有 AI 還要上學嗎？2026 AI 時代選系、教育與未來工作的真相

最後更新：2026-03-12

前言

從 COVID 前後開始，到 2024 年和幾位老朋友、老同學聚餐時，我一直很常聽到一個許多家長既熟悉又焦慮的話題：孩子快要上大學了，到底該讀什麼系比較好？

那天我們三個人聊得很熱烈。因為大家都是理工背景，自然會先想到，現在還適合讀理工科嗎？還是醫學系依然是比較穩定的選擇？但也有人提醒，除了現實考量之外，孩子真正有興趣的是什麼？有沒有認真問過他，未來想成為什麼樣的人？於是，我們就在理想與現實之間，反覆尋找一個平衡點。

其實，這些問題在過去幾年，原本都有一套相對清楚的思考方向。很多家長相信，只要選對科系、走進熱門產業，未來大致就有了保障。像是相對穩定的醫學系、有前景的電機系，或是和產業發展緊密連動的機械系、資工系，都是長年被看好的選擇。尤其近年來，資工系更成了不少家長眼中的熱門新寵。

但到了 2025 年，整體氣氛開始不一樣了。

隨著 AI 快速進入各行各業，越來越多人意識到，那些過去被視為穩定、體面，甚至高收入的工作，未來未必還會以相同的形式存在。反而是一些需要動手實作、需要與人互動、需要現場應變，並能創造真實價值的能力與工作，開始重新被看見。

於是，原本只是「該讀什麼系」的討論，也慢慢變成一個更深的提問：在 AI 世代，我們到底該怎麼幫孩子選擇未來？

也許更令人不安的是，很多時候，不只是孩子看不清未來，連大人自己也未必看得清楚。這已經不只是選系或職涯規劃的問題，而是更根本的疑問：有了 AI，孩子還能像以前那樣讀書、那樣準備未來嗎？未來真正被需要的工作是什麼？而那些值得長期投入的能力與方向，又會是什麼？

先說結論：AI 沒讓教育失效，但正在讓「上學 = 找工作」失效

如果你正在想「有 AI 還要上學嗎」，真正的問題通常不是要不要讀書，而是：

當 AI 開始接手大量知識型任務，傳統教育還能不能保證你得到一份工作？

我的答案很直接：

1. AI 沒有讓教育失效，但正在讓「上學 = 找工作」這套舊邏輯失效。
2. 最危險的不是完全不會的人，而是那些只會做標準化中階認知工作的那群人。
3. 未來最值得學的，不再只是知識本身，而是思考、整合、判斷與創造新任務的能力。

所以，AI 時代不是不需要教育，而是更需要重新定義教育。

---

為什麼 2025 到 2026，越來越多人開始問：有 AI 還要上學嗎？

這個問題聽起來像挑釁，其實背後是一種很現實的焦慮。

很多人隱約感受到：

• AI 越來越會寫報告
• AI 越來越會整理資料
• AI 越來越會做簡報
• AI 甚至開始能協助分析與決策

而這些，剛好就是過去很多人接受教育後，進入職場最先拿來換薪水的能力。

所以大家真正想問的其實是：

如果上學的結果，不再穩定導向工作，那上學的意義還剩下什麼？

之所以這個問題會變尖銳，不是因為大家不重視教育，而是因為我們長期默認了一個前提：

上學，是為了找工作。

---

教育其實一直都不只是學習，也是工作篩選系統

在很長一段時間裡，社會運作的邏輯其實很清楚。

企業篩選人才，靠的是：

• 學歷
• 校名
• 科系
• 頭銜
• 過往經歷

而學校的功能，某種程度上就是替市場先做分類。

• 頂尖學校畢業生，被視為高潛力人才
• 中段學校畢業生，被視為穩定的知識勞動力
• 後段或未受高等教育者，通常進入較基礎或現場型工作市場

這套系統不是完美的，但它曾經長期有效。

直到 AI 出現。

---

AI 顛覆的不是所有工作，而是中階知識型任務的保證力

很多人以為 AI 最先取代的是最基礎的工作，但現實沒有那麼簡單。

真正最容易被衝擊的，往往是中階、通用型、標準化的認知工作。

也就是那些過去被視為「讀書後很安全」的能力：

• 會寫報告
• 會整理資料
• 會做簡報
• 會做一般分析
• 會處理大量資訊與文件

這些任務以前需要一個受過教育的白領，現在 AI 已經能大幅分擔。

於是，一個很反直覺的現象出現了：

中段教育路徑的「安全感」，反而比某些現場型工作更容易被 AI 壓縮。

我這裡不想把問題講成「所有白領都會消失」，那樣太粗暴。比較準確的說法是：AI 正在改變中階知識工作被市場定價的方式。

根據 PwC 2025 Global AI Jobs Barometer，AI 暴露度較高的職業裡，雇主對技能的要求變化速度快了 66%，而且對正式學歷的需求正在下降。2019 到 2024 年間，AI 輔助型工作要求學位的比例，從 66% 降到 59%；AI 自動化程度較高的工作，則從 53% 降到 44%。

這代表的不是「學歷瞬間沒用」，而是：

這正是 PwC 2026 勞動力報告 提出的「沙漏型職場結構 (Hourglass Workforce)」：頂端的決策者與底端的現場勞動者仍然穩固，但中間那層負責資訊傳遞與標準化作業的「中端」正在被 AI 大規模消融。

因為很多現場工作需要：

• 即時判斷
• 身體操作
• 人際互動
• 情境應對

這些仍不是 AI 最擅長的領域。

---

AI 時代，教育回報曲線正在重新分化

這也是為什麼現在很多人會感覺教育愈來愈矛盾。

頂尖教育，仍然有優勢

因為頂尖教育培養的，通常不是標準化輸出，而是：

• 稀缺能力
• 研究能力
• 影響力
• 高層決策能力

現場型工作，反而還保有韌性

很多沒有走傳統高學歷路線的人，進入的是：

• 技術工
• 維修
• 美容
• 餐飲
• 各種需要現場判斷的服務型工作

這些工作的自動化難度反而更高。

最尷尬的，是大量中階學歷者

這群人的技能不夠稀缺，卻又剛好處在 AI 最擅長取代的區域。

於是，一條原本被視為「安全選項」的道路，開始變成風險區。

這也是為什麼會有人開始認真問：

如果多數人上學之後，得到的不是更高競爭力，而只是進入一條更擁擠、也更容易被自動化的路，那為什麼不一開始就工作？

我認為真正該看到的是：教育回報沒有消失，而是開始重新分化。頂尖、稀缺、跨域與高判斷力的人，回報可能更高；但大量靠標準化任務吃飯的中段人才，回報會變得更不穩定。

---

問題不是教育沒用，而是教育教錯了

我認為真正的問題不是「教育失敗」，而是：

現在的教育內容，還在大量訓練那些最容易被 AI 吃掉的能力。

如果教育仍然只是在培養：

• 標準化寫作
• 公式化報告
• 可被模板化的知識工作
• 缺乏情境的考試能力

那它的市場回報自然會持續下降。

但如果教育重新聚焦在以下能力，它反而會變得更重要：

• 思考能力
• 跨域整合能力
• 現場解題能力
• 創造新任務的能力
• 與 AI 協作的能力

換句話說，教育真正該教的，已經不只是「怎麼把答案做對」，而是：

在沒有標準答案時，你怎麼提出好問題、做出判斷、承擔結果。

---

當我們把思考外包給 AI，最可怕的不是取代，而是去技能化

AI 對人類最大的威脅，未必是它變得比我們更聰明，而是我們愈來愈習慣不自己思考。

以前很多人都經歷過白紙恐懼症。

面對一張空白文件，不知道怎麼下筆、怎麼組織想法，那種痛苦其實是很重要的訓練。因為它逼著你：

• 釐清觀點
• 建立邏輯
• 把混亂的念頭轉成可溝通的語言

但現在越來越多人一開始就讓 AI 產出初稿，再來修改。

這看起來更有效率，卻也可能跳過最關鍵的訓練階段。

久而久之，會退化的不只是寫作能力，而是更底層的：

• 組織能力
• 推理能力
• 判斷能力
• 自我懷疑與修正能力

這就是所謂的 去技能化（de-skilling）。

真正可怕的，不是 AI 幫我們想，而是我們開始習慣不再自己想。OECD Digital Education Outlook 2026 就直接提醒，當學生把認知工作外包給通用型聊天機器人，會有「後設認知懶惰 (Metacognitive Laziness)」的風險：當外在大腦（AI）隨時能提供完美初稿，學習者會喪失對知識深度的判斷與反思能力。

UTS (2026) 與 MIT 的最新腦神經研究甚至顯示，過度依賴 AI 輔助寫作會顯著降低大腦的神經參與度 (Neural Engagement)，這不只是效率問題，而是生理層面的「思考退化」。在他們的 essay-writing 實驗裡，使用 LLM 的組別呈現較弱的神經連結、較低的文本所有權感，以及較差的即時回憶表現。這不等於所有 AI 使用都會讓人變笨，但至少提醒我們一件事：

如果 AI 直接接管了最核心的思考與組織過程，人類自己的能力確實可能退化。

---

所以，AI 時代還要不要上學？

我覺得答案不是「要」或「不要」這麼簡單。

應該改問的是：

你上的這套教育，究竟在訓練你什麼？

如果教育只是：

• 延後你進入職場
• 換一張文憑
• 把你送進一條越來越不安全的中階白領路線

那它確實正在失效。

但如果教育能幫你建立的是：

• 獨立思考
• 問題定義
• 跨域協作
• 與技術共存的能力

那麼 AI 不是讓教育過時，而是讓真正有價值的教育變得更稀缺。

---

未來最值得學的是什麼？

如果 AI 會持續接手標準化任務，那未來真正有價值的學習方向，大概會集中在這幾類：

1. 問題定義能力

不是只會回答，而是能分辨什麼才是值得解決的問題。

2. 跨域整合能力

把技術、商業、人性、場景串起來，而不是只懂單一知識點。

3. 現場解題能力

能在模糊、不完整、充滿限制的情境裡做判斷。

4. 與 AI 協作的能力

知道什麼交給 AI，什麼必須自己做，什麼地方一定要人工覆核。

5. 建立不可替代性的能力

不是靠頭銜，而是靠你能不能做出別人做不出的組合與判斷。

---

常見問題 FAQ

Q1：有 AI 還要上學嗎？

要不要上學，不是單看 AI 存不存在，而是看教育能不能幫你建立不可替代的能力。如果教育只剩文憑功能，它的回報會越來越低。

Q2：AI 真的會讓很多學歷失去價值嗎？

更準確地說，是讓一部分中階、標準化的知識型能力失去稀缺性。不是學歷完全沒用，而是單靠學歷越來越不夠。

Q3：AI 時代最該學的是什麼？

比起背更多知識，更重要的是思考、判斷、跨域整合、現場解題，以及與 AI 協作的能力。

Q4：教育在 AI 時代最需要改革的是什麼？

不是把更多工具塞進教室，而是從訓練標準答案，轉向訓練提出問題、做判斷與創造任務的能力。

---

來源註記

本文提到的幾個核心判斷，主要參考以下來源：

• PwC 2025 Global AI Jobs Barometer：用於支持「技能要求變動加快、學位需求下降」這個方向。
• OECD Digital Education Outlook 2026：用於支持「offloading cognitive tasks 可能導致 metacognitive laziness」。
• MIT Media Lab 2025《Your Brain on ChatGPT》：用於支持 AI 輔助寫作可能降低部分認知參與與所有權感的實驗觀察。