AI進入教室後，我最在意的問題變了
生成式 AI 出現之後，教育現場很快出現了一個問題：「學生到底可不可以用 AI？」
可以用嗎？考試能不能用？作業能不能用？報告用了多少才算合理？這些問題當然重要。
但實際在課堂裡陪學生使用 AI 一段時間之後，我越來越覺得，真正值得問的可能不是：「你有沒有使用 AI？」而是：
你正在把什麼思考交給 AI？
因為同樣都是打開 ChatGPT，一個學生可能是在請 AI 幫忙整理自己已經找到的資料；另一個學生則可能直接問：「幫我完成這份作業。」畫面看起來非常相似，但背後發生的學習，其實完全不同。
所以我不想把AI只教成一個「更快得到答案的工具」
如果 AI 最大的價值只是幫學生更快寫完答案，那教育最後可能會陷入一個很奇怪的狀態：老師努力設計任務，學生努力把任務交給 AI，最後我們再努力設計方法，檢查是不是 AI 寫的。這似乎不是我期待的 AI 教育。
我反而更想思考：AI 可以承擔哪些工作，讓學生有機會把力氣放在更重要的思考上？
因此，在不同課程裡，我開始嘗試給 AI 不同的「角色」。不是 Answer Machine｜答案機，而可能是 Analyzer、Research Assistant、Career Coach、Life Design Partner、Future Simulator。
這些角色有一個共同點：AI 可以提供線索，但最後的判斷權不能被拿走。
角色一｜Analyzer：幫學生看見原本散落的線索
在生涯課程裡，學生常常不是「沒有資料」，反而是資料太多。興趣測驗有一份，性向測驗有一份；過去的重要經驗、喜歡的活動、欣賞的人、曾經成功或挫折的故事，也散落在不同地方。問題是：這些東西彼此之間有什麼關係？
這時候 AI 很適合成為 Analyzer｜線索分析者。學生可以把自己的回答整理後交給 AI，請它協助找出反覆出現的主題、比較答案的共通點、提出可能解讀、找出缺少的資訊，並提醒哪些地方可能互相矛盾。
但我不希望 AI 最後說：「所以你就是一個適合念心理系的人。」因為這個結論太快了。AI 比較適合說：「你的答案中多次出現『理解別人』『傾聽』『協助』，這可能是一條值得繼續探索的線索。」
差別就在：AI 是在「整理線索」，還是在「替學生定義自己」。
角色二｜Research Assistant：協助研究，而不是替研究者完成研究
在自主學習裡，我最常使用的另一個角色是：Research Assistant｜研究助理。
學生研究一個自己還不知道答案的問題時，本來就會需要很多協助。例如不知道怎麼找關鍵字、不知道兩個概念差在哪裡、找到很多資料卻不知道怎麼整理，或做完問卷後不知道圖表可以怎麼解讀。這些事情 AI 都可以提供協助。
AI 可以協助產生搜尋關鍵字、比較不同概念、整理資料、提供研究方法的可能方向、挑戰目前的研究推論、解讀圖表，也能提醒可能存在的其他解釋。
但這裡有一條很重要的界線。AI 可以幫學生回答：「有哪些方法可以考慮？」但不能替學生回答：「我的研究最後決定使用哪個方法？」
AI 可以說：「這組資料可能有三種解釋。」但學生還是要回答：「根據我的研究，我認為哪一個解釋比較合理？為什麼？」
所以我希望 AI 是一個 Research Assistant，而學生仍然是 Researcher。
AI不是研究負責人
我現在越來越常用一個很簡單的方式和學生討論 AI：AI 可以幫忙，但最後誰簽名？
如果這是一份研究，最後負責的人仍然是你。所以學生不能只說：「ChatGPT 說這樣。」而需要再往前一步：「AI 提出這個解釋，但我查到的資料是……」「我比較了兩個來源之後，我選擇……」「AI 建議我使用問卷，但我們後來認為訪談更適合，因為……」
這些句子裡真正重要的不是 AI，而是：判斷。
角色三｜Career Coach：不要替學生選職業，而是讓問題變得更好
AI 進入生涯教育後，一個很直覺的使用方法就是輸入：「我的興趣是○○、性格是○○，請問我適合什麼工作？」然後 AI 列出十個職業。看起來很有效率，但這其實也是我最擔心的一種使用方式。
因為生涯教育最後很容易再次回到 輸入條件 → 配對答案。只是以前負責配對的是測驗，現在變成 AI。
所以我更希望 AI 成為 Career Coach｜生涯教練。好的 Career Coach 不會一開始就告訴你「你應該念什麼」，反而會問：「你為什麼會對這件事情有興趣？」「你喜歡的是這份工作的哪一部分？」「如果拿掉薪水，你還會喜歡它嗎？」「你真正不想失去的是什麼？」「你現在做這個選擇的證據有哪些？」
AI 真正有價值的地方，可能不是給學生更多答案，而是：幫學生遇到更好的問題。
角色四｜Life Design Partner：陪學生重新閱讀自己的故事
在高一的生涯規劃課程裡，我使用「人生五問」讓學生重新閱讀自己的生命經驗。例如：我欣賞誰？什麼事情總是吸引我？哪些故事對我特別重要？我反覆相信哪些事情？我的生命曾經出現哪些重要轉折？
這些答案單獨看，好像沒有什麼。但放在一起，可能開始浮現：Life Theme｜生命主題。
AI 這時候可以成為 Life Design Partner。它可以幫忙找出哪些字重複出現、哪些價值一直出現，以及不同故事背後有沒有共同模式。
但 AI 提出的解讀必須維持：「這是一種可能性。」而不是：「這就是你。」因為一個人的生命故事，最後的解釋權仍然應該屬於那個人。
角色五｜Future Simulator：讓學生比較選擇，而不是預言未來
到了國三、高三，學生開始真的需要做選擇：普通高中？技術高中？科系？學群？職業方向？這時候 AI 還有一個很有意思的角色：Future Simulator｜未來模擬器。
例如學生可以問：「如果我選擇心理相關科系，接下來四年可能會遇到什麼？」或「如果我選 A 方向和 B 方向，兩條路分別需要準備哪些能力？」
AI 可以協助模擬 A 選擇可能帶來什麼、B 選擇可能帶來什麼、有哪些成本、有哪些未知，以及還缺哪些資訊。這並不是預言，而是一種 scenario thinking｜情境思考。
學生最後要做的不是問「哪條路最好」，而是：哪一條路，以我現在知道的資訊來看，比較值得我繼續往前探索？
PBL裡的AI：當學生真的需要它時，科技才出現
我在 PBL 裡也越來越不希望出現：「這是一堂 AI 課，所以今天大家要用 AI。」科技不應該為了出現而出現。
例如學生在《宏仁綠奇蹟》裡研究校園能源問題。學生真正的問題可能是：冷氣到底為什麼不涼？環境溫度怎麼變化？不同使用方式有什麼差異？改善前後真的有效嗎？
到了這個時候，學生才開始需要 Arduino 協助測量、資料協助比較、AI 協助分析。也就是：先有真實問題，才出現真正需要的科技。AI 在這裡不是主角，問題才是主角。
AI時代，我反而更在意學生留下哪些能力
AI 確實可以幫我們做很多事情，而且未來一定會做得更多。因此我反而開始重新思考：哪些能力更不能被交出去？
Questioning｜提問
我到底想知道什麼？
Verification｜查證
這個資訊是真的嗎？來源在哪裡？
Judgment｜判斷
這些建議裡，我要採用哪一個？
Interpretation｜解釋
這些資料代表什麼？
Reflection｜反思
如果結果和我原本想的不一樣呢？
Decision Making｜決定
最後，我準備怎麼做？
真正需要學會的，不是「怎麼下Prompt」
我當然會教學生怎麼問 AI。好的 Prompt 確實重要。但如果 AI 教育最後只剩下「你要怎麼寫一個厲害的 Prompt」，我會覺得有一點可惜。
因為未來的 AI 很可能越來越不需要使用者學習複雜的提示技巧。但有一件事不會因此變得不重要：你到底想解決什麼問題？
所以比起 Prompt Engineering，我更希望學生逐漸學會 Problem Framing、Questioning、Verification、Judgment、Reflection。這些才是 AI 越來越強之後，更值得被留下的能力。
我不想禁止AI，也不想把思考全部交給AI
所以如果現在有人問我：「學生到底可不可以使用 AI？」我的答案其實是：可以，而且應該學會使用。
但另一個問題必須一直跟在旁邊：「這一次，哪一個決定仍然必須由你來做？」
研究什麼、相信什麼、接受哪個建議、怎麼解釋、選擇哪條路，以及為什麼。這些地方，我希望學生仍然在場。
因為 AI 可以提供答案，也可以提供非常好的建議。但教育真正需要培養的，也許從來不是「誰能最快得到答案」，而是：
當答案很多的時候，我知道自己為什麼做出這個選擇。
這才是我現在想像中的 AI 教育。