潁川學探索AI時代人才培育的競爭力—— 當答案越來越便宜大學四年要讓什麼變得珍貴？

  當學生只要輸入幾句話，就能得到一份報告、一張海報、一段程式，大學教育便面臨一個無法迴避的問題：

如果作業可以迅速完成，四年的學習究竟要留下什麼？

過去，我們習慣以「知道多少」衡量學習；現在，更需要追問：學生能否看懂問題、查驗證據、理解他人，並對自己的選擇負責？

在潁川學的視角下，AI時代的人才培育，應從知識的取得走向智慧的形成，從個人的表現走向共同完成事情的能力。真正值得培養的人才，是能把科技的力量，轉化為專業成果與公共價值的人。

當答案越來越容易取得，值得珍惜的，是提出問題的眼光、辨別答案的功夫，以及承擔結果的勇氣。

一、先分清楚：完成作業，不等於完成學習

試想兩位學生交出同樣精美的企畫書。

第一位把題目輸入AI，稍加修改便交卷；第二位先訪談服務對象，再以AI整理資料，逐項查驗來源，最後根據現場限制調整方案。

作品外觀看似相近，學習的厚度卻完全不同。前者可能只取得一份成品，後者則練習了理解需求、判斷資訊、協調限制與修正錯誤。

因此，大學若仍只看最後交出的答案，便容易把工具的表現誤認為學生的能力。

更有意義的評量，是讓學生說明：問題如何形成？資料如何取得？哪些建議被捨棄？為什麼修改？如果方案失敗，準備如何補救？

教育需要看見作品背後的思考歷程。學生也必須明白：借助AI完成任務之後，仍要能夠解釋、驗證與改進自己的成果。

二、專業基礎越扎實，越能判斷AI的價值

有人認為，既然AI可以回答問題，基礎知識便不再重要。這個推論忽略了一件事：缺少專業基礎的人，往往也缺少辨認答案是否合理的依據。

不理解統計，可能把相關性當成因果；不熟悉設計原理，可能把華麗當成好用；不了解服務對象的生活，就可能把整齊的分類誤認為真實的需要。

AI可以協助搜尋、整理與生成，學生則需要知道何時可信、何時存疑，以及何時必須回到原始資料或現場求證。

因此，大學應讓學生同時練習兩種功夫：
在沒有AI協助時，能清楚說明核心概念；
在使用AI之後，能辨識錯誤並改善成果。

專業的價值，包含知道怎麼做，也包含看得出哪裡做錯。

三、跨域學習，要學會接起不同專業的斷點

跨域教育容易流於課程的堆疊：
學一點程式、修一點管理、接觸一點設計，最後卻不知道「如何共同解決問題」。

真正的跨域，應從一個具體任務開始。

例如，學生想改善長者使用數位服務的困難。資訊專業要考慮系統是否穩定；設計專業要理解操作是否清楚；社會工作專業要辨認家庭與支持網絡；管理專業則須估算服務能否持續。

各種專業如何彼此協調，才是跨域學習最需要練習的部分。一個功能技術上做得到，使用者未必願意採用；一項服務廣受歡迎，也未必有人力長期維持。

學校可以要求每組學生共同回答：我們理解的是同一個問題嗎？各自的證據是否充分？出現衝突時，依據什麼取捨？

能在不同專業之間翻譯、協商並整合的人，才能把分散的知識變成可行的方案。

四、人文素養要落實為對人的理解與責任

人文教育若只剩下動人的口號，便難以影響實際決策。

同理心需要走進訪談，倫理需要進入設計，誠信需要落實於資料使用，尊重則需要表現在與他人合作的方式。

例如，學生以AI協助分析訪談內容，應先思考受訪者是否同意資料被如此使用；製作宣傳作品時，應查驗內容是否誤導；設計自動化服務時，應觀察誰因此更方便，誰又可能被排除。

善意值得珍惜，但善意仍需要方法與能力支持。自以為替人著想，卻未曾詢問對方的需要，仍可能造成負擔。

潁川學所重視的「德、量、才、識」，可以在這裡轉化為人才培育的四項要求：

德，是尊重他人、誠實呈現證據，願意承擔責任。

量，是聽得進異議，容得下差異，能與不同背景的人共事。

才，是具備完成任務、解決問題與落實方案的能力。

識，是理解情境、辨認風險，判斷什麼值得做、何時應該停。

四者需要相互支撐。有能力，還要有方向；有理想，也要有把事情做成的功夫。

五、國際視野從理解差異開始

海外學習的價值，不能只用出國次數、停留天數或照片數量衡量。

如果學生只是換個地方完成相同的活動，未必能形成更深的理解；反過來，在本地與不同文化背景的人長期合作，也能練習重要的國際能力。

真正的國際視野，是發現自己習以為常的做法，未必適合所有環境。

同一套服務，在不同地方可能面臨不同的語言習慣、資源條件與生活期待。學生需要學會先觀察、再詢問，願意調整自己的假設，並理解他人的選擇為何有其道理。

海外實習因此應有完整的學習設計：出發前建立背景知識，過程中記錄具體衝突與修正，返校後用證據說明理解如何改變。

世界成為教室的前提，是學生願意讓真實的世界修正自己。

六、大學四年應逐步增加學生承擔的責任

人才培育可以設計成一條逐步深入的道路。

第一年，建立基礎。練習閱讀、寫作、數量理解、資訊查證與AI基本使用，並透過小型任務認識自己的興趣與不足。

第二年，深入專業。理解核心概念、研究方法與品質標準，開始比較AI輸出與可靠資料，形成有根據的判斷。

第三年，進入現場。參與跨域專案、實習或社區合作，在時間、預算與人際限制之下，把想法轉化為可執行的工作。

第四年，整合與負責。提出具有明確對象的成果，接受使用者回饋，說明成本、限制與後續維護方式，並完成可以交接的紀錄。

這條道路的重點，在於讓學生承擔的責任逐年增加：從完成自己的功課，到參與團隊工作，再到對真實對象的需要有所回應。

七、重新設計評量：讓學生留下能力的證據

如果教育只用考試分數或作品外觀判定成果，便難以看見學生是否真正成長。

大學可以建立「學習證據集」，保存問題定義、資料來源、AI使用說明、修改紀錄、合作回饋與失敗反思。每一件作品，都應讓人看見學生如何由不懂走向理解，由錯誤走向修正。

口頭答辯、現場操作與個人反思，也能幫助教師辨認學生在團隊中的實際貢獻。

評量同時需要兼顧公平。學生使用的工具、設備與付費資源不同，學校應提供基本支援，並讓評分重點回到思考品質、專業判斷與學習進步。

值得鼓勵的學生，包括起點較低、卻能持續修正方法的人。教育若只獎勵最先抵達終點的人，便可能忽略許多正在長出力量的生命。

八、競爭力要從個人優勢走向共同創造

談人才培育，很容易把競爭力理解為薪資、職位或履歷上的亮點。這些固然重要，卻仍不足以說明一個人長遠的價值。

團隊需要值得信任的夥伴，社會需要能處理複雜問題的專業者，教育則需要讓更多人獲得參與的機會。

因此，AI時代的競爭力，可以理解為：
一個人能否持續學習、與人合作，運用專業和工具，創造值得信任的成果。

這也提醒大學，人才培育不能把學生全都訓練成同一種人。有人善於分析，有人擅長溝通，有人能將混亂整理成秩序，也有人願意耐心陪伴被忽略的需要。
教育的責任，是幫助不同的人找到可以貢獻的位置，再讓彼此的能力相互成就。

大學四年最珍貴的收穫

當AI成為日常，大學仍然需要教知識、練技術，更需要提供一段可以提問、試錯、合作與承擔的成長歷程。

學生離開校園時，未必要宣稱自己已經準備好面對所有問題，但應當具備一種可靠的態度：「遇到不懂的事，願意學；遇到可疑的答案，懂得查；遇到不同的人，願意聽；遇到自己的錯誤，能夠改。」

從潁川學的立場來看，教育應以德立身、以量容人、以才成事、以識辨向，讓科技的進步與人的成長彼此支持。
大學四年最值得帶走的是面對未知時仍能清楚思考、踏實行動，並讓他人願意與你共同前行的能力。

教育工作者  陳銀欉  敬述
2026-10-27