AI 官方課程怎麼挑：8 大平台免費資源、徽章與證書的履歷價值、依職務排學習路徑

想學 AI，最划算的起點多半不是付費課，而是模型公司自己開的課。OpenAI、Google、Microsoft、IBM、NVIDIA、AWS 到 Anthropic，2026 年都設有官方學習平台，而且多數免費。挑選的第一個判準不是平台名氣，而是你要的結果：讓日常工作變快、拿到能證明能力的文件，還是準備轉職的履歷素材。第二個判準是證明的層級，完成徽章、課程證書與專業認證在履歷上的份量不同，免費與付費的界線也正好畫在這裡。

先給結論地圖。零元就能拿到證明的路線是：OpenAI Academy 的完課徽章、Claude Academy 的完成徽章、IBM SkillsBuild 官方標榜百分之百免費的數位憑證；Microsoft Learn 的免費教材與應用技能評量接在後面，評量費用以官方評量頁為準；AWS Skill Builder 上千個免費資源與 Google Skills 的部分免費 Lab 補在實作側。要動到錢的地方也明確：Google AI Essentials 透過 Coursera 訂閱修讀，Google 台灣官方頁載明台灣訂閱費用每月 49 美元、附七天免費試用；Google Skills 的深入實作要點數或訂閱；AWS 的完整互動環境與團隊功能走訂閱；NVIDIA DLI 免費與付費課並存，官網可見 30 美元的定價範例；Microsoft、AWS、Google Skills 與 NVIDIA 的正式認證考試費用另計。

這篇指南做四件事：把官方課程、自學與付費線上課的分流判準講清楚；逐一盤點八個平台在 2026 年 10 月 9 日的實際樣貌；拆解徽章、證書、認證三種證明在履歷上的用法與限制；再依行銷、開發、管理、求職四種身分排出可以直接照做的學習路徑。

查證基礎先交代。八個平台的課程結構、費用與證明機制，全部以查核日當天讀到的官方頁面為本，來源是各平台官網與官方課程頁，不是二手轉述。Apple 有官方的 AI 與機器學習文件及開發者影片資源，但查核日未見與這八個入口同型、公開修課就能取得徽章或證書的官方課程平台，因此不列入平台清單；不符合收錄標準的資源一律不硬塞。各平台的課程與價格都會滾動更新，付費或報名前以官方頁當天顯示為準。

為什麼優先看官方課程：三條學習路線怎麼分流

官方課程有三個結構性優勢，自學與付費課都拿不到全部。第一是跟產品同步：OpenAI 在課程目錄明說，教材隨產品與使用指引更新，模型改版時課程跟著改；第三方課程教的是錄製當下的版本，內容新不新要自己確認。第二是出身上游：課程由打造產品的團隊設計，OpenAI 的 AI Foundations 標注由開發模型與產品的團隊參與製作，Google AI Essentials 同樣由 Google 內部專家設計。第三是費用結構：入門與中階內容幾乎免費，錢主要花在訂閱、實作環境與正式認證，先用免費池把概念補齊，需要時才付錢。

官方課程的短板也要先看清楚。它教的是自家產品的世界觀，跨工具的客觀比較、工作方法的系統化訓練、在地的案例拆解，通常不是它的重點。已經有基礎、只想查某個指令或某個參數用法的人，直接讀官方文件或問模型本身，五分鐘解決，不需要七十分鐘的課。反過來說，如果你連大型語言模型在做什麼都還說不清楚，官方入門課就是為你設計的。

付費線上課的價值集中在三件事：有人督促與繳交作業的節奏、專案制的實作產出、針對特定職務設計的完整轉職路徑。如果你的目標是把 SEO 或網頁設計變成吃飯技能，付費課程的挑選邏輯與常見陷阱，站上SEO 課程推薦與挑選指南有完整整理；純免費資源的路線則先看免費 SEO 課程資源盤點，把免費池吃乾抹淨再考慮付費，順序不要顛倒。

分流可以收斂成三個問題。你缺的是概念還是熟練？缺概念，官方入門課一到兩小時就能補齊；缺熟練，把時間花在自己的實作與專案。你要不要留下證明？不要證明，自學加上文件就夠；要證明，往下看徽章、證書、認證三層的差異再決定投入多少。你的預算是多少？多數人的最佳路線是零元起跳：免費徽章先拿，需要訂閱或考試時再逐一評估，本文的費用段落會把付費點全部標出來。

大廠願意免費開課，動機能從產品結構讀出來。課程教的是自家工具的用法，你學得越熟，越可能把日常工作流搬上該平台，個人或公司後續的訂閱與用量自然跟著來；正式認證考試與進階實作環境，就是這個漏斗的變現層。這個商業設計不代表教材打折，由產品團隊製作、跟版本同步這兩點依然是第三方課程做不到的優勢，但對學習者的實際含義很清楚：免費層的深度是平台刻意給的，把它用滿；付費層的每一筆，按職涯需求精準投入就好。

還有一個常見誤解要先拆掉：上完官方課程不等於拿到官方認證。八個平台裡，真正經營需要預約考試的正式認證制度的是 Microsoft、AWS、Google Skills 與 NVIDIA；OpenAI 與 Claude 發的是完課徽章，IBM 發的是數位憑證，都屬於完成證明而非認證。履歷上的用語要跟著這個事實走，把徽章寫成認證，面試時一問就穿幫。

八個平台長什麼樣：2026 年 10 月 9 日逐一查核

以下八個平台都經過同一天的一手查核，每個平台的入口、費用與證明機制以查核日官方頁為準。計數先對齊：七家公司、八個入口，Google 同時經營 Coursera 上的素養課與 Google Skills 實作平台，各算一個入口。先記住共通的目錄語彙：多數平台都分課程、學習路徑與評量三層，徽章或證書掛在完成評量之後，看目錄時先找評量在哪，就知道證明從哪裡來。

OpenAI Academy：把 ChatGPT 用進日常工作的四條軌道

OpenAI Academy 是 OpenAI 的官方課程平台，用 ChatGPT 帳號登入就能上課。查核日的官方課程目錄把內容分成四個對象：知識工作者、開發者、主管與教育現場。每一門課都內建評量，通過後由第三方憑證平台 Accredible 發放官方徽章，目錄頁明說這套教材隨 OpenAI 的產品與指引持續更新。

一般上班族從 Apply AI at Work 軌道開始，依序三門課。AI Foundations 教 AI 與大型語言模型的基本概念、下指令、補情境、檢查輸出與負責任使用，官方課程頁估計約 70 分鐘完成，自我進度、進度自動保存，不需要技術背景，準備一個 ChatGPT 帳號和一件真實的日常工作當練習題就能上，查核日頁面顯示超過 3.6 萬人參與。Applied AI Foundations 教你把重複出現的任務拆解成有順序的步驟，標出 ChatGPT 能接手的環節，再於流程裡安排人工覆核點。Agents and Workflows 進到把工作交辦給代理：給足脈絡、定義產出格式、設好邊界、審草稿、把有效的流程存下來重用。

徽章的取得條件官方寫得明確：完成課程加上通過評量，及格線 80%，達標後 Accredible 把數位徽章連結寄到註冊信箱，可分享到 LinkedIn 或內部給團隊看。整個流程不需要 ChatGPT 付費方案，免費帳號就夠。

AI Foundations 的五個單元值得攤開看，因為它就是一套可以直接套用在任何 AI 工具上的使用紀律：先認識 AI 與大型語言模型在做什麼，再學把指令寫清楚、學會評估輸出的好壞，接著練習把背景情境補進指令，單元收在負責任使用。每一課都對著你自帶的那件真實任務操作，做完等於把一件日常工作改版過一次，投入的時間直接換成具體產出。這也是判斷一門入門課值不值的通用標準：有沒有讓你帶自己的題目進去練。

開發者軌道 Build with AI 分兩組。OpenAI API 組五門，從找出值得做 AI 的機會、設計評估、代理系統設計、檢索增強生成到正式環境的效能與成本優化；Codex 組三門，從入門、把有效的使用習慣變成團隊工作流，到跨團隊的治理與整合。想深入代理式 API 的應用圖像，OpenAI Agents API 指南可以對照著讀。主管軌道有一門 AI Leadership，把一個真實的 AI 導入案做成路線圖與策略草稿；教育軌道則給老師把 AI 放進教學與備課。

Google AI Essentials：最快五小時的職場素養標準牌

Google AI Essentials 是 Google 開給所有人的生成式 AI 入門課，官方頁面標榜零經驗可上、五個模組、自排進度，完成後取得可放進履歷與求職檔案的 Google 課程證書。時間估計有兩個官方數字：英文頁寫五小時內可完成，台灣官方頁的介紹寫不到 15 小時的自修學習，把兩個數字當成快慢兩種節奏的上下界即可。實際修讀發生在 Coursera：Coursera 課程頁在查核日顯示超過 202 萬人註冊，同頁寫明課程包含在 Coursera Plus 訂閱內。

費用是這門課唯一要想清楚的點，好消息是台灣有官方定價可查。Google 台灣官方頁的 FAQ 明寫：在台灣，訂閱費用為每月 49 美元，並提供七天免費試用期，其他國家與地區費用可能較低；Coursera 官方 FAQ 對美加也標每月 49 美元，實際結帳金額與幣別仍以結帳頁顯示為準。省錢路徑有兩條：課程頁有助學金申請入口，通過後可免費完整修讀並取得證書；不申請助學金的話，照官方台灣頁的說法，許多學員一個月內即可完成課程，把修課壓進一個付費月份，成本就止於一期月費。還要注意 Coursera 的七天試用用來確認課程內容值不值得，試用期間拿不到證書，證書要在試用結束且完成付費後才發，把試用當零成本拿證管道會撲空。

Google 同系列還有一張新牌：AI Professional Certificate，官方定位是二十個以上實作活動的進階職場證書，範圍從研究、寫作、資料分析到做出可用的 AI 解決方案，同樣開放零經驗者報名。選擇邏輯很簡單：要一張快速證明 AI 素養的證書，選 AI Essentials；要把動手做的深度累積起來，再上專業證書。

官方行銷頁上有兩個數字，解讀時分清楚層次。課程頁寫超過兩百萬人註冊，這是平台計數，反映的是免費試用門檻下的進場人數，不等於完課率；Google 官方課程頁另引用一項調查，百分之六十七用過生成式 AI 的工作者自述每週省下至少兩小時，這是官方頁引用的自述型統計，當參考方向可以，別直接搬進你的預算簡報當承諾。真正能寫進簡報的數字，是你自己上完課前後的任務耗時對比，這也是所有官方課程共同的正確用法：課程給方法，證據自己造。

Google Skills：實作派的三層證明與免費點數

很多人不知道 Google 有第二個學習入口。Google 原本的 Cloud Skills Boost 在查核日已整併為Google Skills，網址 skills.google，介面提供繁體中文選項。它的形態跟 Coursera 上的素養課不同：以動手操作的 Lab 與任務式學習為單位，在真實的雲端環境裡練習，目錄裡有 Gemini、DeepMind 與 AI 主題的整批收藏。

證明分三層，官方目錄直接分成 Certificate、Skill badge 與 Certification 三種：徽章對應單一主題的實作過關，證書對應一系列課程的完成，認證則是要預約的正式考試。官方頁對認證的形容值得原汁原味理解：那是一大步，也是一筆大投資，需要先把技能基礎打底的人，就從徽章與證書開始。費用結構配合這個分層：部分 Lab 免費，深入實作消耗點數，加入 Google Developer Program 的 GEAR 計畫每月可獲得 35 點免費實作點數，訂閱方案提供更完整的存取權。

跟 AI Essentials 的分工這樣看：AI Essentials 給你概念與一張證書，Google Skills 給你雲端實作的能力證明。行銷與內容工作者通常先修 AI Essentials 就夠；要碰 Gemini API、Vertex AI 或資料工程的人，Google Skills 才是主戰場。

Microsoft Learn 與應用技能：從免費教材到可續證的認證

Microsoft Learn 是八個平台裡教材最龐大的一個，憑證總覽頁有繁體中文版。訓練教材以互動模組與學習路徑的形式免費開放，自排進度，內容同時涵蓋商務使用者與開發者兩種視角。查核日的憑證體系分成兩條線：角色型認證與情境型的應用技能。

Microsoft 認證要預約考試，從基礎級到副手級、專家級與特殊級，官方明載符合資格的認證每年可以透過短小的線上評量免費續證一次，這個設計讓認證不會放著過期，對履歷是長期資產。考試本身有報名費，金額依考試種類與所在地在報名頁顯示，付費前看清楚即可。

應用技能（Applied Skills）是更輕的選擇：不需要考試，通過一場情境式的互動實作評量就取得，官方定位為短小、針對單一技能、隨時隨選，從入門到中階都有。想把 AI 放進主管履歷的人，查核日官方頁還列了新的商務人士憑證系列，讓非技術角色也能拿到 Microsoft 背書的 AI 領導能力證明。整條路的費用邏輯是：教材零元，應用技能評量與正式認證考試的費用以官方各頁顯示為準。

兩個加分細節。官方訓練首頁引用超過七十萬個職缺列出 Microsoft 技術需求，這是官方的行銷宣稱，方向上與求職市場對雲端與 AI 技能的需求一致，可以當選擇的參考訊號，引用時標明出處。語言方面，Microsoft Learn 的教材與憑證頁都有繁體中文版，應用技能在官方繁中頁的名稱就是應用技能，對照英文原文不會迷路，是八個平台裡中文環境最完整的一個。

IBM SkillsBuild：標榜百分之百免費的素養與職涯課

IBM SkillsBuild 是八個平台裡把免費講得最大聲的一個，官方首頁直接標榜百分之百免費學習、二十種以上語言。內容以 AI 素養、生成式 AI、資安與職涯技能為主，分成社會人士、大學生與高中生三種身分入口，課程卡上會標注完成後可取得數位憑證，例如 Getting Started with Generative AI 這類一小時內可完成的入門課。

對台灣使用者的價值在兩處。第一是零風險取證：不綁訂閱、不用信用卡，做完指定活動就有 IBM 名字的數位憑證，適合用來快速補齊履歷上的 AI 素養區塊。第二是學生與轉職者的分眾設計：大學生入口強調把 AI 用在真實開發任務並做出可放作品集的專案，社會人士入口對準轉職與終身學習。它的技術深度不如 Microsoft 與 NVIDIA，定位是素養與職涯層。

查核日首頁還有一個值得學生注意的入口：標題寫著跟著 IBM Bob 學，定位是把 AI 應用到真實開發任務、做出作品集等級的專案。對正在累積作品的資訊相關科系學生，這類官方資源的好處是題目與審查標準跟著企業走，做完的專案自帶產業語彙，放進履歷比純課堂作業好敘述。社會人士用它當熱身也可以，一小時的入門課配一杯咖啡的時間剛好。

NVIDIA DLI：要動手做的深度學習實戰營

NVIDIA 深度學習機構（DLI）的官方訓練頁在查核日列出自選進度與講師帶領兩種形態：免費自學課與逐課付費課並存，付費側頁面可見 3 小時 30 美元的定價範例；講師帶領的工作坊多為 8 小時，主題從 multimodal 模型做代理、LLM 應用開發到安全代理設計。指定課程完成後發給 DLI 證書，官方對證書的定位是證明特定主題的能力程度，支援職涯發展。

它的位置很清楚：八個平台裡最靠近模型與算力工程的那一端，多數課程建議先有 Python 或機器學習基礎。有個省錢細節值得記住，NVIDIA 在 GTC 現場提供全程監考的認證考試，憑會議通行證免費，等於把報名費換成一張會議票，順便聽完整場展會。台灣學習者若本來就計畫去 GTC，這是同一筆預算拿到兩樣東西的機會。

主題廣度比多數人想像的大。查核日的訓練頁除了深度學習與生成式 AI，還列了 AI 模型開發、數位雙生、AI 工廠營運與加速網路等工作坊主題，官方另把熱門主題組成學習路徑，標明完成後可取得對應憑證。換句話說，DLI 不只服務想調模型的人，資料科學、高效能運算與基礎架構角色都找得到對口課程，判斷標準只有一條：你的工作是否需要理解 GPU 層發生的事，需要就值得排進來。

AWS Skill Builder：上千個免費資源的雲端池

AWS Skill Builder 官方首頁的起點標語就是一千多個免費學習資源、不需要任何經驗。AI 軸的學習路徑從基礎概念一路排到代理式 AI 的進階實作，實作環境圍繞 Amazon Bedrock 與 SageMaker；免費起點包括 SimuLearn 的情境式練習與 Builder Labs 的引導實驗。查核日頁面還列了新的微證書（Microcredential）機制：限時的實作 Lab 評量，驗證你在真實 AWS 環境動手的能力。

費用邏輯跟 Microsoft 類似：教材與大量 Lab 免費，完整互動環境、部分進階課與團隊功能走訂閱，正式的 AWS 認證考試要獨立報名付費。以 AWS 為主力工作環境的工程師與架構師，這個池子最對口；純粹想學生成式 AI 概念的行銷人，從 OpenAI 或 Google 的入口進去更省力。

查核日頁面上有兩個對團隊學習友善的設計值得一提。一個是問答競賽形式的 Trivia，七百多題的即時對戰，把碎片知識變成同事間的活動；另一個是學習梯隊功能，讓同組織的人排成一個班次一起推進度，進度看得到。個人或小團隊導入時，這類機制可以把「該學 AI 了」這種抽象目標，換成有同伴壓力的共同節奏，完成率通常好得多。

Claude Academy：免費徽章與繁中課文

Anthropic 經營的 Claude Academy 在 2026 年 8 月上線，課程、測驗與完課徽章全部免費，入門的 Claude 101 有 13 堂課加 1 份測驗，官方估計 2.5 小時，通過測驗取得徽章；課文與介面有繁體中文，查核日平台首頁掛著 Claude Cowork 併入 Claude 的更名公告，公告明載更名分階段推出、站內部分頁面仍用舊名，課程內容持續在加。從 Claude 101 到 API 開發長課的完整課程地圖、徽章規則與繁中現況，站上Claude Academy 完整指南有逐課盤點，這裡不重複展開。

那篇專文的查證基準是 2026 年 9 月上旬，本文查核日又確認平台仍在擴充，兩個時間點之間已經出現產品命名調整這一級的變動。這正好示範官方課程的另一個特性：內容跟著產品走，產品大改版時你的課程筆記與截圖會過期，養成回官方頁對照最新版的習慣，比死記介面截圖可靠。

把八個平台放回同一張表，費用起點與證明形態一眼就看清楚。

有一個名字刻意不在表上：Apple。它有官方的機器學習文件與開發者影片，內容品質有口碑，但查核日未見公開修課、完成評量、取得徽章或證書這種型態的官方課程平台，與本表收錄標準不同型，放進來只會混淆比較基準。同樣的原則適用全文：每個平台的名字背後都有一個查核日有效的官方頁面與可取得的證明，對不上標準的就不寫。

徽章、證書、認證：三層證明在履歷上的真實份量

八個平台的證明看起來五花八門，其實只有三層。第一層是完成徽章：OpenAI 與 Claude 兩家 Academy 的完課徽章、Google Skills 的技能徽章、IBM 的數位憑證都屬於這層，取得條件多數是完成課程與評量，細節依平台而定，OpenAI 明定及格線 80%，Claude 是通過該課全部測驗。第二層是課程證書：Google AI Essentials 完成後的 Google 證書、NVIDIA DLI 指定課程的證書，證明你完整修完一門有明確範圍的課。第三層是專業認證：Microsoft、AWS、Google Skills 與 NVIDIA 的認證要預約考試、有效期限、需要續證，Microsoft 符合資格的認證每年可免費線上續證一次。層級越高，準備成本與金錢成本越高，履歷上的辨識度也越高。

招聘端怎麼看這三層，誠實地說：徽章與課程證書是學習動機與基礎能力的訊號，對學生、轉職者與內部轉調最有感；它們無法取代作品集、實際專案與工作實績。面試官真正會問的是你用這些技能做過什麼，例如上完 Agents and Workflows 之後你把自己的哪個流程自動化了、省了多少時間。正確的用法是把徽章當成能力成長軌跡的錨點，每拿一個徽章就配一個實際產出，履歷上徽章與實績並列，說服力才完整。

三層證明的持有成本不同，規劃時要算進去。徽章與課程證書在查核日的各平台官方頁上，未見 Microsoft 認證那種明確效期制度，站上專文對 Claude 徽章的查證是永久有效、附公開驗證連結，OpenAI 官方頁也未見效期規定；其他平台的完成證明是否設效期，以各平台規則為準。認證是明確的另一回事：有有效期限，Microsoft 明載符合資格者每年要透過線上評量免費續證一次，AWS 與 Google Skills 的認證同樣有再驗證週期，等於拿到之後每年要排一小段維護時間。判斷很直觀：證明要放三年以上的，選有認證效期管理的那層前，先確認自己願意付那個維護成本。

呈現方式有幾個實務細節。位置上，證書區或技能區放主要認證與證書，徽章放 LinkedIn 的證照區塊即可，不必全部塞進履歷本體。寫法上，課程全名加上發證組織與年月，例如 Google AI Essentials（Google，2026 年 10 月），有驗證連結的附連結，徽章平台產生的公開驗證頁就是現成的憑證。數量上，挑三到五個跟目標職務直接相關的就夠，十幾個徽章排成一牆，訊號反而被稀釋。OpenAI 與 Microsoft 的頁面都明寫徽章與認證可分享到 LinkedIn，這個動作本身就是現成的呈現管道。

徽章背後的平台值得花一分鐘看隱私。Credly 官方自述是一個可搜尋的憑證網絡，三千七百多個發放組織在上面流通二十萬種憑證，涵蓋百分之八十五的頂尖 IT 認證；這個網絡的設計就是把你的憑證頁當成公開頁面，頁面上有你的姓名與取得日期，供任何人查驗。OpenAI 用的 Accredible 是同類型服務，徽章連結直接寄到信箱。這對求職是優點，對隱私是交換條件：接受徽章等於在第三方平台建立一筆掛著你名字的公開紀錄，用公司信箱還是個人信箱領取、公開頁的呈現範圍怎麼設，領取前花一分鐘在帳號設定裡確認，別讓培訓紀錄變成不想公開的個資足跡。

還有一個常見的履歷事故要避開：把徽章寫成認證。完成徽章寫成專業認證，面試第一輪被追問考試細節就會穿幫，成本是誠信而不是修正。對應的寫法很簡單，徽章寫完課徽章、證書寫課程證書、認證寫上考試代號與效期，分級誠實，看的人反而信任你寫的每一行。

台灣使用者的費用現實：免費能走多遠，付費點在哪

先把免費的疆界畫出來。一條零元路線可以拿到三種證明：OpenAI Academy 的徽章（ChatGPT 免費帳號）、Claude Academy 的徽章（Claude 免費帳號）、IBM SkillsBuild 的數位憑證；Microsoft Learn 免費教材讀完後也能報考應用技能評量，費用以官方評量頁為準；AWS 的一千多個免費資源與 Google Skills 的部分 Lab 補在旁邊。把這條路線走完，履歷上的 AI 學習區塊已經有模有樣，投入大約是兩個週末。

訂閱制的付費點只有 Coursera 與 Google Skills、AWS 的進階功能。Coursera 的台灣訂閱價，Google 台灣官方頁載明每月 49 美元附七天試用，其他地區費用可能較低，實際結帳以結帳頁為準；兩條省法是助學金申請，以及把課程壓在一個付費月份內完成，別把七天試用當成拿證書的省費管道。Google Skills 的深入實作用點數計價，GEAR 計畫每月 35 點的免費額度是現成的省法；AWS 的完整互動環境與團隊功能走訂閱，個人學習先停在免費層即可。

逐課計費與考試費是另一種付款形態。NVIDIA DLI 免費與付費課並存，付費課查核日可見 3 小時 30 美元的範例，等於用一杯好咖啡的兩倍價錢買一門實作課，是否附 DLI 證書依課程頁標示，值不值看你的職涯方向是否往模型工程靠。Microsoft 與 AWS 的認證考試在報名頁顯示費用，會因地區與幣別不同，預算抓一張考試的錢加上準備時間；捨不得花的人記得 GTC 現場憑會議票免費考 NVIDIA 認證這條路。台灣的企業用戶還有團隊方案可用，AWS 有團隊訂閱，OpenAI Academy 的定位本身就是給組織部署用的教材，跟公司申請教育訓練預算時，官方課程四個字通常比第三方課程好過關。

免費層什麼時候會不夠用，邊界先講明白。三種情況：實作點數耗盡，Google Skills 的深入 Lab 與 AWS 的完整互動環境都算點數或訂閱，練到一定強度自然會撞牆；團隊治理需求出現，例如要追蹤整個部門的學習進度、集中管理帳號，這些是訂閱與企業方案的功能；正式認證本身，常態上要付考試報名費，查核日看到的最明確免費例外是 NVIDIA GTC 現場監考認證隨會議票提供。預算配置可以想成三級：零元級把 OpenAI、Claude、IBM 三個免費證明拿好；一張證書級，用一或兩個月訂閱把 Google 證書拿到手，結束後記得取消；一張考試級，認定職涯需要正式認證時再一次投入，報名前用免費教材把模擬題做到穩。三級各自獨立，不需要一次買齊。

依職務排學習路徑：四種角色照著走

先把入門課的時間成本攤開，你會發現起步比想像中便宜：OpenAI 的 AI Foundations 約 70 分鐘，IBM 的生成式 AI 入門課一小時內，Claude 101 約 2.5 小時，Google AI Essentials 依入口標示約五到十五小時。排路徑的原則只有一條：用最短的課確認自己缺什麼，再往職務對口的方向加深，而且每一站都留下一個實際產出，讓證明與作品一起長。

行銷與內容工作者：先建工作流，再補證書

你的起手式是 OpenAI 的 AI Foundations，70 分鐘把下指令、補情境、檢查輸出這組習慣建起來，練習題直接用你手上的真實任務，例如一檔活動的社群貼文。第二站 Applied AI Foundations，把每週重複出現的內容產線拆成工作流程，明定哪一步 AI 做、哪一步你審。第三站 Agents and Workflows，練習把資料研究與初稿交辦給代理，把關注力留給策略與創意。

證書需求出現時再補 Google AI Essentials，五小時換一張 Google 名字的證書，對求職與提案簡報都好用。職務本身的專業深度，通用 AI 課幫不上忙：GEO 這類新興領域的課程怎麼挑，看GEO 課程推薦與挑選指南；網站與內容平台的實作技能，從WordPress 課程推薦指南的挑選框架入門。通用 AI 素養加職務專業，兩條線並進，履歷的厚度才會對。

開發與技術角色：從免費徽章到雲端實作

用 OpenAI 的 Build with AI 軌道打底，API 五門從找對應用場景、設計評估到代理系統與檢索增強生成，Codex 三門把開發工作流的自動化紀律建起來。實作環境的部分，Google Skills 的 Lab 用 GEAR 每月免費點數練雲端手感，AWS 用 Builder Labs 與 SimuLearn 的免費起點熟悉 Bedrock 與 SageMaker，Microsoft 的應用技能走情境實作評量，考過就是一張掛得住的憑證。要往模型工程與算力最佳化走的人，NVIDIA DLI 的實作課與證書是那條路上的站牌。

主力工具是 Claude 的開發者有另一條線：Claude Academy 的開發者課程從 Claude Code 101 入門，完課同樣拿徽章；指令列工作流的完整實戰，站上Claude Code 安裝與使用教學逐步展開，Claude 平台的逐課細節回頭看前面的 Claude Academy 完整指南。代理設計的模式，對照前面提過的 OpenAI Agents API 指南讀，兩家生態的設計差異會看得很清楚。

主管與管理階層：買判斷力，不是買操作力

管理者的學習目標跟執行者不同：你要的是判斷 AI 能做什麼、成本長在哪裡、團隊需要補哪些技能。OpenAI 的 AI Leadership 課直接設計成把一個真實的 AI 導入案做成路線圖與策略草稿，產出可以帶回公司用；Microsoft 查核日新推的商務人士憑證系列，讓非技術主管拿到 AI 領導層面的正式證明。素養基礎用 Google 的 AI Essentials 課或 IBM 的一小時入門快速補齊即可，操作細節交給團隊裡的實作成員。

求職與轉職者：免費徽章打底，一張付費證書主打

證據策略是兩層結構。底層用零元路線鋪滿：OpenAI、Claude 與 IBM 三個免費徽章，兩個週末完成，履歷的學習區塊從空白變成有系統的成長紀錄。上層放一張主打：預算有限選 Google AI Essentials 的證書，品牌辨識度最高；時間與預算都夠，直接報 Microsoft 或 AWS 的認證考試，招聘系統對正式認證的鍵詞比對最敏感。切記每張證明旁邊都要有一個可展示的實作，作品集的說服力永遠大於證書本身。

給一個八週的示意排程，改成你自己的節奏就行。第一週上 OpenAI 的 AI Foundations，同時把一件真實任務改版，徽章入袋。第二週接 Applied AI Foundations，產出一條可重複執行的工作流程。第三、四週修 Google AI Essentials，先在七天試用內確認課程節奏值得續，再用一個月訂閱把證書拿到，或申請助學金慢慢走。第五週上 Claude 101，順手比較兩家助手的工作流差異。第六週考一個 Microsoft 應用技能評量。第七、八週回頭把 IBM 的一小時入門課補上，同時整理這兩個月累積的證明與實作產出，履歷的 AI 區塊就完成了從零到有系統的第一輪迭代。這是示意節奏，假日多的週可以壓縮，加班季就拉長，重點是每週都留下一個看得見的東西。

這篇和站上其他課程指南怎麼分工

這篇的定位是跨平台的樞紐：管官方 AI 課程生態的總覽、分流判準與證明制度，任何平台的新變動也會回到這裡對帳。單平台與單領域的深度另有專文：要逐課盤點 Claude Academy 的課程地圖與徽章規則，看前面的 Claude Academy 完整指南；要挑 SEO 付費課程，SEO 課程推薦指南有完整的評估表；純免費資源的 SEO 路線，免費 SEO 課程資源盤點列了可立即上手的清單；GEO 與 WordPress 的職務課程挑選，上文行銷路徑段落已經給了入口。

使用的順序建議：先把這篇的平台地圖與分流判準讀完，決定你的起點與證明策略，再跳到對應的單平台或領域文往深處走。跨平台的事實會變，本文的查核基準日是 2026 年 10 月 9 日，各平台的課程與價格以你造訪當天的官方頁面為準。

最後把整篇收斂成三個起手式。行銷與內容工作者，今天就花 70 分鐘上完 AI Foundations，用一檔真實活動當練習題；開發者，打開 Codex 入門課或申請 GEAR 點數，把第一次實作跑起來；主管，挑一個卡住半年的內部流程，帶著它進 AI Leadership 的路線圖練習。都先別急著付費，免費池的深度超過多數人的想像，等你把第一個徽章和第一個實際產出都拿到手，再決定錢要花在哪一層證明。