核心觀點
OpenAI 與 Grab 在新加坡啟動 GO Forward with AI，目標是在兩年內協助 30,000 名 Grab 的駕駛、外送與商家夥伴，建立可直接用在工作與小型生意上的 AI 能力。計畫預定於 2026 年擴展至泰國、印尼與菲律賓，2027 年再進入馬來西亞與越南。它的重點不是推廣一項抽象的新技術，而是把 AI 放回平台工作者每天已在處理的問題：銷售與庫存、促銷規劃、需求變動、創業構想與下一步行動。^[raw/articles/openai-grab-ai-skills-southeast-asia-2026-09-23.md]
這也替「AI 普及」補上一個常被忽略的環節：有工具可用，不等於知道如何把它變成較好的判斷。OpenAI 引述 Grab 對新加坡駕駛夥伴的調查，稱已有半數駕駛與外送員使用 AI 工具；未使用者中 87% 願意嘗試，且 ChatGPT 是最熟悉的名稱。這是 Grab／OpenAI 的官方調查與主張，不宜直接外推為整個東南亞勞動市場的採用率，但足以說明培訓的門檻已從「是否聽過 AI」轉向「能否在自身任務中練習與驗證」。
從提示詞展示改為任務演練
課程設計以半天實體工作坊為主，並以 OpenAI Academy 教材為基礎、依各國工作情境調整。參與者除了用 ChatGPT 探索商業想法、找出差異化與規劃起步，也會使用 ChatGPT Work 處理較完整的工作：把銷售資料轉成儀表板、建立簡易網站，或草擬擴張計畫；之後仍須由參與者檢視產出並做出決定。^[raw/articles/openai-grab-ai-skills-southeast-asia-2026-09-23.md]
這種安排與 OpenAI Academy 兩週年：以社群培訓擴大實務 AI 素養 的經驗相呼應：培訓價值不只在教一組指令，而在提供時間、同儕與引導，讓人拿真實工作反覆試用。對平台工作者與小商家而言，好的練習題也應有可檢查的輸出，例如促銷假設是否有資料依據、網站資訊是否正確、或擴張計畫是否算得過成本與供應能力；否則「完成了一段文字」很容易被誤認成「完成了決策」。
從既有產品走向能力建構
Grab 與 OpenAI 自 2024 年起已合作推出 Driver AI Assistant。官方表示，該助手利用 OpenAI 模型協助駕駛尋找需求、安排時間並取得日常問題答案，觸及接近 50 萬名駕駛。GO Forward with AI 的差別在於，它不只把功能交付給使用者，也安排人們用 AI 解決自己選定的目標；同時培訓 GrabAcademy 的講師，讓能力可由在地網絡擴散。^[raw/articles/openai-grab-ai-skills-southeast-asia-2026-09-23.md]
這個脈絡可連到 OpenAI for Singapore：海外首座應用 AI 實驗室與新加坡 AI 樞紐戰略：新加坡在此不只是首發市場，也是把模型、在地夥伴與社群訓練結合的節點。對跨國平台來說，多市場、多語言與不同數位基礎的差異，意味著不能把一份標準教材直接複製；案例、支援方式、資料保護說明與可負擔的使用成本，都必須隨在地工作型態調整。
實務意義與檢驗標準
若要判斷此類計畫是否真的提升經濟機會，不能只看受訓人數或課後滿意度。較有意義的指標包括：參與者是否能在數週後獨立完成一個工作流程、是否能辨識模型輸出的錯誤或不確定性、是否把建議轉成可測試的促銷／服務實驗，以及是否知道涉及顧客資料、交易承諾或財務決策時必須由人覆核。這與 ChatGPT Work 與 Codex：從用量到商業價值的 AI ROI 閉環 的判讀一致：使用量或產出量不是價值本身，必須連回任務品質、人工覆核與真實結果。
官方計畫把 30,000 人、近 500,000 名既有助手觸及與區域擴張列為規模訊號；目前並未公開受訓後收入、業務成長或長期採用的獨立因果評估。因而最穩妥的結論是：它提供了一個把 AI 近用轉為在地實作能力的培訓模型；模型是否能普遍改善平台工作者的決策與機會，仍需以後續可比較、可追蹤的結果驗證。
相關連結
- OpenAI Academy 兩週年：以社群培訓擴大實務 AI 素養
- OpenAI for Singapore：海外首座應用 AI 實驗室與新加坡 AI 樞紐戰略
- ChatGPT Work 與 Codex：從用量到商業價值的 AI ROI 閉環
反向連結
以下頁面引用了本頁：