在生成式AI与自动化技术飞速迭代的当下，职场对人才的要求正在经历颠覆性变革，而高等教育作为人才培养的核心阵地，也面临着前所未有的挑战与机遇。近日，美国西海岸大学（Westcliff University）校长兼首席执行官Anthony M. Lee博士在接受Unite.AI专访时，深入探讨了AI时代高等教育的转型路径、职场胜任力的新定义，以及高校如何在技术浪潮中保持核心竞争力。
西海岸大学是美国发展最快的大学之一，过去十年间，学生人数从不足百人增长至3000余人。拥有美国及国际多所高校领导经验的Lee博士，在创新混合式与在线教育项目、院校认证、高等教育运营管理等领域拥有深厚造诣。他所推动的技术与传统课堂融合的教学模式，为学生带来了全新的学习体验。
### 职场胜任力：从任务执行到认知监督的跃迁
在Lee博士看来，生成式AI与自动化正在彻底重构职场胜任力的定义。“过去，职场胜任力意味着具备岗位所需的技术能力，能够立即投入工作。但在AI时代，这一定义已经远远不够。”他指出，如今的职场环境中，智能在人与机器之间分布式存在，工具技术持续迭代，工作执行也越来越依赖AI增强，因此，职场胜任力的核心已经从“完成任务”转向“认知监督”。
具体而言，新一代职场人需要具备问题构建能力、AI输出监督能力、假设质疑能力，以及在现实约束下运用判断力做出决策的能力。“常规的生产性工作可以被自动化，但责任无法被外包。”Lee博士强调，这使得批判性思维、伦理推理、情境意识，以及将AI生成成果转化为可问责决策的能力，成为了职场核心竞争力。
在西海岸大学，职场胜任力被定义为专业领域知识、AI素养与严谨人类判断力的结合。学校的应用型学习模式围绕在真实场景中与新兴技术的结构化互动展开，目标不仅是让学生掌握工具使用能力，更重要的是培养他们的适应能力，使其在技术迭代中始终保持工作效能。“未来脱颖而出的职场人，不是那些与AI竞争的人，而是能够明智地指导AI、严谨地质疑AI，并对AI影响的结果负责的人。”Lee博士总结道。
### 高校AI布局：从“附加工具”到“教育架构重塑”
当被问及高校如何在课程与制度层面真正重视AI，而非将其视为附加工具时，Lee博士表示，AI并非普通的教学工具，它正在改变教育的底层架构。“真正重视AI，首先要从重新设计开始。每个学科都必须审视生成式AI如何重塑职业预期，并明确AI增强型能力的要求。”他指出，评估体系也需要从衡量输出转向衡量推理能力与应用能力。
同时，高校需要构建制度层面的一致性，AI素养不能仅存在于孤立的课程中，教师发展、治理体系、评估策略与供应商管理都需要围绕“技术应提升学术质量，而非稀释学术质量”这一核心原则协同推进。在西海岸大学，AI已经成为学校知识基础设施的一部分，影响着学习的结构、能力的评估方式，以及在人机协作的职场环境中院校信誉的维护。
### 人机协作时代：基础人类技能的价值升级
对于如何平衡基础人类技能与AI协作能力的培养，Lee博士认为这并非权衡取舍，而是相互赋能。“生成式AI实际上提升了基础人类能力的价值。”他解释道，当常规的认知性工作可以被低成本自动化时，高阶推理能力就成为了差异化竞争力。批判性思维意味着提出更好的问题、质疑机器生成的结果；判断力意味着知道何时依赖系统、何时暂停决策；伦理则成为了理解大规模部署智能系统后果的实践能力。
西海岸大学将AI素养视为基础技能的放大器，学生在使用智能工具的同时，需要对结果的清晰性、可信度与影响负责。Lee博士表示：“从长远来看，脱颖而出的专业人士将兼具知识深度与技术敏捷性。AI提供速度与规模，而人类必须提供洞察力、责任感与领导力。”
### 高等教育的脆弱与韧性：内容提供者vs学习系统构建者
在AI对高等教育的影响方面，Lee博士认为，最脆弱的领域是那些以信息传递与标准化输出为核心的模式，例如依赖讲座授课或衡量产出的评估体系，这些模式将很快受到AI的挑战。而以结构化能力发展、导师指导、实践应用、团队协作、临床学习与职业身份形成为核心的领域，则展现出更强的韧性。
“AI可以支持这些学习体验，但无法取代通过反馈与问责实现的成长。”Lee博士指出，关键差异在于设计定位：将自己视为“内容提供者”的院校面临风险，而作为“有意设计的学习系统”、专注于推理能力、应用能力与可衡量成长的院校，则依然具有高度相关性。“AI正在提高学历证书的价值标准。”他补充道。
### 学位设计：从固定路径到动态生态系统
随着AI压缩技能学习时间、降低行业进入门槛，高校需要重新思考学位设计的价值。Lee博士认为，当工具加速了技能掌握，高等教育必须聚焦于那些无法被自动化的能力：概念深度、结构化问题解决、伦理判断，以及在约束下持续表现的能力。
学位设计应模块化、应用型且保持体系一致性，目标是培养累积性能力，将技术素养与推理能力、适应能力相结合。“AI降低了进入门槛，高校必须通过提升整合能力、判断力与可证明能力的标准来回应。学位必须代表持久的能力，而非仅仅是接触过相关内容。”
在西海岸大学，学位被视为动态生态系统而非固定的线性路径。可堆叠的证书与阶梯式学习路径，让学习者能够随着行业变化重新投入学习，同时保持学习的连贯性与严谨性。“灵活性很重要，但知识进阶更重要。”Lee博士强调。
### 评估与认证：从衡量产出到展示认知过程
AI也正在推动高等教育评估与认证体系的变革。Lee博士指出，许多传统评估实际上衡量的是产出而非理解，而当这些任务可以被轻松自动化时，我们必须质疑它们是否真正反映了学生的推理能力。
未来的评估必须转向真实能力的展示：口头答辩、基于场景的问题解决、迭代改进、应用模拟，以及能够展示思维过程的作品集。“在AI赋能的环境中，重要的不仅仅是成果，更是成果背后的认知过程。”他说。
西海岸大学已经采用了口头与迭代式评估模式，要求学生实时阐述并捍卫自己的推理过程。AI可以通过生成自适应提示、支持规模化反馈来提供辅助，但评估设计的责任依然在人类手中。“高校必须确保他们评估的是学习者的认知能力，而非AI模型的输出。”
### 治理与思维转变：从控制到设计
在高校引入AI的治理与监督方面，Lee博士表示，应将AI视为影响学术质量与院校信誉的关键系统，从明确目标、定义边界、清晰问责开始。有效的监督需要严格的数据隐私与安全标准，在系统影响学生结果时进行偏见与公平性审查，并对工具使用与数据处理保持透明。
同时，高校需要更新诚信框架以适应现实，教师发展也至关重要，确保AI的采用是有意为之且与学习目标一致，而非碎片化或被动应对。在西海岸大学，AI支持的评估模式在设计阶段就嵌入了监督机制，教师会持续监控实施情况、评估影响并基于证据优化流程。
对于教育工作者对AI的常见误解，Lee博士指出，最普遍的两种错误认知是将AI视为“作弊工具”或“生产力工具”。“AI既不是单纯的作弊问题，也不是简单的效率工具，它反映了知识生成、评估与应用方式的根本性转变。”他认为，教育工作者需要从“控制”思维转向“设计”思维，成为强调判断力、综合能力与应用能力的学习体验设计师。
### 面向未来的人才培养：适应性能力是核心
针对AI如何改变入门级工作、高校应如何培养适应流动性职场的学生这一问题，Lee博士表示，传统入门级岗位作为常规生产任务训练场的角色正在被AI取代，雇主现在期望毕业生更快地进入高阶工作状态。
因此，高校培养的重点应放在难以自动化的能力上：问题构建、沟通、决策，以及对智能系统的负责任监督。学生需要适应模糊性的工作环境，接受工具与岗位的持续变化。“高校应强调可跨场景迁移的适应性能力，而非仅仅是狭窄的专业技能。”他说，结构化、基于项目的真实问题解决学习至关重要，当学生解决复杂问题并捍卫自己的解决方案时，他们就在练习雇主日益重视的可问责思维。
### 成功适应的标志：以成果为导向的系统性变革
在Lee博士看来，衡量高校是否成功适应AI驱动的变革，不能看公众定位或虚荣指标，而要看实际成果。真正的适应体现在：课程与评估模式围绕真实世界能力而非内容传递重新设计；教师能够展示深思熟虑的学习设计，而非被动跟进技术；学生能够清晰阐述并捍卫自己的推理过程，且这些过程无法由AI即时生成。
此外，制度层面的适应也至关重要：AI使用透明化，监督机制嵌入日常运营，学术成果的信任度得到增强而非削弱。“适应意味着在不妥协的前提下保持敏捷性。高校需要随着技术发展而演进，同时保持严谨的标准与伦理清晰度。”Lee博士表示，西海岸大学正在构建这样的学习模式，以确保在AI重塑的教育与职场 landscape中，始终保持教育的可信度、韧性与价值。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/sheng-cheng-shi-ai-shi-dai-gao-deng-jiao-yu-ru-he-chong-su
