本期重點
- 72% 的企業主管認為 AI 素養是日常工作的基本能力——AI 正從專家技能轉變為全體員工的基本功(DataCamp,針對約 500 位主管的調查)
- 美國徵才公告中的 AI 技能需求一年內增加 144%,世界經濟論壇預測至 2030 年將有 39% 的核心能力發生改變
- 問題已從「要不要辦 AI 教育訓練」轉為「自行製作、外部委託、政府補助,該選哪一種」— 課程規劃也從「活用」走向「執行」
- 沃爾瑪啟動全體 210 萬名員工的 AI 認證——全公司技能轉型的單位從部門擴大到全體員工
- 在 87% 的 L&D 團隊已經使用 AI 的今天,下一個戰場不是內容,而是衡量——新指標不是「結業率」,而是「工作中的實際運用」
- 政策資金也趨向精準投放 — 美國聚焦 AI 等策略產業的人力發展,韓國則為中小企業 AI 融合課程 2,952 門提供 90% 以上的訓練費補助
- Nanum 自有數據——411 件商機中,AI 相關占 32.6%(三件中有一件),成案率 59%,與整體平均相當:AI 教育不是評估性詢問,而是真實需求
每到教育訓練預算季,承辦人收到的問題都一樣:「明年要做什麼、怎麼做、做多少?」2026 年的答案與往年不同,因為改變的不是預算總額,而是方向。
本期交叉比對國內外調查報告、政策發布與市場報導,整理出企業內訓需求結構正在移動的七大趨勢。先說結論:預算正從「少數人的深化」轉向「全員的基本功」,從「導入」轉向「做法」,從「長期課程」轉向「短而反覆的結構」,從「內容」轉向「落地與衡量」。而這樣的移動既是企業的自主選擇,也是政策資金與法規在背後推動的方向。
1. 從專家的技能,到全體員工的基本功
預算轉移的第一個方向,是「教誰」的改變。DataCamp 調查 500 多位企業主管,88% 認為基本資料素養、72% 認為 AI 素養是「日常工作中重要的能力」。這意味著,幾年前還被視為資料分析師與開發人員專屬的能力,如今已被重新定義為行銷、業務、財務、人資人員共同的基本職務能力。
問題在於「準備度」。同一項調查中,60% 的受訪者表示組織存在資料技能落差,而擁有成熟全公司升級技能(upskilling)計畫的組織只有 35%。反觀擁有這類計畫的組織,回報 AI 投資取得顯著報酬的機率躍升至 42%。需求有 88%,準備卻只有 35%——這道落差,正是 2026 年內訓預算流入的位置。
勞動市場的訊號更為陡峭。美國徵才公告中的 AI 技能需求一年內增加 144%(兩黨政策中心、Lightcast,2026 年 4 月數據),世界經濟論壇則預測到 2030 年,核心能力的 39% 將會改變。然而在德勤 2026 年報告中,表示在人類與 AI 協作設計上取得實質進展的領導者僅有 6%。需求爆發,設計卻跟不上——預算總是在這樣的瓶頸處移動。
關於如何設定基準線,Microsoft 的區分很有參考價值。AI 素養是指了解 AI 的局限、驗證結果、遵守資料處理規範的「負責任使用的基準線」。升級技能(upskilling)則是在其上累積的各職務實務能力——也就是將提示詞撰寫與結果驗證整合進實際工作流程的能力。缺乏素養,幻覺(hallucination)、資安外洩、過度依賴、影子 AI 等風險就會擴大,AI 投資報酬也會偏低;而 Microsoft 的建議是,光靠教育並不夠,還須同時配合高層支持、明確的護欄以及經核可的安全工具。簡言之,預算編列的單位正從單一的「職務專業課程」,重組為「全公司共通素養+各職務升級技能」的兩層結構。
2.「要不要導入」已不是問題——問題是「用什麼方式」
在韓國國內,討論重點也已轉移。2025 年,三星電子、LG 電子、LG 能源解決方案等多家大型企業已為全體員工推動生成式 AI 教育(Winspec 整理)。就大型企業而言,「要不要做 AI 教育」早已不是問題,現在擺在承辦人桌上的是:在自行製作、外部委託、政府補助三條路徑中選擇哪一條。
三種方式的得失十分明確。自行製作最能反映公司內部資料與業務脈絡,但需要有人、也需要時間。外部委託買到的是專業與速度,但需要成本,且內部脈絡的納入必須在設計階段就顧及。政府補助的成本負擔最小,對自有預算吃緊的中小企業而言是務實的管道。無論選哪一種,共同的課題都是「能否貼合我們公司的業務」。
課程規劃的軸心也一併移動。Corpslab 預測,2026 年企業 AI 教育需求將超越 ChatGPT 活用教育,擴大到以多代理(multi-agent)與 Vibe Coding 為中心;借用報導 Fast Campus 案例的《韓國經濟日報》的說法,企業 AI 教育正從「活用」走向「執行」。針對非本科系在職人員的教育也不再只教工具用法,而是以客戶資料分析、內容製作、報告自動化等各部門的應用課題為核心來設計,成為主流。
同時,一次性專題演講的侷限也日益明顯。許多承辦人反映,即使舉辦了全公司的生成式 AI 教育訓練,整個組織仍感受不到改變。決定落地率的不是理論的多寡,而是「學到的內容隔天能否立刻用在工作上」,因此越來越多企業將預算分配給重複學習架構與職務連結設計。現在需要的是從「一場演講的單價」,轉為以「直到落地為止的總成本」來計算的視角。
3. 全公司技能再培訓,規模已不同以往
全球領先企業已將再培訓(reskilling)的單位從「部門」改為「全體員工」。代表案例是沃爾瑪(Walmart)。沃爾瑪以全體 210 萬名員工具備一定程度的 AI 能力為目標,開始透過自有平台提供與 OpenAI、Google Gemini 合作的職務別 AI 認證。目前已開放給美國與加拿大的 170 萬名員工。
值得注意的是這項教育訓練的目標。重點不在炫目的新技術展示,而是消除日常工作中的摩擦:例如更快找到門市庫存,或由 AI 代理程式為外語顧客即時口譯對話。沃爾瑪自 2022 年生成式 AI 問世後便持續實驗,隔年更建置了員工專用的 AI 實驗平台。換句話說,210 萬人認證並非突如其來的宣告,而是 3 年多來累積實驗成果的擴大。
這股趨勢並非單一企業的個案。亞馬遜、微軟等企業也率先支援被 AI 取代的人力進行技能再培訓(HR Executive),公共部門方面,也有報導指出美國一個市政府透過 AI 技能提升計畫,讓員工自行打造工作工具(GovTech)。學習者同時成為創造者,已發展到這樣的結構。
與規模同樣重要的是設計理念。《哈佛商業評論》指出,帶動轉型技能學習參與的不是危機感或義務感,而是展現「能夠成為的樣子」的動機設計。探討 AI 代理時代人類主體性的 Chief Learning Officer 專欄也指出,僅有技術可及性並不足夠,還需要環境支持作為後盾。這意味著編列全公司轉型技能預算時,應先描繪員工將抵達的未來樣貌與支持環境,再列出課程清單。
4. 形式的演進 — 微學習、AI 家教、超個人化
預算轉移的第三條軸線是教育訓練的形式。首先是時間變短。相關的微學習分析持續指出,切分成小單元的學習,正在重塑職務技能的習得方式,取代冗長的正規課程。在繁忙的現場工作與快速的技術變化之中,普遍認為「短而頻繁」比「一次集中」更有利於落地成效。
其次是互動。在 Synthesia 針對 421 個 L&D 團隊的調查中,探索代理型 AI 應用領域的第一名是 AI 導師(49%),個人化引導與教練各占 43%,緊隨其後。正如分析所言,AI 導師不是取代教師,而是填補「練習不足」的角色(eLearning Industry,語言教育案例),由人來授課、由 AI 負責反覆練習與個別回饋的分工,正逐漸站穩腳步。
個人化也已走出實驗階段。在韓國,Hunet 推出可分析 22,000 項技能的 AI 學習平台「Labs」,並以超個人化企業內訓為主打。依學習者自動調整內容與路徑的做法,對實際結訓率與成效有何影響,是接下來有待驗證的課題。韓國媒體(韓國數據經濟新聞)探討以導入 AI 學習體驗平台(LXP)提升內部教育結訓率的分階段策略,也屬於同一趨勢。
對教育訓練承辦人而言,這項變化也意味著選擇供應商的標準改變了。重點不再是「幾小時的課程、給多少人」,設計中是否具備短單元、重複性架構、個別回饋與業務連結,正成為決定預算效益的項目。
5. 下一筆預算要投向「落地與衡量」,而非內容
Synthesia 調查的另一段內容很具代表性:87% 的 L&D 團隊已在培訓中使用 AI,沒有導入計畫的僅占 2%,84% 的團隊感受到內容製作速度提升。目前的應用方向依序為語音生成(63%)、內容與測驗初稿(60%)、影片製作(52%)、翻譯(38%)——也就是說,「快速製作內容」已成為基本配備,不再是差異化的條件。
因此,衡量成為下一個戰場。「完成課程不等於採用」(eLearning Industry)這個命題正在擴散。完成訓練與在工作中真正使用工具是兩回事,該衡量的不是結業率,而是工作中的使用率與行為改變。探討新人訓練為何在教室成功、在現場失敗的分析,也出自同樣的問題意識。
放任不管,債務就會累積。HR Dive 警告「學習債(learning debt)」:當 AI 暫時填補了眼前的工作缺口,快速變動職務的能力落差卻悄悄累積。表面上工作照常運轉,教育需求因此被掩蓋,債務在組織渾然不覺之中越滾越大。這也是為什麼會出現主張應將學習迴圈視為治理問題、而非工程技巧的專欄文章(Enrique Dans)。
期待與現實之間的落差也已獲得證實。eLearning Industry 針對 500 多位 L&D 市場參與者進行調查並發表基準報告,指出學習科技領域存在「AI 期待落差」。再參照另一項分析(Solutions Review):AI 對學習最大的影響不在內容,而在「該教什麼、教給誰、何時教」的決策,結論便歸於一點。正如 EdTechX Summit 2026 主題演講分析所言 — AI 教育投資的成敗,不取決於內容或工具,而取決於串連資料、系統與業務的整合基礎架構。這正是教育訓練預算簽呈中開始納入「成效衡量設計」與「落地機制」項目的原因。
6. 政策資金也趨向精準投放
公共資金的流向也在改變。美國新設的人力發展基金,正將目標聚焦於核能、AI 等特定策略產業的人才培育(HR Dive)。從「人人適用的泛用型補助」轉向「策略產業導向的補助」— 政策預算也開始決定的不是「撒向各處」,而是「投向何處」。
韓國也朝著同一個方向前進。韓國產業人力公團(HRDK)自 2026 年 1 月起推動中小企業 AI 融合訓練,其「中小企業人才培育進階訓練」約有 2,952 門訓練課程(45 家訓練機構),政府補助訓練費用的 90% 以上,非首都圈開設的訓練最高補助 95%(韓國雇用勞動部新聞稿)。對於缺乏自有預算與專責教育人力的中小企業來說,政府補助管道成了最務實的選擇。在規劃預算之前,先查看補助專案清單,又多了一個理由。
在歐洲,是法規創造了需求。歐盟《AI 法案》(EU AI Act)將確保員工具備足夠的 AI 素養,明定為使用者(企業)的義務。教育的性質從「有了更好的福利」變成「必須履行的法規遵循」。這對與歐洲往來的韓國企業同樣不是他人之事,也是 2026 年下半年預算編列中最安靜、卻最確定的變化。
7. 韓國供給市場的反應——平台率先行動
需求結構一變,供應商就會先行動。這個訊號在韓國國內企業內訓市場相當明顯。Hunet 宣告進入「AI Powered Learning」時代,推出以 22,000 項技能分析為基礎的超個人化平台「Labs」,執行長曹永卓表示「要超越線上學習,以 AI 企業內訓一決勝負」。線上學習時代的代表業者,親口宣布要邁向下一個階段。
實務培訓業界也是如此。Fast Campus 主打將企業 AI 教育從「活用」推進到「執行」的課程,Corpslab 則預期多代理程式、Vibe Coding 等下一階段課程規劃的需求。在首都圈以外,專業機構也陸續傳出在利川等地方拓展企業內訓服務的消息。正如全球教育企業評價「韓國的學習熱情令人驚嘆」(東亞日報訪談),韓國市場被視為對技能再培訓趨勢反應迅速的市場。
對教育訓練承辦人來說,這樣的版圖變化正是談判籌碼。供應商正朝向超個人化、實作型、可衡量型轉移的此刻,正是重新協商既有合約條件與教育設計的好時機。
8. 從韓國現場看預算轉移(參考)
Nanum 經營顧問將最近一年的 411 筆培訓商機紀錄(截至 2026 年 7 月統計,紀錄仍在持續增加)依主題分類後,與 AI 相關的有 134 筆,占整體的 32.6%,是單一主題中的第一名。也就是說,每三件培訓商機中就有一件與 AI 有關,與居次的 B2B 業務(14%)、行銷(8%)相比,差距相當大。
更有意義的是比率的品質。在 AI 主題的已結案件(成案・失敗・退件)63 件中,成案有 37 件,成案率 59%,與整體平均(60%)相當。如果 AI 教育洽詢只是「先了解看看」的評估性詢問,成案率應該會遠低於平均。在報價與簽約階段,預算執行的比率與平均相同,證明 AI 教育需求不是一時流行,而是真實需求。在累計紀錄中,AI 也名列單一主題前段班(29 次),而生成式 AI 教育這門課本身是近 2〜3 年才出現的,可見這些需求幾乎全是近期集中湧現。預算的流向,在報價請求中比在統計廳的發布中更早看見。
不過,本公司的樣本並不代表整體市場。敬請將其視為參考資料:上述宏觀訊號,在韓國 B2B 教育現場的報價與簽約階段同樣得到了印證。
9. 給教育訓練承辦人的 2026 下半年檢核清單
① 全公司共通的 AI 素養與依職務的技能提升——預算是否已分成兩層編列?
② 是否在教育訓練設計或合約階段,至少納入一項結訓率以外的指標(工作中使用率、行為改變)。
③ 是否將預算分配給重複性架構(應用作業、後續課程、短單元學習),而非一次性的專題演講。
④ 是否已評估政府補助管道(中小企業 AI 融合課程等)— 若自有預算吃緊的組織,尤其應該檢視。
⑤ AI 所掩蓋的學習負債 — 是否已為變化快速的職務訂定能力檢核週期。
⑥ 對於需要轉型技能(reskilling)的對象,我們提供的是「可抵達的未來樣貌」,而非危機感嗎?
⑦ 在推動 AI 素養教育的同時,是否也配套建立護欄(核可工具與資料處理規範)並取得高層支持?
⑧ 教育訓練供應商的遴選標準是否納入個人化、與工作連結、衡量設計?——供應市場正在變動的此刻,正是重新議約的好時機。
▷ 接續的第 2 期探討 2026 年夏季企業內訓發包空窗的結構 — 發包並未消失,而是延後了
本期參考資料
· DataCamp,《2026 年資料與 AI 素養現況》— 調查 500 多位企業主管
· Gloat,《2026 AI 人力趨勢(第二季更新)》— 引用 Lightcast、世界經濟論壇、德勤的數據
· CIO Dive — 沃爾瑪全體 210 萬名員工 AI 教育計畫報導
· Synthesia,《2026 年 L&D 領域 AI 應用報告》— 421 個 L&D 團隊、2 萬多個資料點
· Microsoft — AI 素養與技能提升的區分框架、風險與防護機制建議
· HR Dive(Learning)— 學習債警示,美國人力發展基金朝產業目標化發展
· eLearning Industry — 結訓率與採用率脫鉤、入職後的失敗分析、AI 期望落差基準、AI 導師與練習落差
· Harvard Business Review — 再培訓動機設計論
· HR Executive — 亞馬遜、微軟再培訓支援 / GovTech — 市政府 AI 技能提升案例
· Chief Learning Officer — AI 代理時代的人類主體性 / Solutions Review — AI 與學習決策 / Enrique Dans — 學習迴圈與治理
· Winspec — 韓國企業 AI 教育導入方式比較
· 韓國雇用勞動部新聞稿(2026.01)—「中小企業迫切需要的人工智慧(AI)融合訓練正式啟動!」韓國產業人力公團「中小企業人才培育優質訓練」2,952 門課程,訓練費補助 90% 以上 — 閱讀原文
· 韓國經濟日報、Corpslab、Hunet、韓國數據經濟新聞、東亞日報報導 — 韓國企業 AI 教育轉型與平台、市場動向
· Nanum 經營顧問自有資料 — 15 年授課紀錄與業務機會 411 筆(以 2026 年 7 月彙整為準)(參考)
HRD經營策略AI・數位轉型
作者:Nanum 經營顧問 執行長 金鍾赫
想了解適合貴公司的培訓嗎?
報告中探討的主題,皆可為貴公司設計成客製化課程。歡迎隨時與我們聯絡。
洽詢培訓 ← 返回發行列表