資工主修正在萎縮，換來的是全校性的 AI 素養輔系

大學校園裡正在發生一組看似矛盾的變化：資訊工程主修的申請量下滑，而全校開放的 AI 素養輔系卻快速擴張。兩者不是各自獨立的現象，而是同一筆資源在重新配置。

資工主修的降溫有其現實基礎。過去十年支撐這個科系熱度的，是入門級軟體工程職缺的穩定供給。當這類職缺的成長趨緩，而 AI 工具又大幅壓縮了基礎程式撰寫的人力需求，學生對「念資工等於就業保障」的信心自然鬆動。值得注意的是，這不代表技術能力的需求下降，而是需求的形狀改變了——被壓縮的是把規格翻譯成程式碼的工作，不是判斷該建什麼、以及驗證產出是否正確的工作。

AI 素養輔系的擴張則回應另一種需求。它服務的不是想成為工程師的人，而是各科系將來都必須與 AI 協作的學生。歷史系學生需要知道生成內容的錯誤模式，護理系學生需要理解臨床決策支援的限制，商學院學生需要判斷模型輸出能不能拿去做決策。這些能力無法用一門通識課涵蓋，但也不需要完整的資工訓練。

從課程設計的角度看，這個轉向的難度不低。全校性的輔系必須在深度與可及性之間取得平衡：內容太淺會淪為工具操作教學，畢業即過時；太深則會把沒有數理背景的學生擋在門外，違背普及化的初衷。目前較可行的作法是把重點放在能力邊界的判斷上——知道 AI 在什麼情境下可靠、在什麼情境下會出錯、以及如何設計驗證方式，這些原則的壽命遠長於特定工具的操作方法。

師資是另一個瓶頸。開設跨全校的 AI 素養課程需要大量教師，而具備相關能力的人力本來就集中在資工系。若只是把資工師資調過去支援，等於用縮減專業訓練來換取普及教育，長期未必划算。較合理的路徑是讓各學院自行培養能在本科脈絡下教 AI 應用的教師。

業界分析人士指出，這個結構調整的真正風險在於過度反應。入門職缺的萎縮不等於高階技術人才的需求消失，若各校同步縮減資工資源，數年後可能出現另一種缺口——有大量懂得使用 AI 的人，卻缺少能夠建構與檢驗這些系統的人。