30 秒概覽：寒假前最後一個補課日，徐臺屏在台北市大佳國小帶著額滿的教師班，用三小時做出教學型 AI 代理人。另一頭，兩份不同的台灣問卷分別出現「92% 教師接觸過 AI」與「95.6% 教師仍有 AI 學習需求」。老師並非拒絕工具，真正卡住的是備課時間、可直接使用的案例、同儕社群，以及回校後還找得到人的支持。約八十位老師共同放上三百支代理人的「大市集」，把工具共享與長期互助放進同一場制度實驗。
雲林縣褒忠國中學生使用均一教育平台上課，攝於 2019 年。照片早於生成式 AI 浪潮，卻已留下數位工具進入台灣教室的日常起點。Photo: 褒忠國中 雲端網，CC BY 2.0。
大佳國小的三個小時，然後呢
徐臺屏站在台北市大佳國小資訊教室裡。那是寒假前最後一個補課日，教師研習報名額滿，連校長也坐進電腦前。老師們分組向 Gemini 下提示詞，想辦法生成一張能讓孩子猜出「同舟共濟」的圖片，再設計出有鑑別度的考題。三個小時裡，沒有人從模型架構開始學。每一個按鍵，都從「學生到底卡在哪裡」往回推。1
徐臺屏在台北市日新國小教書二十年，從 Scratch、機械手臂、自造教育中心一路走到生成式 AI。他要求研習中的每一組老師做出一支可以帶回教室的教學型 AI 代理人，熱門工具清單反而退到後面。大佳國小資訊組長蘇至誠上完課後的判斷很直接：「因為操作 AI 工具的技術，其實不如預期地難上手，重點是從學生的需求回推教學策略，思考如何讓孩子學得更好、更扎實。」1
困難發生在下課之後。中央科技領域輔導團只有八位成員要跑遍全台，成員為了把研習送進偏鄉，辦入山證、住兩天都是常態。一次工作坊可以點亮一個下午，卻很難回答老師下週備課碰到的提示詞失效、學生抄答案、帳號權限或家長疑慮。徐臺屏把那個斷點說得很完整：
「目前大部份老師遇到的問題是，在當下學會了，但是教師專業社群跟教師增能並非持續性的，讓老師停留在當下的感動跟火花，但回去之後卻是孤單的。」1
這句話讓台灣 AI 教育的問題換了位置。它不再只是「老師會不會用 AI」，而是「老師第一次用完之後，身邊還有沒有人」。
兩個九成，說的是兩件事
2025 年底，親子天下翻轉教育與 Google for Education 合作的問卷回收 4,765 份幼兒園到高中教師有效樣本，其中 39% 自稱經常使用 AI、53% 偶爾使用，合計 92% 曾接觸 AI。63% 對 AI 應用於教育高度正面，只有 8% 表示聽過但未使用。這不是全體台灣教師的隨機抽樣，也帶有企業合作背景，適合用來看參與調查者的使用輪廓，不能直接外推成全國普及率。2
另一份黃昆輝教授教育基金會調查，在 2025 年 8 月 27 日至 10 月 10 日，以網路問卷回收 3,328 份國小、國中與高中教師完整樣本。結果是 95.6% 表示有 AI 知能學習需求，課程設計、評量設計、診斷學習困難與差異化教學四項需求都超過九成。81.7% 希望縣市政府成立跨校教師 AI 學習社群，92.8% 贊成為偏鄉或非資訊專長教師提供專業人力。3
資料來源：教育家平台、黃昆輝教授教育基金會；兩份問卷樣本與方法不同，不作直接比例比較
兩個九成都很高，測量的卻不是同一件事。前者問「碰過沒有」，後者問「還想不想學」。把它們並排，不足以證明使用 AI 造成更多焦慮，卻能拆掉一個常見誤會：接觸工具不等於已經能把工具放進課程。教師可能會請模型改寫通知、整理講義，同時仍不知道如何設計評量、診斷學習困難，或向學生說明個資不能丟進對話框。
同一份翻轉教育調查還顯示，47% 受訪者認為數位備課時間增加，60% 困擾於載具或網路不穩，43% 缺少可直接應用的教材。當一項新工具要老師同時兼任課程設計師、帳號管理員、第一線維修員和資安把關者，「數位化」甚至可能先增加工作，再談得上減輕負擔。2
📝 策展人筆記： AI 教育最難買到的資源，可能是讓老師能與同事一起試錯的一個下午。帳號一年付一次錢，教學判斷卻要在每一次學生反應裡重做。若政策只計算開了幾場研習、發了多少帳號，就會把最需要被看見的那段工作留在統計之外。
這也延續了 台灣教育制度 長期的矛盾。制度要求課程創新，教師每天面對的鐘點、行政與升學節奏卻沒有同步鬆動。AI 把製作一張圖的時間縮短了，未必替老師騰出觀察孩子的時間。省下來的分鐘，很可能又被另一個平台、另一組密碼和另一份成果報告吃掉。
三百支代理人，不是三百種產品
徐臺屏與中央科技團員後來用 Notion 做了「AI 代理大市集」。約八十位老師把自己設計的三百支教學代理人放上去，題目直接落在「哪一個教學現場的困難已經有人先踩過坑」。有人做圖像提示，有人設計差異化題目，有人讓代理人扮演練習對象。平台保存完成品，也記錄一位老師如何把學生需求翻譯成提示與限制。1
資料來源：《天下雜誌》2026 年 3 月徐臺屏專訪
「大市集」這個名字容易讓人想到下載工具，但它最有價值的部分其實是交換。通用聊天機器人可以幾秒鐘吐出一份教案，卻不知道某班孩子識字程度的落差，也不知道老師為何把「同舟共濟」改成先看圖、後認字。代理人能不能跨班沿用，要看分享者有沒有把適用年級、教學目標、資料界線和失敗方式一起說清楚。少了這些脈絡，三百支代理人也可能變成另一座三百個連結的倉庫。
因此，衡量這個平台的尺度不該只剩數量。更重要的問題包括：一支代理人被其他老師帶回課堂幾次，改過哪些限制，學生在哪裡誤解，出錯之後誰回來補註。若這些回饋能留下來，平台才可能把孤單的試作變成共同的教學知識。這也是它與企業工具市集不同的地方，價值不在上架，而在有人願意回來把失敗講完。
飲料店客服，先讓「漚客」攻破
台北市內湖高中資訊教師羅玗貞走了另一條路。她讓學生使用 Gemini 的 Gem 功能，製作飲料店、手機或圖書館導覽員等 AI 客服。做完之後，學生交換裝置，扮演愛挑三揀四的「漚客」，想辦法讓同學的客服破功。有人用情緒勒索討免費飲料，有人假裝老闆索取商業機密，也有人知道模型不能直接吐出密碼，便要求它把答案藏進藏頭詩。4
這堂課沒有把錯誤藏起來。學生找到漏洞後要改提示詞，解釋修改為何有效，再重新測試。模型出錯從尷尬事故變成教材，資安也不再是一張「不要洩漏個資」的宣導投影片，而是一場可以攻擊、修補、再攻擊的練習。羅玗貞最後提醒學生，真正的學習與思考仍要自己完成：「別忘了自己才是主角。」4
宜蘭縣中山國小教師林穎俊在同一場分享裡提出另一個重要限制：AI 教學要融入原有課程，千萬不要「外加」。嘉義市民生國中教師蔡邦居則讓學生用 AI 做線上立體骰子來算機率，學生的成品反過來逼老師追問程式碼。他笑說：「人家說教學相長，我覺得都是學生在教我。」4
這三個案例共同把老師的位置從答案供應者移開。老師設計問題、守住資料與倫理邊界，也允許學生比自己更快摸到工具的新功能。這種課堂比「全班跟著老師打一遍提示詞」更難，因為老師必須能判斷學生到底理解了機制，還是只是得到一個看起來很漂亮的輸出。
世界的老師，也多半先拿 AI 來備課
OECD 的 TALIS 2024 調查問的是參與教育體系的國中教師，台灣不在可直接比較的樣本中。平均約每三位教師就有一位在前一年工作中使用 AI，新加坡與阿拉伯聯合大公國約為 75%，法國與日本不到 20%。這組數據適合提供國際座標，不適合拿來替台灣排世界名次。5
更有意思的是用途分布。在已使用 AI 的教師裡，68% 拿它學習或摘要主題，64% 用來產生教案。只有 25% 用來檢視學生參與或表現資料，26% 用來評量或批改作業。容易個人完成、風險較低的備課工作走在前面，牽涉學生資料、評量公平與專業責任的用途落在後面。5
資料來源：OECD《Results from TALIS 2024》；台灣未納入這組可比樣本
這個順序與台灣現場並不衝突。做圖片、整理教材、產生題目是容易開始的入口。到了評量，老師得回答誰為錯誤分數負責、學生作品能否上傳、系統是否放大語言與文化偏差。功能表上只差一個按鈕，專業責任卻差了一整層。
UNESCO 2024 年教師 AI 能力框架也沒有把「會下提示詞」單獨當成終點。框架把能力拆成人本思維、AI 倫理、基礎與應用、AI 教學法、用 AI 促進專業發展五個面向，並明確主張 AI 應補充而非取代教師角色。它還警告，不應拿 AI 來替代對教師短缺、網路與基礎設施問題的長期投資。6
先把名字拿掉，再談自動評量
AI 從備課走到評量，風險會突然變得具體。老師請模型想十道練習題，錯一題還有機會在發下去前改掉。若直接貼上全班作答紀錄，裡面可能同時帶著姓名、成績、學習困難與家庭脈絡。輸出看起來仍是一段文字，輸入卻已從教材變成孩子的資料。這也解釋了 OECD 調查裡，整理主題與生成教案的使用率超過六成，分析表現與評量作業卻只有約四分之一。5
羅玗貞讓學生用藏頭詩套出 AI 客服的隱藏密碼，剛好提供了一個縮小版警告：寫在提示詞裡的祕密，不會因為使用者看不到設定頁就自動安全。學生可以故意繞過限制，真正的外部服務也可能保留對話、改變條款或被錯誤設定。把這堂課移回教師工作流程，起手問題應該是「這份資料有沒有必要交給模型」，然後才問「模型能不能批」。4
若把 UNESCO 的人本與倫理原則翻成校內可操作的最低線，可以先做三個動作。送出前移除可識別學生的姓名、座號與不必要背景。使用 AI 協助評量時，讓教師保留最後判斷並抽查模型理由。學生與家長也應知道哪一段流程用了 AI，遇到錯誤時找得到人申覆。這些做法不需要等待一套全國完美規範才開始，卻需要學校提供共同範本，不能把責任全部留給每位老師自行猜測。6
公平問題也藏在帳號後面。基金會調查中，94.1% 受訪教師期待教育部提供原本需要付費的 AI 軟體，60.2% 認為學校應優先提供穩定網路與資源，46.7% 指向專業支援人力。這些數字並不保證公費帳號就是答案，但提醒政策同時面對三種門檻：付不付得起、連不連得上，以及出事時問不問得到人。只處理第一種，教室之間的差距仍會沿著網路品質與支援能力擴大。3
評量因此是 AI 教育的壓力測試。它逼制度一次回答資料治理、專業責任、家長溝通與學生申訴，而不是再辦一場功能展示。當這些邊界說得清楚，老師才可能放心把 AI 用在適合的地方，也更有底氣在不適合的地方關掉它。
人才方舟開航，岸上要有人接
教育部在 2026 年 6 月公布 115 至 118 年「AI 人才方舟計畫」，三個方向分別是建構 AI 學習環境與新一代學習系統、培育跨域教學人才並建立數位增能與手把手機制，以及用教育大數據支援教學決策。政策文字已經從「提供工具」往「培育人才」與「手把手」前進，至少看見單次採購不足以改變課堂。7
教育部把 2026 至 2029 年計畫濃縮成三個方向：學習環境、跨域教學人才與數據決策。本文關心的是第二項「手把手機制」離開政策圖後，如何進入教師的一週。Image: 教育部，2026 年，官方政策圖編輯引用。
「手把手機制」要真正排進學校的一週，才是最難的一步。基金會調查裡，教師最期待的是實作工作坊與線上課程。同一批受訪者又有 81.7% 希望成立跨校學習社群。這兩個需求不能互相替代。工作坊讓人跨過第一次操作門檻，社群負責接住第二次失敗、第三次調整，以及學生真的坐在眼前之後才會出現的問題。3
📝 策展人筆記： 「培訓完成」與「教學改變」之間，少了一個很難放進採購表格的欄位：誰在老師回校後回覆他。徐臺屏的三百支代理人因背後有八十個可以被找到的人而值得注意。若人才方舟只載工具、沒載上關係，它抵達每所學校時，老師仍可能各自下船。
一套能延續的支持至少要有三層。第一層是可直接改寫的教學案例，附上適用年級、資料風險和失敗紀錄。第二層是校內或跨校同儕時間，讓非資訊專長教師不必獨自追版本。第三層才是中央與地方的專業人力，在模型改版、資安事件或評量爭議超過學校能力時接手。這三層也要涵蓋偏鄉網路與設備，否則最需要支援的老師仍會把研習時間花在登入與更新。
學生端同樣不能被留在工具訓練。羅玗貞的「漚客」課把風險變成可觀察的行為，學生不只知道 AI 會錯，還親手找到它如何被誘導、如何洩漏資訊。這比背誦一份使用守則更接近 UNESCO 所說的人本與倫理能力，也讓老師的專業角色更清楚：設計一個讓學生能質疑模型的環境，避免自己淪為模型的傳聲筒。46
這條路也與 台灣人工智慧發展與未來策略 的產業視角互相補足。台灣能製造 AI 伺服器、訓練工程人才，卻不能假設硬體優勢會自然流進每間教室。台灣人工智慧學校 曾用民間力量培訓產業人才。中小學教師用另一種尺度衡量成果：一個孩子是否因為換了一種說法終於聽懂。
最後一個問題，不是下一個工具
回到大佳國小那三個小時，老師確實做出了可以帶走的東西。這很重要。沒有第一次成功，後面的社群也不會發生。可是那支代理人回到學校後，還會遇到學生亂問、資料過時、模型改版與家長擔心。教學創新不是按下發布後就固定不動的產品，它更像一份需要同儕共同維護的教材。
台灣老師用得比制度快，不表示制度只能追著工具名稱跑。兩份九成問卷、三百支代理人和一間讓學生攻擊 AI 客服的教室，已經把下一步說得很具體：給老師可改寫的案例、共同試錯的時間、找得到人的社群，以及把個資、評量與偏差講清楚的邊界。
徐臺屏說，研習當下有感動和火花，回去之後卻是孤單的。真正值得計算的 AI 教育成果，或許是下學期再遇到同一位老師時，他身邊是否已經多了一個能一起把課改完的人。
延伸閱讀
- 台灣教育制度 — 從聯考到十二年國教，看教師創新所在的制度環境
- 台灣人工智慧發展與未來策略 — 從產業與政策理解台灣 AI 的整體布局
- 台灣人工智慧學校 — 民間培訓如何養出台灣第一批產業 AI 人才
圖片來源
| 檔案 | 描述 | 來源 | 授權 |
|---|---|---|---|
taiwan-students-digital-learning-2019.webp（hero） |
雲林縣褒忠國中學生使用均一教育平台，2019 年 | 褒忠國中 雲端網，via Wikimedia Commons | CC BY 2.0 |
taiwan-moe-ai-talent-ark-2026.webp |
教育部 AI 人才方舟計畫三大方向政策圖，2026 年 | 教育部 AI 人才方舟計畫 | 官方政策圖編輯引用 |
參考資料
- 「老師培訓回去後卻很孤單」他建立 AI 代理人大市集 — 《天下雜誌》2026 年徐臺屏專訪，記錄大佳國小研習、中央科技團與約三百支代理人的共享平台。↩
- 教學負擔不減反增？校園數位轉型挑戰大調查 — 親子天下翻轉教育與 Google for Education 合作問卷，公布 4,765 份教師樣本的數位教學與 AI 使用結果。↩
- 「教師對 AI 應用於教育的需求與期望」調查結果 — 黃昆輝教授教育基金會公布 3,328 份教師網路問卷的方法、學習需求、資源與跨校社群期待。↩
- 內湖高中資訊課打造 AI 客服，學生扮「漚客」找漏洞 — 中央社 2026 年 7 月報導羅玗貞、林穎俊與蔡邦居把 AI、資安與既有課程結合的現場案例。↩
- Teaching for today’s world: Results from TALIS 2024 — OECD 官方英文報告，提供參與教育體系國中教師使用 AI 的比例、用途與跨國差異。↩
- What you need to know about UNESCO’s new AI competency frameworks — UNESCO 官方英文說明，列出教師 AI 能力五面向及人本、倫理與長期教育投資原則。↩
- AI 人才方舟計畫（115–118 年） — 教育部 2026 年 6 月公布三大政策方向，涵蓋學習環境、跨域師資與教育數據決策。↩