一、從 GenAI 到 Agentic AI 的典範轉移
過去兩年，我們經歷了 Generative AI（生成式 AI）的爆發——ChatGPT、Claude、Gemini 等工具讓每個人都能產生文字、程式碼、圖像。但這只是序幕。
Agentic AI（智能體 AI）的本質差異在於：它不只是回答，而是行動。Agentic AI 具備規劃、使用工具、執行多步驟任務、並在過程中自我修正的能力。從「幫你寫郵件」到「幫你發郵件、追蹤回覆、並根據回覆內容安排日程」——這中間的距離，就是 GenAI 與 Agentic AI 的分水嶺。
二、職場需求的根本重構
正在消失的技能——
初級內容生產：摘要、翻譯、基礎文案、簡單程式碼——這些已不再是稀缺技能
線性執行流程：SOP 化的重複性工作，正被 Agentic AI 以更高的準確率和更低的成本取代
單一工具操作：只會操作單一軟件（如 Excel 進階函數）的價值正在快速萎縮
正在重估的技能——
程式設計：寫程式本身不再是門檻，但「定義問題」和「驗證結果」的能力變得更關鍵
專案管理：傳統 PM 技能需要進化——從「跟進進度」轉向「設計 Agent 協作架構」
正在稀缺的技能——
AI 編排與治理：懂得如何設計、部署、監管 AI Agent 系統的人才嚴重短缺
跨域整合能力：能夠連接技術、業務、合規、資安的「翻譯者」
判斷力與問對問題的能力：在 AI 能給出 10 種答案的時代，提出正確問題的人才是關鍵
三、對教育體系的衝擊
現有的教育體系——無論 K-12 還是大學——仍在為工業時代培訓人才：標準化考試、單科深度、被動接收知識。
Agentic AI 時代的教育需要根本性的重新設計：
| 現狀 | 需要的轉變 |
| 知識記憶與重複練習 | 批判性思考與問題定義 |
| 單人閉卷考試 | 人機協作解題能力 |
| 學科壁壘分明 | 跨域整合專案 |
| 標準答案導向 | 多元解決方案評估 |
| 被動學習 | Agent 輔助的自驅式學習 |
最迫切的挑戰：教育體系的變革速度遠慢於技術迭代速度。當一所大學花 3 年更新課程大綱時，AI 能力已經迭代了 6 個世代。
四、下一代需要準備的關鍵能力
1．問題定義能力（Problem Framing）
AI 擅長解題，但不擅長「定題」。下一代最重要的不是學會用 AI 工具，而是學會問對問題、界定問題邊界、判斷什麼值得解決。
2．人機協作素養（Human-AI Orchestration）
不是「會不會用 AI」，而是懂得如何設計工作流程，讓 AI Agent 與人類互補。這包括：prompt engineering、Agent 行為驗證、輸出結果的品質把關。
3．數位判讀與資安意識（Digital Literacy & Security Mindset）
當 Agentic AI 能生成高度逼真的內容、能主動操作系統，下一代必須具備：
—辨識 AI 生成內容的能力
—理解資料隱私與 AI 安全風險
—建立「不盲目信任 AI 輸出」的習慣
4．持續去學習與再學習（Unlearning & Relearning）
知識半衰期急劇縮短。下一代需要的不是「學會某項技能」，而是「快速拋棄過時心智模型、快速建立新知識框架」的元能力。
5．人類獨有優勢的深化
AI 難以取代的能力：
—同理心與人際協調：團隊衝突化解、客戶情緒感知
—倫理判斷：在灰色地帶做價值取捨
—創造性破壞：提出範式轉移的問題，而不只是在現有範式內優化
—責任承擔：Agent 可以執行，但最終責任主體必須是人
五、給家長與教育者的行動建議
1．停止讓孩子死記硬背——那是在訓練他們跟 AI 比記憶力，註定失敗
2．鼓勵「拆解問題」的遊戲——比賽誰能把一個大問題拆成更多層次的小問題
3．從小培養「驗證習慣」——拿到任何資訊（無論來自人還是 AI）先問：「這怎麼證偽？」
4．讓孩子及早「管理」AI Agent——不是禁止使用，而是在監督下學習如何與 AI 協作
5．重視語文與表達——能精準描述需求、能說服他人、能跨文化交流，這些能力只會更值錢
Agentic AI 不是就業的終結者，而是就業性質的重組者。歷史告訴我們，每一次技術革命都會消滅舊工作，同時創造新工作——但這次的關鍵差異是速度。
我們的責任，是確保下一代不是被動的 AI 使用者，而是AI 時代的主體——懂得駕馭 Agent，而非被 Agent 取代思考能力。
撰文：馮家昌（Billy Fung）
IT 管理者，專注 AI 安全治理與企業數位轉型。
