在生成式AI如ChatGPT、Claude幾乎成為大學生「標準配備」的今天，一位美國大學講師的極端對策，在Hacker News上引爆了超過400則激烈討論：他沒收學生的筆電，在課堂上全面改用老式打字機。
這不是懷舊，而是一場針對AI生成作業（AI-generated work）的絕地反擊。這位講師坦言，在現行AI偵測工具準確率備受質疑、學生「人機合作」作業已難辨真偽的困境下，他選擇回歸最原始的物理限制——沒有網路、沒有剪下貼上、更沒有「幫我寫一篇關於莎士比亞的論文」的指令欄。此舉在網路社群引發兩極評價：有人讚其為維護學術誠信的最後防線，也有人批評這是教育者面對科技衝擊的「懶惰投降」。
然而，將鏡頭拉回香港與台灣的高等教育及企業環境，這場發生在太平洋彼岸的「打字機革命」，絕非一個與我們無關的獵奇故事。它尖銳地指向一個全球產業共同面臨的難題：當AI能輕易產出「及格」甚至「良好」的知識性工作成果時，我們究竟該評量什麼？又該培養怎樣的人才？
教育前線的「AI作弊」攻防戰：成本與成效的殘酷現實
首先，我們必須理解這位教授為何走向極端。根據Turnitin等主流學術誠信平台數據，自2023年ChatGPT普及後，疑似AI生成的作業提交量在某些科目年增超過300%。然而，AI偵測工具本身存在高誤判率（False Positive），可能將非母語者的寫作或特定文風誤判為AI生成，引發爭議。教育機構陷入兩難：投入更多資源購買偵測工具、培訓教師、舉行聽證會，成本急遽上升。
這位教授的成本效益分析很簡單：與其投入無數小時與學生、AI偵測工具進行「貓捉老鼠」的遊戲，不如從根本上移除作弊的工具。課堂時間的生產力，從「評判真偽」回歸到「觀察思考過程」。學生在打字機上每一個猶豫、刪改、重新捲紙的動作，都成為可視化的思考軌跡。這或許是一種倒退，但也是一種對現行評量體系失效的無奈控訴。
從課堂到職場：香港與台灣企業的「AI能力」鑑別難題
這場教育界的風波，直接預演了香港與台灣企業在招聘與人才管理上即將到來的挑戰。當新鮮人的履歷、作品集、甚至面試的書面測驗都可能由AI優化或代勞時，企業人資該如何篩選？
目前，許多企業的應對方式與大學類似：
- 增加實作與面談比重：如科技公司將線上程式測驗改為現場、有監考的編程任務（類似打字機的物理限制）。
- 聚焦「過程」而非「成品」：在面試中深入追問專案決策邏輯、遇到的困難及解決思路，這些是AI難以虛構的個人經驗。
- 調整對「基礎技能」的定義：當AI能撰寫標準報告、整理數據時，企業更看重批判性思考、提問能力、跨領域整合與創意發想等更高階的能力。
一位台灣科技公司人資主管私下表示：「我們現在看到太過完美、文風一致的求職信，反而會先打個問號。我們更想聽到他『如何』利用AI工具，而不是『呈現』一個AI工具產出的完美結果。」
產業的反思：我們需要的是「防弊」，還是「進化」？
打字機課堂的極端案例，迫使教育與產業界進行更深層的反思：我們對抗的，究竟是「作弊」這一行為，還是我們自身未能與時俱進的「評量標準」？
在商業領域，早已擁抱「外包」與「自動化」。企業不會禁止員工使用Excel函式而要求手算，因為我們評量的是分析結果與商業決策，而非計算過程。同理，當AI成為強大的思考協作夥伴時，未來的評核重點是否應從「獨立產出答案的能力」，轉向「定義問題、指引AI、驗證與整合資訊，並做出最終判斷的領導力」？
這意味著，無論是大學的課程設計，還是企業的職能要求，都需要一場典範轉移：
- 作業與任務設計：從「描述性報告」轉向「基於模糊資訊的策劃案」、「針對AI產出進行批判性修正」、「模擬真實商業場景的決策辯論」。
- 評分標準：大幅提高「過程論述」、「方法論創新」、「協作與提問」的權重。
- 工具定位：明確將AI工具視為「允許且應被善用」的生產力套件，並教導其倫理使用邊界。
結論：打字機敲響的，是產業轉型的警鐘
美國教授的打字機，敲出的不只是字母，更是對整個知識工作評鑑體系的急促警報。對於香港與台灣的企業主、管理者與教育工作者而言，這個案例的啟示不在於是否要跟進禁用電腦，而在於我們必須加速重新定義「核心價值」與「關鍵能力」。
與其耗費巨資在效果存疑的「偵防」工作上，不如正面擁抱變化，將資源投入在設計出AI難以代勞、更能體現人類獨特價值（如情感、創意、策略、倫理判斷）的任務與評量方式。未來的贏家，不會是那些最會防堵AI的機構，而是那些最懂得與AI共舞、並能精準評鑑出這種協作能力的組織。
這場始於大學課堂的戰爭，終將在每一個企業的會議室、每一個專案的評核表中見真章。現在，正是重新思考遊戲規則的時刻。