香港 2026 AI 技能路線圖：工作流、自動化與資料驗證

1. 生成式 AI 實戰：由 prompt 變成交付

Prompting 不是叫 AI「幫我寫」，而是清楚交代目標、背景、限制、語氣、格式、資料來源和評估標準。你還要懂得要求 AI 標示假設、風險和不確定之處，方便人手覆核。

可以先練幾類高頻工作：

• 把長文件整理成管理層摘要、風險清單和待辦事項
• 把會議紀錄轉成 action items、責任人和 follow-up email
• 把初步資料改寫成簡報大綱、報告草稿或客戶電郵
• 要求 AI 提出反方觀點，再由你檢查邏輯和證據

對非技術職位來說，重點不是「我識用某某 AI 工具」，而是「我能用 AI 穩定完成某類工作，並有方法檢查輸出」。

2. Workflow design：識得將 AI 放入流程

Prompting 只是起點。更有價值的是 workflow design：把一個工作拆成步驟，判斷哪一步適合 AI 做初稿，哪一步需要人手覆核，哪一步要接駁文件、表格、CRM 或內部知識庫。

實用例子包括：

• 每週報告：AI 先整理資料和草擬摘要，人手覆核重點和數字
• 客服支援：把常見問題整理成知識庫，AI 回答低風險問題，不確定時轉交真人
• 銷售流程：由會議紀錄自動產生 follow-up email 和 CRM notes
• 文件審閱：把多份文件變成比較表、異常清單和待確認問題

如果市場重視的是 AI 模型應用能力，workflow design 就是把「識用 AI」變成「AI 幫到業務」的關鍵。^[5]

3. Python、API 同自動化：由手動操作變成可重用系統

只停留在聊天介面，好快會變成基本能力。下一步是學少量 Python、API 和自動化，令 AI 可以批量處理資料，而不是逐份文件 copy and paste。

非技術職位至少應該明白：

• API 是甚麼，AI 如何接入現有工具
• Python 如何讀取 Excel、CSV、PDF 或文字檔
• 如何批量摘要文件、清洗欄位、輸出固定格式報告
• 如何把重複任務變成可再用流程

如果你走 Data、IT 或產品技術路線，可以再學 LLM app development，例如 RAG、向量搜尋、提示模板、模型評估、監控和雲端部署。這類能力更貼近 Jobsdb 上 AI Engineer、AI Technical Lead 等技術招聘語言。^[2]

4. 資料能力：Excel、SQL、清洗同驗證

很多 AI workflow 的成敗，不只取決於模型，亦取決於資料是否乾淨、欄位定義是否清楚、輸出是否有人驗證。對大部分白領來說，資料能力是最值得補的底層能力之一。

最低限度要練：

• Excel / Google Sheets 的清洗、篩選、樞紐分析
• SQL 的基本查詢概念
• 欄位定義、例外情況、錯誤類型和樣本檢查
• 對 AI 輸出做來源對照、遺漏檢查和邏輯檢查

企業真正能接受的 AI 成果，通常不是「答案看起來合理」，而是「有來源、有覆核、有錯誤處理」。

5. AI 評估、風險同治理：令 AI 用得住、交代到

企業用 AI，不只問快不快，還會問準不準、誰覆核、資料可否輸入、結果能否追蹤。你不一定要一開始做 AI governance 專家，但應該懂幾個基本問題：

• 哪些資料不應直接放入公開 AI 工具
• 哪些任務需要 human-in-the-loop，由人作最終確認
• 如何記錄 prompt、版本、資料來源和修改原因
• 如何用抽樣檢查、錯誤分類和覆核率來評估輸出

如果你目標是金融、保險、專業服務或資訊通訊等職能，這類可控落地能力會比單純識玩新工具更有說服力；PwC 的香港分析亦有按金融保險、專業及技術、資訊通訊等行業觀察 AI 職位需求。^[1]

按你而家職能揀學習重點

這張表的核心不是叫你轉行，而是把 AI 加到你原本的行業知識之上。香港招聘市場已有 AI 技能需求升溫訊號，但 PwC 的行業分析提醒，AI 職位佔比並非在所有行業同步大幅上升。^[4][6][1]

6 個月學習路線圖

第 1 個月：先把 AI 用熟，用到有標準

目標不是追最多工具，而是建立自己的輸出模板。你應該能穩定完成文件摘要、會議整理、報告草擬、簡報大綱和風險檢查，並懂得要求 AI 標示假設和不確定之處。

建議每類工作保存一份模板：輸入資料要求、prompt 結構、輸出格式、覆核清單。這樣才可以由個人技巧變成可重用流程。

第 2 至 3 個月：補自動化同資料基本功

這階段要由手動操作進到半自動化。建議學 Python 基礎、API 概念、Excel/SQL 查詢和資料清洗。練習方向可以是：批量讀取多份文件、整理欄位、產生固定格式輸出，再用人手抽樣驗證。

如果你本身不是技術人，不需要一開始追求大型系統。先做到把 10 份文件、100 行資料或一批會議紀錄穩定轉成同一種輸出，已經比只做單次提問更有價值。

第 3 至 6 個月：做 2 至 3 個作品集

作品集要展示你能解決真實工作問題。可以選以下其中幾類：

• AI 文件摘要系統：輸入 PDF 或會議紀錄，輸出重點、風險和待辦事項
• 內部知識搜尋助手：用政策、產品資料或 FAQ 做可追溯問答
• 客服知識庫 bot：回答常見問題，不確定時轉交真人
• 銷售報告自動化：由 CRM notes 或表格整理每週 summary

每個作品都應該寫清楚四件事：解決甚麼問題、用甚麼資料、AI 做哪一步、人在哪一步覆核。最後再補一段評估方法，例如抽樣檢查、錯誤分類、來源對照或使用者回饋。

求職或升職時，點講先似真係識 AI？

不要只寫「熟悉 ChatGPT」。更有力的寫法，是把工具能力轉成業務成果，例如：

• 設計 AI 輔助文件摘要流程，將長文件轉成管理層摘要和 action list
• 使用 Python/API 批量處理資料，產生可覆核的報告初稿
• 建立內部知識庫問答原型，加入來源標示和人工覆核步驟
• 為部門制定 AI 使用守則，包括資料輸入、輸出驗證和升級處理

這類描述比工具名更有說服力，因為它直接展示你能將 AI 放入真實工作流程。當香港市場已經出現 AI 技能關鍵字職位廣告增長，能把能力講成成果會更容易被僱主理解。^[6]

最穩陣答案：AI 加你本身行業

香港 2026 最值得學的 AI 技能，不是單一工具，而是「你的行業知識 + 生成式 AI + workflow design + 自動化 + 資料驗證」這個組合。

市場上確實有 AI 技能需求上升的訊號：PwC Hong Kong 指香港對需要 AI 相關技能的職位需求增加，Jobsdb by SEEK 亦錄得 AI 技能關鍵字職位廣告按年上升。^[4][6] 但 PwC 的行業分析同時提醒，2021 至 2024 年多數行業的 AI 職位佔比變化不大。^[1]

所以，最實際的學法是由你現在的職位出發，選兩個重複、耗時、可驗證的工作流程，做成 AI workflow 作品集。你能證明自己識用 AI 改善工作、控制風險、交到成果，才不只是「識用工具」，而是真正有職場價值。