嗨 我是CCChen
一、前言——四場考試，一整年的產業縮影
114 年度的 iPAS 初級 AI 應用規劃師考試，一共舉辦四次。
這一年，台灣企業大量導入 AI、生產流程智能化、生成式 AI 進入實務場景， 整個產業正在加速轉型，而 iPAS 這張國家級證照，也在這一年完成自身的轉折。從第 1 場到第 4 場，
你會看到分數下降、及格率下降、證照核發率下降── 但同時也看到難度提升、鑑別度提高、專業要求提高。
如果說「AI 普及」是 2023～2024 的關鍵字，
那麼 2024〜2025 的趨勢已經很清楚：
「AI 能力標準化」正在落地。
而 iPAS 初級 AI，就是這套標準化體系的起點。」
這不再是一張簡單的普及型證照，而是一條能真正檢驗「你是否具備 AI 應用思維」的門檻。
二、四場成績總覽：下降的不只是分數，而是 AI 能力的最低容許值
為了看清楚四場的完整變化，必須把所有數據拉到同一張表：
🔍 一眼看出的三大變化：
- 平均分下降：69 → 65 → 59
- 及格率下降：AI 概論跌到 25%（史上最低）
- 核發證照率大幅下降：58% → 38%
第四場的數據已經非常明確地告訴我們：
AI 初級證照正從普及型考試，轉向真正的能力鑑定。
這不是壞事，反而是整個產業成熟的象徵。
三、AI 概論：從基礎邏輯題 → 模型理解題 → 流程治理題
AI 概論的難度變化，是四場考試中最值得分析的趨勢。
這條線的含義非常明確：題目正在快速鑑別化。
AI 概論題目組成的三次質變
第一質變：從名詞題 → 比較題
第 1、2 場仍有大量：
- 監督/非監督/強化
- CNN、RNN、DNN
- Precision/Recall
但第 3、4 場開始加入大量比較式：
- 哪個模型適合哪個情境？
- 哪個指標最適合某種資料分布？
- 哪個流程最容易導致 Drift？
這類題目需要真正理解 AI 的運作邏輯。
第二質變：導入流程、資料治理題大爆發
從第 3 場開始，AI 概論加入：
- Data Quality / Data Governance
- AI 導入流程（痛點 → 資料 → PoC → 上線）
- 資料漂移（Drift / Concept Drift）
- 資料標註方式
- 偏差與公平性
這些都是企業真正導入 AI 時的關鍵知識。
換句話說：
AI 概論考的不是演算法，而是企業級 AI 的真正落地能力。
第三質變：反向檢驗題成為主流
如：
- 何者「非」
- 何者「最不適用」
- 下列何者「不屬於流程步驟」
這類題目是最能拉開鑑別度的題型。
在第 4 場，反向檢驗題的比例幾乎翻倍（從 15～20% 提升到約 35～40%）。
難度自然全面提升。
四、生成式 AI：從 ChatGPT 使用 → 系統導入 × 技術理解的進化
在四場中，生成式 AI 的分數也從 73 分掉到 66 分。但生成式 AI 的下降，真正代表的是題目的成熟。
📌生成式 AI 題目進化的四個階段
（1）第 1・2 場：工具理解型
- Prompt 基礎
- ChatGPT 能做什麼
- 生成式 AI 的典型應用
→ 多半生活化、操作型題目。
（2）第 3 場：技術名詞出現
- Token 是什麼
- Embedding 用在哪裡
- 模型限制（Hallucination）
- Few-shot / Zero-shot
（3）第 4 場：正式進入「企業級」考題
- RAG（檢索增強生成）
- Vector DB、相似度判斷
- LLM 架構
- 企業 AI 導入流程
- 安全性與隱私
- Output 驗證
- 模型評估與部署
這類題目代表：生成式 AI 已進入實務應用的能力檢定，而不是工具熟練度測驗。
五、四場命題邏輯：官方正在建立「AI 基礎能力標準」
從四場的統計可觀察到：
📌命題策略從「普及」→「標準化」→「能力鑑定」
非常明顯：
AI 初級證照已經不是入門普及證，而是「企業 AI 初階 PM 的能力測驗」。
未來企業招募 AI PM / AI Product / Data 協作人員時，很可能會把 iPAS 放入「加分項」。
六、證照核發率下降：代表含金量正式提升
核發率從 56% → 58% → 45% → 38%。
這不是壞消息，而是 AI 人才培育的轉捩點。
核發率下降意味著：
- 考題鑑別度建立
- 基礎能力要求提高
- 證照價值提升
- 考生不能再只靠工具，而要真正理解流程
在產業導入 AI 加速的今天，能力標準化是非常必要的。
七、這一年，iPAS AI 初級真正完成了什麼？
整理四場考題變化後，我認為 iPAS 在 114 年正式完成：
（1）建立 AI 初階人才的最低能力門檻
必須理解 AI 運作邏輯、資料流程、風險管理。
（2）從工具使用正式跨入「企業 AI 思維」
所有情境題都在問同一件事：
你能否理解 AI 導入的脈絡？
（3）將生成式 AI 內化為「系統」而非「工具」
開始大量出現：
- RAG
- Embedding
- Token 概念
- LLM 限制
- 部署與治理
（4）真正提升證照含金量、鑑別度與產業認可度
企業開始使用 iPAS 作為 AI 能力基準的依據。
八、下一步：2025 年 iPAS AI 初級考試的預測
根據四場趨勢，我提出以下五點明確預測：
1. AI 概論會維持高難度（平均分 60 附近）
模型、指標、流程、治理仍會是核心。
2. 生成式 AI 將更強調「企業導入流程」
尤其是以下三項：RAG / 資料品質 / 模型限制
3. 情境題比重將持續提高
因為這是最能測AI應用能力的方法。
4. 反向檢驗題會越來越多
鑑別度的核心來源。
5. 核發率會維持在 35%～45%
意味著「含金量正式站穩」。
九、給準備 2026 考生的建議：不是讀，而是理解
如果你想通過下一場考試，你必須調整學習方式。
生成式 AI：先拿分
- Prompt
- Token
- Embedding
- RAG
- LLM 限制
AI 概論：補深度
- 指標（Precision / Recall / F1）
- 模型比較（CNN / RNN / Transformer）
- AI 導入流程
- 資料治理
- Drift
AI 概論不是背會，是理解。理解越深，分數越穩。
十、結語——AI 能力的標準化時代正式開始
114 年的四場 iPAS AI 初級考試，不是一次單純的測驗統計， 而是一整個時代變化的縮影。
在台灣 AI 加速落地的背景下，初級 AI 證照不再只是「入門」， 而是企業判斷 AI 能力的第一道門檻。
iPAS 正在做的事情很明確：
確立「AI 初階專業能力」的國家級標準。
而每一位通過這張證照的考生，也正在成為這個標準時代的一部分。
