和負責。 | 把 AI 產出當成答案，沒有事實查核和品質控管。 |
| 資安 / 隱私 + 產品思維 | 工程、產品、營運、人資、法遵 | 能在功能、速度、風險和使用者信任之間做平衡。 | 把資安只當 IT 部門問題，或把合規當成最後才補的文件。 |
| 溝通能力 + 系統思考 | 資訊主管、PM、顧問、跨部門協作角色 | 能把技術問題翻譯成組織能理解的成本、風險和優先順序。 | 只會講技術細節，無法讓非技術團隊一起做決策。 |
如果你是學生，我會建議先不要問「哪個技能最賺錢」，而是問：「我想在哪個領域用資訊能力解決問題？」如果你是上班族，也不要急著把過去經驗砍掉重練。很多時候，你原本的行銷、業務、教育、財務、人資、設計或顧問經驗，接上資料與 AI，反而比從零開始跟資工本科生比演算法更有勝算。
Growth hacker 還重要嗎？重要，但它已經變成更成熟的成長系統
原文引用 2016 年 AppWorks 徵才新聞，提到上百家網路公司出現「成長駭客」職缺。這段現在不能再當最新資料使用，但它可以當歷史脈絡：那時候企業開始發現，行銷不只是發電子報、辦活動、買廣告，而是要懂產品、數據、使用者行為、社群傳播和實驗設計。
2026 年看 growth hacking，我會把它拆成四件事：第一，知道使用者從哪裡來；第二，知道使用者為什麼留下或離開；第三，能用資料找到瓶頸；第四，能設計小實驗去改善結果。這些能力在 AI 時代沒有消失，反而更重要。因為 AI 可以幫你生文案、整理名單、做報表，但它不會自動替你定義好問題。
真正有價值的 growth 人才，不是把每個工具都玩一遍，而是能把 acquisition、activation、retention、revenue、referral 這些成長問題拆開，用資料和實驗逐步驗證。說真的，這也是資訊人的核心：不是炫技，是把系統變好。
AI 時代的資訊人，不是更不用學，而是更需要會判斷
Coursera Job Skills Report 2026 用 6 million enterprise learners 的資料觀察技能趨勢，提到 GenAI enrollment 在 enterprise learners 中年增 234%，也指出 data professionals 正從手動處理資料，轉向管理 AI layers，並依賴 human judgment 驗證結果。這句話蠻關鍵的：AI 讓工作變快，但不代表判斷變得不重要。
很多人現在會犯一個錯：以為會下 prompt 就叫 AI 能力。其實 prompt 只是入口。更重要的是你能不能拆問題、提供上下文、判斷輸出真假、知道資料邊界、改寫成符合使用者情境的結果。這些能力如果沒有，AI 只會讓你更快產出一堆看似合理但不一定有用的內容。
所以我會把 AI 能力分成三層：第一層是工具操作，像 ChatGPT、Claude、Gemini、Copilot、NotebookLM；第二層是流程重設，像把客服、內容、報表、研究、招募、教學流程重新設計；第三層是風險與治理，像隱私、錯誤、偏見、權限、資料出處和責任歸屬。真正值錢的是第二層和第三層。
90 天練出可展示的資訊專業能力：不要只上課，要做作品
如果你想補資訊能力，我不建議一開始就報一堆課。課可以上，但最後一定要落到作品。企業看的是你能不能解決問題，不是你收藏了幾張完課證書。尤其 104 的資料也提到不少 AI 職缺不限科系，這代表非本科生有機會，但前提是你要能證明自己真的會用。
| 時間 | 學習重點 | 交付成果 | 適合放履歷的寫法 |
|---|---|---|---|
| 第 1-30 天 | 選一個真問題，學基本工具 | 一份問題定義、資料清單、手動流程圖 | 「盤點部門內容流程，找出 3 個可自動化節點。」 |
| 第 31-60 天 | 做第一版小工具或分析 | dashboard、簡易網站、自動化流程、AI 助手或分析報告 | 「用 Python / no-code / AI 工具建立每週報表，自動整理 5 類指標。」 |
| 第 61-90 天 | 驗證結果與寫案例 | 前後比較、失敗紀錄、改善建議、下一版 roadmap | 「把原本 3 小時的整理流程縮短到 40 分鐘，並建立查核清單降低錯誤。」 |
這裡的重點是「可展示」。不要只說自己會資料分析，請拿出一個你分析過的問題；不要只說自己會 AI，請拿出一個你設計的工作流程；不要只說自己會程式，請拿出一個別人真的能用的東西。資訊人的專業能力，最好能被看見。
不是每個趨勢都要追：資訊人也需要取捨
寫到這裡，我要潑一點冷水。不是每個人都需要學同一套技能。你如果是剛入門的人，看到 AI、資安、資料工程、雲端、前端、後端、DevOps、LLM、agent、產品管理全部都想學，最後大概會累死，而且什麼都不深。資訊能力不是雜貨店，不是品項越多越好。
比較務實的做法，是用「主線 + 加乘」來選。主線是你最想服務的領域，例如教育、留學、行銷、金融、製造、醫療、電商、內容、遊戲、SaaS。加乘是你要補的資訊能力，例如資料分析、自動化、AI 工具、前端、API、資安或產品。當兩者有明確交集，你的學習才不會散掉。
也不要被「AI 會取代所有人」這種標題嚇到。WEF 報告同時提到技能會變動，也提到 analytical thinking、resilience、leadership、creative thinking、curiosity and lifelong learning 仍然重要。換句話說，未來最穩的不是死守舊技能，也不是盲目追新工具，而是能持續把工具、判斷和人放在一起的人。
常見問題
資訊人是什麼意思？
資訊人通常指從事資訊、數位、系統、資料、軟體、網路、資安或相關工作的專業人士。2026 年更實際的定義是：能用資訊工具、資料和系統思維解決問題的人，不一定只限於傳統 IT 部門。
資訊人員一定要會寫程式嗎？
不一定每個資訊人員都要成為軟體工程師，但至少要理解基本技術概念，例如資料結構、API、系統流程、權限、資安、automation 和 AI 工具限制。會寫程式是強加分，但能把技術用在正確問題上更重要。
非資訊科系的人還來得及補專業能力嗎？
來得及，但不要用「從零變工程師」當唯一目標。你可以從自己的本業出發，例如行銷加資料分析、人資加 AI 招募流程、業務加 CRM automation、教育加數位課程設計。跨域能力通常比硬轉一個完全陌生方向更快累積成果。
成長駭客 growth hacker 現在還值得學嗎？
值得，但不要只學名詞。真正有用的是 growth 的底層方法：使用者旅程、資料分析、實驗設計、產品改善、內容與渠道策略。這些能力在 AI 時代仍然有價值，只是工具變多、節奏變快。
AI 工具會讓資訊工作變少嗎？
某些重複性工作會被壓縮，但資訊工作不會簡單消失。企業仍需要人定義問題、串接系統、判斷風險、驗證資料、設計流程和負責結果。AI 會淘汰一部分只做重複操作的人，也會放大懂流程和判斷的人。
資訊人最該先學 Python、SQL 還是 AI 工具？
看你的目標。如果你要做資料分析，SQL 和試算表比炫技更優先；如果你要做自動化，Python 或 no-code workflow 都可以；如果你要提升日常知識工作，AI 工具和查核流程要先會。不要先選工具，先選問題。
專業能力要怎麼放進履歷才有說服力？
不要只寫「熟悉 AI」「具備資料分析能力」。要寫你解決了什麼問題、用了什麼工具、處理多少資料、節省多少時間、改善什麼指標。履歷中的專業能力最好能連到作品、案例或具體成果。
學生要怎麼準備未來資訊職涯？
先建立一個主領域，再補一個資訊能力。你可以用 90 天做一個小作品：整理資料、做 dashboard、建立 AI 查核流程、做簡單網站或自動化工具。作品不必完美，但要能說明你如何定義問題、找資料、做決策和改進。
下一步怎麼做？
如果你現在不知道該學什麼，先不要急著買課。拿一張紙寫下三件事：你目前的主能力、你工作或生活中最常遇到的重複問題、你希望 90 天後能拿出什麼成果。把這三件事接起來，你就會比較清楚自己該學 AI、資料、程式、自動化、資安還是產品。
如果你是學生或正在轉職，我會建議你不要只追熱門職稱。請先做一個能被看見的作品，然後用作品反推要補的技能。你也可以把自己的科系、工作經驗、想去的產業和目前會的工具整理出來，學無界可以協助你判斷該走資訊工程、資料分析、AI 應用、產品/行銷科技，還是跨域留學與職涯規劃路線。