做到了，不等於學到了：OECD 教育總監 Schleicher 的 AI 教育警告
讀完這篇，你會知道：
- OECD《數位教育展望 2026》的核心發現：為什麼 AI 讓學生成績短期提升，卻可能讓真實學習能力下降。
- 土耳其與美國的兩個具體研究案例，揭示「認知外包」現象在課堂中已真實發生。
- OECD 教育總監 Andreas Schleicher 提出的「AI 放大器」框架，以及對台灣教育現場的具體啟示。
思考的起點
你的孩子用 AI 寫完了作業，成績比以前好。這是好事嗎？
直覺上，大多數人會說：是。但 2026 年 1 月，OECD 在倫敦發布了一份報告，給出了一個令人不安的答案。
這份報告的主持人，是全球教育政策圈最有影響力的人物之一：Andreas Schleicher，OECD 教育與技能總監，也是 PISA 國際學生評量計畫的創辦人。他服務超過 80 個國家的教育部長，美國前教育部長 Arne Duncan 曾說他「是我見過最了解全球教育議題的人」。
他在這份報告裡說的那句話，應該讓每一位教育工作者、每一位父母認真想一想：「做到了，不等於學到了。Doing something with AI does not mean learning from it.」
OECD《數位教育展望 2026》說了什麼
這份報告的全名是《OECD Digital Education Outlook 2026: Towards Effective and Inclusive Digital Education》，2026 年 1 月 19 日於倫敦正式發布。它不是一份純理論的政策文件，而是匯整了多國真實課堂研究數據後的系統性分析。
Schleicher 和報告團隊整理出的核心問題是：AI 工具確實讓學生的表現指標提升了，但這些提升，是真實的學習，還是對工具的依賴？
報告中引用了兩個關鍵研究案例，讓這個問題有了具體的數字支撐。
兩個讓人難以忽視的研究案例
第一個來自土耳其。研究者讓學生使用 GPT-4 輔助學習，結果短期任務表現提升了 48%。但當研究者移除 AI 工具後，成績不只沒有維持，反而下滑了 17%。也就是說，學生的進步幾乎完全來自工具，而不是真實的理解或技能提升。
第二個來自美國。研究者讓學生使用 AI 寫作文，成品的品質確實更好。但在完成後測試這些學生，竟然有 80% 的學生記不得自己文章裡寫了什麼。寫出來了，但沒有真正思考過。
認知外包（cognitive offloading）是指個人將原本需要自己思考、記憶或判斷的認知工作，轉移給外部工具或環境來完成。當這個過程過度發生，個體就可能失去獨立完成相關任務的能力。這兩個案例，正是認知外包現象在教育現場的直接體現。
除了這兩個研究案例，報告中還提到：英國中學教師使用 AI 備課後，課程準備時間減少了 31%。這是正面的效率提升，但 Schleicher 也提出了一個值得思考的問題：當教師的備課思考時間被壓縮，師生互動的深度是否也跟著改變？
AI 是放大器，不是平衡器
Schleicher 在報告中提出了一個他稱之為「AI 放大器（AI as amplifier）」的框架。這個概念很關鍵：AI 不是中立的工具，它會放大已有的優勢，也會放大已有的不平等。
他在報告發布後的訪談中說了一句話，值得在台灣的教育討論中被認真引用：「條件好的孩子，有 AI 加持的博士家教，可以學到更多、更深、更個人化。條件差的孩子，只能用聊天機器人做作業。這不是縮小教育差距，這是在擴大它。」
這個觀察，對台灣的教育現場有直接的意義。台灣的城鄉資源差距已存在多年，數位工具的普及曾被視為縮小差距的機會。但如果 AI 工具在「有教學引導的使用者」和「只是直接問答案的使用者」之間產生截然不同的學習效果，那麼我們需要重新思考：提供工具，和確保工具被有效使用，是完全不同的兩件事。
什麼樣的 AI 教育工具，才是有效的？
Schleicher 的報告並不是在說「AI 不應該進入課堂」。報告明確指出，有教學引導機制的 AI 工具—那些會問你「為什麼」、引導你推理、讓你說出思考過程的工具—效果遠優於直接給出答案的通用型聊天機器人。
這個區別，在設計思考的語境裡，有一個對應的概念叫做「productive struggle（有生產力的掙扎）」。真實的學習，往往不是在找到答案的那一刻發生，而是在摸索、失敗、重新思考的過程中發生的。當 AI 工具跳過了這個過程，它也跳過了學習本身。
好的 AI 教育工具應該是一個「思考的夥伴」，而不是一個「答案的供應商」。這個標準，其實和好的教師、好的工作坊引導者的標準一模一樣：不是給你魚，是讓你有機會學會釣魚—即使這個過程比較慢，甚至比較痛苦。
報告中還引用了 OECD 2024 年 TALIS 調查的數據，顯示 37% 的教師已在使用生成式 AI 備課或教學。這個數字仍在快速成長，但系統性的教師培訓和 AI 使用指引，大多數國家仍在起步階段。
台灣教育現場的對應思考
台灣在 2024 至 2025 年間，陸續有學校和教育部門開始討論 AI 在課堂中的規範與應用。但討論的重心，多半集中在「是否允許使用」，而非「如何使用才有效」。
Schleicher 的報告給了我們一個更精確的問題框架：不是「要不要用 AI」，而是「用了 AI 之後，學生的思考能力有沒有因此增強，還是反而被替代了」。
這個問題，需要課程設計者、教師和教育政策制訂者共同回答。而回答這個問題的方法，正是設計思考一直強調的那種思維：從真實的使用者（學生）出發，觀察他們的實際學習過程，而不只是看成績表現這個單一指標。
我們的觀點
「做到了，不等於學到了。」這句話在工作坊現場，我們也常常遇到類似的狀況。
有時候參與者在工作坊裡完成了一個很漂亮的使用者旅程地圖，貼滿了便利貼，格式完整。但當我問他們：「你在這個過程中，發現了什麼你之前不知道的事？」—沉默的時間，往往比期待中的長。
完成了工具，不等於發生了思考。這是工作坊設計最難的地方，也是 AI 教育工具面臨的核心挑戰。工具可以讓任務完成得更快、更漂亮，但如果沒有刻意設計「讓人停下來思考的時刻」，工具就只是一個捷徑，而不是一個學習的觸媒。
Schleicher 的報告讓我們意識到，這不只是教育政策的問題，而是所有使用 AI 工具進行學習、創作、解決問題的人，都需要不時問自己的問題：我在使用 AI 的過程中，有沒有真正思考過？還是只是在借力完成一件事？
本文關鍵概念速查
認知外包（Cognitive Offloading）：
將原本需要自己思考的認知工作轉移給外部工具完成的現象。適度的認知外包可以提升效率，但過度依賴可能削弱個體獨立思考與記憶的能力。
AI 放大器效應（AI as Amplifier）：
Schleicher 提出的框架：AI 不是平衡工具，而是放大器。它放大已有優勢，也放大已有不平等，因此 AI 教育工具的導入方式，決定了它究竟是縮小還是擴大教育差距。
有生產力的掙扎（Productive Struggle）：
學習理論概念，指真實的能力提升往往發生在面對困難、嘗試與失敗的過程中，而非直接得到答案的瞬間。過早給出答案（包括 AI 直接回答）會跳過這個關鍵的學習環節。
OECD TALIS 調查：
OECD 針對教師與學習環境的大規模國際調查，2024 年數據顯示全球 37% 教師已在使用生成式 AI。
開放討論
你或你身邊的孩子，在使用 AI 輔助學習或工作時，有沒有發現「完成了但沒真正思考過」的時刻？你怎麼看待這個現象？
延伸思考三問
- 如果「有教學引導的 AI」和「直接給答案的 AI」效果差這麼多，你會如何設計一個「讓人思考而不只是完成任務」的 AI 工具使用規則？
- Schleicher 說 AI 是放大器，放大優勢也放大不平等。台灣教育現場裡，你覺得哪個群體最可能因此受益，哪個群體最可能因此被拉開距離？
- 「productive struggle」這個概念，對你的工作或學習有什麼啟發？你上一次真正經歷「有生產力的掙扎」，是什麼時候、在做什麼？
資料來源
OECD Education at a Glance 2024 & TALIS 2024：37% of teachers using generative AI in teaching.
Andreas Schleicher, OECD Director for Education and Skills — Official profile and key speeches.
關於文字策展人
Cha Cha 是查查創意文字策展人暨創辦人，Stanford d.school 設計思考專業研修，累積超過三百場企業工作坊實戰經驗。長期深耕設計思考、創意思考與未來趨勢，致力於讓更多人在 AI 時代找到自己的思考方式。
訂閱電子報
訂閱「未來思考週報」，每週三收到精選文章與趨勢洞察。