學校在 AI 上花了數十億美元，卻普遍不知道什麼才值得買

教育科技市場正在經歷一次規模龐大的資金投入，而投入方多半不知道自己買到了什麼。分析指出美國學校在 AI 相關產品上的支出已達數十億美元，但判斷產品成效的方法卻幾乎沒有跟上。

問題的結構相當清楚。

第一是證據的不對稱。廠商掌握自家產品的使用資料，而學區沒有；廠商提供的成效研究多半由自己出資、樣本與情境經過挑選，而學區缺乏獨立驗證的能力。教育研究的週期又長——要證明一套工具真的提升學習成效，需要至少一到兩學年的追蹤，而採購決定往往在幾週內就要做完。

第二是宣稱的模糊化。多數 AI 教育產品的行銷語言集中在「個人化學習」「即時回饋」「節省教師時間」——這些說法都不假，但也都無法反駁，因為缺乏具體的可驗證指標。當所有產品聽起來都一樣，決策就會轉向其他因素：業務關係、其他學區的採用情況、介面是否好看。

第三是採購時機的錯位。大量 AI 產品的採購發生在疫後紓困經費的尾聲，也就是必須在期限內把錢花掉的壓力之下。倉促的決定往往跳過試辦與評估。

第四是評估能力本身的缺口。多數學區沒有專責的教育科技評估人力，而現有的資訊人員主要處理維運而非成效驗證。這也是為何近期由六個教育組織聯合發布的採購指南受到關注——它試圖把品質判準標準化，讓沒有專業評估人力的學區也有工具可用。

務實的改善方向多半不昂貴：要求廠商提供獨立第三方的成效資料而非自家白皮書；把小規模試辦與明確的成功指標寫進採購流程；在合約中保留退出條款與資料可攜性；並與鄰近學區共享評估結果，避免每個學區都重複踩同樣的坑。

對台灣的教育科技採購而言，這個現象同樣值得警惕。當 AI 成為採購清單上的必備項目，最需要先建立的不是預算，而是「怎麼知道它有沒有用」的判斷方法。