從AI進教室到AI紅利共享？ 台灣真正該考驗國家治理能力

(鄒志中特稿)    AI人工智慧正在改變台灣！AI走進教室，重塑學生閱讀、寫作與思考的方式；AI進入工廠，重新配置生產流程與勞動需求；AI進入企業，改變投資決策與產業競爭格局；AI也進入政府的政策議程，成為經濟成長與國家競爭力的重要支柱。當我們愈來愈習慣用AI談論效率、成長與競爭力時，一個更根本的問題卻始終被懸置：AI究竟要把台灣帶向什麼樣的社會？

如果AI讓企業獲利增加，卻沒有改善多數勞工的薪資；如果AI讓學生更快完成作業，卻削弱獨立思考的能力；如果科技產業不斷擴張，政府卻無法處理師資短缺、青年焦慮與產業轉型的落差，那麼台灣即使取得亮眼的經濟成績，也不代表已經做好迎接AI時代的準備。AI革命真正考驗的，從來不只是技術實力，而是國家能否把技術優勢轉化為全民共享的長期發展能力。

這場AI變革之所以發生，並非單純因為技術成熟。台灣AI半導體供應鏈的全球地位、出口導向的經濟結構、以及長期依賴科技產業支撐成長的政治慣性，共同創造了AI快速滲透的條件。然而，教育體系、勞動市場與社會安全網的調整速度，卻遠落後於技術擴散的節奏。這不是偶然的時間落差，而是制度設計長期忽略「技術紅利如何轉化為社會能力」的結構性結果。

AI進教室：學會使用工具，不等於真正學會思考

教育部長鄭英耀日前在教師節致信全國教師，談到人工智慧帶來的教育變革。教育部提出「未來人才AI能力圖像」，並規劃自116學年度推動「中小學教師教學創新行動計畫」，希望逐步培養學生使用AI、負責任使用AI，以及運用AI解決問題的能力。這個方向值得肯定。AI已逐漸成為學習與工作的基本工具，台灣教育不可能將它拒於校門之外。

但政策的關鍵不在於有多少學校導入AI、多少教師參加研習，而在於學生使用AI之後，究竟學會了什麼？今天，AI可以整理資料、翻譯文章、解答數學題，甚至在幾秒鐘內完成一篇作文。然而，AI完成作業，不等於學生完成學習；AI摘要文章，不代表學生理解內容；AI提供數學答案，也不代表學生掌握背後的數理邏輯。

閱讀、寫作與數學訓練之所以重要，正因為學習者必須經歷理解、推理、犯錯與修正。這些看似缺乏效率的過程，恰恰是建立知識、判斷與解決問題能力的基礎。如果學生從小遇到問題便直接向AI索取答案，長期下來可能熟悉各種工具，卻失去獨立完成任務的能力。更值得擔憂的是，當學生缺乏基本知識，就連AI提供錯誤的資訊時，也可能無從辨識。

因此，AI教育不能只教「如何使用」，還必須回答「什麼時候不應使用」。國小階段應優先建立閱讀理解、書寫、算術與口語表達能力，讓學生有足夠機會自行思考與完成任務。國高中可以逐步引導學生先提出自己的答案，再使用AI比較不同觀點、檢驗推論及查證資料。大學則可更開放地運用AI，但必須建立學術誠信、資料保護、引用揭露與成果驗證機制。這不是把學生分成可以使用AI與不可以使用AI的兩個世界，而是依照學習目標、年齡與任務風險，設計不同的使用規範。

學校也應調整評量方式。與其只看學生交出的報告，不如增加口頭說明、現場實作、過程紀錄與追問機制，確認學生能否解釋自己的答案、辨識錯誤並承擔判斷責任。真正成功的AI教育，不是讓學生比AI更快產生答案，而是讓學生知道如何提出好問題、判斷答案是否可信，以及在答案錯誤時找到修正的方法。

為什麼會出現「工具使用優先於思考訓練」的現象？這與台灣教育長期以升學與效率為導向的歷史脈絡有關。從聯考到學測，評量制度始終強調可量化的結果，而非過程中的判斷力。AI的出現，只是把這套效率邏輯推到極致。台灣教育的制度性問題在於：我們把「會用AI」當成政策目標，卻沒有同步重建「如何判斷AI」的能力架構。結果是技術進入教室，思考卻可能被擠出教室。

教育部不能只發布計畫，更要承擔國家教育的責任

AI教育的問題，最終仍然回到教育治理。新學年開學，台灣部分縣市出現國小一年級只有一名新生的情況；另一方面，全國公立國中小卻仍有代理教師待聘，正式教師甄選也出現缺額未能補足的現象。學生愈來愈少，學校卻不一定更容易教好學生；教師需求發生變化，部分學校仍然面臨招不到人才的困境。

這看似矛盾，其實反映台灣教育制度長期存在的結構問題。少子化改變了學生分布，卻不會讓各地同步減少學生；有些都會區學校仍然擁擠，有些偏鄉學校則面臨新生不足。數學、自然、資訊等科目的師資需求，也不一定能透過一般教師甄選立即補足。

教育部長如果只回答教師聘任是地方政府的責任，並以各縣市整體聘任率作為教育運作正常的證明，顯然沒有回答真正的問題：當不同地區、學科與學校出現結構性供需失衡時，中央政府應該扮演什麼角色？地方政府負責聘任，不代表中央政府不必負責。中央教育主管機關應掌握全國師資供需、教師流動、學科缺額、代理教師比例及區域差異，建立中長期預測，並協助地方調整師資培育、教師待遇與人力配置。涉及全國性的制度問題，更不能要求台灣每個縣市各自摸索。

台灣並不缺教育計畫、白皮書與補助案，真正欠缺的，是將政策目標、預算配置、執行進度與教育結果連結起來的治理機制。教育部每推出一項新政策，都應該回答四個問題：要解決什麼問題？由誰負責？需要多少資源？如何判斷成效？尤其當教師行政工作不斷增加，教育改革便可能陷入反效果。老師忙著填表、參加研習、製作成果報告，反而沒有足夠時間備課、指導學生與處理個別差異。

因此，教育部應建立「新增政策同步檢討舊工作」的制度。新增一項要求，就必須盤點是否能取消或簡化其他行政事項；凡是無法證明有助於教學的重複填報、形式評鑑與成果文件，都應逐步刪減。這才是中央政府應有的責任：不是不斷把任務交給學校，而是為學校創造更好的教學條件。

這套結構問題的根源，可以追溯到解嚴後教育地方化與中央資源分配之間的張力。地方自治擴大了縣市權限，卻沒有同步建立足以因應人口結構劇變的全國性人力預測與調配機制。結果是政策不斷疊加，基層教師的時間與精力卻被行政工作侵蝕。AI進教室只是讓這個老問題變得更尖銳。

少子化不是單純的退場危機，而是重新設計教育的機會

當少子化持續衝擊幼兒園、中小學與大專院校，台灣不能只把問題理解為招生不足、學校關閉或教師減量。學生減少，理論上意味著教育制度有機會投入更多資源照顧每個孩子。問題在於，這項人口變化究竟會轉化為教育品質提升，還是成為預算緊縮與學校退場的理由？

如果政府只依學生人數分配資源，偏鄉學校可能因為規模小而難以維持基本服務。但對偏鄉家庭而言，學校不只是授課場所，也是社區公共生活的重要支柱。因此，學校整併不能只看每名學生的平均成本，更要評估交通時間、家庭負擔、社區需求與學生受教權。對於確實需要整併的學校，政府應提供交通接駁、課後照顧、教師安置與社區設施轉型方案；對於有條件維持的小校，則可發展跨校課程、特色教育、遠距專業教學及區域共享師資，讓規模小不必然等於教育品質差。

另一方面，少子化也應成為降低班級人數、增加個別輔導與強化特殊教育的契機。孩子的閱讀困難、情緒問題與家庭困境，如果能在早期獲得協助，往往比等到升學壓力加重後才處理更有效。政府應逐步補足輔導教師、心理專業人員、特教人力與社工支持，建立學校與家庭之間的早期支持系統。

大學也必須面對人口結構的改變。研究型大學、教學型大學與技職校院，不應全部追求相同的排名、研究所數量與論文指標。研究型大學應集中資源發展尖端研究；教學型大學應以教學品質、學生學習與職涯發展為核心；科技大學則應重新強化技術能力、實作訓練與產業連結。招生不足的校系應接受透明的品質檢視，必要時整併、轉型或退場，但不能把退場當成唯一答案。政府也應鼓勵學分互認、跨校選課、彈性修業及在職進修，讓教育資源從維持既有組織，轉向提升學習品質。

少子化真正帶來的問題，不只是學校能不能繼續存在，而是台灣是否願意利用人口變化，重新思考每一名學生應該獲得什麼樣的教育。這場人口結構的轉變，其實是戰後嬰兒潮世代逐漸退出教育體系、以及經濟發展優先於生育支持的長期政策選擇所累積的結果。今天的少子化危機，是過去幾十年「先成長、後生育」路徑的必然後果。制度若不趁此重新設計，只會把危機轉化為另一輪資源緊縮。

AI治理：不能只有創新速度，還必須建立安全與責任制度

教育只是AI影響社會的一個面向。當AI從回答問題的工具，逐步發展成能夠執行多步驟任務、使用外部工具及協助決策的系統，政府與企業面臨的問題也隨之改變。過去談AI，大家關心算力、晶片、模型能力與應用效率；現在則必須進一步追問：AI出錯時由由誰負責？系統是否會洩漏個人資料？企業如何驗證AI大模型的可靠性？當AI被用於醫療、金融、教育與公共服務時，誰有權要求再做人工複核？

這些問題涉及市場失靈，也涉及政府治理。企業有追求效率與利潤的誘因，卻未必會主動承擔所有風險成本。政府雖有監督責任，但如果法規過度僵化，可能妨礙創新；如果監管不足，又可能讓錯誤決策、資訊操弄與資料濫用造成更大的社會成本。因此，AI治理不應走向全面禁止，也不能採取毫無條件的放任，而應建立依風險分級、持續評估及責任可追溯的制度。

對台灣而言，可以從四個方向著手 : 第一，建立高風險AI應用的評估制度。涉及醫療、金融、教育評量、公共服務及重要基礎設施的系統，應依使用情境進行風險評估、測試與紀錄，並保留必要的人工覆核機制。第二，建立政府採購AI的共同標準。中央與地方機關採用AI系統時，應要求供應商揭露必要的資料使用、資訊安全、錯誤處理及責任歸屬資訊，避免各機關各自採購，卻無法有效管理風險。第三，建立企業導入AI的輔導與測試資源。大型企業有能力聘請專業團隊，小型企業卻可能缺乏資金與人才。政府應提供共用測試環境、資安諮詢、產業資料服務與技術輔導，降低中小企業安全導入AI的成本。第四，建立AI事件通報與修正機制。當AI系統造成重大錯誤、資料外洩或其他實質損害時，應有清楚的通報、調查、補救與責任追究程序，並將經驗回饋到後續標準。

台灣擁有世界級半導體產業與完整的科技供應鏈，這是AI時代的重要優勢。但如果台灣只提供晶片、伺服器與算力，卻沒有能力協助企業、學校與公共部門安全使用AI，AI產業競爭力仍然存在缺口。下一階段的競爭，不只是誰能製造更先進的晶片，也包括誰能讓更多產業以合理成本、可控風險與可信任的方式採用AI。這套治理缺口的形成，與台灣長期「產業優先、社會風險後置」的政策傳統密切相關。過去我們成功用出口導向撐起台灣經濟奇蹟，卻也習慣把社會成本留給市場自行吸收。AI時代的風險，已不再能被市場完全內化。

AI紅利不能只靠普發現金，必須轉化為長期公共投資

當AI帶動出口、投資與企業獲利，台灣自然會面臨另一個問題：經濟成長所創造的紅利，應該如何分配？普發現金具有直接、容易理解的優點，也能在特定情況下提供短期支持。但一次性的現金移轉，並不能自動解決青年低薪、住宅負擔、技能落差、人口老化與產業轉型等長期問題。如果AI帶來的經濟利益持續增加，政府卻每年只去討論如何發放一次性補貼，便可能錯失建立長期公共資產與社會安全網的機會。

真正值得討論的，不是普發現金與公共投資只能二選一，而是如何在財政可負擔的前提下，建立穩定、透明且具有跨世代效益的分配制度。首先，政府應評估設立國家投資基金或主權基金的可行性，但必須先釐清資金來源、法律授權、風險承擔、投資治理與問責制度。如果基金資金來自一次性超額收入，就不能將它視為永續、固定的財源；如果涉及舉債、外匯資產或其他公共資產，也必須公開機會成本與風險。基金規模不應先由政治口號決定，再回頭尋找財源。

更重要的是，政府應區分兩種用途：一部分用於具有長期收益與戰略價值的投資，另一部分則投入不一定產生財務報酬、卻能提升社會整體能力的公共建設。例如，AI算力與資料基礎設施、次世代電網、能源韌性、公共資安及中小企業數位轉型，都可能成為支撐下一階段生產力的基礎。對青年而言，政策也不應停留在一次性補助。政府可以建立終身學習帳戶、提供經認證的AI技能訓練、推動帶薪職業轉訓，並將部分補助與實際技能取得、就業媒合及職涯轉換連結。對受到自動化衝擊的勞工，應提供更具彈性的職訓、轉職支持與所得保障，避免技術進步的利益集中在資本與少數高技能工作者身上。對中小企業，政府應從普遍撒錢轉向有條件的轉型投資。企業若導入AI、改善能源效率、提升資安或培訓員工，可以透過配比補助、低利融資、共同採購與技術服務降低成本；但補助必須設有績效指標、查核機制與退場條件，避免資源被少數熟悉申請程序的企業反覆取得。

AI紅利也應適度投入青年居住、托育、教育與長照。因為對年輕家庭而言，能否負擔住宅、能否兼顧工作與育兒、能否預期未來的生活成本，往往比一次性的現金更能影響人生選擇。這些政策共同指向一個原則：AI帶來的短期收入可以分配，但AI帶來的長期機會更應該被投資。台灣過去多次在景氣高峰時選擇短期現金移轉，卻很少建立真正跨世代的公共資產。這不是財政能力的問題，而是政治週期與長期投資之間結構性張力的結果。

從AI紅利到全民共享：台灣需要一套可執行的治理方案

如果上述問題分別交由教育部、經濟部、勞動部、數位發展部與地方政府處理，卻缺乏共同目標，政策很容易形成各自為政的局面。教育部負責培養人才，經濟部負責產業轉型，勞動部負責職業訓練，數位發展部負責數位政策，財政部負責財源與稅制，地方政府則負責大量第一線公共服務。每個部會都有職掌，但AI對社會的影響不會按照行政組織的界線發生。

台灣需要的不是再成立一個只負責開會的新機關，而是由行政院建立跨部會的AI轉型治理機制，將教育、產業、勞動、財政與社會政策納入共同的執行架構。這套機制至少應有四項具體任務 :

第一，建立國家AI轉型指標。不能只看AI產業產值、出口金額與企業投資，也要追蹤中小企業採用AI的比例、勞工生產力與薪資變化、青年技能提升、教師行政負擔、學生基本能力，以及AI造成的重大資安與資料事件。這些指標應公開發布，並定期檢視政策是否真正改善問題。

第二，建立跨部會的AI轉型預算盤點。政府應盤點各部會既有的AI、數位轉型、人才培育與產業補助計畫，確認哪些工作重複、哪些需求無人負責，以及哪些資源未能有效觸及中小企業、偏鄉學校與弱勢勞工。盤點的目的不是單純刪減預算，而是將有限資源投入最有迫切性、最能產生公共效益的領域。

第三，建立教育與產業的人才銜接機制。從國小的數位素養、國高中的AI與批判思考，到大學的跨域學習、技職教育及在職進修，應形成連續的人才培育體系。政府還應與企業、工會、學校及專業團體共同預測技能需求，定期更新訓練內容，避免教育端培養的人才與產業真正需要的能力持續脫節。

第四，建立AI紅利的透明分配原則。如果未來AI確實帶來持續的超額財政收入，政府可以評估將其中一部分投入長期公共投資與社會韌性建設。但必須先釐清什麼是可持續的財政收入、什麼只是景氣循環帶來的一次性收益，並建立公開的財源計算、投資績效與風險揭露制度。政府不應承諾尚未確定的紅利，也不應把預期中的經濟成長提前當成可以永久支出的收入。

這些工作未必能在一年內完成，但可以設定分階段目標，逐年公布成果，讓人民看見政府究竟改善了什麼，而不只是宣布了多少新計畫。台灣行政體系長期以「部會分工」為運作原則，這在常態治理下有效率，卻在跨域變革時暴露協調不足的弱點。AI正是典型的跨域挑戰，它同時衝擊教育、勞動、產業與財政。若繼續沿用舊有分工邏輯，政策必然碎片化。

AI愈強大，國家愈需要重新思考人的價值

AI時代最大的矛盾，在於技術可以快速進步，社會制度卻不一定能同步調整。當AI能夠完成愈來愈多工作，教育必須重新定義學習；當企業可以用更少的人力創造更多產出，勞動制度必須重新思考生產力與所得的關係；當少子化與高齡化改變人口結構，政府也必須重新配置教育、照護與公共建設資源。這些問題不能靠單一科技政策解決，更不能只用經濟成長率判斷國家是否成功。

如果學生因為AI而失去思考能力，技術進步便可能侵蝕教育的根本；如果教師因行政負擔過重而無法專心教學，教育改革便可能只剩下制度表格；如果企業因缺乏轉型資源而被排除在AI經濟之外，科技榮景便可能擴大產業差距；如果AI創造的收益無法改善青年生活與社會安全，經濟成長也未必能轉化為人民的安全感。

因此，台灣需要的不是在AI熱潮中不斷追逐最新工具，而是建立一套能讓科技、教育、產業與社會共同前進的制度。教育部應該為下一代的學習能力負責，產業政策應該協助企業提升生產力，勞動政策應該讓工作者有能力適應變化，財政政策則應該把可持續的經濟成果轉化為公共投資與跨世代保障。政府不能替每個人保證AI時代的成功，卻有責任確保人們具備參與這場轉型的機會。

AI可以協助學生找到答案，卻不能替學生建立判斷力；AI可以協助企業提高效率，卻不能自動決定生產力成果如何分配；AI可以為台灣創造新的經濟機會，卻不能代替政府決定這些機會要如何轉化為社會的長期福祉。真正值得追求的，不是AI讓台灣變得多麼富有，而是AI讓台灣有沒有能力成為一個更有競爭力、更公平，也更能照顧下一代的幸福社會。這才是從AI進教室到AI紅利共享，台灣真正必須回答的國家級治理課題。