75%
知識工作者已經在工作中用 AI。
Microsoft / LinkedIn 2024 工作趨勢報告
給中學生的 AI 時代簡報
不是快一點，
不是快一點，
是世界換檔
AI 正在把「會使用工具的人」變成「能創造工具的人」。重點不是背更多答案，而是學會和 AI 一起把想法做出來。
先看三個數字
這不是很遠的未來，已經在大人工作的世界發生了。
22%
到 2030 年，全球工作可能被重新洗牌。
WEF 估計：1.7 億新工作、9200 萬工作被取代
39%
核心技能可能改變或過時。
WEF Future of Jobs Report 2025
以前：會寫程式的人，才能做工具
現在：懂問題的人，也可以開始做工具。
想法
問 AI
做原型
測試
上線
量變，會變成質變
如果一件事只是快 10%，那叫省時間。可是如果從幾個月變成幾小時，很多人原本不敢做的事，就突然可以開始了。
1
有一個想法，但不知道怎麼做。
2
用 AI 產生初版：文字、圖、程式、流程。
3
人來判斷：對不對？好不好？安全嗎？
4
快速修改，變成真的作品。
程式碼，是最早被改變的地方
研究發現，在一個受控的程式任務中，有 AI 工具的開發者完成速度快了 55.8%。
但真正重要的不是「寫比較快」，而是更多人可以用自己的領域知識，做出以前只有工程團隊才能做的東西。
沒有 AI：慢慢查、慢慢寫、慢慢除錯
有 AI：先做出來，再用人類判斷修好
提醒：這個數字來自特定任務，不代表所有程式工作都自動快一半。
所以，未來不是「不用學」
剛好相反：更需要會問問題、會驗證、會把知識用在真實情境的人。
?
問得好
AI 很會回答，但你要知道該問什麼，還要會把大問題拆小。
✓
驗得出
AI 會錯。你要會查資料、做測試、找證據，不是照單全收。
✦
做得成
把想法變成作品，才知道自己真的懂不懂，也才會創造價值。
更強的用法：把 AI 變成每日學習循環
不是「問一次拿答案」。而是：有想法、查資料、驗證、反思、再查一次。每天轉一圈，下一個想法就會更成熟。
Idea
Research
Evaluate
Reflect
Repeat
個人強化學習流程
這套流程的重點，是讓每一次對話都留下下一次能用的東西。
Idea
先說出一個問題、疑惑或想做的作品。粗糙沒關係，先讓它出現。
Research
請 AI 幫你找脈絡、拆關鍵字、整理不同說法，再回到來源檢查。
Evaluate
問：證據夠嗎？有沒有反例？AI 哪裡可能亂講？哪些地方要測試？
Reflect
把今天學到的判斷、錯誤、好問題，整理成短短幾句自己的話。
Repeat
用反思長出下一個更好的問題，再啟動下一輪研究。
這個想法，很多領域都正在靠近
名字不一定一樣，但核心都像：生成、檢查、反思、再改進。
SAGE
學生用 AI 生成後，要評估、精煉、請 AI 扮演批評者，最後還要能 defend 自己的答案。
Reflection loop
AWS 與 GenAI Patterns 都把它整理成：生成後讓評估者批判，再回去重做。
Reflexion
AI agent 會把失敗原因寫成文字記憶，下一次行動時拿來避免重犯。
Second Brain
把資料捕捉、整理、萃取、表達，從一堆筆記變成可以創造作品的系統。
知識庫不是倉庫，是溫床
真正有價值的不是「全部聊天紀錄都存起來」，而是把過程提煉成下一次能用的經驗。
✎
留下證據
來源、截圖、實驗結果、工具輸出，不要只留下結論。
?
留下疑問
今天沒解完的問題，常常就是下一個 idea 的入口。
✓
留下判斷
為什麼相信、為什麼不信、下次要怎麼查，這些最珍貴。
從「記錄」到「經驗」
Agent memory 的研究也在走同一條路：先保存行動軌跡，再做反思，最後抽象成可重用的經驗。
這正好對應人的學習：不是把所有東西背起來，而是把每一次嘗試變成下一次更聰明的起點。
存
保存對話、來源、工具結果。
選
挑出重要證據和關鍵錯誤。
想
寫下自己的判斷和反思。
用
把它餵回下一輪 idea。
每天 20 分鐘就能開始
不用等到很厲害。重點是讓循環每天轉一點點。
05
分鐘：丟出一個今天想懂的問題。
10
分鐘：請 AI 幫你找三種說法，再點回來源看。
05
分鐘：寫三句反思，明天從這裡繼續。
典範轉移：學會開車後，城市就變了
AI 也是這樣。一開始我們把它當「比較快的搜尋」。但當大家真的會用，它會改變我們規劃學習、工作、創作的方式。
以前：人配合工具
現在：人設計流程，AI 跑很多步
老師和家長，也要先上車
不要只叫學生「不要用 AI」。更好的做法是：大人先學會，示範怎麼用得聰明、誠實、安全。
UNESCO 的 AI 素養框架也提醒：AI 教育不只是工具操作，還包含倫理、批判思考、資料判斷和以人為本。
把教學工作搬到 AI 工具上練習
不是為了偷懶，是為了把老師的經驗放大，讓學生看見「學習可以怎麼被重新設計」。
1
備課
請 AI 做不同難度版本、生活例子、問題引導，老師負責挑選和修正。
2
練習
讓學生用 AI 做草稿，再要求他們標出：哪裡可信？哪裡要查？
3
作品
把報告變成網頁、影片、模型、展覽，讓學習不只停在交作業。
給學生的三個新目標
未來最重要的，不是只會背答案，而是能和 AI 一起解決真問題。
01
每週做一個小作品。
02
每次都留下查證紀錄。
03
學會說明自己的判斷。
一句話總結
AI 不會自動讓你變強。
循環，才會。
每天把 idea 變成研究，把研究變成判斷，把判斷變成記憶，再讓記憶長出新的 idea。這就是 AI 時代的個人複利學習。
資料來源
簡報文字為口語化改寫；數字保留原始來源脈絡，避免過度誇大。
Microsoft & LinkedIn, 2024 Work Trend Index: AI at Work Is Here
World Economic Forum, Future of Jobs Report 2025 press release
World Economic Forum, Future of Jobs Report 2025: Skills Outlook
McKinsey, The State of AI in 2025: Agents, Innovation, and Transformation
Peng et al., The Impact of AI on Developer Productivity: Evidence from GitHub Copilot
UNESCO, AI Competency Framework for Students
UNESCO, AI Competency Framework for Teachers
Ivan Zhao / Notion, Steam, Steel, and Infinite Minds
SAGE Framework: Generate, Evaluate, Refine, AI Critic, Reflect, Defend
AWS Prescriptive Guidance, Evaluators and Reflect-Refine Loops
GenAI Patterns, Reflection Pattern
Reflexion: Language Agents with Verbal Reinforcement Learning
Generative Agents: Interactive Simulacra of Human Behavior
From Storage to Experience: Agent Memory Survey
Tiago Forte, Building a Second Brain overview
Douglas Engelbart, Augmenting Human Intellect