台灣醒報

2026年9月17至18日，哈佛大學數學中心曾經舉辦一場研討會，邀集包括MIT、史丹佛及普林斯頓等校的學者，共同探討AI時代的數學博士培養與學位授予標準：當AI已經能夠協助解題、撰寫證明，甚至參與研究，一篇優秀的博士論文，還能充分證明作者獨立研究的能力嗎？

與會學者討論後提出的建議是：不能只看論文成果，還必須透過現場考試、口試、報告與論文答辯，確認學生真正理解所學，具備獨立思考與研究的能力。

這場討論揭示了一個值得所有大學重視的原則：AI應該用來加速理解，而不是讓學生繞過理解。

一、當知識不再稀缺，大學的價值何在？

AI能夠解釋理論、回答問題、設計練習，甚至提供個別化指導。過去必須依賴教師才能取得的學習資源，如今可以更方便地獲得。如果教師的主要工作只是講授教科書、提供標準答案及批改例行作業，其角色確實可能弱化。

然而，取得答案不等於理解問題，完成作品與論文也不等於具備相應能力。因此，教師必須從知識傳授者，轉變為學習設計者、專業導師與學習成果的驗證者，幫助學生界定問題、檢驗證據、判斷AI答案的可靠性，並將知識運用於真實情境。

二、大學必須證明教育的投資價值

有調查顯示，美國民眾對高等教育的信心正在下降，當學生可以利用AI自行取得大量知識，為什麼還要付出高昂的學費與數年青春進入大學？今後，大學不能只以學位證書作為教育價值的證明，更必須說明學生畢業時究竟具備哪些能力，以及這些能力如何透過教育過程培養並加以驗證。

三、數學教育都如此，管理教育更應如此

數學是一門高度重視理論體系、邏輯推理與嚴謹證明的學科。即使在這樣的領域，AI的發展仍然迫使頂尖學者們重新思考如何培養真正的人才，重視實務應用的管理教育，豈不更應該重新思考自己的人才培育方式？

管理學不只是理論的學習，更是將知識運用於真實組織與複雜情境的專業。企業經營涉及市場變化、資源限制與轉換、組織文化、人才管理、財務風險，以及不同利害關係人之間的利益衝突。許多問題沒有標準答案，決策也往往必須在資訊不完整的情況下作出。

AI可以協助學生分析市場、建立財務模型、比較策略方案，甚至提出完整的企業經營建議；但是，學生能否判斷分析的前提是否合理？能否辨識各項資料的限制？能否在不同目標互相衝突時作出適當的取捨？能否在不同的方案中作出適當的選擇？又能否為自己的決策承擔起責任？這些才是管理教育應該培養的核心能力。

四、從教師角色轉變到教育品質保證：ACCBE組織的實踐方向

要回應這項挑戰，大學不能只要求個別教師改變教學方法，更必須重新檢視整個教育制度。每一個授予學位的單位都應該清楚界定學生畢業時應具備的核心能力，再將課程規劃、師資安排、教學內容與教學方法，跟這些能力目標緊密連結；因為能力的培育很難只靠一門課，必須所有教師群策群力、相互配合，才能完成這個「人才培育」的大專案計畫。這正是十幾年來個人參與的管科會ACCBE組織透過認證活動所推動的方向。

教育品質不能只看學校開設了多少課、聘用了多少教師，或建立了多少制度，而應該進一步確認：這些教育資源與教學活動，是否真正促成了學生應有的學習成果？

AI時代，大學最大的危機，不是AI取代教師，而是大學無法向學生與社會清楚證明：接受大學教育，究竟能使一個人獲得什麼。這也是大學教師、商管學院與教育品質保證制度，都必須共同面對的課題。