學習與技能

學習 ROI = （預期薪資增幅 × 工作年限）÷（學費 + 學習時間 × 你的時薪）。例如：花 $30,000 和 200 小時學 Python，如果能讓年薪增加 $10 萬，損益平衡點大約是 4 個月，之後每一年都是純回報。我們同時計算 IRR（內部報酬率），讓你能把學習投資和金融投資直接比較。

基於 K. Anders Ericsson 的刻意練習（Deliberate Practice）研究——Malcolm Gladwell 把這個工作通俗化成「10,000 小時法則」。但要注意 Macnamara、Hambrick & Oswald 2014 年 Psychological Science 的 meta-analysis：刻意練習只解釋了技能差異的 ~20-25%，遠低於通俗版本暗示的接近全部。我們的估算器針對不同技能領域設定「從零到入門 / 從入門到熟練 / 從熟練到精通」的參考時數區間。注意：學習效率因人而異、教材品質與既有基礎都會影響，這些是參考區間不是保證。

因為課程的實際成本 = 你付的錢 ÷ 你實際完成的比例。Reich & Ruipérez-Valiente 2019 年發表在 Science 的研究分析 565 門 HarvardX/MITx 課程，整體完課率中位數只有 3.1%，付費 certificate track 約 6%；Coursera / Udemy 等平台公開數據也落在個位數到十幾趴。如果你花 NT$ 30,000 買了一門課但只看了 30%，你的有效成本其實是 NT$ 100,000。大多數人高估自己的完課率，這個工具讓你誠實面對自己的學習習慣。

依勞動經濟學研究，雙語加薪在英語市場約 5-15%（Saiz & Zoido 2005 年 Review of Economics and Statistics 的工資溢價研究與後續類似文獻一致），熱門語言如西、中、德文較高。在台灣，英文流利度對薪資的影響因產業而異——104 人力銀行歷年薪資調查顯示，外商 / 跨國業務 / 國際採購類職位差距較大（10-30%），純內銷職位差距小。我們的語言 ROI 計算器讓你輸入目前薪資、預期加薪幅度、以及學習時間投入，算出損益平衡點。

重新框架兩次。第一：問題不是「AI 會不會做」，而是「AI 做完之後還需不需要專家驗證」——多數知識工作正在拆解成「AI 執行 + 人類審核」。近期生產力研究（Brynjolfsson, Li & Raymond 2023 客服 / Dell'Acqua et al. 2023 顧問業務 / Peng et al. 2023 Copilot 開發者）一致顯示 ~14-40% 生產力提升，但專家與新手使用者的差距擴大——能審核的專家薪資高於被替代的執行者。第二：即使技能變成 50% AI 輔助，只要薪資增幅還大於學習成本，5 年 IRR 還是正的。用技能 ROI 計算器把預期薪資增幅打對折（假設只有 50% 的歷史加成留下），划算就學、歸零就跳過。

誠實版答案：內容差距很小，完課差距很大。免費 YouTube 大概有 95% 同樣的知識；付費課程的價值通常是「結構化 + deadline + 群組責任感」，這些東西換算成完課率提升。線上課程 CP 值工具會用你的真實完課機率折算 headline 價格——一門 NT$ 500 你會看完的免費課，勝過 NT$ 30,000 你不會看完的付費課；但一門 NT$ 30,000 你會看完的課，通常勝過 NT$ 500 你從沒開始的課。

職涯數據顯示「T 形人才」勝過兩個極端：一項深度專業（給高薪資的 IRR）加上 2-4 個相鄰技能（增加角色轉換的可選性）。純專精在小眾市場轉向時容易被淘汰；純通才很難進入薪資頂端。技能 ROI 計算器兩種策略都能跑——對你的深度投入跑一次，每個相鄰技能各跑一次，看總和 IRR。