考過 CCNP，從事網路相關工作約五年，卻完全沒有寫過程式。當你開始考慮轉向 AI 開發，最先浮現的問題可能不是「該學哪個框架」，而是：「我已經快 30 歲，現在開始會不會太晚？」

來得及。但轉職需要的，是一條能逐步驗證的路線。年齡本身無法決定結果；能否持續學習、完成作品，以及找到適合的切入點，才是接下來值得投入心力的事。

你是程式初學者，但已經有五年的工程經驗

從網路轉向 AI，容易讓人產生「一切都要重來」的感覺。確實，Python、API、資料處理與軟體開發流程，都需要重新學習。但你過去累積的故障排查、連線診斷、安全與維運知識，仍然能用在新專案裡。

例如，一個 AI 維運助手回答了錯誤的排障建議，你可能比缺乏網路背景的開發者更容易發現問題。當 AI 應用需要部署到企業環境，你也能從連線、權限與服務可用性的角度理解需求。

這些經驗不會自動變成開發能力，卻能幫你選擇有價值的題目，並判斷做出的工具是否真的有用。

先選擇自己想做的 AI 工作

「轉 AI」涵蓋很多不同工作。有些人開發知識庫助手、聊天機器人與自動化工具；有些人負責模型服務的部署、監控與平台管理；也有人研究演算法、訓練模型。

對具備網路背景、尚未接觸程式的人，我會優先建議探索 AI 應用開發，或 AI 平台與部署。這兩個方向都能逐步結合既有經驗。

如果你的興趣是模型研究與訓練，同樣可以朝那裡前進，但需要另外安排數學、統計與機器學習的學習時間。先理解工作內容，再選擇路線，會比只看職稱更有幫助。

第一個目標：完成一個網路日誌分析工具

完全沒寫過程式時，直接追著各種 AI 框架學，很容易遇到錯誤就卡住。比較實際的起點，是先用 Python 解決一個熟悉的小問題。

你可以從「網路日誌分析工具」開始：

1. 讀取一份測試日誌。
2. 篩選錯誤與警告訊息。
3. 統計各類事件的次數。
4. 輸出一份簡單報表。
5. 再接入模型 API，產生事件摘要與待確認事項。

前四步練習的是程式基礎，第五步才加入 AI。你會更清楚哪些結果來自確定的程式規則，哪些只是模型提出的推測。

初期使用模擬資料或已去識別化的資料即可。讓工具先協助分析與提出建議；涉及設備設定變更的部分，保留人工確認。

證照可以設定方向，作品讓能力更具體

如果想以認證安排學習，Microsoft AI-103 可以作為 AI 應用開發的目標。其官方定位涵蓋使用 Python 與 Microsoft Foundry 設計、開發及部署 AI 解決方案，包括生成式 AI 與 Agent。

但對程式零基礎的人，準備順序應該是：

Python 基礎 → API 與網路自動化 → AI 應用專案 → AI-103 備考。

先做到能自己讀懂、修改與除錯，再把認證內容落實到作品。若公司或目標職缺主要使用其他雲端平台，則依實際需求調整認證。

證照能讓履歷多一項可辨識的資格；作品則讓你在面試時具體說明：解決了什麼問題、如何設計、遇到哪些錯誤，以及怎麼驗證結果。

給自己三個月試跑，先保留目前工作

面對轉職焦慮，不必立刻辭職，也不必先買齊課程。可以先安排三個月，每週固定投入約八到十小時。

第一個月學 Python，完成日誌讀取與統計。第二個月練習 API、JSON 與 Git，讓工具更容易維護。第三個月加入 AI 摘要，整理使用說明、測試案例與展示影片。

這是一個試跑安排，不是三個月就能就業的保證。到時候更值得問的是：我能否解釋自己的程式？遇到錯誤是否能逐步排查？我是否喜歡開發的過程？接下來還缺哪些能力？

如果公司有自動化或 AI 專案，也可以爭取參與，讓新能力在熟悉的工作環境中得到驗證。

接近 30 歲，可以帶著經驗開始下一段路

轉職初期，開發職級可能需要重新評估，薪資也未必立即提高。這些現實值得納入規劃，但無法單憑年齡判定你能不能轉職。

你可以把目標設定為：成為一位懂網路、懂維運，也能開發 AI 工具的工程師。

今天的第一步，可以很小：用 Python 讀取一份日誌，找出其中的錯誤訊息。當你逐步把熟悉的問題變成能運作的工具，轉向 AI 就會從模糊的想法，變成可以持續累積的能力。