AI Agent時代，教育該教的還只是STEM嗎？從學會解題，到學會定義問題

當AI從聊天工具走向能執行任務的AI Agent，教育逐漸要面對一個問題：學生除了學習STEM，是否能學會定義問題、驗證結果、設計流程，並與AI協作完成真實工作。

過去二十多年來，全球教育與產業政策都強調STEM的重要性，因為它代表科技產業人才最重要的基礎能力。但在AI快速進入職場後，STEM的意義正在被重新定義。當AI可以協助寫程式、整理資料、生成報告、分析數據，甚至開始執行多步驟任務時，教育應該進一步關注學生是否理解問題本身？是否能判斷AI的答案是否可靠？是否能把知識轉化成可以重複執行的流程？

2026年5月，據美聯社報導，美國亞利桑那大學畢業典禮出現一個值得關注的畫面。Google前執行長Eric Schmidt談到人工智慧將帶來巨大變革時，台下部分畢業生卻以噓聲回應。

年輕人對AI的反感，有部分來自對教育價值、工作模式與未來職涯的不安。

STEM 是什麼？

所謂STEM，指的是Science、Technology、Engineering、Mathematics，也就是科學、科技、工程與數學。過去二十多年來，全球教育與產業政策都強調STEM的重要性，因為它代表科技產業人才最重要的基礎能力。

大學生的焦慮？不是科技變革，而是踏入職場的第一階樓梯正在縮小

年輕人焦慮的核心，不單是AI會不會取代工作這麼簡單，更多的是擔心自己多年累積的知識，是否還能換來進入職場的機會。

從我過往閱讀過的報導，以及面對過的學生反饋來看，年輕人面對AI可能帶來的就業衝擊、能源消耗、教育失序，以及科技企業掌握過多權力時，常見的擔憂是自己花了十多年接受教育，還沒有正式進入職場，所學的能力就已經開始過時。

我在教育現場工作多年，近年也從企業經營的角度觀察AI進入軟體、金融與各種知識型工作。過去學生最常問的是：「我應該選什麼科系，未來才比較有工作？」現在更多的問題卻是：「我大學畢業後，還有工作嗎？」

這種轉變與焦慮並非毫無根據。

史丹佛數位經濟實驗室分析美國薪資與就業資料後發現，在AI暴露程度較高的職業中，22至25歲的初階工作者，就業機會已經出現相對下降。同一職業中的資深工作者，受到的影響則較小。

（資料來源｜Stanford Digital Economy Lab, “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, ” 2025.）

這代表現階段的AI不會立刻消滅整個職業，卻可能先取代或壓縮一部分初階工作，例如資料整理、客服回覆、程式測試。

當這些初階任務開始可以由AI初步完成，企業仍然需要具備經驗與判斷力的資深人才，但年輕人又要從哪裡累積成為資深人才所需的經驗？這正是教育必須面對的新問題。

AI Agent不只是聊天工具，而是正在進入企業工作流程

Agent 時代最大的改變，是AI從回答問題，逐漸進入任務執行與工作流程。

過去我們熟悉的聊天AI，主要功能是回應提問、生成內容。Agent則更進一步，能根據目標拆解任務、讀取資料、執行工作，並依據結果持續修正。

人工智慧企業Anthropic提出的Agent Skills，更進一步將指令、程式腳本、參考資料與工作資源，整理成AI可以重複使用的能力模組，讓Agent依據任務需要動態載入。

（資料來源｜Anthropic, “Equipping Agents for the Real World with Agent Skills, ”2025.）

而另一間企業Open AI在Codex相關實驗中，也呈現出類似的改變。工程師的工作不再只是親自撰寫每一行程式，而是定義目標、設計環境、設定驗收標準，並讓Agent負責大量測試與修正。

不過，人的角色並沒有消失，而是從直接執行，逐漸移向問題定義與結果負責。

因此，企業未來真正需要的，不會只是一個能回答問題的AI，而是由Agent、Skills與Learning Loop所構成的新型工作系統：

．Agent 負責執行

．Skills 承載組織知識

．Learning Loop 將驗正與回饋，轉化為可使用的經驗。

這表示AI轉型不是資訊部門採購新工具就能完成，而會牽動整個組織的管理制度、人才培育與責任結構。

STEM該如何轉型？學生必須具備的五種新能力

當AI能快速完成解題，人類需要保有的能力，是理解公式代表什麼、資料是否可信、假設是否合理，以及答案能否運用在真實世界。因此，未來學生不能只學會「解題」，還必須學會「定義問題」。

Agent時代的教育，至少培養五種新能力：

１／問題定義能力：學生必須能把模糊需求轉化為清楚的目標、限制條件與驗收標準。

２／人機協作能力：學生要知道哪些工作適合交給AI，哪些必須由人判斷，以及何時應該停止、修正或接管。

３／驗證能力：學生不能因為AI快速給出答案，就直接相信結果，而要能檢查來源、邏輯、偏誤與風險。

４／將專業轉化為Skill的能力：把自己會做的事情整理成流程、規則、範例與工具，使知識可以被重複使用。

５／建立學習迴圈的能力：未來重要的不是第一次就得到標準答案，而是能否從錯誤、回饋與實際結果中持續改善。

圖片來源｜凱衛資訊股份有限公司提供；本圖由AI工具輔助生成，並經人工編修後使用。

這些改變也會影響學校的評量方式。未來的作業不能只看最後答案，還要看學生如何提出問題、如何使用AI工具、如何查證結果，以及哪些關鍵判斷是由自己完成。教師的角色也將改變。教師不再只是知識傳遞者，而會更像學習設計者、提問者、診斷者與價值判斷的引導者。

如何產學合作導入AI教育？凱衛資訊看見智慧金融的新需求

年輕人的立足點不應是避開AI，而是學會對結果負責。未來真正重要的，不是人類和AI比誰做得快，而是人類能不能把AI放進正確的工作流程中，創造更好的結果。

也因為看見智能自動化與金融科技人才需求的轉變，凱衛資訊在我的帶領下，近年持續關注AI人才培育，我們期望新世代的學生們能理解AI概念，更能透過產業端實作任務，真正接觸資料、工具、流程與應用場景。

在數位發展部數位產業署指導、台北市電腦公會執行推動下，凱衛資訊偕同國票期貨共同參與「AI產業人才賦能計畫」短期實作課程。課程費用全額補助，期望培育智慧金融與財經自動化應用人才，並協助年輕人銜接未來就業機會。

很幸運在Agent時代的教育轉型中，我仍有機會將自己長年累積的教育理念與學習資源，重新帶回人才培育現場。透過產業與教育的共同引導，我希望讓學生更早學會如何駕馭AI，並在與AI合作的過程中，建立自己的專業、判斷與價值。

而美國大學生的噓聲，不應被簡單解讀為年輕人抗拒科技。它更像是一個警訊，技術前進得太快，但教育制度、企業用人與人才培育還沒有儘快調整。當AI能產生愈來愈多答案，教育真正要教的，將是如何提出好問題、做出好選擇，並對自己的選擇負責。

圖片來源｜凱衛資訊股份有限公司提供。

◆ 本文為專家作者觀點，不代表《今周刊》立場

作者小檔案

王宇老師

學歷：台大食科碩士（化工組）、中正企管博士。

現任凱衛資訊股份有限公司董事長，曾深耕教育領域逾三十年，擅長將複雜知識轉化為白話內容。2018 年跨入資訊科技產業後，投入金融交易系統、AI 應用與量子運算等領域，持續關注金融科技如何影響投資決策、交易系統與產業發展，並致力於推動科技應用與人才培育。