AI 之後，教師還剩下什麼？

先釐清教師的核心責任

AI 進入課堂後，教師的專業不能只剩工具操作，或「比學生更會使用最新工具」。如果專業只建立在工具熟練度上，教學就會陷入持續追趕：模型更新，教師跟著調整；平台改版，教材重新製作；學生找到新的輔助工具，課程再增加一條規定。這種應對方式耗費大量時間，卻未必能形成真正的教學創新。

教師仍須承擔不能外包的判斷責任：

• 定義哪些問題值得學生學習；
• 決定學生面對情境時，應先閱讀、思考與記錄哪些內容；
• 設計 AI 可以介入與不宜介入的時點；
• 說明哪些證據足以支持結論，哪些敘述缺乏依據；
• 決定學生作品如何接受追問、修正與評量。

AI 可以協助整理這些工作，但不能代替教師承擔最後責任。

《判斷力課堂》的核心主張，是釐清 AI 在學習流程中的位置，不能只停留在「學生可不可以用」。^SRC-201 AI 介入太早，學生可能尚未形成第一判斷，就將問題交由工具處理；介入太晚，AI 可能只剩文字潤飾與版面整理。位置安排適當時，AI 才能協助比較框架、產生反方、檢查缺口與要求證據。若只用「允許」或「禁止」管理 AI，仍無法回答學生應該先做什麼、留下什麼，以及最後由誰承擔判斷。

本頁將完成一份「教師不可外包的判斷清單」與一份「課程主張草稿」。你需要先說明：哪些工作一定由學生先做、哪些工作可以由 AI 協助、哪些工作必須留下過程證據，以及哪些判斷要在 No AI 或 No electronics 的環境中完成。最後，再將答案整理成一句課程主張。「培養未來跨域創新人才」這類招生文案過於籠統，無法作為課程設計與評量的明確依據。

你會完成什麼

完成本頁後，你會取得三項成果。

第一，完成「AI 可做與不可做的邊界表」。這張表不討論個人是否喜歡 AI，也不處理 AI 是否會改變教育；它只檢查一件具體的事：在你的課程中，AI 是否可以代替學生完成這項工作？例如，AI 可以協助整理資料，但能否替學生選擇判斷標準？AI 可以提出反方，但能否替學生承擔立場？AI 可以潤飾句子，但不能替學生補上未曾完成的閱讀。答案若是「視情況而定」，就要具體寫出適用條件。專業判斷本來就需要考量情境，關鍵是把條件說清楚。

第二，完成「判斷責任鏈」。從問題定義、資料選擇、框架比較、立場形成、AI 協作、證據檢查、作品修正到公開辯護，每一個階段都要標示責任人。責任人可以是學生、教師、同儕、AI 助教或小組，但最後的判斷責任不能消失。責任鏈一旦中斷，即使成果完整，也很難說明學生讀了什麼、如何判斷，以及如何修正。

第三，完成「課程主張草稿」。這句主張要說明課程存在的理由，回應學生應具備的能耐、能力與知識，也要反映 AI 時代的課堂條件。一份合格的課程主張，就是一項明確的設計承諾。例如：這門課要讓學生面對公司形成過程中的真實兩難，運用管理概念、個案證據與利害關係人觀點，提出可辯護的制度設計。這句話仍可修訂，但已經指出作業、證據、AI 位置與不可外包的責任。

從「能不能用」回到學習設計

一個合理但不夠完整的問題

生成式 AI 進入校園後，許多會議首先討論的是：學生能不能使用？行政單位需要規則，教師需要明確依據，學生也要知道使用邊界。然而，《判斷力課堂》提醒我們，若討論一直停在這裡，課程設計就會被簡化成使用許可。^SRC-201 表格、條款、聲明與違規處理都有必要，但仍未觸及學習流程的核心。

課程設計應回答五個核心問題：

• AI 在學習流程中扮演什麼角色？
• 學生使用 AI 前，要先完成哪些智識工作？
• AI 介入後可以協助哪些工作？
• 過程中需要留下哪些可見證據？
• 哪些部分仍須在沒有輔助的情況下完成辯護？

這些問題較為複雜，卻直接關係到教學。簡單規則容易執行，完整設計才能真正改變學習。學生會很快辨識制度實際重視的項目，並據此分配時間與心力；因此，規則與評量必須一致。

假設兩位學生都要撰寫一份管理個案建議。學生 A 取得題目後，立即詢問 AI：「這家公司最好的策略是什麼？」AI 提供一份流暢、合理且結構完整的答案，學生稍作修改後繳交。學生 B 則先在紙上寫出三個判斷標準：控制權、資金壓力、人才承載能力；接著列出兩種可能路線，再用 AI 產生反方與資料缺口，最後修正自己的立場。行政分類上，兩位學生都使用了 AI；從學習歷程來看，兩人的投入完全不同。學生 A 將第一判斷交由 AI 處理，學生 B 則將 AI 納入自己的判斷流程。

這項差異可以歸納為一句話：判斷由學生負責，AI 提供支援。要成為可執行的課程設計，這項原則必須具體反映在任務順序、活動規則、證據要求、評量標準與課堂契約中。

Become Judy 裡的判斷責任

Become Judy 管理學課程頁清楚說明課程作法：以一位 YouTuber 的創業過程拆解管理問題，學生最後要將管理學概念轉化為公司可以採用的制度設計。^SRC-202 教師在這裡承擔多項判斷責任，包括決定哪些材料可作為個案證據、哪些只是故事背景；哪些問題屬於管理學、哪些只涉及人物話題；哪些成長選項值得討論、哪些只建立在流量想像上；以及如何判斷學生的期末建議是否可執行，而非只看文字是否精彩。

將 AI 納入這門課後，教師還要增加一層設計。學生可以用 AI 理解管理學概念，但 AI 摘要不能取代原文閱讀；可以用 AI 產生不同利害關係人的反對意見，但立場仍由學生決定；可以用 AI 整理公司建立藍圖的結構，但每一項建議都要回到個案證據與管理學概念。課程頁也明確指出，AI 不能取代閱讀、判斷、查證與個人責任。^SRC-202 這項原則會直接影響小考、作業、AI 使用聲明、對話紀錄與評量。

Become Judy 的啟示不只在於「找到一個有趣案例」。題目越能吸引學生，教師越要維持明確的判斷標準，避免課堂停留在心得分享、人物喜好與立場表態。管理學課堂不能只討論「我覺得她很勇敢」或「我覺得公司應該擴張」。學生必須說明：

• 為什麼將這件事界定為主要問題？
• 為什麼採用這個分析框架？
• 為什麼現有證據足以支持建議？
• 如果條件改變，結論是否也要調整？

這些問題才是教師需要設計的專業判斷。

四項核心觀念

一、AI 素養不能脫離學科

《判斷力課堂》第二章指出，通用的「AI 素養」適合工作坊入門，但用來設計課程時可能過於薄弱。^SRC-201 不同學科對問題、證據、解釋與錯誤有各自的標準。管理學關注組織、資源、策略、制度與行動後果；國際企業管理關注市場進入、制度風險、跨文化協調與供應鏈；質性研究則重視詮釋、資料來源、研究方法與證據鏈。學生會用 AI 摘要，不代表他知道管理學分析何時需要成本結構、組織設計或利害關係人分析。

因此，教師第一項不能外包的工作，是建立學科標準。你要告訴學生，在這門課中什麼才算好問題、什麼才算充分證據，以及哪些錯誤不可接受。AI 可以協助釐清標準、產生範例，也可以檢查學生是否遺漏欄位；但課程應達到何種嚴謹程度，仍須由教師決定。模型很容易將任何領域整理成一套結構完整的建議，這是它的優點，也可能掩蓋學科內容不足的風險。

特別需要留意一種輸出：結構完整、語氣成熟，卻缺少學科架構。這類問題不像錯字或離題那麼容易辨認。管理學分析至少要問：誰承擔成本？誰擁有控制權？制度能否持續？成長是否超過組織承載能力？現金流能否維持到下一季？若未處理這些問題，文字再流暢也不能視為合格分析。

二、判斷是一套完整流程

許多人將判斷理解為最後一句「所以我建議」。在教學上，判斷其實是一套完整流程，至少包括八個步驟：定義問題、選擇標準、蒐集資料、區分事實與推論、比較框架、形成暫時立場、接受反方挑戰，以及修正並承擔結論。AI 可以介入其中某些步驟，但每一步的責任都要說明清楚。

例如，學生可以用 AI 協助整理資料，但要標示資料來源與信心程度；可以用 AI 產生兩個互相競爭的框架，但要說明採用哪一個及其理由；可以用 AI 模擬反方，但要判斷哪些意見成立，哪些只有強烈語氣而缺乏依據；可以用 AI 潤飾備忘錄，但要保留修正說明。這些設計能使 AI 成為判斷流程中的輔助工具，並由學生保有最後判斷。

若未先設計流程，AI 通常會被用在最省力的位置，也就是直接產生初稿。AI 可以協助初稿，前提是學生已完成閱讀、初步思考與標準選擇；否則，產生初稿的過程可能取代最重要的學習。學生若將前段思考交由 AI 處理，自己只負責後段排版，仍不能視為完整的人機協作。

三、證據比聲明重要

AI 使用聲明很重要，但聲明本身仍不足以證明學習。學生寫「我有使用 AI 協助整理概念」，不能證明他理解概念；寫「我負責任地使用 AI」，也不能證明他已履行責任。若沒有配套證據，這類句子容易成為行政程序，無法改善作業設計。

課程需要的是證據設計。證據可以包括紙筆第一判斷、資料缺口表、AI 對話紀錄、版本差異、同儕回饋、口頭辯護、反方回應與修正說明。Become Judy 課程頁要求正式作業若使用 AI，需附上對話紀錄、使用聲明與個人修正說明。^SRC-202 這項設計的重點，是讓學生的判斷過程可被觀察，而非增加檔案數量。當完整成品愈來愈容易產生，過程證據就更為重要。

證據設計的目的，是讓學習可以接受追問、回饋與修正，而不是監控學生。若課堂只強調防弊，師生都會承受不必要的壓力。適當的證據要求，可以避免學生只繳交一份看似完整、卻沒有思考痕跡的成果。教學的重點在於追問與修正，不在於增加監控。

四、No AI 不是懷舊，是節奏設計

No AI 與 No electronics 容易被誤解為反科技，其實它們是課堂節奏的設計。某些活動需要保留學生的第一反應、共同討論與較慢的思考。例如，學生第一次接觸個案兩難時，暫不讓 AI 產生分析框架，而是先用紙筆回答三個問題：我認為主要問題是什麼？我會用哪三個標準判斷？目前最不確定的證據是什麼？若 AI 過早介入，學生很可能直接採用模型的框架，並將流暢表述誤認為自己的理解。

No electronics 的條件更嚴格，因為手機、電腦與平板都不使用。它的價值在於讓學生將注意力集中在紙筆、同學與問題本身。面對面討論能揭露含糊之處，紙筆能留下刪改痕跡，口頭說明則能檢驗學生是否真正理解。整堂課不必都採用這種方式，但關鍵時刻應予保留。

AI allowed 與 AI required 代表另外兩種活動條件。AI allowed 表示可以使用 AI，但不使用也能完成；AI required 表示任務本身要求練習人機協作、比較模型表現、找出錯誤、修訂 Prompt 或建立可重複流程。兩者都需要清楚規則。成熟的課程會說明每一段活動採用特定條件的理由，不會全程維持 No AI，也不會所有活動都要求 AI required。

案例分析

案例：將有趣主題轉化為課程主張

假設你想設計一門以「內容創作者公司化」為主題的管理學課。這個主題具有吸引力，學生也可能願意投入。然而，題材有趣只是課程的起點，還不能構成完整的課程主張。

第一版主張可能是：「本課程透過 Become Judy 案例，帶領學生了解創作者如何創業。」這句話說明了教材，卻沒有交代學生要學會什麼。第二版可以改成：「本課程透過 Become Judy 案例，讓學生分析創作者從個人品牌走向公司化時，如何面對市場機會、商業模式、組織分工與風險控制。」這一版已經納入管理學問題。第三版可以再進一步：「本課程要求學生運用管理學概念與個案證據，提出一份可執行的公司建立藍圖，並說明每一項建議的證據、取捨與風險。」第三版已接近完整的課程主張，因為它明確指出成果、標準與判斷責任。

接著，請具體說明 AI 在課程中的功能，不要只加上「善用 AI」四個字。AI 可以協助整理資料、比較框架、模擬利害關係人、檢查財務假設與產生反方問題；但不能替學生選擇商業模式、承擔風險或假裝已完成閱讀。邊界說明清楚後，課程主張才能真正影響作業設計，而不會停留在理念層次。

例如，可以設計一個四階段任務：

• No electronics：學生用紙筆寫出個案公司目前最重要的決策問題。
• AI allowed：請 AI 產生三種可能框架，由學生比較各框架忽略了哪些條件。
• AI required：AI 分別模擬財務顧問、營運主管與品牌合作方，提出反對意見。
• No AI：學生用一頁紙公開辯護自己的立場。

這套安排服務的是專業判斷，不是展示工具功能。

案例：判斷責任如何被錯誤外包

另一位教師設計了一份作業：「請使用 AI 分析一個你感興趣的企業案例，提出策略建議。」這個題目看似開放，也給學生相當大的自主空間，但可能產生三個問題。

第一，問題定義被外包。學生尚未學會辨識策略問題，就由 AI 完成問題設定。第二，證據標準被外包。學生可能直接接受 AI 提供的產業資料、競爭分析與建議，卻沒有查證來源。第三，評量標準模糊。教師最後只看到一篇流暢的報告，很難判斷學生實際完成哪些工作。生成式 AI 可以使設計薄弱的作業產生外觀完整的成果，因此教師更需要檢查任務與證據設計。

修正時應從任務設計著手，不必全面禁止 AI。學生先提交 No AI 問題定義卡；接著繳交資料來源表，區分事實、推論與未知；再用 AI 產生反方與替代框架；最後提交修正紀錄並進行口頭辯護。AI 仍參與學習流程，學生也保留前段判斷的責任。

再看一個更具體的反例。學生取得 Become Judy 類型的公司化個案後，第一步就請 AI 產生「最適合的商業模式」。AI 可能很快列出品牌合作、活動經紀、內容訂閱與授權商品，甚至附上一張類似顧問簡報的表格。這份表格未必錯誤，問題在於它跳過四項必要判斷：

• 學生尚未說明公司目前的主要限制，究竟來自需求、供給、現金、人力或控制制度。
• 學生尚未決定判斷標準，例如成長速度、風險承擔、人才穩定或現金流。
• 學生尚未區分個案事實與個人推論，例如「粉絲願意付費」是否有證據支持。
• 學生尚未留下任何版本紀錄，教師只能看到最後的表格。

AI 產生的表格可能具有參考價值，但學生同時交出了問題定義、標準選擇與證據檢查，這就是錯誤外包。修正方式是先繳交一張紙本「四欄判斷卡」：我認為的核心問題、我採用的三個標準、我目前能支持的證據、我最不確定的一項假設。完成這張卡後，AI 才能介入，任務是挑戰學生的判斷，不能代寫第一張卡。

No AI：先界定不可外包的責任

No AI 活動：教師不可外包清單

請暫時關閉 AI。使用紙筆或下方填答區寫下課名，再完成以下清單。每一項從「不可外包」「可協助」「可外包但需查核」「不適用」四種答案中選擇一個，並寫下一句理由。

請逐項回答：

• 誰決定這門課的核心問題？
• 誰選擇學生要使用的判斷標準？
• 誰決定哪些資料可以視為證據？
• 誰比較不同框架的利弊？
• 誰形成初步立場？
• 誰使用 AI 產生反方？
• 誰決定反方是否成立？
• 誰修正作品？
• 誰在課堂上公開辯護？
• 誰承擔最後結論？

若這十題全部都寫「學生」，請再檢查一次。教師同樣負有設計任務、提供標準、安排證據、主持討論與進行評量的責任。AI 可以協助部分工作，同儕也能提供回饋。關鍵在於建立完整的責任鏈，不能將責任集中或推給單一角色。責任鏈一旦中斷，教師期待學生自律，學生期待 AI 正確，AI 則依賴清楚輸入，最後很難取得穩定成果。

No electronics 活動：一句課程主張

請用紙筆寫下一句課程主張，格式如下：

「這門課希望學生面對＿＿＿＿時，能運用＿＿＿＿，提出＿＿＿＿，並以＿＿＿＿證明自己的判斷。」

範例：「這門課希望學生面對公司形成中的成長兩難時，能運用管理概念與個案證據，提出可辯護的制度設計，並以問題定義、AI 使用紀錄與修正說明證明自己的判斷。」

第一版不必追求修辭完整。課程主張初稿常接近招生文案，需要經過幾輪修訂，才能清楚指出學生面對的情境、採取的行動、運用的知識與留下的證據。

AI required：檢查課程主張

讓 AI 從三種角色提出質疑

現在可以請 AI 介入，任務是檢查課程主張，而非提供鼓勵。請它分別扮演三個角色：

• 挑剔的學生：這門課究竟要求我完成什麼？
• 課程委員：學習成果與評量證據是否一致？
• 企業主管：這門課訓練的能力能否轉化為工作場域中的判斷？

將剛才寫下的課程主張、主要作業、AI 使用規則與評量方式提供給 AI，要求它提出三種挑戰與一份修正建議。你不必接受所有建議，但要檢查它指出的缺口是否成立。AI 在此扮演反方與審稿人，協助你釐清表述；課程的核心精神仍由教師決定。

若 AI 的回應過度客氣，可以增加一項限制：「請勿提供鼓勵性評語；請列出可能造成學生誤解、評量失真或 AI 取代判斷的具體風險。」這項任務需要的是嚴格檢查，不是宣傳性文字。

引導式工具

如何檢查工具回應

取得 AI 回應後，請先用三項標準檢查它是否確實指出作業設計的問題，再決定是否採用修正版。

• 是否指出課程主張內容不足之處；若只有稱讚，請重新要求檢查。
• 是否將「可以用但要註明」改成具體流程，並安排至少一項 AI required 的反方挑戰。
• 是否要求可見的學習證據，並將初評、評分、排名與申訴裁定完整保留給教師。

缺少任何一項，都表示 AI 使用邊界仍不夠清楚。

自助填答

表單一：AI 邊界表

表單二：判斷責任鏈

表單三：一句課程主張

測試資料

測試資料 A：正常案例

預期輸出：AI 應確認這項主張已包含判斷流程，並指出仍可補強之處，例如更明確地界定管理概念範圍、要求資料缺口表，以及將口頭辯護標準寫入評量。

測試資料 B：邊界案例

預期輸出：AI 應指出主張過度空泛，缺少學科標準、判斷責任鏈與過程證據，並建議加入 No AI 問題定義、AI 使用紀錄、同儕回饋與可辯護的評量標準。

測試資料 C：錯誤案例

預期輸出：AI 應退回資料並標示資訊不足，要求補上課程、學生、成果、任務、證據與 AI 介入位置。它不得提供初評、分數、排名、成績建議或申訴裁定；最終評量只由教師負責。若它直接產生完整課程設計，或先替作品下評語再請教師確認，都表示它已經超出權限。

完成品範例

範例：教師不可外包的判斷清單

這份完成品範例已將「判斷由學生負責，AI 提供支援」轉化為明確的任務規則。AI 使用不靠抽象立場管理，而是以流程、證據與責任界定。流程不能解決所有問題，但比「請大家負責任使用」更容易執行與評量。若課堂契約採用這句話，後續仍須具體說明適用範圍，不能讓學生自行猜測。

進階工作：將判斷責任寫入作業

先檢查作業，再修訂政策

許多教師討論 AI 時，會先撰寫使用政策。政策確實必要，但若作業本身沒有調整，政策很容易停留在原則宣示。教師要求學生註明 AI 使用，卻仍接受沒有過程證據的報告；禁止考試使用 AI，卻未重新設計平時任務；鼓勵學生負責任地使用 AI，卻沒有說明責任的具體內容。這些政策看似合理，仍未處理作業設計的核心問題。

先選擇一項既有作業，進行四項修訂。

• 將作業由「只交成品」改為「同時繳交判斷流程」。除了策略建議，還要提交問題定義、判斷標準、證據表、AI 反方與修正說明。
• 將 AI 介入位置寫入作業說明。不要只寫「可使用 AI」，應明列：第一判斷採 No AI，資料整理採 AI allowed，反方挑戰採 AI required，口頭辯護採 No electronics。
• 將評量規準由結果延伸到證據。教師要檢查學生能否連結管理概念、個案證據與情境限制，不能只看文字表現。
• 將違規處理改為修復流程。學生未繳交 AI 紀錄時，可先要求補交、口頭說明並重新標示使用範圍；嚴重造假再依規定處理。

作業流程說明清楚後，政策自然可以更精簡，不需要反覆宣示原則。學校與企業都一樣；當組織大量使用「請主動溝通」「請負責任使用」等句子，往往表示實際流程與責任界定仍需補強。

從「AI 使用聲明」進一步建立「AI 使用證據」

AI 使用聲明可以保留，但要增加可查核的內容。可將單純勾選改成四欄：使用位置、使用目的、使用輸入、個人修正。使用位置要寫明是在閱讀前、閱讀後、草稿前、草稿後、反方挑戰、資料整理或文字潤飾。使用目的要說明是理解概念、產生替代框架、檢查缺口、模擬利害關係人或整理語句。使用輸入要附上主要 Prompt 或摘要。個人修正則要說明學生接受、拒絕或改寫了哪些 AI 建議。

這四欄會影響學生使用 AI 的方式。學生若知道必須記錄使用位置，較不容易在尚未閱讀前就請 AI 摘要；若知道需要說明個人修正，也較不容易直接貼上 AI 輸出。制度無法保證每個人都誠實，但可以提高省略學習過程的成本，也讓認真投入的學生知道自己的努力會被評量。良好的制度既要辨識問題，也要保障認真完成工作的學生。

教師保留證據時，可以採用「三層留存」。

• 學生作品痕跡：例如紙本第一判斷、拍照上傳的判斷卡、AI 對話摘要、版本修正表，用來確認學生不只繳交最後成品。
• 課堂互動痕跡：例如教師追問紀錄、同儕回饋摘記、小組在白板上的標準排序、口頭辯護時補充的資料，用來確認判斷是否接受挑戰。
• 教師評量痕跡：例如每組最主要的資料缺口、每次退回修正的理由、學生採納或拒絕 AI 建議的原因，用來降低只憑印象評量的風險。

三層留存不必建立大型系統，初期使用一張 Google Sheet 即可。欄位可包括學生或小組、任務階段、No AI 證據、AI 使用位置、教師追問、修正承諾與下次檢查點。每一欄都應對應判斷流程；若資料無法協助教師追問學生，就沒有保留的必要。

課堂追問是教師的核心工作

AI 時代的教師除了設計表單與規則，也要善於追問。追問的功能是讓判斷過程清楚呈現，不是刁難學生。學生說「我建議公司擴張」，教師可以問：擴張哪一種業務？由誰支付成本？固定成本增加多少？如果現金流不如預期，哪一項支出優先停止？學生說「AI 建議我們採用合作模式」，教師可以問：AI 根據哪些資料？是否忽略控制權？是否預設市場需求穩定？學生說「我們覺得品牌合作很有潛力」，教師可以追問：這裡的潛力是收入、曝光、客戶關係，還是人才吸引？這些問題能讓學生理解，判斷必須面對取捨，不能只排列專業名詞。

課堂追問也要安排節奏。第一次針對問題定義，第二次檢查證據，第三次提出反方，第四次要求修正。不必每次同時追問所有面向，以免增加師生不必要的負擔。教師可以將追問寫成固定卡片，讓學生知道每次發表都可能面對三個問題：你的標準是什麼？你的證據在哪裡？如果反方成立，你會修改什麼？這三個問題看似簡單，已足以檢查許多內容完整但缺乏依據的說法。

訂閱工具與公平性也屬於判斷設計

AI 工具涉及訂閱費、帳號、額度、速度與功能差異，這些條件都會影響評量公平性。若課程要求學生使用付費工具，就等於將資源差距帶入評量。教師可以表明立場，但必須說明清楚。課程可提供替代路徑：未訂閱者可使用免費模型、校方帳號、組內分工，或教師提供的示範輸出。高階任務若確實需要付費工具，應定位為教師端示範或選修挑戰，不宜列為全班必交。

這項原則並非反對付費工具。優質工具值得付費，教師也可以坦白說明自己使用付費工具，因為專業工作本來就需要設備。然而，在課堂中，付費工具不能默默成為成績優勢。教師要設計公平的替代方案，也要說明哪些能力不依賴付費工具。例如，問題定義、判斷標準、證據權衡、口頭辯護與同儕回饋，都不應因學生沒有訂閱而取消。訂閱狀態不能作為判斷學生能力的依據。

從大學課堂轉到企業現場

本頁的判斷責任鏈，也能轉化為企業訓練。企業訓練常見的限制是時間短、期待高，而且需要快速產生成果。三小時工作坊無法完整呈現十八週課程，但可以設計一項高密度判斷任務。例如，請主管帶一個真實決策參與課程：是否導入某項 AI 流程、是否調整客戶服務、是否重新分配人力。先以 No electronics 寫下問題定義與三個判斷標準，再用 AI 產生風險清單，接著由小組交換反方意見，最後由每位主管寫下一份 30 天行動承諾。

企業版仍要保留判斷流程，不宜只將大學課程壓縮成簡報。能耐仍是面對模糊情境提出有理由的判斷；能力包括定義問題、比較選項、提出證據與修正方案；知識則轉為組織、流程、客戶、成本、風險與權責。AI 可以協助整理與模擬，主管仍須決定回到工作現場後的第一項行動。

完成前的最後檢查

完成後，請重新檢查課程主張。若未說清楚學生面對的情境、運用的知識、提出的判斷與留下的證據，就逐項補充。若只寫「善用 AI」，請重新撰寫，並說明 AI 在哪一個步驟介入，以及學生如何查核與修正。

不必一次修訂整門課。請先選擇一份作業、一段討論或一項期末成果，建立一條完整責任鏈：包含 No AI 第一判斷、AI 反方挑戰、證據表、修正說明與口頭追問。當這一段能穩定運作，整門課才具備發展為旗艦課程的基礎。旗艦課程的重點不在規模，而在每一個重要環節都有清楚的設計理由。

教師也可以用一項簡單判準檢查自己是否仍掌握課程責任：當 AI 回答錯誤、資料不足或出現價值衝突時，誰負責停止流程、向學生說明、補充證據並重新做決定？答案若不清楚，表示課程規則尚未完成。這項責任必須在作業說明、課堂契約與評量規準中採用一致用語，學生才知道何時可以使用工具、何時必須自行判斷，教師也能依相同標準處理例外情況。

最後，請將這條責任鏈寫入學生看得到的作業說明，不要只保留在教師的規畫中。學生看不到規則，就無法依照流程完成；到了期末，教師也很難再用批改補救前段設計不足。

從被動解題轉向主動出題

教學實踐研究計畫提出一個更進一步的安排：不要只讓學生回答教師準備好的問題，也要讓學生自行尋找情境、界定問題，並製作能讓別人思考的教材。學生以 A 文本保留決策困難，再以 B 文本說明學習目標、關鍵問題與建議分析。另一組先讀 A 文本作出判斷，作者再主持追問，最後雙方對照 B 文本檢查問題設定與理論運用。^SRC-207

這項活動可以看出 AI 與人的責任如何分配。AI 可以協助整理資料、模擬初學者閱讀或提出反方；主角、衝突、理論、證據標準與最後取捨仍由學生決定。請開啟教學實踐研究學員閱讀版，再選一份現有作業，標示哪些步驟由學生主導、哪些可由 AI 協助，以及哪一項判斷不得外包。

本頁結論與下一步

本頁的核心結論是：教師在 AI 時代的價值，在於將工具納入具有學科標準、學習證據與責任鏈的教學流程。教師不必永遠比學生更早知道下一項工具，但必須清楚自己正在設計哪些學習活動。工具會持續改變，判斷流程則要維持穩定。

下一頁將進入倒推設計：先寫出學生最後要具備的能耐、能力與知識，再回頭設計週次、活動、證據與評量。前兩頁完成的是進場盤點與課程主張；下一頁要將主張轉化為課程結構。安排十八週內容前，應先決定學習終點，否則週次再完整，也可能缺少共同方向。

來源與延伸閱讀

標示網路連結者可直接開啟；未附連結者為已去識別或內部教學實作紀錄，僅用來說明本頁內容依據，不提供原始學生、企業或私人資料。

^SRC-201 《判斷力課堂》公開頁與繁體中文電子書，https://537sonic.github.io/SONIC/share/judgment-classroom-book/↗，核對日期 2026-07-27，說明 AI 位置、判斷痕跡、過程證據、學科專業與不可外包責任。

^SRC-202 CM108G 管理學：從一個人到一家公司，https://537sonic.github.io/SONIC/class/cm108g-1151/↗，核對日期 2026-07-27，提供管理學旗艦課程、AI 規範與期末成果設計的案例。

^SRC-203 vocus〈讓 AI 真正走進專業：知識工作者的核心考驗〉，https://vocus.cc/article/69f4cb2cfd8978000106c8f4↗，核對日期 2026-07-27，作為專業判斷與知識工作者 AI 使用的延伸閱讀。

^SRC-204 AIEA「判斷力課堂」課程規畫，核對日期 2026-07-27，說明 AI 邊界、課堂活動與證據要求。

^SRC-205 A11/A12「判斷力課堂」單元地圖，核對日期 2026-07-27，說明本單元與後續倒推設計的關係。

^SRC-206 「Agent 資本」與 AI 訂閱差距相關公開文章，核對日期 2026-07-26，作為課堂契約與工具公平性的延伸思考。

^SRC-207 吳相勲，〈從「被動解題」到「主動出題」：以生成式 AI 輔助學生自產內容（SGC）建構商業敏銳度與批判性思維〉，115 年度教學實踐研究計畫申請稿，2025-12-12。本頁使用學員閱讀版摘要，不宣稱計畫已核定或研究結果已成立。

本頁圖解

本頁圖解AI 可做與不可做的邊界圖圖像載入中

本頁圖解判斷責任鏈圖像載入中

本頁圖解教師角色變化圖圖像載入中

本頁圖解錯誤外包案例圖圖像載入中

本頁圖解課程主張畫布圖像載入中