生成式AI：讓強者更強、弱者更慌？大學生的危機
在商管學院的教育現場，我常常思考一個問題：在現今這個生成式人工智慧技術迅速發展的年代，是否每位學生都能真正從中獲得提升，或反而在無意識中陷入「技能斷層」的境地？我這兩年使用 AI 教學的經驗觀察到，當學生缺乏扎實的知識儲備與批判性思維能力時，他們在使用 GenAI 時往往只停留在簡單的輸入與輸出層面，而無法進行深入思考與檢視。
之前我曾經寫過以下的推論分析：若我們在某個專業領域中，將人員分成A、B、C、D四個等級，D已經處於即將淘汰的邊緣，而C只是勉強達到門檻，一旦全數配備GenAI工具並在三個月後重新檢驗他們的表現，結果不但D會被淘汰，連C也會有極大機率被擠出此領域。原因是A與B透過AI協助，創造力與效率加倍，將領域水準拉到更高的境界，而D本身就缺乏基本的抽象思維與解決問題能力，就算給了AI也無法下出精準的指令，產生的成果也不理想。C雖有意願使用AI，但在A、B那種瘋狂輸出優質點子的強力競爭下，也很難追得上新門檻，最終與D同樣面臨淘汰風險。
當不同能力層級的個體獲得相同的 AI 工具輔助時，僅有那些基礎扎實、能夠精準指令與反覆對話的學生才能從中得到質的飛躍；相對地，那些原有能力較低的學生（如所謂的 C、D 級群體）則可能因為缺乏必要的抽象思維與邏輯構建能力，而無法將 AI 的潛力轉化為自身的優勢，甚至會因為對工具的盲目依賴而進一步弱化自身的思考能力。
即便不分能力差別，未曾受過如何主動檢視和修正 AI 輸出的訓練，大學生僅僅把 AI 視為萬能的資料庫，對於其中可能隱含的錯誤與邏輯缺陷缺乏懷疑精神。尤其是學生在基礎能力不足的前提下使用先進工具，其結果往往不僅無法彌補知識缺口，反而使原有的學習問題被進一步放大。這樣的推論可以進一步擴展到解釋剛步入職場的新鮮人與資深員工使用AI的表現差異。資深者因長期累積的「負面專業知識」--失敗久了，就知道什麼管用，什麼不管用，從而能夠迅速辨識 AI 建議中的缺陷與偏誤。而新手則易陷入反覆切換 AI 提示、無法聚焦的情境中。
實證研究GenAI對批判性思考的影響
Lee 等人 針對生成式 AI 對批判性思考影響的實證研究支持我的推論。作者調查了319位知識工作者，蒐集了936個使用GenAI工具的第一手案例，並透過統計分析觀察到幾個重點：
第一，對AI過度自信的人投入批判性思考的機會反而更少，因為他們往往直接接受AI的建議。
第二，對自我能力有信心、並且擁有較高後設認知能力的人，會更頻繁地展開批判性思考，對AI所提供的資訊進行驗證、整合與修正。
第三，那些從教育經驗或過去工作歷程中培養出「懷疑」與「驗證」習慣的人，比起新手，更能有效篩選AI建議的品質，也更懂得運用AI加速進行困難的分析與綜合工作。
這份研究以Bloom的分類來分析人們在面對AI時對「知識、理解、應用、分析、綜合、評估」等不同層次的思考活動是否有所調整，結果發現多數知識工作者在知識收集上所需的力氣下降，但更少人花力氣在評估與整合上，顯示出AI工具雖然方便，卻很可能侵蝕人們對資料核實、推理與判斷的意識。
他們的研究結果不僅印證了過度依賴技術可能抑制獨立思考的現象，也揭示了若未能在基礎知識與認知技能上先行補足，使用 GenAI 反而可能導致「認知卸載」過度，最終形成長期技能退化的危險。在技術日新月異的時代，僅有單靠工具本身是不足以提升學習者的綜合能力的。尤其是在商管等跨領域學科中，學生需要具備良好的記憶、摘要、邏輯組織與批判性評估等基本技能，才能真正發揮 GenAI 輔助下的創造潛能。若學生僅僅追求工具帶來的便捷，而忽略了自身認知結構的建立，最終只會出現表面光鮮卻缺乏內涵的現象，進而在職場競爭中處於不利地位。
教師的教學挑戰與責任
許多學生習慣單向接受老師的資訊或課本中既定的結論，他們欠缺主動追問與反思的訓練。本來在課堂中進行個案討論，老師發現學生除了拋出「成本考量」等幾個關鍵字以外，很難進一步展開延伸思考，現在遇到AI工具之後，有些學生就更加依賴AI直接餵出結論，幾乎不花力氣去衡量這些結論的合理性。再加上大學生普遍缺乏強而有力的記憶與歸納能力，難以在不同資訊之間進行關聯，這導致他們就算接觸到AI給的內容，也無法判斷真偽或從中抽取出真正有價值的洞見。因而，許多學生交的作業往往只是複製貼上AI生成的句子，看似有模有樣，其實空泛且無法提出深層觀點。
以上這些問題是否表示老師該全面禁止學生使用AI？當然不是。反之，大學教師不僅有責任，更應承擔起道德上的義務，引導學生如何正確地使用生成式 AI。既然已知「提供AI給學生」並不自動等於「提升學生能力」，那教師就得刻意設計教學流程，引導學生學會發問、批判與檢驗。
我在這兩年的教學實踐中，嘗試了多種方法來提升學生的基本認知能力與對工具的正確運用。其一，在課堂教學中，教師先從專業知識的講解開始，藉由深入解析核心概念與理論，促使學生在理解知識本質的基礎上，再進行實務應用。我認為，這樣的基礎教育是防止學生將 AI 當作萬能解答器的第一道防線。其二，在課堂上設計出具有挑戰性的問題，先要求學生獨立闡述自己對某一議題的看法，再讓學生使用 AI 進行補充，最後再以班級公開群組的方式，讓所有學生共同比較與討論 AI 輸出的差異。這種多層次的互動不僅能夠暴露出哪些回應是建立在深刻理解基礎上的，也讓學生逐步認識到良好溝通與邏輯推理的重要性。
此外，我也試過引入反思性學習與同儕互評機制。透過安排學生在使用 GenAI 後撰寫反思報告，描述自己在輸入、檢查與整合 AI 輸出過程中的思考軌跡，能夠有效培養學生對自身認知過程的覺察與評估能力。當學生將自己使用 AI 的策略與其他同學進行比對時，不僅能發現各自的優劣，更能激發彼此間的討論與啟發，從而彌補單向接受資訊所帶來的不足。正如學術研究中所揭示的那樣，我認為只有在具備了足夠的專業知識與批判性思維能力後，學生才能真正駕馭生成式 AI 所帶來的效率提升，而非被動接受其結果。
在最近一次課程，我則是讓學生扮演顧問，透過與我這位「客戶」的互動，確認我所想要解決的問題，了解我的業務內容與公司營運狀況，過程中，學生可以使用GenAI輔助他們的顧問服務。這個方式可以讓學生逐步建立「負面專業知識」，由「客戶」告知哪些方法行不通，哪些作法太模糊。
在所有這些教學策略之中，教師扮演的角色並不再只是專業知識的傳遞者，也必須成為「AI使用守門員」與「思考教練」。GenAI實在是一把「雙面刃」。對於那些有意願深度學習、善於提問的學生，它能加速成就他們的創意與產出；但對於那些沒有意識或懶於思考的同學，它只會讓他們更加遲鈍。這時，教師的設計、引導與監督就變得至關重要。唯有在課程中融入對AI產出的批判性評估與驗證，才能最大程度地引導學生認識自身的優勢與不足，進而促進他們主動練習思辨、驗證資料與整合觀點。如此一來，商管學院的學生才能脫離「放羊吃草」式的被動學習模式，進而在AI的世代中真正培養解決問題的能力。也只有這樣，AI才會成為我們往前推進的幫手，而非吞沒我們批判力與創造力的深淵。教師若能盡力落實這些方法，也就正實踐了面對AI浪潮時必須承擔的那份教育道德責任。
參考文獻
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.
Lee等人論文中的「表2：布魯姆（Bloom）分類法中認知活動的定義」
統計結果解釋：
- 批判性思考的感知執行受到「自我信心」、「對AI的信心」與「評鑑信心」的影響明顯。
- 自我信心與批判性思考的感知執行呈正相關；對AI的信心則呈負相關，意味著過度信賴AI會降低批判性思考的執行。
- 使用AI後，多數認知活動的投入感知會降低，其中對AI的信心愈高，對「知識」、「理解」、「分析」、「綜合」、「評鑑」的投入愈少。
- 「反思傾向」正向影響批判性思考的感知執行。
- 性別、年齡及職業自動化風險，均未對批判性思考之感知執行有明顯影響。
這些結果說明，知識工作者在使用生成式AI工具時，其批判性思考的程度與對AI的信任及自信有密切關聯，特別是對AI的過度信任可能會抑制批判性思考的能力與動機。
