Grab 與 OpenAI 聯手推動東南亞 AI 技能培訓：三萬名司機、外送員與商家夥伴的實作計畫
背景與問題
東南亞擁有大量以零工經濟維生的群體，包括 Grab 平台上的司機、外送員，以及依賴 Grab 生態系經營的微型商家。這些工作者每天都要面對實際的經營決策：商家要判斷銷售趨勢、調整庫存、規劃促銷活動；司機或外送員則可能想拓展收入來源，甚至嘗試創業。AI 工具理論上能協助處理這些問題，但對多數人來說，知道 ChatGPT 存在與知道如何用它解決日常問題，是兩件完全不同的事。OpenAI 與 Grab 注意到這道落差，因此在 2026 年 9 月 23 日宣布推出名為「與 AI 共創未來」的區域技能培訓計畫，目標是在未來兩年內，協助三萬名 Grab 司機、外送員與商家夥伴，培養能實際應用於工作與業務的 AI 技能。
Grab 是東南亞領先的超級應用程式，所謂超級應用程式，是指將叫車、外送、電子支付、商家服務等多種功能整合在同一個平台上的應用生態系。OpenAI 則是開發 ChatGPT 的人工智慧研究機構。這次合作將兩者的資源結合在一起：OpenAI 提供 AI 技術與課程基礎，Grab 則提供在地夥伴網絡與實務場域。計畫從新加坡起步，2026 年稍後拓展至泰國、印尼和菲律賓，2027 年進入馬來西亞和越南。這項培訓同時也是「OpenAI 助力新加坡」計畫的一部分，該計畫旨在與當地夥伴合作，讓更多民眾與企業在實際場景中使用 AI。
核心內容：從好奇探索到掌握實用技能
計畫設計的出發點，來自 Grab 對新加坡司機夥伴進行的調查。調查顯示，半數受訪的 Grab 司機與外送夥伴表示自己已經會使用 AI 工具；在尚未使用的受訪者中，有 87% 表示願意嘗試。ChatGPT 是這群受訪者最熟悉的 AI 工具，許多人也明確表示，希望透過 AI 拓展現有業務或探索創業的可能性。換句話說，需求確實存在，但缺乏的是引導與練習機會。
「與 AI 共創未來」的課程內容，刻意對準夥伴們日常面對的決策場景。司機或外送夥伴可以運用 ChatGPT 探索創業構想、思考如何讓服務展現特色，並擬定起步計畫；商家則可以用它分析銷售趨勢、規劃促銷活動，或為需求波動預先做好準備。在實作工作坊中，參與者會嘗試處理規模較大的任務，例如將銷售資料製作成儀表板、建立簡易網站，或擬定業務拓展計畫。這些任務完成後，參與者會檢視產出成果，再根據結果做出後續決策。這種設計強調的不是讓參與者被動認識 AI，而是實際動手操作、反覆調整，從中建立判斷力與信心。
技術與脈絡解讀：延續既有合作的下一步
這項培訓計畫並非 OpenAI 與 Grab 的首次合作。自 2024 年起，雙方就共同開發 Grab 的司機 AI 助理，這項工具採用 OpenAI 模型，可協助司機掌握需求、善用時間，並解答日常問題。目前已有將近五十萬名司機使用這項工具。「與 AI 共創未來」可以視為這項合作的延伸，從工具開發走向技能培養，讓夥伴不只是被動使用 AI，而是能主動依據自己的目標嘗試應用。
在執行層面，未來幾個月內，雙方將在東南亞各地舉辦半天的實體工作坊，課程以 OpenAI Academy 的內容為基礎，並依各國夥伴的需求調整。OpenAI Academy 是 OpenAI 提供的教育資源平台，目的是讓不同背景的人都能學習如何使用 AI 工具。此外，計畫也將培訓 GrabAcademy 講師，GrabAcademy 是 Grab 內部的教育訓練體系，培訓講師的目的是讓這項計畫在未來能持續擴散，觸及更多無法參加初期工作坊的人。
影響與限制
這項計畫的實務意義在於，它試圖為資源不對等的競爭環境創造較公平的起點。大型企業通常有專門團隊負責分析資料、發展構想、規劃下一步；但個體商家或平台工作者往往沒有這樣的支援。透過適當培訓，他們可以運用 AI 自行完成更多這類工作。Grab 組織能力長 Ong Chin Yin 在聲明中表示，許多夥伴對 AI 充滿期待，但需要實用指引，了解如何以切合自身工作、業務與理想的方式應用 AI。OpenAI 國際業務董事總經理 Oliver Jay 則指出，ChatGPT 在東南亞廣受採用，反映出這個地區樂於接納新科技，但許多人對 AI 能協助實現的成果仍只接觸到皮毛。
參與計畫的 Grab 司機夥伴 Suhada Abdullah 也分享了個人經驗。她表示自己一向樂於學習新技能、把握新機會，AI 幫助她探索新點子，並在每天做出更周全的決定。工作坊帶領她將想法付諸實行，她持續探索新方法協助家裡經營熟食攤，同時開展有望帶來額外收入的專案。這段分享說明了培訓對個體工作者可能產生的具體改變，但同時也反映出目前公開資訊的侷限：關於課程成效的量化評估、參與者的長期追蹤結果，以及不同國家實施後的適應情況，都還有待後續觀察。整體而言，這項計畫的價值在於它將 AI 技能培訓從抽象概念轉化為針對特定職業場景的實作練習，而它的長期影響，則取決於能否在擴展過程中持續貼近在地需求。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。