學生使用AI已日常化，學校要先看清工具、用法和判斷的差距
協作者：張Sir與AI
張Sir聽過老師說，備課的工作多，用人工智能（AI）起草很快，可是校對、改正和調整格式很花時間，餘下的精力，不夠再去深究怎樣和學生一起用 AI。
不少學生已經把 AI 用到功課、資料搜尋和文章修改，哪個模型順手便用哪個。當老師還在想一份教材哪部分交給 AI，學生可能已經在免費版、付費版、內地和海外模型之間來回切換。
老師和學生都說自己在用 AI，手上的可能根本不是同一種 AI，看到的功能也不是同一回事。誰用得多，僅佔這道差距的一部分。
大家說的 AI，可能不是同一個 AI
Andrej Karpathy 最近把這種差距畫成一個漏斗。10 月 11 日，他重貼今年 4 月的一則 X 貼文，形容人們接觸到不同等級的 AI，又用它們處理不同規模和領域的任務，因此對這些系統究竟能做到什麼，形成截然不同的認識。原來「兩群人各說各話」的局面，已變成一道愈來愈陡的漏斗。
Karpathy 是 OpenAI 的創始成員之一，曾任特斯拉（Tesla）人工智能總監，也在史丹福大學教過深度學習（deep learning，一種訓練人工神經網絡的方法）。2024 年，他創辦 AI 教育公司 Eureka Labs；2025 年提出氛圍編程（vibe coding，用日常語言叫 AI 寫程式）一詞；2026 年 5 月加入 Anthropic。他在 AI 圈影響力很大，這則貼文已有數百萬次觀看。
他描繪的漏斗最寬一層約有 60 億人，幾乎沒有接觸過大型語言模型（large language model，LLM，即 ChatGPT 一類能生成文字的人工智能）。往窄一層看，約 10 億至 20 億人偶爾使用免費版，把 AI 當成搜尋或寫作工具，覺得它有點方便，也有點笨。Karpathy 說，不少數學和編程以外的專業人士就停在這一層，包括每天忙著與人溝通的管理層。
把漏斗再收窄，約 2,000 萬人在數學和編程工作中使用前沿模型（frontier model，即各家實驗室當前最強的模型）。他們接觸到能接手大型項目的 AI 代理（AI agent，即能自己分步完成任務的 AI）。有些工作以前要做幾星期甚至幾個月，現在輸入一道指令，AI 便可以開始處理。最後是最窄的一層，約有 5,000 人，接觸到尚未公開的內部系統，看著成千上萬個 AI 代理連續工作幾星期，處理大型軟件工程、網絡攻防、科學發現和數學問題。到了這一層，人類連審閱 AI 產出的速度也開始追不上。
Karpathy 說，這些只是「在餐巾紙上作的粗略估算」（napkin math）。同一時間，有人覺得 AI 只是一個不太可靠的聊天工具，有人已經看著它接手過去要做幾個月的工作。雙方談的都叫 AI，經驗卻差得很遠。
差別在哪裡？第一是問題有多大。問一個幾句話便答完的問題，很難看出前沿模型的能力；把一個真正重要、需要做幾星期的項目交給它，差別才會出現。第二是任務能不能核對答案。Karpathy 認為，數學和編程較容易驗證結果，因此較能顯示前沿模型的能力。第三是能用到哪一層，免費版、付費版，還是實驗室內部版本。
港澳還面對另一個現實，不同公司的模型、內地與海外服務，即使同樣分為免費版和付費版，功能也可能不同；帳戶、地區、學校政策和付費安排，還有供應限制的版本。老師說「AI 做不到」，學生卻說「早就可以」，兩邊未必有人說錯，可能用的是不同的系統。
Karpathy 的漏斗沒有按行業劃分，企業和職場同樣適用。設想一間公司，有人每天把大型項目交給前沿模型和 AI 代理；有人仍把 AI 當成聊天或寫作工具；三種人坐在同一張會議桌前，看到的卻是三種 AI。管理層聽完兩邊的說法，如何決定公司怎樣做變成新的議題。職場裡老闆和同事對速度的不同想法，張Sir在《老闆嫌不夠快，同事怕做得太快》談過。
回到學校，老師卡在哪一步
張Sir認為，不少老師的實際使用仍接近 Karpathy 所說的偶爾使用一層。老師已經用 AI 備課和寫教材，到了批改、分析學生答案和判斷學生學習情況，往往便停下來。這些工作責任較大，錯了也較難發現，老師自然用得保守。
根據三位香港立法會議員今年 6 月公布的一份教師問卷調查結果，收到 185 份校長、科主任和前線教師的回應。備課和教材設計得到 3.5 至 4.0 分（滿分 5 分）；分析學生答案和學生學習情況，不少受訪者只給 1 至 2 分。近六成學校仍由教師各自摸索，全校已有政策和培訓支援的只有約 12.4%。調查結果也顯示，老師最常用的是 Gemini、DeepSeek 和豆包這類通用對話工具，對 AI 代理和檢索增強生成（retrieval-augmented generation，RAG，讓 AI 先查指定資料再作答的技術），超過 70% 的受訪者「完全沒有使用或不懂如何使用」。報告提到，沒有校本教材庫，AI 生成的內容容易不符合香港課程標準，同工因此不敢放手讓它參與核心的課業評改。這份問卷雖然只有 185 份回應，但仍可以當作一個側面參考。
另一端，學生使用 AI 已經成為日常。張Sir的文章引用過最新的PISA香港報告顯示，53% 的香港 15 歲學生每星期至少一次用 AI 聊天機械人幫助學習。澳門互聯網研究學會的2025年居民調查則呈現，學生網民使用生成式人工智能（generative AI，即能生成文字、圖像等內容的 AI）的比例為 74%。
那麼，教師得到多少時間追上去？根據澳門教青局回覆立法議員質詢時說，2025/26 學年起，資訊科技教師每學年至少接受 10 小時 AI 培訓，其他教師至少 6 小時。訂出最低培訓時數，至少把 AI 培訓正式納入教師專業發展，也讓資訊科技教師有較多時間深入學習。這組時數不能用來判斷老師掌握了多少，卻是一個制度起點。工具變得很快，接下來還要看培訓是否貼近教師的實際任務，以及學校有沒有政策、工具和持續支援。前述香港問卷裡，已有全校政策和培訓支援的學校只有約 12.4%。
英美教育也有相近的壓力，英國高等教育政策研究所（Higher Education Policy Institute，HEPI）今年 3 月訪問 1,054 名全日制本科生，95% 用過 AI，94% 用生成式 AI 協助被評核的功課；68% 認為 AI 技能很重要，只有 48% 覺得教學人員有幫他們掌握這些技能。美國 Gallup 與沃爾頓家族基金會訪問 2,069 名中小學教師，在 10 項任務中，至少一項有正式指引的教師佔 18%；34% 完全沒有指引，48% 只有非正式指引。到了批改、回饋和分析學生數據這些責任較大的工作，過半教師連指引也沒有。
學生使用已經普遍，能力未必成熟；老師培訓時數少，也不能說老師不懂。不少學生接觸 AI，就像摸索新遊戲一樣，會自己試功能、換模型、比較結果。多數老師讀書時沒有這種工具，今天除了要學會使用，還要想清楚怎樣放進課堂、出了錯由誰負責。學生可以邊用邊試，老師卻要同時追技術和教育，兩邊起步的時間與承擔的責任自然不同。
AI 省了時間，為什麼老師仍然很忙
用 AI 備課能否省下時間，要看交給它什麼工作。
Gallup 今年 10 月的調查訪問了 1,952 名美國中小學教育工作者，59% 在 2025/26 學年用過 AI。用過的人當中，13% 說 AI 讓自己多出很多時間，51% 說多出一些，可以留給他們認為最重要的教學工作；29% 說沒有影響，7% 說反而更花時間。什麼工作最重要？同一份調查顯示，教育工作者最看重直接與學生相處，包括幫學生克服困難、看見學生在學業上有好表現、給學生個別回饋，以及帶領創意和動手做的活動。不過，這份調查沒有追蹤省下的時間實際用到哪裡。Gallup 在 2025 年的另一項調查才問到具體用途，有老師用來給學生更細緻的回饋、設計個別化課堂、寫信給家長，也有人可以早點回家。
這跟文章開頭那位老師所說的經驗看似相反，兩者可以同時成立。AI 幾分鐘便能起草一份教材，資料是否準確、題目是否合適、語氣是否適合學生，仍要老師逐項看。若起草省了二十分鐘，覆核卻用了半小時，最後時間還是沒有省下來。
張Sir認為，Karpathy 所說的可驗證性，也可以用來理解香港問卷裡的差別。老師熟悉自己任教的課程和教材，較容易逐項覆核 AI 起草的備課內容；分析個別學生的學習情況，還要結合作答紀錄、課堂表現、私隱和責任，沒有一個答案可以直接核對。這可能是老師願意用 AI 備課，碰到學生分析便保守得多的一個原因。
老師要追的是判斷
學生一天可以試幾個模型，老師沒有可能跟著每次更新追跑。學校要追的是哪些工作可以交給 AI，哪些答案必須查，哪些判斷一定要由人負責。某個模型今天排第一，過幾天又換被擠下來。
張Sir常說，執行可以外包，理解不能外包。學生看著 AI 把答案一步步寫出來，容易以為自己已經學懂；老師看著 AI 生成一份完整教材，也可能因為文字太順，忽略裡面的錯。張Sir在《知道要小心 AI，卻不知道小心甚麼》談過這種情況，自己先懂，才看得出 AI 哪裡不對。
老師要教給學生的是判斷，提示詞（prompt，即輸入給 AI 的文字指令）很快便會過時，因為AI的能力迭代實在太快。為什麼這個答案可信？哪一部分要找原文？換一個模型，結果是否相同？用了免費版和付費版，差別出在哪裡？這些問題，才是老師追得上、也必須追上的部分。
學校要補 AI 工具培訓，也要先弄清師生的差距出在哪裡。差別可能來自工具、版本、存取條件、使用方法或核對習慣。情況沒有看清，培訓便容易教錯重點。張Sir建議，師生先把使用過程記錄兩個星期，找出具體差距，再決定補什麼。
師生一起做兩個星期筆記
學校要知道師生接觸的 AI 相差多遠，可以先把兩邊的使用情況放在一起看。記錄老師備課，能找出覆核成本；學生記下所用工具和核對方法，可看到兩邊在哪一環開始分岔。記錄不用寫姓名，也不收集對話內容和個人資料。
1. 師生各記兩個星期。 學生匿名記錄用過什麼工具和版本、免費還是付費、用來做什麼、最後有沒有核對。老師記錄相同項目，再加上 AI 起草和覆核修改所用的時間。
每次記錄七項：身份與任務、AI 工具及版本、免費或付費、AI 用在哪一步、AI 起草時間、覆核修改時間、有沒有核對。可先從三類任務開始：教師備課初稿、教師撰寫評語、學生完成功課。
2. 選兩項真實任務重做。 使用不含個人資料的課堂材料，也只用學校允許的服務。第一項固定材料、要求和工具，師生各自操作，看使用方法有什麼差別；第二項固定材料和指令，各用自己的常用工具，看模型和版本帶來什麼差別。
3. 開一個二十分鐘的對照會。 根據記錄結果，可看到四件事。學生用得到、老師用不到的是什麼；雙方是否使用不同版本；哪類答案最難核對；差距來自使用方法、模型能力，還是存取限制。
4. 寫一頁指引，再按差距補培訓。 寫明哪些內容必須由人覆核、由誰負責、學生怎樣標示 AI 的參與。如果差在工具，先處理帳戶和存取；如果差在核對，便練查證；如果差在判斷，便用真實作業一起討論。
學生記下自己實際用了什麼，老師也不用再靠猜，學校也有了看清差距、安排支援和培訓的根據。開頭那位老師，不妨就從自己的備課記起。校對一份 AI 起草的教材究竟要多久，兩個星期後就有答案。
@張Sir的AI養生館 – 學習智人
參考資料
郭如佳（2026年6月13日）。教育線上/調查︰六成港教師自行探索AI教學。大公報，A3。
澳門互聯網研究學會（2026）。Decoding generative AI behavior: Applications, perspectives and literacy of Macao residents [研究報告]。
澳門特別行政區政府教育及青年發展局（2025年12月5日）。關於立法會李靜儀議員書面質詢的答覆 [公文]。
Ash, A. M., & Senseman, K. (2026, May 26). Most teachers receive no formal guidance on AI use. Gallup.
Brenan, M. (2026, October 14). Teachers using AI say it frees up time for what matters most. Gallup.
Roytburg, E. (2026, May 19). Andrej Karpathy, OpenAI founding member and inventor of ‘vibe coding,’ defects to Anthropic. Fortune.
Gallup. (2025, June 24). Three in 10 teachers use AI weekly, saving six weeks a year. Gallup.
Karpathy, A. [@karpathy]. (2026, October 11). Dusting off this tweet from April because this gap in shared understanding of LLM capability is widening [Post]. X.
OECD. (2026). PISA 2025 results (Volume I): Hong Kong (China) [Country note]. OECD Publishing.
Stephenson, R., & Armstrong, C. (2026, March 12). Student generative AI survey 2026 (HEPI Report 199). Higher Education Policy Institute.
