當 AI 能寫出滿分答案，教育該考什麼？（李沛陞）
本文作者李沛陞先生(Shing Lee)是數據及人工智能素養協會(Data and AI Literacy Association, DALA)資深創會會員 兼 「Data Stewardship in Action」和「ESG理要知」 作者
一位中學生在深夜打開生成式 AI，輸入題目，十秒後得到一篇結構完整、論據清晰的文章。若只以「最終作品」評分，這篇作業可能拿高分；但真正值得追問的是：他懂不懂為什麼這樣寫？他能否辨別 AI 的錯誤、補足其盲點，並為自己的判斷負責？
這正是 AI 時代教育最尖銳的問題：當答案變得廉價，提問、判斷與負責任地行動，才是稀缺能力。 教育制度若仍以標準答案、背誦與一次性考試為核心，便等於用上一個時代的尺，量度下一個時代的人。
從「知道答案」到「能作判斷」
過去教育假設知識稀缺，因此記憶、複述和按程序解題是重要能力。但生成式 AI 已把「產出一份像樣答案」的成本降至接近零。企業真正需要的，不再是能複述資料的人，而是能界定問題、整合多方資訊、質疑假設、權衡風險並作出決策的人。
UNESCO 的學生 AI 能力框架便指出，AI 素養不只是操作工具，更包括以人為本的思維、AI 倫理、技術應用，以及系統設計能力；學習應由「理解」走向「應用」與「創造」。 換言之，學生不應只學會使用 AI，更要學會何時不依賴 AI、如何驗證 AI，以及如何承擔最終判斷的責任。
評估必須重新設計
如果考試仍只要求學生在兩小時內寫出一篇論說文，AI 幾乎必然會改寫遊戲規則。禁止使用並非長遠答案；更關鍵的是，讓評估能看見學生的思考過程與判斷品質。
國際間的評估改革正朝三個方向收斂：過程導向、真實任務與口語對話式評核。 這不是把 AI 趕出課室，而是把AI 納入學習現場，同時要求學生留下可追蹤的思考軌跡。
實務上，學校可考慮：
- 要求學生公開 AI 協作紀錄：說明使用了什麼提示、接受了哪些建議、拒絕了哪些內容，以及為什麼。
- 加入口頭答辯與即場解難：學生須解釋結論、回應挑戰，證明理解而非僅僅交付文本。
- 採用真實情境專題：處理社區、企業或公共議題，評估研究、協作、倫理考量與可行方案。
- 評分「判斷力」而非「完美度」：能指出 AI 回應的偏誤、資料來源限制與風險，往往比產出流暢文字更有價值。
這類設計讓評核從「你交了什麼」轉為「你如何思考、如何選擇、如何負責」。UNESCO 也提醒，AI 時代的評估須回應學術誠信、有效性、公平性與資料治理等挑戰，並能證明學生的高階思維、創造力、批判判斷與問題解決能力。
香港不能只買工具，更要改制度
香港已開始正視這個轉變。教育局於 2026 年發布中小學數字教育發展藍圖，強調以學生為本、教師為專業、學校為基地，並推動 AI 與教育的融合。 當局亦持續更新資訊素養框架，並推動在中小学課程中融入 AI 學習。
但政策文件只是起點。若課堂仍以測驗分數定義成功，教師仍被要求批改大量可被 AI 代寫的作業，學生自然會把 AI 視為「避開學習」的工具，而非「深化學習」的夥伴。制度設計決定行為：當評估獎勵思考，學生便會練習思考；當評估獎勵標準答案，學生便會尋找最快取得標準答案的方法。
對教育決策者而言，優先事項不是為每間學校採購更多 AI 平台，而是重新回答三個問題：我們希望學生畢業時具備什麼判斷力？現行評估能否量度這些能力？教師是否有足夠的時間、培訓與授權，重新設計學習經驗？
企業管理者也應參與
這不只是教育界的事。企業管理者每天都在僱用「教育制度的產物」。如果企業只要求員工執行清晰指令，學校便容易繼續培養執行者；但如果企業重視問題定義、跨部門協作、倫理判斷與面對不確定性的韌性，便應把這些能力帶入實習、招聘與在職培訓。
一個可行的做法，是企業與學校共同設計真實專題：學生運用 AI 研究問題、提出方案，並向業務負責人答辯。企業獲得新視角與潛在人才觀察機會，學生則在真實限制中學會權衡取捨。這種「學習即實踐」的模式，遠比一份模擬試卷更接近未來工作的本質。
教育的真正任務
AI 不會取代教育，但會淘汰不願改變的教育模式。下一代的競爭力，不在於他們能多快得到答案，而在於他們能否提出更好的問題、辨別更可靠的證據、作出更負責任的決定。
教育制度必須從「傳授正確答案」轉向「培養可被信賴的判斷者」。這不是降低學術要求，而是提高要求：要求學生不只是完成任務，而是能解釋、反思、修正並承擔後果。
當 AI 能寫出滿分答案時，教育最該教的，是如何成為一個值得信賴的人。
更多李沛陞文章︰
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
