AI 浪潮，加上台灣大眾對半導體、科技股等的關注，讓許多文組背景的讀者好奇：沒有理工背景也能闖蕩科技業嗎？
這次《換日線》邀請全台最大的網路從業者社群 XChange，由兩位夥伴代表分享，非技術背景求職者，到底該如何展現 AI 無法取代的商業洞察、影響力與原創力？又該如何跨出數據分析與 MarTech 的第一步？
【講者小檔案】
Irene Chang／斜槓 IC
本名張宸寧，XChange 互聯網大學（註）第九屆商業學院院長。同時也是一名職涯轉職教練，創辦「轉職升職加速器」品牌，近年累積了超過 300 小時的諮詢時數，輔導過上百位學員成功轉職。
畢業於台大財金系，曾在財星 500 大的美商投信與跨國科技業擔任行銷經理，職涯橫跨金融、電商與科技等五大產業。著有《誰說理組才吃香！文組生的求職新拐點》及登上暢銷榜的《想轉職，不是只有離職一個選項》。
Christine Teng
XChange 互聯網大學商業學院行銷組組長。職涯主要橫跨電商、行銷科技和行銷數據分析，亦曾於跨國行銷科技公司工作，專注於歐洲、美國與亞太市場的廣告活動，每年負責超過 4,000 萬台幣的行銷預算操作。
目前正投入發展「行銷組合模型（MMM）」相關服務，用歷史數據分析不同廣告與行銷活動對業績的貢獻，協助企業判斷預算如何分配。同時也經營內容品牌 ads.christine，分享廣告、行銷與數據分析內容。
註：互聯網大學是 XChange 旗下子品牌，負責幫助大學生、研究生接軌業界，目前已輔導共超過 300 位學生結業。
Q：近年台灣或跨國科技／網路產業，企業在看履歷時，最重視的「關鍵能力」是否真的已經轉移？傳統的頂大或名校光環，還那麼有效嗎？
Irene：這個問題非常犀利。老實說，傳統的頂大光環在第一關履歷篩選時，絕對還是一張「快速通關券」，尤其是在外商和上市大公司端依然是。但是，現在的企業比過往開始更重視「產出的成果」，這是因為 AI 讓產出的門檻變得很低。
以前你可能要學很久的程式，或是會很多專業軟體才能做出一份企劃或專案；但現在有了 AI，你只要對一件事情感興趣，你隨時可以用 AI 做出模擬提案、side project。
所以，如果你現在光是嘴上說「我很感興趣」，卻沒有去嘗試產出，面試官會更容易覺得：工具都這麼方便了，你連試都不試，是不是代表你缺乏行動力？還是感興趣只是說說而已？
因此，現在企業最看重的「關鍵能力」，我認為是：第一，面對未知問題的實戰力與解決問題的框架；第二，立刻去行動，並根據行動快速調整的執行力；最後也最重要的，與人相關的溝通能力！因為一個人再厲害，也不可能包辦所有事，懂得跟團隊協作，這是目前看起來 AI 暫時無法取代的價值。
Q：目前市場上最缺乏的行銷科技、數據行銷人才，需要具備什麼樣的特質？您在面試新鮮人時，最看重什麼？
Christine：行銷科技（MarTech），簡單來說就是把行銷工作和數據、工具、系統串在一起，協助企業追蹤成效與做決策。
以我的觀察，工具其實是相對容易學的，公司真正難找的是能把商業問題、數據和行動連起來的人。我在面試學生時，特別看這三個特質。
第一是對問題有好奇心。看到廣告成效下滑，他會不會繼續追問：是流量品質、素材、網站轉換，還是追蹤定義出了問題？
第二是對數據保持謙虛。數據可能沒有錯，但未必能直接解釋原因，所以要先確認資料來源、指標定義和其他可能的解釋；證據不足時，也能坦白說目前還不能下結論。
第三是翻譯能力。好的數據行銷人才要能把分析結果，翻譯成業務、產品和主管都聽得懂，也知道下一步怎麼做的語言。
所以總結來說，實際面試時，我會追問求職者三件事：專案遇到什麼問題？你本人採取什麼行動？結果如何、如果再做一次會怎麼調整？
履歷上列出 GA4、SQL 等工具很容易，真正有辨識度的是，你用工具發現什麼、做了什麼判斷，最後帶來什麼改變。
Q：現在所有人都在談 AI 工具，許多新鮮人擔心初階行銷或文案職缺被取代。您建議文組生或非技術背景的求職者，要如何在履歷與面試中展現「AI 無法取代」的個人核心價值？
Irene：這題我非常有感。去校園演講時，我發現文科、商科學生的焦慮是非常真實的。
大家只要看兩個現象就知道：第一，像 Meta、Google 等科技巨頭，明明還在賺錢卻持續精簡人力，這代表 AI 確實吃掉了許多初階的執行工作。第二，台灣目前的資金跟鎂光燈全都集中在 AI 與半導體上，連黃仁勳都常被追問「文組生該怎麼辦」。
既然職場的遊戲規則已經改變了，與其焦慮，我們不如來拆解，文科生該怎麼展現 AI 無法取代的價值？
大家可以先意識到一個現象，叫做「硬技能通膨」。當 AI 讓初階執行的門檻被磨平，我們該建立的護城河，其實有四個方向：
第一個，AI 是完美的問題解決者，但它無法「定義問題」。現在 AI 可以秒速產出一張圖或文案，但它不知道這今天是為了帶流量、提升形象，還是要轉換導購？根據真實的商業痛點去判斷並下指令，這需要人類的商業洞察力，而洞察力背後有經驗、有商業思維、有邏輯框架，這是從學生時期就可以開始累積的。
第二個，是建立信任的「影響力」與「人脈網絡」。在職場上，大家為什麼要相信你講的話？這就是你的影響力、說服力和名聲。在很多重要的事情上，就算 AI 給的答案跟你一模一樣，老闆或客戶還是會偏好找一個他信任的「真人」來做 Double Check。這不是要我們去當聽話的執行者，而是展現我們能夠為決策「擔當」與「背書」的專業價值。你平常累積的人脈與信任感，是 AI 永遠無法取代的資產。
第三個，是超越框架的「原創創造力」。諾貝爾化學獎得主 Joachim Frank 曾警告，AI 其實正在剝奪人類的創造力，因為它永遠只能拿過去的數據來重組。AI 需要我們給它很棒的素材，才能產出好東西；所以，能夠跳脫大數據框架、進行真實原創的人，反而會變得極度稀缺。
第四個，是搶占先機的「速度與行動力」。AI 讓產出的門檻變低了，這代表單純的「想法」不值錢，「馬上做出來」才值錢。你願不願意先去試？能不能快速累積一些成果，並根據市場反應來調整？這種面對未知的行動力與執行力，絕對是新鮮人最大的優勢。
所以總結來說，把公司當作素材庫，有意識地去累積這四種能力，幫自己貼上專業標籤，帶走你的個人品牌與人脈，這才是 AI 時代最值錢的資產！
Q：對於想要跨入 MarTech、數據分析領域，但看到數字或程式碼就害怕的非理工背景者，您建議他們該如何起步？
Christine：我自己也是文組出身，所以很理解非理工背景的人，剛開始看到數字或程式碼時會有壓力。我的建議是，從了解「目標職位」、「核心能力」，以及建立「一頁作品」這三個步驟開始。
第一步，先蒐集五到十個自己有興趣的職缺，透過 AI 整理其中反覆出現的能力。以「行銷分析」職位來說，常見的可能包括 GA4 和 SQL。GA4 是用來分析網站或 App 使用者行為的工具；SQL 則是向資料庫查詢與整理資料的語言。先知道目標職位需要什麼，再決定學習順序。
第二步，只挑一項能力開始學。市面上有非常多管道，像 Google Analytics Academy 就有免費的官方課程；想更完整了解數據分析，也可以到 Coursera 尋找 Google Data Analytics 等系統化課程。如果以上管道沒有找到適合的，現在也可以請 AI 根據自己的時間，協助排出一週的起步計畫。
第三步，把學到的東西做成一頁作品。舉例來說，可以利用 Google Analytics 的示範帳戶，選一個具體問題，像是「哪個流量來源帶來比較多新客？」再整理出問題、資料來源、指標定義、分析發現、建議和限制。這樣就完成第一個可以讓別人檢查的分析作品。
另外，我也很推薦 PrepLounge。它是一個全英文的個案面試練習平台，會透過模擬商業問題，訓練你釐清目標、拆解問題、提出假設、用數據檢查，最後收斂成建議。即使沒有要應徵顧問職位，這套思考方式對行銷分析也很實用，可以用來訓練思考，之後再利用公開資料完成自己的原創案例。
接下來第二篇文章，將進一步探討如何打破「沒相關經驗」的劣勢，並提供本週就能開始執行的求職行動指南：破解「沒經驗找不到工作」循環：用實戰專案、能力證據表、3D 履歷化身「潛力股」
執行編輯：洪翊芳
核稿編輯：孫雅為
