Fusemachines：如何評估 AI 培訓到就業的路徑

2020 年訪談提到的逾 5 億美元融資是客戶的融資，不是 Fusemachines 自己募得的資金。 ^[1]

這個差別會改變研究問題。客戶取得融資，本身不能衡量培訓是否提升能力，更不能證明培訓造成商業成果。每個數字都應保留主體、日期與成果類型，不宜將客戶的里程碑寫成培訓公司的財務成績。

2026 年 2 月公告介紹為期六個月的尼泊爾培訓計畫：設有技術基礎要求、甄選程序，並向符合條件的入選者提供獎學金。 ^[2]

計畫可以先公布，成果未必已經出現。評估時，應區分課程承諾與經評量的作品，以及求職機會與已接受的工作。不要把歷史員工人數當成今天的規模，也不能推定每位工程師都由該計畫培育。

分析與借鑑

我們的分析是，培訓到就業的模式需要通過兩種檢驗。雇主需要確認學員能完成有價值的工作；擴大教育參與的計畫則要了解哪些人真正有條件參加。較高的入學要求可能幫助前者，卻將後者希望服務的人排除在外。

把邊界寫清楚：需要哪些先備知識、設備、網路及學習時間？未獲錄取者有哪些替代途徑？這些是建議調查的問題，不是認定該計畫已經解決或未能解決它們。獎學金可以涵蓋學費，但不代表所有參與成本都已消失。

分析與借鑑

比較培訓計畫或擴大試辦前，可使用以下工作表。

1. 確定同一招生梯次與追蹤期間。分別記錄申請者、符合資格者、錄取者、實際入學者及完成者。
2. 開課前訂定實作評量。入學與結業採相同評分規準，註明難度變動。
3. 以自願、彙整的方式了解參與障礙。測試支持措施，不以個人困境替申請者排名。
4. 經同意後，分別追蹤工作邀請、接受的職位與持續就業。失聯結果保留為未知，不列為失業。
5. 與合適基準比較學習及就業結果，考量原有經驗與甄選差異。分別報告每位入學者與完成者的成本，不將其視為每次成功招聘的成本。

分析與借鑑

本次閱讀的材料未證明相對於可比對照組的就業因果效果。更完整的評估應說明梯次、評分規準、追蹤涵蓋率與雇主查證方式，同時保護參與者資訊。上述工作表尚未作為針對 Fusemachines 的研究實際執行。

先釐清要做的決定：資助教育參與、購買培訓、招聘工程師，還是合作交付專案？每種決定需要不同的成功標準。案例的價值在於釐清差異，而不是將成長、教育與社會影響視為同一種成果。