在 2026 年，如果你是文組背景，還想要轉職來寫程式，或者是身為創業者，想要學習自己架設網站、製作自動化的工作流，那麼跨領域學習資訊工程還划算嗎？
我是認為划算，但是學習路徑改變了，最新的方式是學習「怎麼指揮 AI 做事」。
我自己本身就是文組出身的，我總共花了七年念歷史系（大學＋碩班）。
畢業之後，我在大學做了大概八年多教學行政工作，主要是籌備一些實驗性的課程，以及設計教學計畫，跟寫程式完全沒有任何關係。
後來我從零開始學 JavaScript、Python、資料結構、資料庫等等，現在在台北某個科學機構做系統維運。
我自己本身走過這條轉職的路，所以我很明白轉職者的徬徨。
因此我要跟你分享，在 2026 年，我認為你還是值得跨領域學習資訊工程，但是途徑會有所不同。
我為什麼還是覺得 2026 跨域學資訊工程划算
我知道現在很多人會勸退：「AI Agent 都來了，電腦相關工作會被全部吃掉，幹嘛還學？」
這個論點我只同意一半。
確實，傳統意義上的「會寫 code、會做數據分析、會做美編、會做電商後台、會做簡報」辦公室技能，在未來數年內一定會被 AI 全吃下。
就以我自己舉例，我正在將 Claude Code 當作工作上的核心，一步一步建立所有的工作流，打算把我原本大部分的工作都取代掉。
所以如果要轉職，去做資訊工程相關的工作，這條路應該會有很大的改變。
在 AI Agent 大爆發的時代，「寫程式」這件事情已經被戲稱為「古法編程」了，而這也不過是短短兩三年間發生的事情而已。
現在誰還在純粹手寫程式？就算不用 AI 去做 vibe coding，至少也會用自動補全的功能。
可是這代表學習資工領域的知識完全不重要嗎？絕對不是這樣。
AI 的價值只是在於取代了一些技術上的細節。
舉個例子，你不需要會手寫 Playwright 爬蟲，但你要看得懂它的邏輯，才能跟 AI 說「這段加個延遲、那段換個 selector」。
你不需要會調 LLM 參數，但你要知道 prompt 為什麼有時候會失靈、context window 是什麼、為什麼超過某個長度它就開始亂講話。
所以如果你真正有打算要轉職的話，你真正該學習的是基礎的電腦科學知識，以及最新的 Agentic Engineering （代理工程）技巧。
另外我也認為，所謂的轉職，並不是要你忘記過去所學，而是應該要把過去所學的內容，跟現在學到的知識結合在一起。
畢竟文組的優勢在 AI 時代只會越來越大，而 AI 是放大我們能力的工具。
文組的優勢，在 AI 時代會放大不會縮小
文組的核心是「跟人有關的事」。
例如歷史學是教我們怎麼看事件的脈絡以及長期的結構，政治學讓我們知道權力跟利益之間怎麼交換，經濟學讓我們了解誘因是怎麼設計的。
這些知識你去問 AI，AI 也可以回答你。問題是，AI 畢竟是大量數據去構成的，它畢竟是人類綜合性知識的無生命體。
AI 沒有人生、沒有立場、沒有讀者、沒有客戶、沒有要解決的問題。它能模仿這些學科的語言，但它沒有判斷「現在這個情境下，該講哪個故事、該撫平哪個情緒、該避開哪個地雷」的能力。
AI 沒有了解人類的能力，但是你有這個能力，這才是文組的訓練。
以我自己來說的話，我平常日常的工作能夠交給 AI ，我都交給 AI 取代了。
那沒有辦法交給 AI 取代的，例如說要思考行銷的策略、要思考商業模式、要拍片的時候要說什麼話、要說什麼內容才可以吸引人，這些其實都是文組的訓練。
所以資工是教導我們要怎麼樣在電腦上工作，但是要做什麼？為誰而做？如何呈現去吸引其他人？這些都是人文訓練的延伸
所以如果你身為文組，想轉職換跑道。我認為你可以試試看。但是你不是要去跟工程師競爭，你是要把你原本的專業乘上 AI，做出工程師做不出來的東西。
這才是 2026 年的機會所在。
給大齡轉職者的學習路徑：直接學習怎麼操作AI
其實最近我也發現自己有很多不足，尤其是上述提到的Agentic Engineering （代理工程）。老實說，我對這塊也不太懂，因此我自己去找了一些網路上的課程，打算之後來學習。
順便我也整理了一下，打算分享給各位我的學習清單，底下我把學習清單分成兩種人。
第一種是「中年轉職者或進修者」，時間最寶貴的那一群。
對這類人，我建議不要去補電腦科學背景，直接學「怎麼讓 AI 幫你做事」。學完當天就能把每天的重複工作交出去。
總時數抓 15 小時，分兩個階段。
入門基礎（3-5 小時）
Coursera 的「AI Automation with Claude」是免費的，由 Anthropic 跟 1Password 贊助，教你把 Claude 變成生產力引擎、設計 Claude Projects。
另一個推薦是「Claude Code Tutorial - CC for Everyone」，也是免費，特別之處是「在 Claude Code 裡面學 Claude Code」，沒有影片、沒有文件、不需要寫程式經驗。
上述都是英文，如果你對英文學習覺得有些陌生，我更推薦的是雷蒙的課程「24 小時開始活用 Claude Code（AI Agent）」。這堂課教了很多 Claude Code 的基礎設定與操作，以及一些實際的 AI 工作流應用。
這堂課我自己也有買。雖然我早就知道 Claude Code 要怎麼使用，但是因為我覺得這堂課程的編排實在是太棒了，很值得像我這種也打算自己開 AI Agent 課程的自媒體學習。
實戰應用（10-15 小時）
我以前轉職時很常用 Udemy，因為它常常在特價，有時候台幣 300 多塊就可以買一堂課。
所以我最近就到 Udemy 上，看看有沒有做 AI Agent 或者是 AI 工作流的課程。
我發現有一堂課程超級有名，「The Complete Claude Code Claude Cowork Masterclass」，它是一堂「Claude 全家桶 + AI Agent 團隊」的整合實戰課 ，教你怎麼把 Claude 塞進日常工作流，從個人生產力一路做到自動化 AI 團隊。
雖然這門課有點像是一個大雜燴的課程，不過因為價格實在太便宜了，特價買才 310 元，便宜到不可置信，內容又很豐富，所以我還是直接買了。也一起推薦給你。
對於大齡轉職者，我的建議：
如果你對於電腦操作不太熟悉，我建議你直接使用 Claude Desktop 或者 Codex 桌面版，來作為電腦上的人工智慧核心。
然後搭配 n8n 以及 Google Apps Script（兩者可以混用）來做工作流串接。
所以你可以參考我底下的兩本電子書：
適合新手的 Vibe Coding (ChatGPT + Google Apps Script)，有７個章節，599元。一開始是教你如何使用 ChatGPT 寫程式，用複製貼上的方式製作，後期也能夠使用 Claude Code 等工具來快速開發。
適合小白的 AI 自動化(n8n)，有７個章節，目前特價 299 元。教你基礎的 n8n 工作流，也可以學習怎麼使用 Claude Code 串接 n8n 。
年輕跨領域學習者：補基礎、學 Agent、做差異化
第二種人是「年輕跨領域學習者」，可能剛從學校畢業，有那個心力，還沒有過多的經濟負擔，願意投資 6 到 9 個月的那一群。
這條路就是我自己走過的路，但是我自問我自己，如果在 2026 年我可能會怎麼做？底下是我的建議：
Phase 1：CS 基礎打底（60-80 小時，2-3 個月）
我曾經去上過坊間的一些網頁開發的課程，可是真正奠定我電腦基礎的就是 Harvard CS50x。
哈佛大學的 CS50x 免費讓全世界的人閱覽，2026 版新增了「AI 對電腦科學影響」的全新章節，由 David Malan 教授主講，他被廣泛認為是世界上最頂尖的電腦科學講師之一。
課程涵蓋抽象、演算法、資料結構、封裝、資源管理、安全、軟體工程、Web 程式設計，使用 C、Python、SQL、HTML、CSS、JavaScript。如果你需要證書，我記得 edX 證書約 NT$3,000-9,000。
只有一門課當然不足以學到資工系（資訊工程系）大學四年的所學，但這一門課的價值在於你可以知道電腦到底在做什麼。
後續我們所有的 AI 工具的概念，都是建立在這個底子上。
Phase 2：Python 與 AI 基礎（50-70 小時，2 個月）
接著上 Harvard CS50 AI（Introduction to Artificial Intelligence with Python）。先修要求是 CS50x 或一年 Python 經驗。
涵蓋 search 演算法、knowledge representation、machine learning、neural networks、natural language processing。理論跟實作平衡，hands-on 專案有自動評分系統提供即時回饋。
這門課讓你理解「AI 為什麼這樣運作」，不只是會用而已。
在當初，我是直接買書去學習資料庫、軟體工程、演算法等等，畢竟當時還沒有 AI。所以我沒有看這門課程，但我推薦你看。
因為在這個年代，我不建議文組直接跨到工程師的領域，而是要結合自己的專業。我們的目的只是要看得懂這些東西怎麼運作。
Phase 3：Agentic Coding 實戰（40-60 小時，2 個月）
從這三堂選一堂：
DeepLearning.AI 的 Claude Code 課程，由 Elie Schoppik 主講，節奏緊湊。
Coursera 上 Vanderbilt 的「Claude Code: Software Engineering with Generative AI Agents」，由 Jules White 教授帶，深度版。
我會建議從 Anthropic 官方那堂先看，我自己也是正在看，之後再決定要不要上深度版。
Phase 4：Agent 系統建造（50-80 小時，2 個月）
最後一段是 Udemy 的「AI Engineer Agentic Track: The Complete Agent & MCP Course」，由 Ed Donner 主講，6 週密集，每週升級一個框架：OpenAI Agents SDK、CrewAI、LangGraph、AutoGen，最後一週完整 MCP。
我看 Udemy 上面這門課也挺有名的，這堂是少數把 OpenAI SDK、CrewAI、LangGraph、AutoGen、MCP 都做過一輪的課，學完能自己判斷該選哪個。
我自己的故事：從教育行政到系統維運，再到 AI 一人公司
最後分享自己的故事。
我在畢業之後，到大學從事教育行政的工作。主要的工作是設計多國語言學習課程、撰寫與執行教學計劃，研究怎麼讓學生「自主學習」等等。
大概在 2018 年左右，我突然心血來潮想學製作網頁，就去臺大資訊系統訓練班，上了幾週前端網頁設計，產生了一些興趣。
後來又陸陸續續學了 Python 、C語言、資料結構、資料庫、資訊管理、系統分析與設計、軟體工程、網際網路等等。
最後索性轉職，現在主要做 Linux 系統維運的工作。
所以我很能體會轉職者的心情。
轉職的人最害怕的其實就是世間的壓力。我們一直都會覺得自己年紀跟別人比起來已經老大不小，然後還在轉職。
尤其是現在 AI 進步的速度這麼快，你只要去看新聞就會發現，有很多科技公司在最近幾個月陸陸續續裁員。
如果你還在想說要轉職到科技業，那我覺得你一定是吃錯藥了才這麼想。
但我也不希望你放棄。
我認為我們還是有機會透過 AI 的技術，去補強我們原先缺漏、不足的部分。
在上面的文章中，我提到了兩條主要的途徑。
如果你年紀已經超過 30 歲了，那麼時間對你來說是個稀缺的資源，盡可能不要放棄自己過去的積累。
不論你過去是什麼樣的專業，想辦法去將這些專業最精華的知識萃取出來，然後盡可能地去鑽研它，讓它能夠更有效地讓你在職場上發揮。
AI 當然也是要學的，但是學習 AI 的目的，是學習怎樣讓 AI 來幫助你工作，製作專屬於你的 AI 代理，以及建立你自己的 AI 工作流。
請你直接下載 Claude Code 或 Codex ，現在就開始用。
如果你還年輕，時間還很多，我依然不建議你跨到工程師的領域，轉職當工程師。
不過你可以多花一點時間，去學習 AI 代理的相關知識，以及學習電腦科學基本知識，例如：
基礎的程式設計：包含虛擬碼（Pseudocode）要怎麼寫。
資料結構與演算法：瞭解其運作原理。
資料庫：掌握基本常識。
有了基本的知識，當你要指揮 AI 代理幫你工作時，就能更有效地達到事半功倍的效果。
總結 2026 年文組轉職的核心：不是去當工程師，是讓 AI 替你補工程師那塊，然後用你原本的人文訓練去做差異化。
如果你也在思考自己屬於哪一類、想跟一群正在走這條路的人一起前進，歡迎加入我的社畜進化論｜Raven AI 社群。裡面有實戰拆解、學習路線討論、還有一群跟你一樣從零開始的夥伴。
