AI Native Builder 是什麼？公司要的已經不只是「會用 AI」（2026 職場趨勢整理）

履歷上寫了「熟悉 ChatGPT」，面試官還是追問你用 AI 做出了什麼？這篇把五家公司的公開要求和 104 職缺數據攤開來看，帶你搞懂 2026 年公司對 AI 能力的期待已經移到哪裡！

最近在 104 上找工作，會發現 AI 早就不只出現在工程師的職缺裡。104 在 2026 年 6 月發表的《AI 人才趨勢報告》裡，明寫 AI 需求的職缺，五年增幅最高的職類是專案／產品管理：從 2022 年平均每月 951 人，增加到 2026 年的 3,453 人。業務銷售和行銷排第二、第三。

但職缺上的要求，通常只有一行「熟悉 ChatGPT 等 AI 工具」。《經理人》報導，超過 4,400 個職缺點名要會用 ChatGPT。熟悉到什麼程度、要拿 AI 做出什麼，多半沒寫。公司都在講 AI Native，求職的人和在職的人都在猜：公司到底期待我會什麼？

有一家公司曾經把答案寫得很清楚，後來又改掉了。2025 年 4 月，Duolingo 執行長 Luis von Ahn 發出「AI-first」內部信，員工用 AI 的情形要列入考核。一年後他在 Podcast 上說，這一條拿掉了。他的理由是：比起為實際成果負責，公司好像只是在推一件有時候根本不合用的事。

把 2025 到 2026 年各家公司公開寫出的要求放在一起看，我的結論有三點：

• 公司對 AI 的要求，一年內從「有沒有在用」，移到「有沒有留下可重複的做法」和「誰對結果負責」。
• 會用 AI 是起點，能交付成果才是 Builder。
• 對個人最划算的下一步，是挑一件每週重做的工作，把它做成有驗收標準、別人也接得手的流程。

先說一件對我不太有利的事。我在辦 AI 實戰營，賣課的人都有動機讓你相信，你還得再多學幾套工具。這篇的結論對賣課沒什麼幫助：公司要的那幾件事，大部分不用花錢也練得到。研究基準日是 2026 年 10 月 16 日，公司政策改得快，我預計半年後更新一次。

快速回答 會用 AI 是起點，能交付成果才是 Builder。企業對 AI 的要求已經從「個人有沒有在用」移到「有沒有留下可交接的流程」與「誰對結果負責」。從 User 走向 Builder 的路徑分四級：聊天摸索 → 範本固化 → 流程與 Skills → 有驗證的 Agent。停在哪一級，取決於誰會用結果、以及這件事多常重做。

AI Native 的真正定義：從工作流程設計的第一步就把 AI 算進去

這個詞借自 cloud-native：為雲端設計的軟體，從架構開始就假設自己跑在雲上。「AI native」早期多用在電信業的 6G 研究。Ericsson 的白皮書這樣定義：AI 是系統功能裡自然的一部分，從設計、部署、運作到維護都是。這份白皮書還附了一套成熟度模型，用來判斷一個系統走到了第幾級。

2025 年起，這個詞被拿來形容人和公司。對象換了，原本的意思還在：做事的方式從一開始就把 AI 算進去。在舊流程旁邊多開一個聊天視窗，算不上 AI Native。成熟度分級這個想法，下面也會用到。

企業招募標準在一年內轉向：從「有沒有用 AI」變成「能不能留下可重複系統」

下表是幾家公司公開寫出的要求，依時間排列。

表的上半和下半，用的字不一樣。2025 年上半，公司說的是「用」：反射性地用、義務地用、用了會被考核。這一步有它的道理，工具剛進公司，先讓每個人都碰過最要緊；LINEヤフー 把考試合格當成使用條件，先把資安顧好。

到了 2026 年，字換成「可重複」「成果」「負責」。Zapier 在 2025 年 5 月公布第一版 AI 能力量表時，最低標準是「有目的地用過 AI，說得出效果」；一年後拉高門檻，最低標準的第二條寫的是「Repeatable systems, not one-off prompts」，文章裡還有一句：「有了 AI，你可以把工作交出去，但責任交不出去。」

微軟落在同一個字上。2026 年的工作趨勢指數調查了 10 個市場、兩萬名在工作上用 AI 的人，只有 16% 同時做到報告列的三件事，被歸為前瞻專業工作者。這群人有 80% 說自己做出了一年前做不到的工作，全體受訪者是 58%。GitHub 的訪談從工程師這一側講同一件事。受訪的開發者裡，有一位說得很重：「要嘛擁抱 AI，要嘛離開這一行。」這句話常被當成 GitHub 執行長的發言轉傳，其實出自受訪者。

為什麼企業放棄考核 AI 用量：個人對話無法累積成組織資產

用量好量。登入次數、對話數、token 用量，資訊部門的報表都有。成果難量，一份報告有沒有變好，要懂那份報告的人才判斷得出來。所以導入初期，公司先量好量的那一個。

用量一旦變成考核，大家就會為了用而用。Duolingo 員工問執行長的正是這件事：公司是不是要我們為了用 AI 而用 AI？von Ahn 的回答是，績效最重要的是把工作做到最好，AI 幫得上就用，幫不上，他不會逼你。

用量的第二個問題是累積不起來。一個人在對話框裡省下半小時，下週同一件事還是從空白的對話框開始；換一個同事做，也要從頭來。微軟今年的報告估計，AI 帶來的效果約 67% 和組織因素有關，例如文化、主管支持、人才制度；個人心態與行為約 32%。報告也提醒，這是統計上的關聯，不代表因果。我的解讀是：個人省下的時間要變成別人也用得到的做法，公司才拿得到好處。

AI 能力四級階梯：從第三級（流程／Skills）開始，做法才能交接給別人

把這些要求翻成個人做得到的事，我會用一個四級的階梯來看。分級的標準只有一個：做完之後，留下了什麼。

拿 PM 常做的一件事走一遍：每週整理競品的價格和功能變化。

1. 聊天。把幾家產品名稱丟給 AI，請它整理差異。當週有用，下週再問一次；答案沒附來源和日期，沒人知道還準不準。
2. 範本。把好用的指令存起來，下週貼上再跑。省掉想 prompt 的時間，但只有你會用，輸出的格式每次也不太一樣。
3. 流程／Skills。把做法寫下來：只收官方產品頁和定價頁，記下網址與日期；每週輸出同一組欄位，缺資料就留空，不讓模型補猜；和上週比，標出有變動的欄位。寫成一份 skill 或一條自動化流程，同事也能跑。Zapier 說的 repeatable system，指的就是這一級。
4. 有驗證的 Agent。交給 agent 定時去抓、去比，但每次交回來都要過一組檢查：來源網址還在不在、缺漏的欄位多不多、標成「新功能」的是不是只是行銷文案改版。檢查沒過就停下來，叫人來看。

這個網站的寫作規範就是第三級的例子。它是一個 skill 資料夾，寫好文章結構、用詞、配圖和檢查清單，每篇文章照它寫，換一個 agent 也讀得懂。

第一、二級省的是這一次，第三、四級省的是以後的每一次。階梯往上走，也不代表把事情整個丟給 AI。Anthropic 的使用資料裡，使用者把整件事直接交給 Claude 的對話，在 2025 年 8 月第一次多過來回協作的對話；到了 11 月，Claude.ai 上的協作對話又回到 52%。Anthropic 說 8 月的高峰高估了自動化來得多快，並推測 Skills、記憶這類功能讓使用變成更多人參與的協作。做法固定下來，人檢查的那一步留著，這是我看到的方向。

為什麼只會做 Agent 還不算 Builder：前後還缺「選對問題」與「真實交付」

看到這裡，很容易得出一個結論：學會 agent 就好。我不這麼看。

階梯量的是你怎麼用 AI，有兩件事它量不到，一件在前面，一件在後面。前面那件是問題選得對不對：一份沒人看的週報，做到第四級，也只是更快地產出沒人看的東西。後面那件是有沒有交出去：做出來的流程有沒有人在用，用的人做完了他要做的事沒有。

所以 Sunny 對 AI Native Builder 的定義是四件事：能把真實問題定義成可執行的工作，說得出誰會用、做到什麼程度算完成；能用 AI 和 agent 把它建出來；能驗證結果，AI 交回來的東西不照單全收；能 Ship 到真實世界，有人真的在用。

這四件事和職稱無關。PM 把競品追蹤做成全組都在用的流程，是 Builder。業務把報價前的資料整理做成每週會跑的檢查，是 Builder。技術主管替團隊挑好工具、寫好規則、訂好驗收標準，也是 Builder。104 的數字說的正是這件事：要求 AI 的職缺裡，成長最快的都不在工程部門；報告裡最常被要求的 AI 硬技能，第一名是流程自動化。

和企業的定義放在一起，我同意 Zapier 和微軟的方向：可重複、能擴展、有人負責。我想補的是頭和尾。公司站在組織的角度，在意做法能不能擴散；個人要多問兩句：這件事值不值得做，做完有沒有人在用。會用 AI 是起點，能交付成果才是 Builder。

實務判準：依「誰會用結果、多常重做」決定停在哪一級

往上爬有成本。寫規則、做檢查、維護流程，都要時間。我的原則是依「誰會用結果、多常做」決定停在哪一級：

太早往上爬，會把還沒看懂的例外藏進流程裡，等資料進了正式決策才發現問題。另外兩種情況也要停下來想。結果要由專業負責的事，例如個資怎麼取得、合約怎麼解讀、正式上線的資安要求，流程做得再好，也要那個專業的人確認；Builder 讓專家更快看到材料和決策點，判斷還是由他做。公司如果還在用量階段，像 LINEヤフー 一樣要求所有人都用，那就照做，那是入場門檻；只是別停在那裡，用量考核可能像 Duolingo 一樣被拿掉，你留下來的做法不會。

最後，流程要能停。來源網站改版、資料開始大量缺漏，就關掉自動的部分，回到人工確認；團隊已經不用這份東西做決定了，就別因為流程已經做好而繼續維護。

第一步行動指南：挑一件每週重做的工作，固化成有驗收標準的流程

如果只帶走一個動作：挑一件每週都在重做、結果又容易核對的工作。

先別急著選工具。把三件事寫下來：這件事解決誰的什麼痛點、誰會用結果、做到什麼程度算成功。寫得出來，再把它做成第三級：固定輸入、固定輸出格式、寫下規則，請真正會用的人檢查一次，記下他改了什麼。被改過的地方，就是下一版要補的規則。等你確定這份結果有人在用、錯誤長什麼樣子，再考慮交給 agent 定時跑。

Starter Kit 裡的「需求定義表」，就是用一頁把這三件事寫清楚。Starter Kit 免費，填完需求定義表，裡面的 PRD 範本和第一個 Agent 工作流，可以接著帶你走到第三、四級。

邊界條件：什麼情況下「先建可重複流程」的判斷會改變

有兩種情況。一是 agent 自己驗證的能力，進步到不再需要人先訂驗收標準，第四級會變得很便宜，Builder 之間的差別就只剩問題選得對不對。二是公司又回頭用用量考核，而且用量真的和成果一起變好，那「先用再說」就夠了。

下次更新時，我會看四件事：104 下一份報告裡，非工程職類的 AI 需求是否還在加速；微軟 2027 年的報告裡，前瞻專業工作者有沒有超過 16%；Zapier 和 Shopify 的標準有沒有再改；有沒有更多公司像 Duolingo 一樣，把 AI 用量從考核裡拿掉。

名詞會一直換，從 AI-first 到 AI Native，下一個也快了。公司最後看的都是同一件事：做出來的東西有沒有人用，能不能再做一次。AI User 省下一次時間；Builder 減少下一百次重新開始。

常見問題

AI User 和 AI Native Builder 的根本差別是什麼？

AI User 關注工具本身，在對話框裡一問一答，產出隨每次 prompt 浮動，流程無法交接；AI Native Builder 關注交付與責任，將重複性任務固化為結構化流程、規則檔或具備驗證機制的 Agent，能穩定產出符合規格的成果，並為最終交付負責。

什麼時候該停在「範本」，不需要硬做成 Agent？

每週只重做一次、而且成果只有自己看的工作，寫好 Prompt 範本就足夠了。建立規則、串接工具與維護 Agent 需要可觀的時間成本；如果流程尚未穩定、或是例外情況尚未摸清，太早做成 Agent 反而會把未知的錯誤隱藏在自動化中。

企業評估 AI 導入成效的指標發生了什麼轉變？

早期如 Shopify 或 Duolingo 會將「工具使用次數」「prompt 數量」列入考核，但很快發現這只能量到表面熱鬧。現在企業更看重兩件事：一是有沒有留下組織可以重複使用的標準流程（SOP 與規則資產）；二是當 AI 產出出錯時，有沒有人能負責確認並承擔後果。

非工程背景的人如何邁出成為 Builder 的第一步？

挑一件每週都在重複、且結果容易核對的任務開始。把三件事寫下來：這件事解決誰的痛點、誰會使用這份產出、做到什麼程度算成功。寫成固定輸入與輸出格式，請下游使用者驗收一次並記錄修改意見，這就完成了從個人使用到流程化交付的第一步。

延伸閱讀

• Plan、Build、Verify、Ship 是什麼？AI 寫程式變快後，進度要怎麼算？（2026 完整懶人包）
• AI 產品要怎麼開始？為什麼不該直接從 Prompt 開始寫？（2026 需求定義懶人包）
• 一個人用 AI 能做出整個產品嗎？Solo Builder 最缺的是會否決你的人（2026）
• 2026 年轉職 AI 該學什麼？照職缺學最快，也最容易被追上

參考資料

企業公開要求

• Shopify, AI usage（Tobi Lütke 2025 年 3 月內部信全文，2026-10-16 檢視） https://www.shopify.com/careers/candidate-guide/ai-usage
• Fortune, ‘I’m not going to force you’: Duolingo CEO backs off from evaluating employees on their AI usage（2026-04-13） https://fortune.com/2026/04/13/duolingo-ceo-luis-von-ahn-ai-usage-requirement-employee-performance-evaluations/
• Zapier, One year later: Raising the AI fluency bar for every Zapier hire（2026-10-16 檢視） https://zapier.com/blog/raising-ai-fluency-bar-in-hiring/
• LINEヤフー,〈LINEヤフー、全従業員約11,000人を対象に業務における「生成AI活用の義務化」を前提とした新しい働き方を開始〉（2025-07-14，日文） https://www.lycorp.co.jp/ja/news/release/018121/
• Kakao,〈정신아 의장, 카카오그룹 신입 공채 크루들과 첫 만남〉（2026-01-08，韓文） https://www.kakaocorp.com/page/detail/11900

調查與研究

• 104 人力銀行,〈104學習發布《AI人才趨勢報告》 企業招募十萬名AI人才〉（2026-06-24） https://blog.104.com.tw/104data-ai-trend-report-2026/
• 經理人 Manager Today, 104《AI 人才趨勢報告》報導（2026-06-24） https://www.managertoday.com.tw/articles/view/72401
• Microsoft WorkLab, Agents, human agency, and the opportunity for every organization（2026 Work Trend Index，2026-05-05） https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
• Thomas Dohmke & Eirini Kalliamvakou, Developers, Reinvented（2025-08-03） https://ashtom.github.io/developers-reinvented
• Anthropic, Anthropic Economic Index report: Uneven geographic and enterprise AI adoption（2025-09-15） https://www.anthropic.com/research/anthropic-economic-index-september-2025-report
• Anthropic, Anthropic Economic Index report: Economic primitives（2026-01-15） https://www.anthropic.com/research/anthropic-economic-index-january-2026-report

詞源

• Ericsson, Defining AI native: A key enabler for advanced intelligent telecom networks（白皮書，2026-10-16 檢視） https://www.ericsson.com/en/reports-and-papers/white-papers/ai-native