到底「 專業 」是什麼？

上大學、找工作？是不是人人問你 專業 是什麼？如果覺得自己沒 專業，不用這麼想，你不一定要讓別人定義 專業，你可以自己定義！

我們的義務教育目的是生產一代代相同的人，如果你每科 75 分，放學後書包一丟就去玩，那恭喜你是「合格品」，平均好成績表示沒「 專業 」。

長輩通常會要你學個「一技之長」，也就是專業，如果放學回家到上床前那幾個小時你努力一個喜歡的方向，那你就不會是每科平均 75 分，而有一兩科特別優秀，這就是專業 。

暢銷書作家麥爾坎·葛拉威爾 (Malcom Gladwell) 在《異數：超凡與平凡的界線在哪裡？》中提到「一萬小時定律」，說天才要用一萬小時（約十年）培養，充分解釋了「你必須很努力，才能看起來毫不費力」。

「一萬小時定律」表示：如果現在大學畢業要求職，大學選到對的系練 4 年，高中選對的方向練 3 年，國中知道自己喜歡什麼練 3 年，小學六年級暑假時，是你決定你的一萬小時方向的最後時刻！

什麼！但是我現在就要找工作，哪來的 1 萬小時？

沒關係，讓我們包裝一個新專業！

「 專業 」是「職稱」嗎？

「軟體工程師」、「會計師」、「醫師」這不是專業嗎？

這裡的「專業」，就是把一個範圍（Scope）的技能組合在一起，定義一個「代稱」。例如我們把一位學過「資料結構與演算法、計算機結構、作業系統、C 語言… 」的人叫做「軟體工程師」。

感謝定義代稱的人，現在有人告訴你「我是律師」，你就知道他的專業了對吧！但你真的知道嗎？

我們對某個「專業代稱」只有模糊印象。這就是為什麼常有人找「律師」事務所協助申請專利，其實這是「專利」事務所的專業，我們分不清律師和專利工程師。

只有「定義代稱的人」和「擁有代稱的人」真正清楚他的範圍（Scope）是什麼，講給別人聽時，只要讓他有隱隱約約的理解即可。

專業 由解決的問題定義

前面談到的這些「師」都是別人定義的專業，既然專業就是把某範圍的知識組合起來，那我不是就可以自己定義一種專業了嗎？

比如，我擁有「辨識不同寶特瓶瓶蓋的專業」… 呃，這個專業無法解決任何問題！

定義某專業的範圍是因為這些知識的組合可以解決某些問題，比如我想解決感冒的問題，我會去找醫師而不是會計師。

例如：「數據科學家」是最近才定義出來的新專業，它解決了「網路搜集太多數據無法解讀，讓數據變垃圾」的問題。

AI 時代，工作消失得快，新工作也增長得快，在你小六時不可能知道大學畢業要從事什麼工作，可能你未來從事的工作還沒出現呢！所以你那一萬小時要培養的不是「技能」，而是「專業」，這個範圍可能還沒發現。

跟「產品開發」和「創業」一樣，發現社會上有什麼問題，你能想出解決問題的方法，你就能開發一種產品或服務，而產品服務賣得不錯就有個生意興隆的公司。

市場有多大

不是什麼一技之長都能賺錢，有很多一技之長消失了，比如古代有推車在路上吆喝補鍋碗瓢盆的，這非常專業，只是時過境遷，大量生產的碗更便宜，它就消失了。

專業的收入要看市場需求的趨勢是升或降，看出這個趨勢就跟你觀察社會的能力息息相關。

對補破碗的人來說，機器生產的碗盤對他衝擊很大，如果你看到 Facebook 的用戶數節節上升，那說不定你會預測到數億人的大量數據如何分析的問題。

如果你有在觀察趨勢，而且是個好奇會問問題的人，你就會找出待解決的問題。

包裝 專業 技法

被一萬小時理論嚇壞了？別擔心！

作家大衛．艾波斯坦（David Epstein）補充了一萬小時理論，如果專業是「友善」的（規則明確），如體育、棋類、音樂，甚至可計分，一萬小時理論是成立的。

但多數的專業並「不友善」，上班、政治、投資很難定義明確比賽規則，無法計分，雖然可以用績效評估，但影響成敗往往不是看得見的簡單因素。

我們現在知道，能解決問題的「專業」大多是組合拳，不是一萬小時那種專業，各種不相關的經歷讓你更靈活，所以你可以放心包裝專業了！

我們活了這麼多年，已經練了許多怪技能，找到一個公司的問題，把你已練成的技能、知識組合成一個能解決問題的新專業就是了。

有些技能可能還不太夠，再補充一點點就可以解決問題（專業）了，不用花 10 年！

我多年從事網站產品經理，我想服務、找美術、工程師合作建網站，什麼雜事都要管，但我不會畫，也不會寫程式，只會提需求，標準沒專業！

但現在 AI 會畫也會寫程式，唯一不會的是「提需求」。那為什麼我能看到需求呢？服務是解決人的問題，不過人家不會把問題說出來，能對人細微觀察，能發現問題，才能提出需求，這種觀察力是一種專業吧？

重新包裝後，產品經理轉變成最紅的「提示工程師」（Prompt Engineer），畢竟產品經理一直在提示真人，現在改成提示 AI！

觀察、發現問題、包裝新專業

有人說 AI 時代的工作，要在 6 個月學會，可以用 4 年，然後消失。

專業壽命那麼短，只好持續包裝新專業咯！那我們要練習提早看到問題，怎麼訓練呢？

如果你寫過論文，就知道要「觀察、建立假說、驗證假說」來發現新趨勢。

為了驗證要讀大量資料，參考 這篇文章 建自己的知識庫來存取、思考這些資料，幫助你驗證假說。

現在你學會了快速包裝、學習、使用、拋棄專業，也學會不停更新專業的方法，祝你在 AI 的焦慮新年代，保持好心情！