Is AI Cutting the Talent Pipeline? What Schools Can Do Today

A school-level response to Wong Berlin, Renee Ho, and Chiu Ngai-ting's 6/18 Ming Pao op-ed on AI cutting Hong Kong's talent-cultivation pipeline.

ESSAi 編輯室·2026-06-18

ESSAi 為香港 50+ 間中小學提供 AI 教學工具

6 月 18 日，未來經濟學院（HKFEI）創辦人王柏林教授、名譽研究員何杏研，以及研究助理趙艺婷在《明報》觀點版發表《不止是就業危機 — AI 正在切斷香港培育人才管道》。文章提醒讀者，香港畢業生職位空缺按年下跌約六成，行政職位跌九成、IT 與編程類跌八成，勞工及福利局局長孫玉菡亦確認 AI 是主要原因。

但文章真正的問題意識並不停留於就業數字。作者指出，AI 替代的是「可語言化」的工作 — 即能夠寫成流程、文件、SOP 的部分。隨著這類工作被替代，反而升值的，是「判斷、感知、現場專業經驗」 — 醫生讀病人的氣色、社工讀家庭的張力、老師讀學生神情背後的失神。這些能力只能透過實作累積，而實作的起點，正是被 AI 大量取代的入門級職位。換言之，入門職位不是「廉價勞動力」，而是培育資深專業人才的學徒制起點。一旦這條管道斷裂，十年後我們會缺的，是現時 30、40 歲在崗位上磨出來的中堅。

文章針對的是宏觀政策層面，倡議透過 VTC 訓練委員會大規模擴展結構化學徒制。這個診斷我們認同，這個藥方亦必要。但作為長期與香港中小學合作的教學技術團隊，我們亦想從另一個角度補充：學校，其實是另一條同樣關鍵的人才管道。

文章所指的「AI 無法取代的能力」是什麼

把作者的論點翻譯到校園場景，會發現所謂判斷、感知、現場經驗，其實正是好老師長年累月一直在做的事。

一位中文老師批改學生閱讀理解時，看到答案表面對了，但語氣不對 — 學生並非真懂，而是猜中。一位作文老師看到一篇結構完整、用詞華麗的文章，但讀完只覺得「沒有人」 — 沒有觀點、沒有取捨、沒有立場。一位口語評估的老師聽到一段流利但迴避的答辯 — 學生語速、用詞都到位，但每一句都在閃開原問題。這些都是判斷、感知、現場專業經驗 — 不是讀了多少教學論便能掌握，而是在無數次「學生交一份、老師看一份、再回饋一次」的循環中磨出來的。

對學生而言，這些能力同樣不是靠聽課獲得，而是靠「寫了被指出、講了被聽出、做了被追問」逐步建立。換句話說，能在 AI 時代保留價值的，正是學校教育傳統上最珍視 — 但近年因升學壓力與工作量擠壓而逐漸被忽略 — 的部分。

政策是一條路徑，學校是另一條

文章提出的職場學徒制，是針對畢業後的入職通道。這條路徑必要，但需要勞工政策、僱主誘因、行業協會的多方推動，落實周期以年計。

但如果把「學徒制」的精神 — 實作密集、判斷豐富、回饋頻繁 — 放回中小學自身的課程設計，學校無須等待任何政策。事實上，香港學校過去一直以多種形式實踐這個精神：作文、辯論、口語匯報、實驗報告、專題研習、跨科 project-based learning。這些活動的共通點，正是學生要在不完整的資訊下做判斷、要表達立場、要被同儕與老師質疑、要修訂、再交一次。

風險在於，如果學校把「AI 教育」窄化為「教學生用 AI 工具」 — 例如用 ChatGPT 寫作文、用生成式工具做美術 — 而沒有同步加碼判斷型練習，等同於在 AI 時代培育出最容易被 AI 取代的那批人。真正的 AI 教育，反而要求學校更積極地保護、甚至擴大那些迫使學生「親自下判斷」的學習場景。

AI 如何加速這條路徑，而非取代它

值得提出的是 — 在校園層面，AI 的角色其實可以是放大判斷型訓練，而非削弱它。

舉三個我們在前線觀察到的例子：

第一，中文作文 AI 批改。傳統上，學生寫一篇，老師批一次，回饋一份，整個學期可能只練五至八篇。但如果 AI 能在學生交稿後即時指出結構斷裂、立場不清、例證不足的具體位置，學生便能在一星期內改三、四稿。同一份題目，從「寫一次得一次反饋」變成「寫一次得多次反饋」 — 判斷力是在反覆修訂中長出來的，反饋密度直接決定成長速度。

第二，口語評估。學生講完一段答辯，常常記不清自己語速、停頓、迴避在哪。AI 口語分析能把整段表現轉成可觀察的數據 — 第幾秒卡住、哪個關鍵詞缺席、語速與內容深度的關係。學生第一次「看見」自己的口語，等同於拿到一面鏡子。老師接下來的提點，便能聚焦在「為甚麼會在那裏停下來」這類判斷層面的對話。

第三，閱讀理解的推論題。AI 可以針對「文章沒說但讀者必須推論」的層次出題，並追問學生為甚麼這樣推論。這比傳統 recall 題更接近真實的閱讀活動 — 醫生讀病歷、律師讀合約、社工讀家訪報告，靠的全是讀出未明說的部分。

ESSAi 現時為 50+ 間香港中小學提供類似的 AI 教學工具。我們把這些經驗整理在這篇回應裏，並非要把 ESSAi 包裝為政策問題的答案 — 政策問題需要政策回應 — 而是想讓正在思考「下學期還可以做什麼」的校長與老師看到，這條路徑在今天的香港校園其實已經可以走。

校長與課程主任今學期能做的三件事

第一，每科每學期至少增加一至兩項「判斷密集型」評核 — 不一定是大型專題，可以是一次三分鐘口頭答辯、一次同儕作文互評書面回饋、一次實驗結果的批判性檢討。重點在學生必須自己作出取捨、表達理由。

第二，把 AI 用在機械式回饋的部分 — 拼字、結構檢查、基本格式、答題完整性 — 釋放老師的時間，集中在「判斷指導」的部分。老師的時間是最稀缺的資源，AI 的價值不在於取代老師，而在於把老師的注意力推回到最有教育意義的對話上。

第三，學期末做一次回顧 — 哪些練習真的訓練到學生的判斷力，哪些只是堆量。讓資料引導下學期的設計，而非延續上學期的慣性。

結語

王柏林教授、何杏研、趙艺婷的文章提醒了我們，當 AI 切斷入門職位的人才管道，香港需要的政策回應是嚴肅且長線的。這項改革必要，亦需要時間。

但學校無須等到政策落地，才開始培育「AI 無法取代的能力」。判斷力、感知、實踐經驗 — 這些是學校教育在最好的時候，一直在做的事。AI 時代並沒有把這條路徑推遠，反而讓它變得更迫切、也更可行。

延伸閱讀：

• 《明報》原文：不止是就業危機 — AI 正在切斷香港培育人才管道
• 《中小學數字教育發展藍圖》校本解讀

本文由 ESSAi 編輯室撰寫，內容為我們在前線觀察的整理，不代表《明報》原文作者或未來經濟學院立場。本文最後更新於 2026-06-18。