AI 證照貶值時代，
證照還值得考嗎？

在 AI 時代裡如雨後蓬勃冒出的證照，到底哪些才是必要的？

當公司開始推廣 AI 證照，要求員工去上 AI 相關課程，彷彿整個大企業都想把 AI 浪潮沾上——即使現在用不到，未來也一定要懂的感覺。打開 LinkedIn，那些看起來很厲害的專業人士，每人未隔多久就掛上一塊新的亮晶晶認證徽章。

你是否也跟我一樣迷惘？考了那麼多證照，現在專業的入場門檻還在不在那裡？

這篇文章想跟你聊幾年累積的一些觀察。我自己有 PMP，在 SI 整合業做專案管理領域待了 8 年以上，親歷過「證照很重要」到「證照氾濫」的轉變。我想分享的不是「該不該考證照」的答案，而是一個更底層的視角：當 AI 改變了市場，證照的價值邏輯也變了——但不是在全部貶值，而是重新分層。

一、證照貶值是真的，但原因可能跟你想的不同

先說結論：證照貶值的根本原因，不是「證照變多」，而是 AI 讓「通過考證照」這件事本身變簡單了。

想一下以前考證照的樣子：要找練習題、背無數題庫、買一本厚厚的參考書、花幾個月苦讀準備。現在呢？AI 可以幫你整理題庫、生成模擬測驗、講解錯誤邏輯、甚至根據你的弱點客製化練習題目。以前要花幾個月的準備時間，現在一個下午可能就搞定了。

當「拿到證照」的難度下降，證照作為「能力證明」的篩選信號含量也跟著下降——這就像大學學歷——當所有大學都有大學生，大學學歷本身就不再是篩選條件。證照現在面對的就是這件事。

這不是證照的錯，而是「以考試衡量能力」這個模式正在被衝擊。考試能測出來的東西，AI 幫你準備的速度是人類的好幾倍；而考試測不出來的東西，證照從來就沒有涵蓋進去。

所以問題就變成：哪些證照在貶值？哪些還沒有？

二、我認為價值邏輯重新分層：三類證照，但它完全不同

在琳琅滿目的新興認證裡，我認為可以按照價值邏輯重新分出三個層次：

第一類：入場門票型證照（貶值最嚴重）

這類證照原本的設計邏輯是「認證你能執行基本要求」，但在 AI 輔助學習的時代，這個門檻已經被大幅拉低。當一張證照兩週就能拿到，它就很難作為篩選條件。

這不代表這類證照沒有價值——如果你完全是新手，它仍然是一條有結構的學習路徑。但如果你想靠它在履歷上加分，會越來越難。

第二類：能力認證型證照（仍保值）

拿我自己的 PMP 來說，我是在累積了五年以上的專案管理經驗之後才去考的。準備過程中發現一件事：書本上的知識，只有套上真實的工作經驗才會活起來。

那些「需求太模糊」、「資源鎖在哪個關鍵路徑」、「處理利害關係人需要哪類介入」的情境，書本上不會寫，因為這些是從真實組織結構、人性、組織政治交織出來的複雜問題——AI 幫不了你，因為這不是知識題，是累積題。

更有趣的是，準備 PMP 的過程讓我看到自己跟其他 PM 的差異。我發現以前那幾年其實一直在做對的事——直接向前線工人確認需求、設定符合實際可用性的指標、完成客戶和內部雙方都能聯合確認的需求文件、在客戶初期建立共識認知——這些都有對應的理論框架。PMP 讓我的工作流程更加結構化、系統化。

它也定義了以前沒有注意到的：「衡量相關利害關係人支持程度」、「如何決定哪些需求被卡在哪裡」、「客戶說了什麼有什麼影響」、「如何在不改變立場的前提下透過理解客戶未說出口的需求提高客戶滿意度」——這些 AI 完全無法替代，因為它們建立在真實人際長期的組織觀察上。

這就是能力認證型證照仍保值的原因：它測的不是知識本身，而是「知識 × 經驗」的綜合分析。

第三類：法規型證照（不受 AI 衝擊）

這類證照可以再細分為兩種次型態：

• 執業型：職業資格認證，如教師、醫師、建築師、會計師。通常給職涯路徑穩定性。
• 作業型：安全、環境類認證，如職業安全衛生管理師、起重機操作員、焊接作業主管。通常給就業穩定性。

兩者都有明確的法規依據，都不需要市場驗證，但管理角度完全不同——需要哪些認證組合可能完全不同。

這類證照不會因為 AI 崛起而貶值，恰恰因為「沒有這張證就不能執業／作業」，它的價值相對穩定。但也因為這樣，管理有特別挑戰——每張都有更新週期，不同產業需要不同的要求，而且大部分都需要持續進修、累積學分。

這類證照是 License King 服務的核心用戶群。

三、AI 時代真正稀缺的兩個「負責任」

問題定義完之後，我想帶到一個更根本的問題：證照以外，還有什麼是值得的？

AI 時代，PM 的核心不再是「做多少事」，而是「對什麼負責」。我認為有兩件事，是 AI 無法替代你的——

對交付結果負責

以前我常常需要驗證那些技術文件規格中不在主要保管人範圍內的部分。工程師不一定馬上解決那些偶爾不便的問題，也不一定主動提供規格去做某些稍微麻煩的事。

為了彌補這個缺口，我建立了一套自己的工作流：在每個工程師之前，我先預讀相關文件，先向 AI 問一些關鍵性問題，然後再來驗核工程師的回饋交叉細節。這樣做不是要讓工程師難看，而是要確保「工程師能拿到屬於他的工」，讓專案需求和實際交付的落差變小，讓最終結果更寫實、更可掌握。

這個點不是「AI 能不能做到什麼」，而是透過 AI × 工程師的交叉確認驗核，讓我對交付結果有更清晰的掌握。

但這裡有一條我從未自己立的底線：我絕對不會在任何業務模式的結果輸出裡使用 AI 說的話。

唯一的例外是在內部早期會議，當相關定位「還沒有找到辦法」或「找不到工具」時，我會用 AI 快速提供方向性的幫助——但我會明確說這是 AI 初步審查結果，而且我一定附上相關數據（支撐文件、維護規格、技術文件）。我從不只給 AI 看，我總是提供數據支撐。「AI 說什麼是『改善』」，不是「答案」。

有一次，工程師拿 AI 的審查來回答我的問題。當我問他：「這個產品結構，能不能符合客戶對解析解析度和本地儲存需求的要求？」他把 AI 給的公式貼給我，但當我追問：「這個公式怎麼算出來的？為什麼這裡是 1？為什麼單位是 bytes？」他答不上來。

我平靜地跟他說：AI 是幫你快速理解問題解決方向的工具，但「實際如何解決」和「實際技術公式是怎麼算的」——這些才是問題的核心，你還是需要驗證。然後我去找了維護規格，查了關鍵公式，再把 AI 給的公式一步一步解釋回來，讓他理解。

這不是要讓工程師受苦，是幫大家進步——我希望下次他用 AI 時，能夠多走一步：驗證邏輯、理解原理、把 AI 當工具，而不是當答案。

對人際關係負責

把 AI 的產出拿給別人，這似乎也是一件很容易的事。

但如果是把 AI 的產出直接交付給客戶，這裡面沒有信任感。就像以前有人問問題，有人把一個 Google 搜尋到的連結貼給他——對方看到的不是連結，是你的判斷。

你應該做的是：拿 AI 的產出，把它融入客戶的使用情境，或者是否在專案範圍內，如果是，那有沒有辦法在同樣預算下達成目標？

AI 的產出不應該直接輸出，而是套用使用情境、結構化輸出、站從客戶立場做出專業判斷後輸出，建立真正的信任感。這不只是為了讓客戶覺得被重視，也是為了讓你自己在這個過程中長出新的東西。

你會發現，在審查並融入客戶情境、結構化輸出的過程中，你自己也在學習。你很快就會整合 AI 產出和自己的結構化輸出，累積出新的知識組合。這無形中填補了你跟該領域之間的能力差，讓你長出新的能力。

證照是座標，但你才是地圖

在 SI 整合業工作多年之後，我花 PMP 只花了大約半個月的時間，因為每個案例和目標我都曾親身經歷過一樣的。那些框架、那些最佳實踐、那些指導模型，我不是在書本上學到的，是在專案裡結晶化和系統化過的東西。

PMP 是個框架，並不會直接適用於工作——但當你想取得相關認證時，你會發現這些東西你早就在做了。

而你，也可以走一樣的路。以 PM 思維為起點，你做的每一個任務都是在分解專案（套用在你自己的行業裡），研究可行性，評估風險在哪裡，進而長出新的能力知識，從知識問題裡找到解法，再去找出真正從你的專業長出來的正式認證。

目的地已經在你手上，證照只是表面上的一個座標。當你走著走著，發現越來越多座標就在四方不遠——稍微靠近一下就能到——那張證照就能成為你專業能力裡自然的一章。反過來，如果你為了追那個座標而硬走，你能回答的永遠只有考試模式裡的答案，而不是自己的專業能力。

所以真正的核心問題不是「我應該考什麼認證」，而是「我想建立一個什麼樣的專業能力」。

管理好那些座標（= 管理好你的證照組合），本身就是一種專業體現。這也是為什麼我認為證照管理不應該是一個行政雜事，而是專業工作流程的一部分。