跳至主要內容

既有資源的保留、轉型與露出機會

前幾天參與了一場腦力激盪討論,主要是談個由台灣政府所主持的公益計畫,在計畫期程結束後,要如何保留這段期間經營所留下來的資源、人脈與平台轉型並促使台灣企業參與。
這個公益計畫的主要目的是以「縮短城鄉差距及數位落差」為訴求,但實質上是希望藉由這樣的計畫與活動來讓台灣在國際間有更多露臉的機會,也可以順帶的因為這樣的公益活動建立良好形象,並在國際會議中取得更多的支援。與會的人提供了許多很棒的資訊,例如日本的JICA與韓國的機構。
在這樣熱烈的討論中,因為是探討「縮短城鄉差距及數位落差」,也剛好去年的經驗,我想到了digital Green及ZubaBox這兩個計畫,簡單介紹:
  • digital Green:則是建置數位平台、教會農民使用工具後,可以透過平台的傳播,讓農民與農村做到技術交流與農村發展。
  • ZubaBox:是由Computer Aid International(英國的慈善機構)和Cargill(美國嘉吉公司,私人控股公司,也是世界最大的動物營養品與農產品製造商)合作在尚比亞進行的計畫。
在台灣政府所進行的公益計畫裡,由於具有一個很漂亮的光環,加上也有企業投入,所以在海外偏鄉的推廣成效都很不錯,這樣的計畫除了永續發展讓當地的民眾可以其實可以更進一步的進行開放合作的模式,在會中討論到將原本的中心改為設計中心的方式協助當地的發展,並讓廠商投入硬體設備也是一種方法。
就原有的基礎上,也可有這樣的發展:
延續原有的教育計畫:
因為目前國際間對程式人才的需求,加上執行單位本身是具有教學能量的單位,所以除了原先教會他們使用電腦、運用網路、教他們電子商務等相關知識後,也可以在「程式設計」這一個議題上著墨。以愛沙尼亞而言,他們的小學生自小就要學習寫程式,讓他們自己設計自己要的東西,而台灣目前也有不少單位在推廣,如:蘋果橘子程式設計學院CAVE教育團隊,都是在推廣小朋友學寫程式的單位,也可以藉此讓民間的廠商來參與這個計畫。
媒合:
在會中談到了媒合平台的建立,當然也是希望能加入商業元素讓廠商覺得有利基點,而願意投入。延續上面談到的教育模式,這些接受程式設計教育的學員除了可以幫助廠商進行程式開發外,也可以進行硬體設計的開發。由於會中討論到關於在地化的必然性,有什麼會比當地居民更了解當地的需求呢?除了讓他們自己進行開發外,也許還可以參考與會人員說的,廠商與人才的媒合、機具的媒合。這些對於當地的經濟發展都是屬於長久性的影響,也能藉由程式與機具的設計來達到多方合作的可能。
另外像是文化交流的媒合,也是很好的平台。
形象與曝出:
因為這個計畫的真正功能是要讓台灣可在國際性的場合有曝出的機會,所以能開放多方參與更好,例如與其他國家一同進行相關的計畫,增加國際能見度。
有許多的國際專案都是不同國家企業互相支援所形成,在既有的光環與平臺上,要如何運用及開放的心態去合作、讓企業參與,我相信都是很好的方向。當你希望企業參與時,並不是只以社會責任的概念讓企業投入,如果沒有讓企業實際感受到投入的回饋,而僅只於企業形象的改善,可能持續投入的意願會逐漸遞減。不如政府的角色往後退一步為平台的維護角色,專案的主導角色也非法人而是給企業伸展的空間,我想都會有很好的成效。
最後,裡面也談到了台灣在國際場域中模糊不清的政治地位,這就是另一個議題了。

留言

此網誌的熱門文章

AI 提高產出,但誰得到好處?

我收集了 2026 年 3 月至 9 月由 Anthropic 研究團隊公開發表的 5 篇文章,讓 Claude 重新翻譯並編輯,並修改為習慣的閱讀語氣,以利閱讀。 Anthropic 今年 3 月發表的報告顯示,美國整體失業率沒有上升,但 22 到 25 歲的年輕人每月順利進入 AI 高曝露職業的比例比 2022 年低約 14%。這是我讀完今年他們發布的 5 份經濟研究摘要後,最常想起的一句話:「AI 讓產出變多」與「誰能把產出變成自己的收穫」,是兩個得分開回答的問題。 AI 做得到,不代表已經在做 過去大部分研究或媒體在衡量 AI 對工作的影響時,常問「AI 理論上能做哪些任務」。問題在於,AI 做得到,不代表企業或個人真的已經拿來用。 在這次閱讀的文章中,研究團隊提出「觀察曝露度」(Observed Exposure)。這個指標結合 O*NET(美國職業資訊網路,Occupational Information Network)的任務清單、理論可行性評分與 Claude 的實際使用資料,並對「自動化」與「工作用途」給予較高權重。 排名最高的是電腦程式設計師(約 75%)與資料輸入人員(約 67%),客服代表也名列前茅;另有 30% 的勞工觀察到曝露度為零。AI 目前的實際使用與理論能力還有一段距離。 在公布的研究中,高曝露職業的從業者有幾個共同特徵:女性比例高 16 個百分點、平均薪資高 47%、學歷較高、年齡也偏長。受衝擊的是中高薪的知識工作者,和「AI 先淘汰低薪年輕勞工」的直覺相反。 衝擊有多大?研究用差異中差異法比對,發現 ChatGPT 發布前後,高曝露職業的失業率未見系統性上升。唯一較清楚的訊號在 22 到 25 歲:這個年齡進入高曝露職業的新工作起始率,約比 2022 年低 14%。研究團隊也註明,這個結果僅勉強達到統計顯著。 同一套 AI,成果為何不同 在針對使用者研究的報告中,使用 6 個月以上 Claude 的人,其對話成功率為 73.1%,新使用者為 66.7%,相差 6.4 個百分點。控制任務類型後,差距縮到約 3 個百分點;再加上模型、使用情境、國家等變數,差距維持在約 4 個百分點。 Anthropic 曾假設,資深使用者會更傾向於把工作整包交給 AI 自動完成。研究的資料指向相反的方向:資深使用者更常與 Claude 來回...

停不下來的更新

一直更新Blog的版型,我必須承認是一件很無聊的事,不過這次除了版型的更動外,連分類和文章內文也做了變動。 先說分類吧!在Blogger叫做Label,不過,Blogger在分類上有一些bugs,只能使用英文,以前這裡的分類大多都是中文分類,結果在link上就是一堆亂七八糟的亂碼,所以我把它改成英文,同時細分一些項目,把出版的文章和一些教學的文章分開來,雖然已經很久沒寫新的,不過既然放上來就做個分類。然而就在新舊label移轉之後,發現中文的label還會存在,而且還會出現莫名奇妙的幽靈數字,Blogger知道這是個bug,不過似乎一直沒有修復的跡象。所以在分類上就出現了如右圖一般的情況,在英文標籤裡會有文章,但是在中文標籤裡是沒有文章出現的,但奇怪的是,有些中文標籤已經不見了,然而在Beauty-Beta這個部落格裡,我也做了分類上的變動,由於以前用英文開頭的Label,所以在label的變動上倒是不用擔心會有這樣的情況。 再來是文章的內容,把以前的文章重新分類,標題前面的一些全形符號或是分類刪掉,除了一些比較特殊的,我會留著,例如壹陸壹,因為在label裡為了統一,我留著原本的E61,但人家的店名是壹陸壹,所以留下文章標題前面的中文分類,另外像是Entertainment項目裡,可能有音樂,可能有電影,就會在前面留下中文分類。 前簡單的CSS和HTML改成現在的XML,這無疑是讓我們再多學些東西,能有時間鑽研當然是好事,可是轉換後,我一直沒有時間去改,當然多半也是因為懶,到現在也是拿別人做好的版型去改配色而已,所以像裡面的設定、安裝的widget和analytics的javascript都要一個一個重新裝,上個星期幾乎每天都弄到天亮才睡,只為了整理這個blog。也因為之前在blog裡放了technorati的分類,所以還要修改以前的文章,把它們加入technorati,還有裡面的語法要更改,所以這個星期甚至下個星期都會一直收到這裡的更新訊息,對於不斷收到訊息干擾的朋友們,在這裡說聲抱歉。 在版面上因為blogger系統在feed接受上的更新,所以還有四個東西沒加進去,分別是最近的文章(Recent Post)、Comments(目前是用別人寫的widget)還有GVO的feed訂閱顯示、Beauty-Beta的訂閱顯示也都還沒放上去。 在Feed訂閱上,以前bl...

當AI給你營養建議:台灣《營養師法》還沒想過的法規空白

之前分享利用 Claude Code 做 飲食營養分析 Bot 的經驗 。我自己有個習慣,就是在做新的專案時,會先評估法遵風險。當我在做飲食營養分析 Bot 時,我才知道原來台灣除《醫師法》外還有《 營養師法 》,而《營養師法》第 12 條列舉營養師的法定業務,包含營養評估、飲食設計、個案諮詢、膳食管理等。 這部《營養師法》在幫大家的健康把關,因為不能隨便一支影片、一段報導,就能提供營養建議。在法規中,需要接受完整的專業教育,並持續進修,每 6 年就要提出繼續教育的證明文件,才能更新執業證照;沒有「營養師」的證照不能自稱「營養師」,法規中列舉了營養師的業務範圍,並規定須親自執行業務,不能由他人代理,如果藉由通訊方式執行業務,還要經過執業登記的主管機關核准;執行業務時還要做紀錄,這些紀錄可能還會成為法律或醫療紀錄文件。 成為「營養師」需要符合嚴格的要求與限制,並不是隨便用AI分析、讓AI提供建議就能取代的。台灣每年會舉辦 2 次營養師的考試,參考自中華民國營養師公會在 2025年的統計資料 ,台灣每年營養科系的畢業生約 1500 人,到 2025年,累計已有 11,860 人通過考試取得執照,及格率約 25%,看起來是一個具有挑戰性的考試。 Bot 的個人化建議,算不算「執行業務」? 在我設計的 Bot 裡,不是只有拍照上傳讓 AI 去分析、評估,事實上還有其他情境的飲食需求,再提供使用者建議,例如由 Bot 提醒當天攝取的蛋白質不足,或我在前篇文章中提到的鈉的攝取量過高,Bot可能提醒要減少鈉的攝取或是多補充哪些蛋白質來源,這些分析與建議是否算「執行業務」?在該法第 29 條中也寫明,如果沒有取得營養師的資格而執行相關業務,本人及其雇主各處新臺幣 5 萬元以上,25 萬元以下罰鍰。 法律規範的對象是「人」,目前法律還沒有明確定義 AI 工具的法律地位,也不知道該找誰負責,是開發的工程師?大語言模型的公司?還是開發的公司?一般開發者通常會在提供的資訊裡加上「僅供參考、非醫療建議」的免責聲明來規避,但無從得知這樣的聲明在法律是否具有效力。另外,由於在 Bot 中可以設定慢性病的個別飲食計算,還可能同時踩到《醫師法》(涉及診療)與《營養師法》(涉及個案管理)。同時,即使開發者已在服務中加入「僅供參考、非醫療建議」的免責聲明,主管機關或法院在判斷是否構成營養師業務的執行時,...