<h1>AI 時代軟體 PM 技能升級路線圖 — 從「會用 ChatGPT」到系統性 AI 競爭力</h1>
<p>你每天用 AI 寫 PRD、整理會議紀錄、做競品分析——但捫心自問，這算「會 AI」嗎？根據 General Assembly 2025 年調查，98% 的 PM 已在工作中使用 AI，但只有 39% 受過系統性的 AI 訓練。當 AI 能做越來越多「PM 的活」，你的不可取代性在哪裡？這篇文章提供一份雙軌路線圖：無論你想用 AI 強化現有工作，還是轉型為 AI 產品 PM，都能找到從「今天就能做」到「12 個月後」的具體行動計畫。</p>
<h2>TL;DR</h2>
<ul>
<li><strong>PM 用 AI ≠ 懂 AI</strong>。98% 在用但僅 39% 受過系統訓練，這個落差就是你的升級機會</li>
<li><strong>雙軌選擇</strong>：軌道 A「AI-Enhanced PM」強化現有工作效率；軌道 B「AI-Native PM」轉型管理 AI 產品</li>
<li><strong>60% AI PM 非技術背景出身</strong>——核心門檻是判斷力，不是寫程式</li>
<li>每個階段配對具體工具和實作練習，不是空泛的「要學 AI」</li>
</ul>
<h2>現況——PM 的 AI 技能落差有多大？</h2>
<p>先看一組數字：根據 General Assembly 對 117 位 PM 的調查（樣本涵蓋美國、英國、加拿大、新加坡），<strong>98% 的 PM 已在工作中使用 AI，平均每天使用 11 次</strong>，前 10% 的重度使用者每天高達 25 次。Productboard 的報告也呼應這個趨勢——100% 受訪產品團隊使用 AI 工具，94% 每日使用。</p>
<p>但使用率不等於能力。<strong>僅 39% PM 受過系統性、針對工作場景的 AI 訓練</strong>，另外 19% 只接受過通用訓練，19% 只學了基礎概念。更值得警惕的是，<strong>66% 的 PM 承認使用未經公司核准的 shadow AI 工具</strong>——也就是說，大多數人在「野生使用」AI，既沒有系統方法論，也缺乏組織支援。</p>
<p>你可能每天用 Claude 寫 PRD，但被問到 prompt engineering 的原理時說不出所以然。你可能用 AI 做競品分析，但無法判斷哪些輸出結果是幻覺、哪些可信。</p>
<p>這就是問題所在：<strong>AI 能產出 PRD、分析數據、做簡報——當這些都能被自動化，PM 的核心價值剩什麼？</strong></p>
<p>答案不是恐慌。根據 General Assembly 調查，26% 的 PM 擔心最終被取代，但根據實際觀察，真正的風險不是「AI 取代 PM」，而是<strong>會用 AI 的 PM 取代不會的 PM</strong>。同一份調查顯示，75% 使用 AI 的 PM 得以更聚焦策略性工作，40% 的工時因此減少。AI 不是來搶你的工作，是來逼你升級的。</p>
<h2>雙軌路線圖——先搞清楚你要走哪條路</h2>
<p>在開始學任何技能之前，先回答一個問題：<strong>你想用 AI 做好現有的 PM 工作，還是想轉型去管 AI 產品？</strong></p>
<p>這兩條路需要的技能組合截然不同。我把它分成兩條軌道：</p>
<h3>軌道 A：AI-Enhanced PM（用 AI 強化現有工作）</h3>
<ul>
<li><strong>適合誰</strong>：喜歡現有 PM 角色，想提升效率和產出品質的人</li>
<li><strong>核心技能</strong>：Prompt Engineering、AI 工作流設計、數據素養、AI 輔助決策</li>
<li><strong>目標</strong>：用 AI 讓自己成為「一人產品團隊」，把省下的時間投入更高價值的策略思考</li>
</ul>
<h3>軌道 B：AI-Native PM（管理 AI 產品）</h3>
<ul>
<li><strong>適合誰</strong>：想轉型到 AI 產品線，或公司正在開發 AI 功能的人</li>
<li><strong>核心技能</strong>：ML 基礎概念、機率性思維、AI 倫理與安全、模型評估</li>
<li><strong>目標</strong>：能和 ML 工程師平等對話、定義 AI 功能的成功指標</li>
</ul>
<h3>對比一覽</h3>






























<table><thead><tr><th>維度</th><th>軌道 A：AI-Enhanced</th><th>軌道 B：AI-Native</th></tr></thead><tbody><tr><td>前提</td><td>任何軟體 PM 都能開始</td><td>需要基礎技術理解意願</td></tr><tr><td>學習曲線</td><td>1-3 個月見效</td><td>6-12 個月</td></tr><tr><td>薪資影響</td><td>現有薪資 +20-30% 競爭力</td><td>AI PM 基本薪資中位數約 $200K（美國市場）</td></tr><tr><td>風險</td><td>低（增量改善）</td><td>中（需投入轉型成本）</td></tr></tbody></table>
<blockquote>
<p><strong>薪資補充</strong>：根據 Axial Search 對 592 個 AI PM 職缺的分析，美國 AI PM 基本薪資中位數約 $200,500。台灣市場根據 Yourator 2025 年調查，AI PM 初階年薪約 80-120 萬、中階 120-200 萬、資深可達 250 萬以上。</p>
</blockquote>
<h3>怎麼選？</h3>
<ul>
<li>如果你<strong>對現有角色滿意 + 想立即見效</strong> → 軌道 A</li>
<li>如果你<strong>對 AI 產品有興趣 + 願意投入 6 個月以上</strong> → 軌道 B</li>
<li>如果你<strong>不確定</strong> → 先走軌道 A 前 3 個月，建立 AI 使用直覺後再決定</li>
</ul>
<p>兩條軌道不互斥。實際上，先走軌道 A 是走軌道 B 的最佳暖身——你在第一線使用 AI 的經驗，會成為管理 AI 產品時最有價值的直覺。</p>
<h2>軌道 A 技能樹——3 階段從「會用」到「會設計」</h2>
<h3>第 1 階段：AI 使用者（Month 1-2）</h3>
<p>這個階段的目標很簡單：<strong>從「隨便用」變成「有方法地用」</strong>。</p>
<p><strong>核心技能</strong>：</p>
<ul>
<li>結構化 Prompt Writing（角色設定、任務拆解、輸出格式控制）</li>
<li>多模型比較思維（ChatGPT vs Claude vs Gemini 各有擅長場景）</li>
<li>AI 輸出品質判斷（識別幻覺、評估完整性、交叉驗證）</li>
</ul>
<p><strong>工具</strong>：ChatGPT、Claude、Gemini</p>
<p><strong>實作練習</strong>：拿一個你正在進行的需求，分別餵給三個模型，比較產出差異並記錄你的判斷標準。重點不是「哪個模型比較好」，而是訓練你判斷 AI 產出品質的直覺。</p>
<p>根據實際使用經驗，我發現很多 PM 卡在這個階段的原因是只用一個模型——就像只看一個人的競品分析就做決策一樣危險。</p>
<h3>第 2 階段：AI 工作流設計者（Month 3-6）</h3>
<p>從「用 AI 做單一任務」升級到「設計 AI 驅動的工作流程」。</p>
<p><strong>核心技能</strong>：</p>
<ul>
<li>AI 工作流串接（多步驟任務自動化）</li>
<li>Prompt 模板化（建立可複用的 prompt 庫）</li>
<li>AI + 現有工具整合（Jira、Notion、Confluence、Slack）</li>
</ul>
<p><strong>工具</strong>：Claude Code / Cursor、MCP（Model Context Protocol）、Zapier AI</p>
<p><strong>實作練習</strong>：把一個重複性週任務完全 AI 自動化。例如，Sprint Review 摘要——從 Jira 拉取完成的 story、用 AI 生成摘要、自動格式化後發到 Slack。這類任務過去可能花你 2 小時，自動化後 5 分鐘搞定。</p>
<p>如果你想看一個具體的 PM 工作流改造案例，可以參考<a href="/posts/pm-workflow-revolution-claude">這篇 Claude 驅動 PM 工作流的實戰分享</a>。</p>
<h3>第 3 階段：AI 協作架構師（Month 6-12）</h3>
<p>從「個人使用 AI」升級到「為團隊設計 AI 協作方式」。</p>
<p><strong>核心技能</strong>：</p>
<ul>
<li>Sub-agent 設計（拆解複雜任務讓多個 AI 分工）</li>
<li>RAG 概念應用（讓 AI 存取團隊知識庫）</li>
<li>團隊 AI SOP 制定（標準化 AI 使用流程，減少 shadow AI 風險）</li>
</ul>
<p><strong>工具</strong>：Claude Skills / Custom GPTs、NotebookLM、內部知識庫 + AI 整合</p>
<p><strong>實作練習</strong>：為團隊設計一個「AI 輔助需求評審」流程——在需求評審前，AI 先根據歷史數據和既有文件預審需求完整性、標記潛在風險點、生成評審問題清單。試行 2 個 Sprint 後收集團隊回饋迭代。</p>
<p>走到這個階段，你的價值已經不只是「會用 AI」，而是「能設計 AI 與人協作的工作方式」——這是目前最稀缺的能力。</p>
<h2>軌道 B 技能樹——從軟體 PM 轉型 AI PM</h2>
<h3>基礎補強（Month 1-3）</h3>
<p><strong>核心技能</strong>：</p>
<ul>
<li>ML 基礎概念（監督學習、非監督學習、強化學習——不需要會寫，但要能解釋）</li>
<li>數據 Pipeline 概念（數據從哪來、怎麼清洗、怎麼標注）</li>
<li>模型評估指標（Precision、Recall、F1 Score——知道什麼時候該關注哪個）</li>
</ul>
<p><strong>推薦資源</strong>：Andrew Ng 的 Machine Learning 課程（可免費旁聽，證書需付費）、Google ML Crash Course</p>
<p><strong>這個階段的目標</strong>不是讓你變成 ML 工程師，而是讓你能讀懂工程師的技術文件，在會議中問出有意義的問題。比如，當工程師說「模型 accuracy 達到 95%」，你要能反問：「在什麼數據集上？少數類別的 recall 多少？」</p>
<h3>產品思維轉換（Month 3-6）</h3>
<p><strong>核心技能</strong>：</p>
<ul>
<li>機率性思維：從「這個功能一定能做到 X」轉變為「這個功能有 95% 的機率做到 X，5% 的情況會失敗」</li>
<li>AI 產品 Spec 撰寫：包含 edge case 處理、fallback 策略、信心分數閾值</li>
<li>偏差與公平性評估：你的 AI 功能對不同用戶群體表現一致嗎？</li>
</ul>
<p><strong>實作練習</strong>：拿一個你目前負責的傳統功能 spec，改寫成 AI 功能 spec。比如「搜尋功能」改成「AI 推薦搜尋」——你會發現需要定義一大堆傳統 spec 不需要的東西：什麼是「好的推薦」？冷啟動怎麼辦？推薦結果偏差怎麼監控？</p>
<p>這個思維轉換是最難的部分。傳統軟體 PM 習慣確定性——按鈕按下去一定執行某個動作。AI 產品不一樣，你需要學會在不確定性中做產品決策。根據我實際參與 AI 功能開發的經驗，最常見的卡點是 PM 無法接受「模型不可能 100% 正確」，反覆要求工程師修到零錯誤。一旦你能用機率思維重新定義「成功」——例如「95% 準確率 + 優雅的 fallback」——和工程團隊的協作效率會大幅提升。</p>
<h3>進階整合（Month 6-12）</h3>
<p><strong>核心技能</strong>：</p>
<ul>
<li>AI 倫理框架（隱私、透明度、可解釋性）</li>
<li>成本效益分析（API 呼叫費用 vs 自建模型 vs 開源方案的取捨）</li>
<li>AI 產品 Go-to-Market（怎麼向客戶解釋「AI 有時候會錯」？）</li>
</ul>
<p><strong>目標</strong>：能獨立負責一個 AI 功能從 0 到 1——從問題定義、數據策略、模型選擇、到上線後的監控與迭代。</p>
<p>根據 Aakash Gupta 的分析，AI PM 職缺在 2025 年翻倍成長，全球新增超過 12,000 個角色。台灣市場也是如此，台積電、聯發科等大廠持續擴招 AI PM。如果你已經準備好，機會是實在的。</p>
<h2>不需要 CS 背景的實證——打破技術門檻迷思</h2>
<p>「我不是工程師出身，學這些有用嗎？」這大概是我聽到最多的顧慮。</p>
<p>數據給了一個明確的答案：根據 Aakash Gupta 對 18,000+ AI PM 的分析，<strong>60% 的 AI PM 來自非技術背景</strong>——34% 來自設計、心理學、文科，18% 商業管理背景。</p>
<p>這不代表技術不重要，而是說明 PM 的 AI 競爭力核心是<strong>判斷力</strong>，不是寫程式的能力：</p>
<ul>
<li><strong>判斷什麼問題值得用 AI 解決</strong>：不是所有問題都需要 AI，能識別高 ROI 的 AI 應用場景是 PM 的核心價值</li>
<li><strong>判斷 AI 產出品質是否達標</strong>：知道什麼時候該信任、什麼時候該質疑 AI 的輸出</li>
<li><strong>判斷 AI 方案的 ROI 是否合理</strong>：API 費用、維護成本、用戶體驗提升之間的取捨</li>
</ul>
<p>真正需要學的技術底線不是「寫模型」，而是「能問對問題」和「能評估答案」。如果你能做好 PM 的本職工作——理解用戶需求、定義問題、衡量結果——你已經具備了 AI PM 80% 的核心能力。剩下的 20% 是可以在 3-6 個月內補上的領域知識。</p>
<h2>風險揭露與注意事項</h2>
<p>任何路線圖都有風險，誠實面對才能做出好決策：</p>
<ul>
<li><strong>過度依賴風險</strong>：AI 產出需要人類判斷把關。根據實際經驗，完全信任 AI 輸出而不驗證，遲早會在重要場合翻車——特別是數據分析和客戶洞察類的任務</li>
<li><strong>Shadow AI 合規風險</strong>：66% PM 使用未經核准的 AI 工具，機密資料外洩是真實威脅。在使用任何 AI 工具處理公司數據前，務必確認公司的 AI 使用政策</li>
<li><strong>技能泡沫</strong>：「會用 AI 工具」≠「懂 AI」。ChatGPT 的介面明年可能完全不同，但結構化思維和判斷力不會過時。投資在思維框架上，而不是特定工具的操作技巧</li>
<li><strong>職涯投資風險</strong>：軌道 B 需要 6-12 個月的投入，期間可能影響現有工作績效。建議在不影響核心 KPI 的前提下，利用 20% 的時間進行探索</li>
<li><strong>數據時效性</strong>：本文引用的調查數據來自 2025 年，AI 領域變化極快。建議每 6 個月重新評估你的技能發展計畫</li>
</ul>
<h2>結論</h2>
<p>AI 時代 PM 的核心價值不在「會不會用 AI 工具」，而在「能不能設計 AI 與人協作的工作方式」。工具會換、模型會迭代，但你對問題的判斷力和對工作流的設計能力只會越來越值錢。</p>
<p>雙軌路線圖讓你根據自己的職涯目標選擇路徑，但不管選哪條，<strong>從今天就能開始第一步</strong>：</p>
<p>拿一個你正在做的需求，用三個不同的 AI 模型跑一遍，記錄你對每個輸出的判斷——哪裡好、哪裡有問題、你會怎麼修改。這個練習看似簡單，但它訓練的是 AI 時代 PM 最核心的能力：<strong>對 AI 產出的判斷力</strong>。</p>
<p>這就是升級的起點。</p>

軟體 PM 的 AI 技能升級完整指南：雙軌路線圖區分「用 AI 強化現有工作」與「轉型 AI 產品 PM」，涵蓋分階段技能樹、具體工具推薦與實作練習，適合 2-8 年經驗的 PM 從今天開始行動。

General Assembly — AI and Product Management Survey (2025)

Productboard — AI in Product Management Report (2025)

Aakash Gupta — The State of AI Product Management

Yourator — 台積電及聯發科都在找的 AI PM 職涯解析

Axial Search — AI Product Management Jobs Analysis

Aakash Gupta — 60% of AI PMs Aren't Technical

AI 時代軟體 PM 技能升級路線圖 — 從「會用 ChatGPT」到系統性 AI 競爭力

<h3>TL;DR (快速摘要)</h3>
<ol>
<li><strong>核心不變</strong>：JS/TS 基礎依然是靈魂，不要跳過直接學框架。</li>
<li><strong>技術焦點</strong>：2025 必學 <strong>React 19 (Actions/Hooks)</strong>、<strong>Next.js 15</strong> 與 <strong>Tailwind CSS v4</strong>。</li>
<li><strong>AI 加持</strong>：學會使用 <strong>Cursor</strong>、<strong>Claude Code</strong> 或 <strong>GitHub Copilot</strong>。AI 不是取代你，而是讓你變強。</li>
<li><strong>即戰力定義</strong>：不再只是「切版」，而是能理解系統架構、效能優化與邊緣運算 (Edge Computing)。</li>
</ol>
<hr>
<h2>2025 前端工程師的競爭力在哪？</h2>
<p>過去「三個月轉職」可能只需要會 HTML/CSS 和一點點 jQuery。但在 2025-2026 年，市場對「轉職者」的期待已大幅提升。你不再只是實作 UI 的工具人，而是需要具備以下特質的工程師：</p>
<ol>
<li><strong>TypeScript 成為標配</strong>：不再是加分題，而是必答題。</li>
<li><strong>AI 工具協作能力</strong>：會用 AI 寫程式、除錯、甚至重構架構。</li>
<li><strong>對底層原理的理解</strong>：當 AI 能寫出程式碼時，你的價值在於「判斷這段程式碼是否優質」。</li>
</ol>
<hr>
<h2>第一階段：建立紮實的基礎</h2>
<p>不要一開始就衝向框架。沒有好的 JS 體質，學什麼都只是花拳繡腿。</p>
<h3>1. JavaScript 的深度理解</h3>
<p>推薦課程：<a href="https://www.udemy.com/course/the-complete-javascript-course/" rel="sponsored noopener noreferrer" target="_blank">JavaScript 全攻略：克服 JS 的奇怪部分</a>。雖然這是經典老課，但它講述的閉包 (Closure)、原型鏈 (Prototype) 與執行環境 (Context) 在 2025 年依然是所有面試的核心。</p>
<h3>2. 現代 CSS 定義：Tailwind CSS v4</h3>
<p>2025 年發布的 <strong>Tailwind CSS v4</strong> 引入了全新的 Oxide 引擎，速度提升數倍。學習重點在於：</p>
<ul>
<li><strong>CSS-First 配置</strong>：不再依賴繁瑣的 <code>tailwind.config.js</code>，而是直接在 CSS 檔案中寫配置。</li>
<li><strong>容器查詢 (Container Queries)</strong>。</li>
</ul>
<hr>
<h2>第二階段：精通 React 19 與現代生態</h2>
<p>React 依然是求職市場的霸主，但 2025 年的 React 與以往截然不同。</p>
<h3>1. React 19 的新特性</h3>
<p>你必須了解 <strong>Actions</strong> 是如何簡化非同步資料處理的，以及 <strong>React Compiler</strong> 為什麼能讓你少寫很多 <code>useMemo</code>。
推薦課程：Stephen Grider 的 <a href="https://www.udemy.com/course/react-redux/" rel="sponsored noopener noreferrer" target="_blank">Modern React with Redux (2025 Update)</a>。他會帶著你從 Hooks 到 Redux Toolkit (RTK) 完整走一遍。</p>
<h3>2. Vite 5+ 建置工具</h3>
<p>放棄舊時代的 Create React App (CRA)。現在是 <strong>Vite</strong> 的天下，快速、輕量。</p>
<hr>
<h2>第三階段：AI 輔助開發的革命</h2>
<p>在 2025 年，<strong>Cursor</strong> 與 <strong>Claude Code</strong> 已經成為許多前端工程師的首選工具。</p>
<ul>
<li><strong>工作流的演進</strong>：從單純的代碼補全 (Copilot)，進化到能自動執行任務、進行全專案維護的 <strong>Agentic Workflow</strong>（如 Claude Code）。</li>
<li><strong>學習方式的改變</strong>：遇到不懂的報錯，與其 Google 2 小時，不如學習如何對 AI 下精準的 Prompt。</li>
<li><strong>實戰技巧</strong>：利用 AI 快速生成 Component 的單元測試 (Unit Test)，或透過 AI 代理執行繁瑣的重構工作。</li>
</ul>
<blockquote>
<p><strong>💡 給轉職者的建議</strong>：AI 能幫你寫 code，但它不能幫你思考。在練習時，一定要理解 AI（尤其是強大的 Claude 系列）給出的每一行程式碼是在做什麼。</p>
</blockquote>
<hr>
<h2>第四階段：準備面試與作品集</h2>
<p>作品集不要再只有「Todo List」或「氣象 API」。</p>
<ol>
<li><strong>實用性高的專案</strong>：例如一個能串接 LLM API 的 Markdown 編輯器，或是具備 SSR (Server Side Rendering) 的電商平台。</li>
<li><strong>展示工程思維</strong>：在 Readme 紀錄你的解決路徑，而不只是成品。</li>
</ol>
<hr>
<h2>結語：持續學習的覺悟</h2>
<p>三個月轉職在 2025 年依然是可能的，但那必須是「高品質」的三個月。你需要搭配適當的 AI 工具來加速學習，並對如 React 19 這樣的新技術保持高度敏感。</p>
<p>前端的世界變很快，但也因此對熱愛學習的人來說充滿樂趣。若有任何疑問，歡迎交流！</p>

Roadmap.sh - Frontend

React 19 官方文件

Tailwind CSS v4.0 發布說明

2025 前端工程師轉職路線：從基礎到 AI 輔助開發實戰

<p>很多人不知道，談判是一門學問，是一門像哈佛這類世界頂級的大學，會花一學期以上的時間教授的課程。人生無處不是談判，舉凡買賣、談薪水、評估市場價值、解決衝突等等，都會需要談判的，學會這個技巧，人生的旅程上將會更加的如魚得水？這片文章先列出談判前後必須知道的技巧，並彙整了網路上學習談判最推薦的資源，透過自學，你也可以成為談判專家！</p>
<h2>成功談判的技巧</h2>
<p>以下列出要達成成功的談判，於談判前、談判過程中所需要的技巧：</p>
<h3>事前準備</h3>
<ol>
<li>
<p>知己知彼：先了解對手是誰，其談判的結果通常是是雙贏、零和、甚至是兩敗俱傷？這個人對談判的積極程度？</p>
</li>
<li>
<p>設定高目標，期待最好的結果：一個達成高成果的有效策略是從極端開頭。設定高目標的人，在談判中通常表現較好。而設定低目標的人，通常會得到比較不滿意的成果。</p>
</li>
<li>
<p>認清自己的底線: 識別什麼是你最佳和最糟的處境？這兩層中間就是你的妥協區（settlement range）。只要可以在妥協區內達成共識，那就是贏！絕對不要一時因為一時軟弱掉到底線之外，後續你絕對無法好好地遵守協議。</p>
</li>
<li>
<p>了解自己的最佳替代方案（BATNA，Best Alternative to A Negotiated Agreement）：進行談判前，要知道自己有什麼和哪些替代方案。每個選擇的優缺點何在？你甚至要知道對手的BATNA。如果你沒有別的選擇，千萬不要談判。因為你失去了說「不」的能力。例如：如果雙方無法做出一個滿意的協商時，隨時做好放棄交易的準備，這樣心理優勢會強一些。</p>
</li>
</ol>
<h3>談判過程</h3>
<ol>
<li>
<p>建立信任：在談判中一開始要陳述你的「立場」，誠實、言而有信，你和對手才經得起更誠懇的對話。欠缺信任、操弄、懷疑和虛偽的溝通，是無法達成有效的談判結果的。</p>
</li>
<li>
<p>具備談判意識，勇於挑戰：試著把目標提高，所有事情都是有協商空間的，這個意識是談判高手和一般人的主要區別。</p>
</li>
<li>
<p>沈默是金：試著讓對方先主動透露出所有需要知道資訊，於關鍵時刻出擊。</p>
</li>
<li>
<p>雙重或三重思考: 僅知道你要從談判中得到什麼是不夠的。你也需要站在對手的角度，知道他們要什麼。聰明的談判者甚至還要知道「對手認為你想要什麼」。</p>
</li>
<li>
<p>專注於另一方的壓力點：即使對方看似從容不迫，他們也一定有他們的顧慮。把這些問題點找出來，然後找出能夠將對方的壓力轉為你談判籌碼的方式。</p>
</li>
<li>
<p>最好的結果是雙贏：換位思考，與其試著要在談判中勝出，不如試著了解對方的需求，並找出可以滿足他們需求，達到雙贏。</p>
</li>
<li>
<p>享受過程: 創造氣氛、確認利益、主導過程和完成協商。經過練習，你會每個步驟更熟悉。請享受談判的過程，越享受，你的心理狀態就更具優勢。</p>
</li>
</ol>
<h2>如何學習談判技巧</h2>
<p>以上條列了我們認為一個成功的談判，必須知道的技巧，而這些技巧，可以透過以下的方式進行學習：</p>
<ol>
<li>線上課程</li>
<li>書籍</li>
<li>影集與文章</li>
</ol>
<h3>線上課程</h3>
<p>看過網路上文章和影片之後，對談判開始有點感覺了吧，建議可以參加這些有名望、熱門推薦的課程，更有系統地學習談判這個技術和知識。以下列出最受大家推薦的線上課程：</p>
<ul>
<li>
<p><a href="https://online.hbs.edu/courses/negotiation/" rel="nofollow noopener noreferrer" target="_blank">Harvard Negotiation Course</a>：Michael Wheeler 教授的談判課，這應該是世界上眾多學生夢想中的最棒談判課了吧，哈佛也提供了這談判課的線上課程，為期 8 週，但要價 1600USD。</p>
</li>
<li>
<p><a href="https://www1.gamepark.com.tw/2qqTn?uid1=6&#x26;uid2=coursera" rel="nofollow noopener noreferrer" target="_blank">Successful Negotiation: Essential Strategies and Skills(Coursera)</a>：密西根大學的 George Siedel 教授主講的課程，為期 7 週，每週 75 分鐘，這課程會把談判的過程拆解成 4 個步驟，從計劃策略開始，並找出關鍵因素，順利和平的完成談判，並評估談判的成效。</p>
</li>
<li>
<p><a href="https://www.udemy.com/course/a-practical-guide-to-negotiating" rel="sponsored noopener noreferrer" target="_blank">Successful Negotiation: Master Your Negotiating Skills(Udemy)</a>：短短 1.5H 的課程，但囊括了準備談判的基本技術，好好利用，可以幫助你克服焦慮，並成功完成談判，這堂課讓你可以很快地開始運用一些工具和技巧在現實生活中。</p>
</li>
<li>
<p><a href="https://www.udemy.com/course/negotiation-fundamentals/" rel="sponsored noopener noreferrer" target="_blank">Negotiation Secrets for Master Negotiators(Udemy)</a>：2 小時的課程，可以讓你精通 3 個達成雙贏談判得關鍵技術，並提供實際的練習範例。</p>
</li>
<li>
<p><a href="https://www.udemy.com/course/negotiation-fundamentals/" rel="sponsored noopener noreferrer" target="_blank">Negotiation Fundamentals: How To Negotiate Effectively(Udemy)</a>：1.5 小時的課程，讓你學會如何做決策、如何在談判中更有力量、如何辨識和利用談判中的壓力點、如何應對不同的談判風格，以及最重要的，如何達到雙贏！</p>
</li>
</ul>
<h3>書籍</h3>
<p>從課程吸收了大量知識，看看書沈澱一下吧，藉由了解更多實際案例，讓你對現實中的談判更有感覺，也可以順便整理一下思路，準備好做下一次的談判。</p>
<ul>
<li>
<p><a href="https://www.kingstone.com.tw/basic/2011771320165" rel="sponsored noopener noreferrer" target="_blank">鏡與窗談判課</a>：這本書主要是聊如何在談判中處理感受，談判中，一直會有感受的變動，而感受又會直接影響我們的決策和談判表現，「面對鏡子反思自己，望向窗外看懂他人」，這本書直得一讀！</p>
</li>
<li>
<p><a href="https://www.kingstone.com.tw/basic/2800000000417" rel="sponsored noopener noreferrer" target="_blank">華頓商學院最受歡迎的談判課</a>：主要是討論 12 個主要談判技巧，有提供各種案例模擬，書的架構非常清楚好懂。</p>
</li>
<li>
<p><a href="https://www.kingstone.com.tw/basic/2014900184782" rel="sponsored noopener noreferrer" target="_blank">FBI 談判協商術</a>：這本書相對平易近人，主要闡述情緒是影響類做決定的重要因素，所以談判的過程中，如何了解、掌握自己和對方的情緒，非常關鍵！</p>
</li>
</ul>
<h3>影集與文章</h3>
<p>正式投入學習之前，或許可以先看個影集輕鬆一下，例如，<a href="https://www.imdb.com/title/tt1632701/" rel="nofollow noopener noreferrer" target="_blank">SUITS 無照律師</a>是常常被作為例子的一部法律題材的影集，其背景是在紐約一家法律事務所，故事以Mike Ross陰錯陽差，闖入Harvey Specter面試的會場，並在沒有任何律師證照的狀況下，說服Harvey Specter錄取他做開頭。</p>
<p>這部影集主要的賣點還是各種的商業談判，以及Harvey Specter在談判中展現的氣場。雖然影集多少會偏離事實，但看Harvey Specter在談判桌上的各種表演，絕對會讓你對談判更有感覺。</p>
<p>網路上也很多文章，分享如何學習像 Harvey 一樣談判。例如：</p>
<ul>
<li><a href="https://www.linkedin.com/pulse/20140814142934-347559225-how-to-negotiate-like-harvey-specter/" rel="nofollow noopener noreferrer" target="_blank">How To Negotiate Like Harvey Specter Part I</a></li>
<li><a href="https://www.linkedin.com/pulse/20141204130253-347559225-how-to-negotiate-like-harvey-specter-part-ii/" rel="nofollow noopener noreferrer" target="_blank">How To Negotiate Like Harvey Specter Part II</a></li>
<li><a href="https://www.scotwork.com.au/negotiation-blog/2018/6-negotiation-lessons-from-harvey-spectre-of-suits/" rel="nofollow noopener noreferrer" target="_blank">6 Negotiation lessons from Harvey Specter of ‘Suits’</a></li>
</ul>
<p>其實跟談判有關的文章和影片不勝枚舉，此處僅舉一例，讓大家輕鬆一下。</p>
<h2>結語</h2>
<p>以上的學習資源，或多或少都會有重複的內容和概念，但整體會是相輔相成的，最重要的是，請試著在日常談判的過程中，就試著導入這些技巧吧，此外，每次完成談判後，也別忘了復盤一下，回顧整個過程，是否有機會做得更好、達到更好的雙贏結果？這些經驗都將會是下一戰成功的基石。</p>

職涯發展

AI 時代軟體 PM 技能升級路線圖 — 從「會用 ChatGPT」到系統性 AI 競爭力

2025 前端工程師轉職路線：從基礎到 AI 輔助開發實戰

成功談判技巧和最佳線上學習資源

探索更多

開發者工具

趨勢與週報

開源專案

生產力

專案管理

理財與省錢

副業實戰

旅行黑客

身心成長