Taboola 是一家全球數位廣告科技公司，運用 AI、資料分析與推薦技術，協助媒體平臺與品牌更有效地連結內容、廣告與使用者。對一般使用者來說，這些技術往往隱身在每天瀏覽的網站與數位內容背後；對工程團隊而言，卻牽涉大量資料、模型、系統與產品之間的協作。

獲選 2025 年海外實習計畫的 Cheng-Peng 與 Ivana，來到 Taboola 洛杉磯團隊，分別投入軟體開發與 AI Data Science 相關專案。這段實習日子裡，他們接觸的不只是最新的 AI 技術，而是第一次真正走進大型跨國科技公司的開發流程：從理解需求、設計系統、測試模型，到正式上線使用，每一步都要面對真實使用者、團隊協作與產品標準。 

當技術不只要做得出來，還要有人真的會用

對 Cheng-Peng 而言，這段實習最特別的地方，是第一次從零開始打造一套真正要交給公司內部使用的 AI 工具。

他的任務，是開發一個提供 Sales Team 與 Account Managers 使用的內部 AI 助理。目標是讓使用者可以透過它搜尋公司資料、取得後台資訊，再由系統協助整理成報告或簡報，省去人工在不同資料來源間反覆查找與整理的時間。

Cheng-Peng 主要負責後端設計、程式開發與資料串接，也接觸到大型科技公司常用的開發與部署工具。不過，真正讓他感受到「學校專案」和「業界產品」差異的，反而不是程式本身。

因為這套系統是提供非工程背景的同仁使用，他必須持續和 Sales Team、Account Managers 溝通：他們平常怎麼找資料？真正花時間的是哪個環節？一個工程師認為很直覺的功能，使用者是不是也覺得直覺？

這些討論讓他慢慢發現，技術人員不能只問「這個功能做不做得到」，還必須理解「為什麼要做」。

好的技術，不只是做得出來，而是能被真正需要它的人理解、使用，最後解決問題。

這也是 Cheng-Peng 過去在課堂或個人技術專案裡較少遇到的經驗。程式能力依然重要，但當一個工具真正要進入組織，理解使用者、釐清需求，以及能不能把複雜技術說清楚，同樣決定了產品最後有沒有價值。 

從模型實驗，到真正進入產品

Ivana 的挑戰則發生在另一個 AI 應用場景。

她加入 Taboola 的 Data Science 團隊，參與一項和大型語言模型（LLM）有關的專案。團隊原本使用較大型的 AI 模型協助審查廣告文案，而她的任務，是研究能不能改用更輕量的公司內部模型，在維持效果的同時，降低運算資源與外部服務成本。 

乍看之下，問題似乎只是「找到一個比較小、但一樣好用的模型」。真正開始做之後，她才發現，企業環境裡判斷一個 AI 模型能不能使用，遠比課堂上的模型比較來得複雜。

準確度當然重要，但不是唯一標準。系統還必須考慮輸出是否穩定、處理速度夠不夠快、能不能承受大量使用，以及每次運算需要多少成本。

初期測試時，較小型的模型和原本使用的模型仍有差距。Ivana 因此不斷測試不同方法，也和 mentor 反覆討論模型表現與改善方向。最後，她參與開發的方案不只停留在測試階段，而是真的完成程式整合、部署進正式系統，後續再持續觀察效能與成本等指標。

對她而言，這也是第一次如此直接地看到一項 AI 技術如何從「實驗結果」一路走到「產品」。

當 AI 真正進入產品，問題就不再只是「效果好不好」，而是它能不能穩定、有效率地解決真實需求。

這樣的經驗，也讓那些原本看似抽象的模型評估、系統效能與成本考量，有了很具體的意義。

一個人的程式，最後要走進一個團隊

兩位青年另一個共同的學習，是發現科技產品從來不是一個人完成的。

Taboola 的工程團隊把大型專案拆成固定週期推進，並透過工作管理系統追蹤進度，也有每日短會、程式碼審查及版本更新等流程，確保每個人的成果最後可以安全地整合進整體產品。

對 Ivana 來說，這讓「寫出可以跑的程式」和「寫出團隊可以長期使用的程式」之間的差異變得非常清楚。

她印象很深的是，遇到問題時可以隨時和 mentor、team leader 或其他工程師討論。從閱讀既有程式碼、修改內容，到最後進行 code review，團隊關心的不只有功能有沒有完成，也包括邏輯是否清楚、程式碼是否乾淨，以及其他人未來能不能理解和維護。 

Cheng-Peng 面對的則是另一種合作。他的 AI 工具橫跨工程與業務團隊，因此必須在技術可行性與使用需求之間來回調整。對方不一定知道該怎麼描述一個「技術需求」，工程師也不能期待使用者用工程語言說話。

兩種經驗看似不同，最後卻都指向同一件事：真正進入產業之後，技術能力不是終點，而是和別人一起把事情做成的起點。

當「想像中的國際科技公司」，變成自己參與過的地方

這段實習經歷，也讓兩人原本對海外職涯的想像變得具體。

Cheng-Peng 原本就有赴美深造與發展的想法，但真正進入當地職場、接觸團隊文化並生活一段時間後，他開始更清楚自己嚮往的是什麼。過去從網路、新聞與他人經驗拼湊出的「美國科技業」，第一次變成自己真正待過、合作過，也能拿來判斷未來選擇的環境。 

Ivana 也有相似的感受。除了公司裡的技術工作，她還必須自己處理住宿、銀行帳戶與日常生活，也利用週末探索洛杉磯及周邊城市。過去對「到國外生活與工作」的想像，在真正待過赴海外實習後，不再那麼遙遠或抽象。 

而比「去過美國」更重要的，是他們真正知道自己的能力放進國際團隊之後會發生什麼。Cheng-Peng 寫出的系統，需要回應真實使用者的需求；Ivana 測試與改善的模型，最後要接受正式產品環境的考驗。

也正因如此，原本存在履歷上的「程式設計」、「AI」、「Data Science」，才真正開始和產業產生連結。

當臺北青年真正參與國際科技產業

對 Taboola 而言，Cheng-Peng 與 Ivana 也不是只來了解一家跨國科技公司如何運作。

Cheng-Peng 從零開始參與內部 AI 工具的設計與開發，一路推進到系統部署；Ivana 則參與 AI 模型的測試、改善與正式產品導入。兩人都帶著原本已經具備的技術基礎進入團隊，再透過真實專案把能力往前推了一步。

這也是海外實習計畫很重要的一種價值。

對青年來說，出國不是從頭學習一項專業，而是把已經累積的能力放進更大的環境裡接受檢驗：能不能理解真實需求？能不能和不同專業的人合作？能不能讓自己的成果真正成為產品或團隊的一部分？

對合作機構而言，青年也不只是接受培育的一方。他們帶著新的技術能力、學習背景與對新工具的敏感度進入團隊，實際參與需要解決的問題。

而對臺北而言，當青年一次次走進全球科技、永續、生技或其他產業，他們建立的也不只是個人的海外履歷。每一次合作，都讓臺北的人才和世界的專業網絡多一個真實的連結。

Cheng-Peng 和 Ivana 在參與海外實習計畫後沒有突然變成不同的人。

但有一件事已經不一樣了。

過去，他們或許會想像自己有一天能進入國際科技產業；現在，他們已經知道，自己的程式可以進入一間跨國公司的系統，自己的模型可以面對真正的產品與使用者，自己的能力也可以成為國際團隊正在做的事情的一部分。

世界不再只是他們未來想去的地方，而是他們已經證明自己能夠參與其中的地方。