數據：拖慢 agentic AI 導入的不是疑慮，而是多數人不知道它能做什麼

關於教育科技導入受阻的討論，通常歸因於三件事：預算不足、教師抗拒、資安疑慮。而一份關於 agentic AI 的最新數據指出了第四個、也可能是當下最主要的原因——大家不知道它是什麼。

先釐清定義上的差異。一般的生成式 AI 是被動的：你問它答，一次一輪。而 agentic AI 具備自主執行多步驟任務的能力——它可以拆解一個目標、規畫步驟、呼叫不同工具、根據中間結果調整做法，並在完成前不需要每一步都由人確認。差別不在於「更聰明」，而在於「會自己動」。

這個差別對教育行政的意義相當具體。舉例來說，一般 AI 能幫你草擬一封家長通知信；agentic AI 則可能被設定成：查出本週缺席超過兩天的學生名單、比對他們的導師、為每位家長生成個人化的關懷訊息、排入寄送佇列、並在三天後追蹤未回覆者。這類跨系統、多步驟的行政流程，正是學校最耗人力也最容易出錯的部分。

認知空白之所以構成阻礙，在於它讓決策無從開始。學校無法評估自己不了解的東西——既說不出需求，也判斷不了廠商的說法哪些是實質功能、哪些是包裝。結果往往是延後決定，或反過來被行銷話術牽著走。

不過，這裡也存在一個值得警惕的順序問題。認知不足固然是阻礙，但「先了解再導入」的順序是正確的——agentic AI 的自主性同時意味著更高的風險：當系統能自己執行而不需逐步確認，錯誤也會自動放大。一個誤判缺席資料的流程，可能在人發現之前就已經寄出數百封不正確的通知。在教育情境中，涉及學生資料與家長溝通的自動化，需要的審慎程度高於一般企業應用。

因此，補上認知空白的方向不該只是「介紹功能」，而該同時包含風險理解：哪些環節適合完全自動、哪些必須保留人的確認點、出錯時如何回溯與更正。

對台灣的教育科技推廣而言，這份數據的提醒相當實際：在討論要不要導入之前，教育人員需要的是一場能講清楚「它會自己做什麼」的說明。