知識與實務

商業實務・AI 應用・人才發展

人才發展

員工用 AI 省下半天,KPI 卻還在算工時?企業績效管理該怎麼改

AI 績效管理應把產出、品質、交付時間與協作成本一起衡量。工具使用次數可以協助了解採用情況,不能直接代表員工貢獻;企業需要重新定義合格成果、保留查核證據,並讓員工理解評量與更正方式。

天秤兩端分別放著時鐘與完成查核的工作文件
AI 生成概念插畫,非實拍。
本文目錄先分清工具採用、工作改善與員工績效用四個維度重新定義合格成果三個職務,不能共用同一張 AI KPI 表方法圖解工時省下來之後,先看產能流向哪裡比較前後績效,先處理案件與期間的差異主管最容易忽略的,是品質工作被隱藏AI 可以協助績效面談,但不應代替主管下結論一張行政報表績效卡,怎麼填才有意義同樣完成十件工作,為什麼不能直接給相同評價員工回饋與資料治理,應在試行前就決定培訓與考核,應保留一段安全的練習空間制度調整可以分三次會議完成讓節省的時間變成能力,而不是新的壓力

專題編輯:Sylvia Yeh|人才發展與職場編輯

封面:AI 生成概念插畫,非實拍。

一位行政同仁用 AI 把例行報表從半天縮短到一小時。主管很高興,接著把原本一天的工作量提高。另一位同仁則花了更多時間覆核 AI 結果、整理資料與協助團隊,表面上的產出數量反而不多。到了績效面談,兩人的貢獻應該怎麼比較?

問題不只是 KPI 要不要增加一個 AI 欄位,而是公司原本用來代表價值的指標,是否還能反映工作。當文件生成速度變快,字數、簡報頁數、報告份數與登入時間,可能愈來愈偏離真正成果。若不調整,員工會被引導去製造容易計數的活動。

績效管理的首要目的,是讓組織完成需要的工作,並公平地辨識貢獻、提供回饋與發展支持。AI 應進入這個目的之下。本文提出的是可供企業討論的管理方法,不是通用薪酬公式,也不建議以模型分數直接決定升遷、獎金或去留。

本文目錄

先分清工具採用、工作改善與員工績效

工具採用回答「誰在什麼工作使用 AI」;工作改善回答「流程是否更快、更好或更省」;員工績效則回答「這個人在既定責任與條件下,做出什麼貢獻」。三者相關,但不能直接互換。高使用量可能來自反覆修正,也可能來自大量實驗;低使用量可能代表工作不適合或沒有授權。

例如財務同仁依公司政策不得把特定資料放進外部工具,不能因他的對話次數低就判為抗拒改變。另一方面,員工產出大量 AI 摘要,也不表示摘要被採用或減少了其他人的工作。採用率應先有合格使用者與適合任務的分母。

企業可以把三張表分開。採用表記工具與工作類型,流程表記交付與品質,績效表記個人責任和貢獻。不要把供應商儀表板直接匯入人事評分,也不要讓員工為了符合使用指標,刻意把本來簡單的工作轉成更多 AI 對話。

《Generative AI at Work》研究在特定企業客服工作中觀察到效果差異;這是特定場域的證據,不能直接外推到其他職務,提供一個重要提醒:不同人員與情境的改善程度不必相同。企業不應把單一研究平均值當成所有職務的共同加速目標。來源 1

若公司要設定學習目標,可以要求員工完成一個適合任務、說明如何查核及留下可用成果。這與以使用次數獎懲不同。前者衡量能力與方法,後者容易只衡量工具活動。先把目的分清,才能避免培訓、導入與人事制度混在一起。

用四個維度重新定義合格成果

第一個維度是工作結果。報表是否支持決策,報價是否符合需求,客服是否解決問題,採購是否完成可比較的建議。結果要對應職務責任,不應只算產出的文件數量。若文件沒有被使用,可能是多做了一份成本,而非多一份貢獻。

第二個維度是品質。資料是否正確、來源是否可追溯、錯誤是否被發現、交付是否符合必要條件。AI 使初稿更容易產生,覆核與專業判斷的價值反而更需要被看見。不能一面要求零錯誤,一面把所有查核時間當成效率低落。

第三個維度是週期。從需求進來到合格交付的時間,包含等待、協調、退件與修正。單一員工完成草稿變快,若下游主管需要花更多時間重做,整體流程可能沒有改善。因此應同時看局部工時與端到端交付。

第四個維度是可持續性。工作是否可交接、知識是否更新、例外是否留下紀錄、其他人能否重用成果。這些貢獻可能不會立即增加個人產量,卻能減少組織反覆救火。若績效制度完全忽略它們,員工就缺乏投入動機。

維度可觀察的證據常見失真
結果被採用的交付、完成的工作任務把草稿數當成果
品質退件原因、查核紀錄、重大錯誤只看格式完整
週期需求至合格交付的時間只計生成速度
可持續性可交接文件、共用方法、維護紀錄只獎勵個人救火

四個維度不需要全部換成同一種分數。對行政工作,週期與正確性可能重要;對業務,成交品質與客戶推進更重要;對資訊人員,穩定性與可維護性可能比新增功能數更重要。企業可以設定重點,但應說明為何適合該職務。

也不建議一開始就把每一項設成精確權重。若資料與標準還不穩定,50%、30%、20% 可能只製造假的精準。先用幾個實際工作樣本校準,確認主管和員工對「合格」有共同理解,再決定是否需要正式評分。

三個職務,不能共用同一張 AI KPI 表

行政同仁的例行報表,可以看準時交付、資料錯誤、退件與使用者是否能理解。若 AI 幫忙整理資料,仍需確認數字與來源一致。員工也可能透過重新設計表格,讓主管少問幾次問題,這種下游時間改善值得記錄。

業務同仁的 AI 應用,可以看合格商機推進、需求紀錄、報價版本與客戶下一步。不能只算開發信數量,因為寄更多不適合的訊息可能傷害信任。成交也應連同毛利、回款與履約條件一起看,避免鼓勵低品質訂單。

資訊或專案同仁的成果,則需要看需求達成、缺陷、回復能力與維護交接。AI 產生更多程式碼,不代表系統更好;有時刪除多餘功能、降低依賴與修正權限,比新增一個畫面更有價值。績效制度應讓這些工作能被描述與驗證。

人資的 AI 應用也不能只看履歷處理量。整理更快若導致錯漏、候選人體驗變差或主管判斷不清楚,整體價值可能下降。可以分開看行政投入、資料忠實、面談準備與流程品質,而非讓模型分數成為績效替代品。

同一職務內也可能有不同案件難度。處理一般例行報表與處理跨系統差異,所需能力不同。應在任務紀錄中保留複雜度或例外類型,避免把容易案件與困難案件直接平均比較。否則同仁可能傾向挑選容易計分的工作。

管理者可先為每個職務選一項代表性任務,寫出輸入、完成條件、品質底線與可觀察貢獻。這比要求全公司每人每月提交十個 AI 案例更有用,也比較不會把本來的工作變成另一套行政競賽。

方法圖解

淨釋出工時要扣除維護

圖中數字為正文的模擬試算,應以企業實際工時替換;不代表產品實測結果。

工時省下來之後,先看產能流向哪裡

省下工時可能形成四種結果:減少加班、降低外包、完成更多有價值工作,或讓員工有時間改善品質與學習。它們對公司都有可能有價值,但財務意義不同。沒有實際支出減少時,不宜直接稱為現金節省。

以下為假設試算。某報表每週原需 6 小時,AI 輔助後初稿需 1.5 小時、覆核 1 小時、例外修正 0.5 小時,每週共 3 小時。另有每月 4 小時維護。若以四週為觀察期,原投入 24 小時,新投入為 12 加 4,等於 16 小時,淨釋出 8 小時。

如果這 8 小時被用來完成原本積壓的客戶分析,可以呈現新增交付與被採用情況;若用來減少加班,則核對實際加班支出;若工作量沒有增加、支出也未減少,仍可能改善工作負荷,但應如實描述。不能一律把 8 小時乘薪資就當成已實現收益。

還要看工時是否轉移給其他人。員工 A 省下 8 小時,主管 B 多花 5 小時查核,資訊同仁多花 2 小時維護,組織淨釋出可能只有 1 小時。這不一定代表不值得,因為品質或能力可能改善,但報告應呈現完整投入。

績效面談可以討論「釋出的時間被用來完成什麼」,而非立即把所有剩餘時間填滿。若員工每次改善都只換來更高工作量,可能不願分享方法。主管應把流程改善、知識移轉與合理工作負荷納入討論,避免形成隱藏效率的誘因。

對團隊來說,共用模板的製作者可能花最多時間,使用者卻取得最快的短期產出。若只看個人速度,創建共用能力的人會吃虧。可以記錄模板被使用的範圍、維護投入與下游改善,但不應將同一效益在每個人身上重複加總。

比較前後績效,先處理案件與期間的差異

AI 導入後的數字變好,可能來自旺季、產品調整、客戶組成、員工熟練或流程同時改善。企業應盡量用相同任務、相近條件與一致觀察期間比較。若做不到,就清楚說明限制,避免把相關性寫成因果。

可以從一個簡單的工作台帳開始。每筆記錄任務類型、難度、負責人、輸入時間、合格交付時間、修正原因與 AI 使用方式。資料只收集能支持改善的部分,不需要為了分析而保存所有員工對話或操作細節。

對低頻工作,短期平均值很容易被單一案件影響。可同時呈現中位數、範圍與個別重大例外,並保留原始樣本數。若只有三件任務,不要畫出看似穩定的趨勢。應將結果視為試點觀察,繼續累積證據。

品質也應同時追蹤。若交付時間縮短但退件增加,可能只是把工作從前段移到後段;若產出增加但使用者採用率下降,可能做了更多不需要的內容。企業應避免用單一指標迫使員工在看不見的地方犧牲品質。

對有不同風險的任務,可以先設必要底線,再看效率。例如付款、薪資、重要客戶承諾與敏感資料處理,不應用速度抵銷重大錯誤。底線的設計應由業務與風險責任人共同決定,不是讓 AI 自行給一個容許錯誤比例。

NIST AI RMF 強調角色、責任與持續監測。這可作為企業安排 AI 使用與覆核責任的參考,但不是人事評分標準,也不替公司決定績效權重。來源 2

主管最容易忽略的,是品質工作被隱藏

AI 草稿快速出現之後,查核可能變成不被看見的工作。有人比對數字、確認版本、處理例外,最後交付物只留下乾淨結果。若績效只看誰按下生成與誰寄出文件,中間的專業貢獻就容易消失。

可以在交付紀錄中增加簡短的品質說明:本次確認哪些來源、修正哪些重大錯誤、有哪些尚未解決事項。這不是要求每個人寫長篇工作日誌,而是讓關鍵判斷能被看見。對高頻簡單任務,可以用抽樣方式記錄,避免新增過多負擔。

同時要防止品質紀錄成為另一種表演。員工不應為了顯示貢獻而列出大量無關錯字。主管可以聚焦真正影響交付的修正,例如金額、對象、權限、版本、結論與完成條件。品質的價值在於避免實際後果,不在修正項目數量。

對團隊共用能力,可以保留採用者回饋。模板是否讓新人更快完成工作,知識卡是否減少重複提問,測試清單是否發現本來會漏掉的錯誤。這些證據有助於辨識貢獻,但仍需說明樣本與情境,避免把每次使用都當成一筆獨立效益。

員工也需要有機會指出不合理目標。若新 KPI 要求速度提高,但資料品質、授權或系統問題沒有改善,應先處理上游限制。績效管理不能把組織未完成的工作,全轉成個人未達標。

AI 可以協助績效面談,但不應代替主管下結論

AI 適合整理已確認的成果、把不同期間的紀錄歸類、提示資料缺漏,或協助主管準備面談問題。輸入材料應與評量目的相關,來源可追溯,並按公司權限處理。不能把私人對話、未證實傳聞或無關個資混進評分。

整理結果應分成事實、待確認與觀察。事實是已完成交付與可核對紀錄;待確認是資料不足;觀察則是主管或同事的看法,需要具體情境支持。AI 不應把「有同事覺得合作困難」改成確定的人格標籤。

績效面談可以從三個問題開始:本期完成什麼有價值的工作,哪些條件阻礙成果,下期需要什麼支持。AI 可協助對照材料,但主管要與員工討論差異。員工應能看見與自己有關的關鍵紀錄,並有合理的更正或說明管道。

如果公司使用 AI 產出評語,要特別檢查語氣是否超過證據。例如把一次延誤寫成「缺乏責任感」,或把工具使用量低寫成「不願學習」,都可能造成不當判斷。應回到具體行為、任務條件與後續改善,而非讓模型替人貼標籤。

重大人事決策需要更嚴格的制度與適用規範檢視。本文不建議把生成式 AI 的主觀分數直接連到薪資、升遷或終止聘僱。即使有人工簽名,也要確認覆核者真的理解材料並能改變結果,不能只是替系統決定補一個形式。

一張行政報表績效卡,怎麼填才有意義

假設某同仁負責每週營運報表,原本的 KPI 是每週交一份、每月四份。導入 AI 後,文件數沒有改變,真正值得觀察的是報表是否準時、數字是否可重算、主管是否能用它決定下一步,以及團隊是否減少補問與退件。

可以把完成條件寫成:「每週指定時間前交付,數字對應來源期間,重要異常有說明,未確認事項不寫成結論。」再記錄本期四份報表的準時情況、重大錯誤、修正時間與採用情形。若有一次延誤,先看資料是否準時提供,而非直接歸責給整理者。

AI 使用方式則另列:「協助清理格式、整理異常說明草稿,數字由固定方法重算,人員確認來源與結論。」這能讓主管理解工具角色,也避免把所有成果歸給 AI 或把所有風險推給員工。

若同仁新增一張可重用的資料檢查表,讓其他兩位同事也能接手,這屬於可持續性貢獻。可以附一個接手演練結果,而非只寫「建立標準化流程」。下一期的發展目標,可能是提升異常判讀或跨部門資料協調,不一定是再多用一個工具。

績效卡欄位示例內容查核依據
工作成果四份可供週會使用的營運報表交付版本與會議採用紀錄
品質底線期間、分母、來源一致抽樣重算與修正紀錄
流程改善減少資料補問與退件前後相近任務比較
協作貢獻其他同仁可以接手接手演練與回饋
發展需求改善異常解讀下一期工作樣本

這張卡不要求每項都有金額,也不假設所有貢獻可以相加。它的目的,是讓主管和員工對工作價值有相同的討論基礎。若資料還不完整,先記錄缺口並改善,不用模型替缺失資料補成一個分數。

同樣完成十件工作,為什麼不能直接給相同評價

用一個虛構例子看得更清楚。甲同仁本月完成十份標準報告,資料來源固定、需求清楚;乙同仁完成六份報告,其中兩份需要處理跨部門資料矛盾,另外整理了一套後續可重用的核對方法。若只看份數,甲的數字較高;若只看工時,乙可能被認為較慢。但這些數據都還不足以支持完整評價。

主管應先確認兩人承擔的任務是否相同,再看結果與品質。甲若能穩定準時交付、很少退件,這是可肯定的貢獻;乙若確實解決了原本無法完成的問題,也應提出證據。不能為了獎勵複雜工作而忽略例行工作的可靠性,也不能因為例行成果容易計數,就低估處理例外的人。

可以先把任務分為例行、變更與例外三類。例行工作看一致品質與週期;變更工作看需求理解、交付及影響;例外工作看問題釐清、風險控制與可重用的修正。分類不是為了增加另一套精細分數,而是避免在不同工作之間做沒有條件的比較。

若員工聲稱自己總在處理難題,也需要具體紀錄支持,例如問題起點、涉及部門、解決方式與後續是否減少重複發生。若每次都靠個人救火、沒有讓問題變少,主管可以同時肯定當期投入,並把建立可交接方法列為發展目標。這樣才能避免把長期混亂變成個人績效優勢。

指標設計的反向測試

每提出一個 KPI,都可以問:「如果員工只想讓這個數字變好,最容易採取什麼行為?」若目標是每月產出 50 份 AI 文件,可能拆成更多短文件;若目標是降低處理時間,可能提早關單;若目標是降低人工接手,可能讓系統持續回答超出能力的問題。這些不是對員工的不信任,而是檢查制度是否留下錯誤誘因。

再問第二個問題:「這種行為會不會讓下游更辛苦?」報告數增加可能讓主管閱讀負擔變大,提早關單可能讓客戶重複聯絡,少做查核可能讓資訊或財務事後修正。若答案是會,就應加入必要的品質與下游結果,或直接換掉不適合的指標。

第三個問題是:「誰可以合理地不追求這個數字?」例如某些同仁負責高風險資料,不能使用相同工具;某些任務以研究與判斷為主,不宜用件數評量。制度需要有可說明的例外,否則一體適用反而不公平。例外應透明且有理由,不能變成主管任意調整的空間。

員工回饋與資料治理,應在試行前就決定

公司若使用系統紀錄了解 AI 工作情況,應先說明資料用途、誰能看到、保存多久,以及是否與個人評量連動。這些安排需按企業情境與適用規範確認。員工知道資料用途後,才有辦法理解哪些紀錄需要更正,哪些只是工具診斷資訊。

不建議為了證明效率,要求上傳所有聊天內容。對話中可能包含客戶資訊、未完成想法、個人資料或與評量無關的內容。可以優先記錄任務類型、交付物、必要查核與結果,使用較少資料支持同一個管理目的。收集愈多,並不保證判斷愈好。

資料更正應有實際流程。若系統把共用帳號活動歸給錯誤的人,或把測試操作算成正式工作,員工應能提出說明,負責人修正後保留版本。若報告已用於決策,也要確認是否需要重新檢視。不能只在原始資料改一欄,就假設影響自然消失。

也要讓員工能提出「這個指標沒有反映我的工作」。主管可以要求具體樣本,再判斷應補資料、調整分類還是維持標準。這不是每次不滿意就改規則,而是建立制度的學習管道。AI 導入初期,工作分配與能力變化較快,這類回饋尤其有價值。

培訓與考核,應保留一段安全的練習空間

新工具的學習期會出現嘗試、錯誤與低效率。若每次實驗都立即影響考績,員工可能只選最容易成功的題目,不願揭露失敗。企業可以把學習試點與正式工作績效分開,明確說明哪些資料用來改善方法,哪些才進入評量。

例如一個月的學習任務,可以要求員工選擇一項低風險工作,完成原流程與新流程比較,說明錯誤與限制,並交付可重用模板。沒有節省時間但清楚證明不適合的結果,也有決策價值。不能只獎勵漂亮的成功故事,否則公司會失去辨識不值得投入情境的能力。

主管的責任則是提供資料、工具、時間與回饋。若員工沒有權限、沒有可用範例,又被要求證明 AI 成效,制度很容易把資源不足包裝成個人能力不足。培訓之後應看是否能完成工作樣本,再決定需要補技術、專業知識或流程支持。

能力成熟後,可以逐步提高任務難度與獨立程度,例如從整理草稿到查核來源,從個人使用到可交接模板,再到跨部門協作。這比每年追逐工具名稱更能形成職能發展,也讓績效討論回到員工真正能承擔什麼工作。

制度調整可以分三次會議完成

第一次會議由主管與實際工作者選一項任務,確認合格成果、品質底線與目前指標的問題。避免從「所有人要會 AI」這種大口號開始。會後留下任務定義與少量代表性樣本,作為下一次討論材料。

第二次會議檢查證據如何取得。哪些數據已存在,哪些需要簡單補記,哪些收集成本太高或涉及不必要監控。每個指標都要能說明會支持什麼決策;若沒有用途,就不應因系統容易取得而保留。

第三次會議用真實工作樣本校準。請不同主管先各自判讀,再討論差異,修正模糊標準。之後再向員工說明試行方式、資料用途、回饋與更正管道。制度應先試行與調整,不宜在員工不知道規則的情況下直接影響重要權益。

試行期間應檢查行為是否被扭曲。員工是否為了產量忽略查核,是否為了使用量增加不必要對話,是否把困難案件轉給別人,或不願分享節省方法。指標一旦改變行為,就要看行為是否真的接近公司目的。

制度不必每月大改,但應有檢查節奏。當工具能力、流程或責任改變,原本指標可能不再適合。調整時保留原因與生效期間,避免前後數字看似可比,實際定義已不同。這也是績效資料可信度的一部分。

主管本身也應接受同樣檢查。若員工已提出可靠成果,主管卻未能提供決策、資源或跨部門協調,流程仍可能停住。可以在部門回顧中記錄管理待辦的完成情況,讓績效改善包含上游責任。這能避免把 AI 導入變成只要求基層加速,而管理方式完全不變的計畫。

制度試行的最後一項產物,應是一份「指標修改理由」,說明保留什麼、刪除什麼,以及哪些資料仍不足。下一期沿用時就能理解原本目的,而非只複製一張沒有脈絡的評分表。

讓節省的時間變成能力,而不是新的壓力

下載:AI 工作成果與績效校準表。附件把合格成果、品質、週期、協作、工具角色與證據分開,可先用於部門試行討論。它是管理工作表,並非可直接連動獎金的人事評量制度。

企業若需要主管與 HR 一起重設 AI 工作任務、培訓驗收與績效證據,可向天地人提出企業培訓需求。先挑一個具體職務與任務,比全面增加 AI KPI 更容易得到可用結果。

AI 讓工作方式改變,績效管理也應跟著檢查「什麼才值得被獎勵」。當員工能更快完成合格工作、願意分享方法、敢指出錯誤,並有能力接手更複雜的任務,公司才把效率改善轉成持續能力。

常見問題

應要求每位員工固定使用 AI 嗎? 先看工作是否適合、資料是否允許、是否有工具與支持。可以設定能力學習目標,但不宜把對話次數直接當績效。

省下時間後,工作量一定要增加嗎? 應看經營需求、品質、工作負荷與發展目標。釋出產能可以用於更多交付,也可以用於改善品質、學習與降低加班。

能否讓 AI 自動寫考績? 可以輔助整理經確認材料與草擬回饋,但要查核事實、避免人格推斷,並保留主管判斷及員工說明機會。

沒有精確工時,還能評估嗎? 可以先用工作樣本、交付時間、退件與採用紀錄。不要為了假精準而增加過多監控;先取得足以支持決策的證據。

資料與圖片說明

查核日期為 2026/11/17。研究僅用於說明效果可能因人與情境而異,NIST 文件用於責任與監測的參考。所有表格、案例及計算為原創示範,非薪酬或法律建議。封面為 AI 生成概念插畫,專題編輯身分說明見作者頁。

本文由 TARAISG 使用 AI 協助撰寫與整理來源。案例、工作表與方法圖解均已標示用途;目前未有具名人工終審紀錄,不宣稱已經專家審核。

AI 生成內容

本文由 TARAISG(TIANDIREN AI SOLUTION GROUP)使用 AI 模型產生正文、整理來源並設計實務工具。方法依據與限制列於文末;案例為明確標示的教學假設。未有具名紀錄時,不宣稱經人工或專家審核。

查看內容製作與更正說明

TIANDIREN INSIGHTS

接著可以閱讀什麼?

TIANDIREN INSIGHTS

延伸你的下一步閱讀

立即領!558元學習投資折抵金

能力投資季。立即領取 558 元學習金!全站線上課立即折抵。只需填寫 Email,即可輕鬆獲得,先領起來,不要錯過!

立即領!559元學習投資折抵金

能力投資季。立即領取 559 元學習金!全站線上課立即折抵。只需填寫 Email,即可輕鬆獲得,先領起來,不要錯過!

立即領!579 元學習金

學習,看見新可能。 10/14 前領取 579 元折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

立即領!599 元學習金

學習,帶來新可能。 09/09 前領取 558 元折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

立即領!558 元學習金

學習,發現新大陸。 8/29 前領取 558 元折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

立即領!559 元學習金

學習,連結新亮點。 8/14 前領取 559 元折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

立即領!555 元學習金

學習,發現更多視角。 6/14 前領取 555 元折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

立即領!556 元學習金

學習,累積無限可能。 5/29 前領取 556 元折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

立即領!557 元學習金

學習,讓我們發現未曾想像的可能!5/14 前領取 557 元折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

立即領!579 元折抵金

知識就是力量,專業成就未來!3/18 前領取 579 元課程折抵金,解鎖數百堂高品質線上課程,提升職場競爭力與專業技能。只需填寫Email,即可輕鬆獲得,投資自己從現在開始!

年終學習金

年終之餘用學習投資自己!填入 Email ,立即領取 588 元年終學習金!數百堂線上課程立即折抵,先領取收藏起來!