如果未来几年马来西亚真的增加几十万个 AI 相关工作，我们是不是应该赶快去学 Coding、Machine Learning，甚至转行做 AI Engineer？
其实不一定。
根据 AI Malaysia 最新的 National AI Action Plan 2026–2030，马来西亚的目标之一，是推动约 300,000 至 500,000 个新的 AI related jobs。与此同时，Malaysia Digital 2030 也提出到 2030 年创造 500,000 个高价值 Digital Jobs。
这里最容易产生一个误解：这并不代表未来会突然出现 500,000 个“AI 工程师”职位。
真正可能发生的是，原本已经存在的 Sales、Marketing、Accounting、Customer Service、Operations、Manufacturing、Retail、HR、Finance 等工作，开始加入越来越多 AI。
所以普通人现在真正应该准备的，不一定是“转行做 AI”，而是让自己原本会做的事情，开始拥有 AI 能力。
先别把“AI 工作”理解成“AI Engineer”
TalentCorp 对马来西亚 10 个主要经济领域进行的 Workforce Impact Study，分析了 949 个 Job Roles，其中约 620,000 名员工预计会明显受到 AI、Digitalisation 和 Green Economy 转型影响，同时识别出约 60 个未来几年越来越重要的新兴职位。
我觉得这个数字反而比“50 万个工作”更值得普通人注意。
因为它说明未来最大的变化，很可能不是所有人一起换职业，而是同一个职业的工作方式变了。
例如，一个 Salesperson 以前需要自己整理客户要求、写 Follow-up、比较产品和准备报价；以后可能会利用 AI 先处理其中一部分工作。
一家小公司的 Admin，以前花几个小时整理 Excel、Email 和文件，以后可能利用 AI 把资料整理、总结和初步报告自动完成。
这两个人都不是 AI Engineer。
但他们已经属于更有 AI 能力的员工。
普通人第一件应该学的，不是 Coding
如果你现在对 AI 还不熟，我反而不会建议第一步就去学 Python 或 Machine Learning。
先学会把 ChatGPT、Gemini 或其他 AI 真正放进每天的工作。
例如：
整理资料和文件；
Research 后快速理解一个陌生问题；
写 Email、Proposal 或报告初稿；
分析 Excel 或销售数据；
整理会议内容；
比较几个方案；
把重复工作的流程重新设计。
重点也不是背很多 Prompt。
真正应该训练的是：我手上这个工作，有哪一部分可以交给 AI？哪一部分必须由我自己判断？
如果你还不知道 ChatGPT 和 Gemini 应该怎样选，可以先看《ChatGPT vs Gemini：马来西亚用户到底选哪一个？》，其实普通人没有必要一开始就买很多 AI Subscription。
第二层，才是“AI + 你本来会的东西”
我觉得未来最现实的一种竞争力，会越来越像这样：
AI + Sales
AI + Accounting
AI + Marketing
AI + Customer Service
AI + Website
AI + Operations
AI + Logistics
AI + Finance
AI + Retail
因为真正了解一个行业的人，通常更清楚问题到底在哪里。
一个完全不懂餐饮生意的人，即使很会 Prompt，也未必知道一家餐厅每天真正浪费时间和钱的地方在哪里。
但一个做了几年餐饮的人，只要开始理解 AI、Automation 和 Data，就可能马上看见很多可以改善的流程。
所以如果你已经有工作经验，不要因为 AI 出现就觉得过去几年全部白费。
很多时候，你原本的行业经验反而是最重要的一半。
第三层，再学习 Data 和 Automation
当你已经会使用 AI 后，我认为下一步最值得补的是 Data 和 Automation。
不需要一开始做到很深。
先学会比较实际的东西：
Excel / Google Sheets
基本 Data Analysis
Workflow Automation
No-code Tools
AI Agent
API 是什么、不同系统怎样连接
怎样把重复流程自动化
再往后，如果你真的有兴趣做 Technical Career，才继续进入 Python、SQL、Cloud、Machine Learning 或 Software Development。
这条路线的好处，是就算最后你没有成为 Programmer，前面学到的东西依然可以直接用在 Business 和工作上。
不要忽略 AI 很难代替的那一半
AI 和 Big Data 的重要性正在快速上升，但 World Economic Forum 的 Future of Jobs Report 同时指出，Analytical Thinking、Creative Thinking、Resilience、Leadership，以及持续学习能力仍然非常重要。
这也是我觉得很多“学 AI”讨论容易漏掉的一点。
如果两个人都可以使用同一个 AI，最后真正拉开差距的，可能不是谁 Prompt 写得比较长。
而是谁知道应该问什么、哪些答案不能相信、怎样检查结果、怎样和客户沟通，以及什么时候应该由自己做决定。
所以 AI Literacy、Cybersecurity、Privacy 和判断 AI Output 是否可靠，也应该一起学。
16,000 门免费课程，不代表应该学 16,000 门
马来西亚数码部目前已经推出 Rakyat Digital Global Learning Pass。
从 2026 年 9 月 16 日开始，首批 25,000 名参与者将陆续获得 Coursera 三个月免费学习机会，整个计划目标覆盖 100,000 名马来西亚人，可接触超过 16,000 门课程和认证。
这是一个很好的机会。
但我反而觉得最大的风险是：课程太多。
如果是我，我只会先选三个方向：
第一，AI / Generative AI 基础。
第二，Data、Automation 或 Digital Skills。
第三，一个和自己现在工作或未来想做的行业直接相关的技能。
完成一门真正可以拿来做东西的课程，比收藏二十门“以后有时间再学”更有价值。
如果你是 18–30 岁的马来西亚公民，也可以先了解目前的《AI Untuk Rakyat 免费 AI 工具计划》，先利用政府已经提供的资源开始。
如果给自己 90 天，我会这样学
前 30 天，不追求复杂。
选一个 AI，每天拿真实工作去使用，至少找出三个可以减少重复工作的场景。
第 31–60 天，开始做一个真正的小项目。
例如 Salesperson 可以做一个客户需求整理＋Follow-up Workflow；小商家可以做一个简单的询价与 Lead 跟进流程；Admin 可以做一个 Excel Report Summary；Content Creator 可以建立自己的内容生产 Workflow。
第 61–90 天，不再只是学习，而是留下三个可以证明自己会做东西的作品。
这三个作品以后可以放进 Resume、Portfolio、LinkedIn，甚至拿去测试有没有人愿意付钱。
如果你想知道市场到底愿意为什么 AI Skill 付钱，也可以先去看看 Fiverr 上真实市场正在提供和购买什么服务。
我的重点不是叫你马上辞职做 Freelancer。
反而是先观察市场，再用一个小项目验证自己的能力有没有商业价值。
如果以后真的开始长期接客户和经营 Side Hustle，再进一步了解《马来西亚做副业需要注册 SSM 吗？》，不要一开始就把事情想得太复杂。
SME 真正需要的，也未必是 AI Engineer
如果你经营的是一家小公司，我也不会因为“AI 很重要”就马上建议招聘一个 AI Engineer。
先找出公司最浪费时间的三个流程。
例如：
客户询问；
报价；
Follow-up；
Invoice；
文件整理；
库存；
排班；
售后；
Marketing Content。
然后再看哪些可以通过现有员工＋AI＋Automation 改善。
对很多 SME 来说，一个非常了解公司流程、同时懂得使用 AI 的员工，短期内可能比一个只懂技术但完全不了解 Business 的人更有价值。
我的判断
“马来西亚最多会增加 500,000 个 AI 相关工作”当然是一个令人期待的目标，但我不会把它理解成：只要去拿一张 AI Certificate，以后就一定有高薪工作。
工作会增加，旧工作也会改变。
真正值得准备的不是某一个今天很红的 AI Tool，而是一套可以带走很多年的能力：
你的行业经验
＋ AI
＋ Data
＋ Automation
＋ 判断能力
＋ 沟通能力。
工具五年后很可能已经换了几轮。
但如果你已经习惯不断学习新工具、理解实际问题，并且能够利用科技把事情做得更快、更好，这种能力不会那么容易过时。
如果现在只能做一件事，我不会继续收藏更多“以后要学”的课程。
我会选一个自己现在就遇到的问题，然后用 AI 把它真正解决一次。
这可能才是进入那几十万个新机会最实际的第一步。
Affiliate Disclosure
本文包含 Affiliate / Referral Link。如果你通过本文的相关链接注册或购买，我可能获得 Referral Benefit，但不会影响本文的判断、推荐或你需要支付的价格，实际情况以相关平台最新条款为准。
资料来源
AI Malaysia｜National AI Action Plan 2026–2030 Fact Sheet
Malaysia Digital 2030｜Ministry of Digital
TalentCorp｜Impact Study of AI, Digital and Green Economy on the Malaysian Workforce
Rakyat Digital｜Digital Skills Hub
Ministry of Digital｜Rakyat Digital & Global Learning Pass
World Economic Forum｜Future of Jobs Report 2025
资料核对日期：2026 年 9 月 8 日
Update History
2026 年 9 月 8 日｜首次发布