We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode 从对抗到共创 - AI 时代的教与育 / INDIGO TALK - EP23

从对抗到共创 - AI 时代的教与育 / INDIGO TALK - EP23

2025/3/28
logo of podcast INDIGO TALK

INDIGO TALK

AI Deep Dive AI Chapters Transcript
People
吴春华
Topics
吴春华:我结合在UBC商学院的教学经历,分享了AI技术如何改变大学教育。最初,我们关注的是如何防范学生利用AI作弊,维护学术诚信。但随着AI工具的不断发展和学生使用能力的提升,我们逐渐认识到AI可以成为提升学习效率的有力工具。现在,我们更注重培养学生的批判性思维和解决实际问题的能力,而不是仅仅关注原创性。在教学中,我们鼓励学生利用AI工具,但更重要的是引导他们深入理解问题的本质,并提出AI工具无法想到的独创见解。例如,在带领MBA学生进行企业咨询项目时,我们利用AI工具帮助学生分析数据,最终帮助一家新加坡企业每年节省数百万美元的成本。这表明,AI工具的应用不仅能提高效率,更能拓展学生的思维边界,激发他们的创造力。 在课程设置上,我们也进行了调整,更注重培养学生的商业思维和数据分析能力,帮助他们利用AI工具更好地服务于商业决策。我们与谷歌合作,每年举办黑客松活动,鼓励学生利用AI工具开发实际产品,这也有效提升了学生的实践能力。 总而言之,在AI时代,大学教育需要从‘教’和‘育’两个方面进行转变。‘教’的部分,AI可以更高效地完成;‘育’的部分,则更应注重培养学生的批判性思维、创造力和解决实际问题的能力。教师的角色也需要转变,从知识的传授者转变为学习的引导者和激发者,与学生共同创造价值。 Indigo:我与吴教授就AI时代下大学教育的变革与挑战进行了深入探讨。我们共同认为,大学教育需要适应AI技术的发展,并积极探索AI与传统教学的融合方式。在教学过程中,既要防范学生利用AI作弊,又要引导学生合理使用AI工具,提升学习效率。同时,我们也探讨了如何改变对学生的衡量方式,更注重培养学生的批判性思维、创新能力和解决实际问题的能力。 吴教授分享了UBC商学院在AI教学方面的实践经验,例如,将AI工具融入到MBA课程中,引导学生利用AI工具分析数据,解决实际商业问题。这些案例表明,AI工具的应用不仅能提高效率,更能拓展学生的思维边界,激发学生的创造力。 我们还探讨了AI时代下教师角色的转变,教师不再是单纯的知识传授者,而是学习的引导者和激发者,与学生共同探索,共同成长。总而言之,在AI时代,大学教育需要不断变革,以适应时代的需求,培养适应未来社会发展的人才。

Deep Dive

Chapters
探讨了高校对学生使用AI的态度转变。从最初的抵制和防范作弊,到逐渐接受并探索AI辅助学习的可能性。许多高校已开始主动拥抱AI,并通过内部讲座和工作坊等方式,帮助教师和学生更好地理解和运用AI工具。
  • 高校对AI的态度从抵制转向拥抱
  • 2022年底,高校主要关注AI作弊问题
  • 2024年后,高校开始探索AI辅助教学
  • 学生成为AI应用的先行者,反过来教老师使用AI

Shownotes Transcript

欢迎来到 Intego 数字经销的新栏目 Intego Talk 我会不定期的邀请朋友们来和大家分享科技趋势的新思考欢迎回到 Intego Talk 这一期我邀请了一个老朋友在温哥华的

吴春华老师他是在 UBC 商学院里面负责教授数据相关的对我们俩一块我们在 2023 年的时候我们还一块合伙我们做了一次关于 AI 的基金叫 Brilliant Phoenix 对我们投 AI 的后期

对吧然后呢我们两个人说邀请路易斯节目约了一年多这是第一次我们终于约上了很高兴今天吴教授能够在线我们来录这一次关于 AI 和数据以及大学教育的

这样一个话题要不吴老师先介绍一下英地狗频道的各位新浪朋友们大家好就像英地狗介绍的我跟他其实也认识蛮多年了然后一直有挺多方面的合作的然后今天非常荣幸啊收到英地狗的邀请来参与录制这么一期节目那简单介绍一下背景吧我叫吴春华然后现在是在 UBC 大学骚扎商学院任教差不多 2012 年到温哥华了

到 UBC 也有十多年了主要就像 Indigo 说的我教授的课程比较丰富但是最近几年可能参与的比较多的还是跟数据相关的跟数据如何去驱动数据的分析如何去驱动商业决策这样一些相关的一些 topic

同时也会带 NBA 学生每年会去出国去海外可能有那么两三周的一个试习一个课程项目所以在这期间的话也会带着学生们去比如说新加坡以色列这样一些地方去做给当地企业的一些咨询项目所以前前后后在咨询方面也带着学生可能做了将近 40 个项目所以这个大概是我的一些简单的背景

对,我好奇问一下,里面的学生一般来自于全球各地吗?就是什么地方的学生更多一些?或者说本地啊,或者说是亚洲或者是欧洲过来的?这其实是看项目吧,就本科上而言的话,一半多一点应该还是加拿大本地的学生,因为…

虽然很多元化但是省政府因为毕竟大学名字就叫 University of British Columbia 是 DC 省的大学对吧所以本省的学生比例会相对多一点也很多元化了在本科生的话我们有过统计大概来自全球总共来说可能有超过 100 个国家的学生

所以是非常多元化的一个群体那在研究生的话也分项目对于 MBA 学生来说也非常多元化有加拿大本地的有来自印度的学生中国的学生南美地区的一些学生包括来自非洲的学生所以都非常多元化一个例子就是这次我带了 33 个学生去新加坡我数了一下大概来自于 9 个国家

所以是比较多元化的一个背景今天我们可能会聊到一些关于数据分析方面的这样一些方向所以我们有个专业硕士项目叫 Master Business Analytics

就是商业分析的这么一个硕士项目这个硕士项目里面可能华人学生的比例相对会高一点就来自中国或者说是马来人出生在海外的包括有很多其实可能本科是在北美读的然后也有来自印度然后南美也比较多元化但是相对来说可能华人学生的比例会高一点这个是 master 课程是吧就是硕士对就是硕士项目 NBA 里面也专门有课程对

NBA 是就是他们基本上前面大概一年左右的时间都是相当于是类似通识课程大家都是在一起上一些基础课程但后面会有一些方向的区分所以我们也有很多我们所谓的 track 比如说有关于金融方向的

关于科技技术然后技术领导力的我们讲对然后这方面就设计一些 AI 的东西对也有一些其他方向甚至我们开了一个关于气候的叫 climate track 就是探讨如何用商业去解决和应对气候问题对挺好的欢迎大家来这个 UBC 商学院读 master 或者 MBA 对有需要的可以联系我

可以可以可以然后我们这样的我今天就是我们会聊大学的主要是 AI 在大学里面因为大家可能比较关心这有不少之前我听众也挺多家有小孩或者本身他也是在大学毕业我的听众年龄层跨得很大年龄层跨得比较大都是非常高质量的听众群体对然后在大学里面的就是这第一个舞台玩音乐正好我之前第一次邀请大学老师教授来

来聊我们对谈就是说大学怎么看待 AI 以及学生你们怎么鼓励他们或者说怎么限制他们使用 AI 这是第一个话题

这是我们经常会被问到的一个问题其实说比较大的这个话题大学里怎么去看待这个 AI 那这个我觉得是关键是这个问题什么时候提的对吧个人亲身经历体验来说整个学校包括

包括教授的这个态度其实是有一个非常大的转变那差不多 2022 年底的时候我想起 HP 刚出来的时候其实可能大家讨论最多的就是说有这样一些工具我们现在非常难的去就学生有了一些新的所谓的可能潜在的一些作弊的手段对吧传统来说他可能有一些相对来说比较高成本的一些方式所以我们特别是在很多比如说文书的写作上面对吧

传统有很多工具了所以老师都在用就是特别是教一些 project 教一些 assets 之类的东西其实都会去

去过一遍这样一些系统去看查冲嘛跟国内其实也差不多就是查冲看看有多少东西是可能是间接了照搬了一些东西但是没有非常合理的去引用它去论述的所以这个是传统的一个 mindset 大家都因为特别强调 academic 的 integrity 对吧你这个所谓教的东西都是你需要是你原创的是你的思想你的作品你的成果

所以在刚出来的时候二三年初的时候其实很多时候大家都在讨论就是说这些新的工具出来之后好像防止这些东西变得更困难那有没有一些新的工具对吧当时也有像 GPD、CLCL 之类的去做一些类似的所谓的反作弊的一些工具所以在那个阶段我觉得更多是大家对这些工具的

的功能或者说他潜力的认知还是比较有限所以用非常传统的思维就是说还是放在课堂上我们要鼓励一种严谨的原创的东西那我们需要所有的东西都是这完全是学生自己 develop 自己开发出来的所以我们如何去保证这个公平性对吧我们如何能非常准确的判断哪些学生真的是是

比较用能力的哪些可能在上面花的功夫比较少但是可能想一些捷径对吧我们想要区分这些东西但这个事情在其实在我觉得基本上在 23 年底之后开始有一个比较重大的转变了

我觉得有几个原因第一个其实是场上所谓的那些工具其实并不好用其实很难区分在某种程度上而学生的用这些工具的能力越来越强对吧所以其实就

打个比喻吧就出来一个计算器以前所有的运算让学生做的东西我考察的是他能不能做两位数的乘法我需要看他整个完整的一个计算过程有了计算器之后其实你很难如果你测试他的方式就是写一个答案的话你很难测试你很难知道他到底是计算器干的还是说真的去自己算的

所以这上面遇到一些挑战但另一方面来说其实我们回过头来想想本质上来说我们要的是什么东西要的是说他能理解这个两位数乘法比如说是怎么算的这个过程给他一些基本题目他能做

但是我不需要以后碰到这样的问题一百个问题每一次都需要让他这么去做因为有现成的工具他会能掌握工具他能知道背后的原理就可以所以这是一个简单的一个比喻以这个做类比所以在大学里面其实后面的探讨其实是有蛮大转变的

因为老师可能也上手了一些这样的工具之后发现确实这个工具可能跟以往的一些还挺不一样然后潜在是可以帮助到我们包括在课堂上包括在课外能让学生可能有更有效的一个学习方式所以这个时间点我觉得是多了一些转变包括大学里我们也有一些内部的一些讲座我们去探讨这个工具到底怎么用然后

24 年之后的转变我觉得相对来说是比较明显的很多老师之前可能没有太多经验去用这些工具但是慢慢的就会也会可能是被这个潮流带着走也有可能是因为学生课堂上有些学生也在用他需要去了解到底这工具是什么应该怎么用所以 24 年之后其实有非常大转变然后有几个例子吧一个是就从我们学院来讲

其实我在我们学院也做了几个事情一个是我们系内部我们市场营销系我们叫营销与行为科学系大概

研究型的教授加上一些授课型的教授加起来有 30 多个人将近 40 个人所以我在 2024 年大概四五月份的时候主持了一个我们系内部的一个分享会所以当时其实老师然后包括我们的博士生都来分享然后其中最有意义的其实是我是请了我们课堂上的我们项目里的学生来

告诉老师到底他们在怎么用对吧我跟他说你不要有任何压力对吧今天这个课就是在这这个分享就是告诉我老师我怎么作弊的不能说作弊吧但是就是说你这个对你你你这些你们平常布置的作业对吧我们是如何高效率的能完成的有保证质量又能保证我的学习成果的所以那次其实给老师就是

一方面是一个震撼另一方面就是说有紧迫感就说原来他们是这么干的那个学生也非常诚实的就是说我拿一个具体的案例吧这个是老师你给我们的一个案例我们确实没有时间真的去读去三十多年的案例很难读对吧然后中间也有很多数据的东西需要去分析然后展示整个流程什么去把这个文件对吧上传然后自己不读但是你可以通过对话的方式去理解其中最重要的内容然后

然后怎么去把课堂上讲到一些知识点套用在这个案例里面对吧然后再甚至说当时用 GPD4O 怎么去上传一个 Excel 数据之后让他做一些最基本的分析然后给出一些结果所以这个我觉得给我们整个这个老师群体是带来一定的震撼的另外一方面我也请了一个业界的就是在做一个 startup

他在做开发一个工具吧就是用其实是比较简单的就所谓的套壳上面再加一层然后在一个具体的在做市场调研方面做一个应用就是传统市场调研方式问卷设计完了就是固定的

很难有特别多的变化那他把这些工具引入进去就产生一个非常动态的一个市场调研的这么一个工具所以给我们启发也特别大因为我们本身是营销专业的所以教很多市场营销的东西那确实意识到了说这些工具产生其实未来甚至说当下其实会有很多转变甚至说马上会体现在企业里会用哪些工具那我们传统教学生的东西啊

思维框架也好对吧一些最基本的一些技能也好是不是需要一些转变所以从那个时候开始就我们系内部就开始会有很多讨论然后很多老师会有些新的常识然后有的时候他们也会找我就说我课堂上

讲这么一个 topic 现在传统我是这么讲的你看看有没有什么一些新颖的方式我们把 AI 带进这个课堂看看有什么变化所以我觉得是回到这个话题大学里怎么去看 AI 这个应用所以一开始相对来说是比较想画一个护城河一样的东西对 想防守它慢慢

对慢慢别人接纳然后主动探索怎么样去去运用这个就是是从大概从教学这个方面然后我们整个学院呢其实也是每年有一个比较大的一个全体全体教授的一个大的会所以去年主题当然也是 AI 也是说大家分享啊不同的专业怎么去把这些 AI 的工具结合到课堂里面啊

甚至说我们的工作人员我们整个学院其实也有好几百的工作人员蛮大的一个群体所以他们每年有一个职业技能的培训的一天所以也是非常大型的一整天的一个活动所以去年他们也请我去做了一个一个

Knote 开场的一个活动所以我也现场展示了一些东西大概给我就 30 分钟时间然后院长也在下面所以也蛮有压力但是 30 分钟时间我展示了一些东西就是贴近他们的就是普通的一些比如说行政的工作人员这些工具如何潜在可以起到非常大的帮助所以这个活动也反响特别好大家说很多

很多人没尝试过但是听了那个之后当时我知道的可能有三四十个人至少当场就付钱去买那个 ChaiGPTOK 了解

对所以大概就这么一个进程对对对我听上去我可以帮你总结回顾一下不是总结回顾一下就是说经过了这样一个转变 2023 年其实大家还有一个 boundary 比较大就是说界限界限很重一星数人都是有界限的正常现象然后呢 2024 年其实模型也变得更好了

对你更好了你查不出来啊知道吧他写的很好对吧你没办法你没办法那我就放弃放弃抵抗了放弃抵抗那么就一块吧我们就拥抱你了对那我欢迎欢迎学生在课堂里面使用 AI 我听上去你们的这个交流坊里面其实很多是学生在告诉老师新方法对吧我听上去是这样的学生会因为学生人多嘛对吧他可以玩出很多新方法

然后反过来教老师 OK 我是这样来解你的题的你的报告我是用了 AI 在要我也把你的数据用 AI 帮我来做了 Excel 分析然后帮我出结果听上去很强大的

其实我觉得这个就是一种有了一个新的技术之后大家私生之间共同研究这个技术一块让他来服务于我们的教学我觉得这是挺好的一个情况然后学校里面老师之间也做了很多这样的一些分享你也做了 K-Law 来展示怎么去用 CHI GPT 来做数据因为你也给我展示过我觉得这很酷的 CHI GPT 的高级数据分析功能是很厉害

对然后我感觉这应该就是一个从抵抗变到共生我们聊聊这个人和 AI 共生的那么我有一个问题就是如果学生你们做论文对论文这种东西学生他如果大量的采用 AI 来帮他来组织思考

你们会怎么建议学生来就是说因为没办法你制止不了就有些 idea 他可以用 AI 帮他这个给他点给他提示他可以再根据 AI 提示把内容做出来其实东西就不知道原创了他是在 AI 指导之下那么你们是看他的论文有没有 AI 的痕迹还是通过答辩的方式就是说跟他聊的方式来来来来看这个东西他是不是真的消化了对这个环节你们会怎么处理一般嗯

对这很有意思的问题你说的论文其实我觉得可能是有两种类型一种其实就是不是非常专业的一个学术论文而是课程上需要你完成的一些对课程的一些 project 学术是另外一块课程上作业对吧有的时候它其实需要非常大量阅读

然后需要去理解就是可能科坦上之前讨论过的一些决策的框架一些管理学的一些框架对吧然后如何应用到这么一个具体的场景里去做一些分析所以就刚刚你提到话题其实 AI 像这样新的事务新的工具出来之后确实是大家都是一个探索的过程然后在这当中其实你所谓的一个共生其实也是我们一直在思考的问题就是说来

这里共生有两个概念学生跟这个工具如何去共生如何利用这个工具去帮助他更好学习另一方面是说我们的课堂是不是需要一些转变

是不是还是用传统的方式去衡量所以就你提到的就是说传统的一些方式可能是比较常见的特别是商学院的教育里面 MBA 的课堂上面我会拿很多比如说哈佛的一些案例库里的案例对吧这样的一些案例资料给到学生然后给他一些具体的问题让他去做分析你自己去就开发一套你的决策框架然后在这个框架下面如何对这个具体的商业问题做分析然后

提出一个决策的一个指导意见所以这上面呢当然就像你说的其实是有很多挑战的如何去衡量学生的能力啊他是不是理解足够深入学生也会把这个 Language and Child GPT 往往很多时候像这样的工具本身因为大语言模型他学了很多内容知识对吧大部分东西其实这些框架他也在他总结的不能说一定是放在一个班级来看如果把他作为一个学生的话嗯

我觉得大部分情况他可能不是最 top 那个但是可能在 80% 90%对吧

可能能超越百分之七八十的学生智商就是说在同样的时间下面同样的思考程度下面所以是从教师的角度来说其实我们在做很多的探索如何去改变这样的一些衡量方式一个比较有意思的例子就是非常简单但是我关注到是我们 NBA 的一位老师就他之前也不太用这些工具但是知道学生反正要用跟他们探讨之后他

他提问的方式就变了他怎么变的就是说

你首先还是按照你就是与这些大圆模型对话的方式去消化这个案例去回答一些就是传统的问题那还是一样你先把这个扔进去然后你再去仔细去消化这些大圆模型给你的这些信息但你给我的回答其实是有两部分第一部分当然是传统问题对吧你跟他共同合作之后你给我的一个答案

第二个问题更重要它的权重非常大可能第一个问题就给 20%第二个问题是给 80%第二个问题是说根据你

根据这个工具恰 GPT 比如说给你的这些建议这些回答你告诉我它哪里有很多局限它的局限在哪里哪些地方其实它可能没有考虑周全而是你觉得这是你独创的一些想法是这些工具所想不到的东西你把这个东西再给到我所以就说工具允许你用对吧但是问题变难了你有没有发现

对吧传统的你可以做的第一步就可以了对吧现在其实更让你一个非常批判性的一个思考的方式去更深入的去探索这个问题的一些本质的一些东西一些答案所以第二步可能现在 80%的权重之后其实比之前的思维方式可能是更迭代更进一步了而且本身像 Chad GPD 可能给你的一个基础的一个回答已经足够好

那你在这上面再去做分析再去看看怎么 critical thinking 这个过程其实更难所以这是我觉得是一个有意思的转变就是总结一下就是说这些新的工具出来其实在课堂上我们如何去应对如何去考察学生去评估学生其实我们在做很多探索跟尝试那就是相当于是学生手上有了更好的武器之后呢对学生交付成果要求更高了

对就是这样子的这个也传统也正常对吧很多学生都说哎你的考试逼卷太难了我这个心理压力太大对吧我说没问题我们就开卷考了给你去考考完之后对了出来之后他们就后悔了还不如逼卷呢对吧开卷更难对对对所以说现在有了 AI 之后的这个研究实际上就是逼着这个这个学生用更好的工具来产生更独特的结果

对这个我觉得是对的挺好的那么再啊就我们再往后面聊就是关于前面我们聊的学校 AI 嘛然后后面呢其实我一直有一个问题就是说上学院啊你们现在上学院里面具体的数据专业我了解一下就是从 UBC 这边的

数据专业你们在教什么大概是些什么内容然后 AI 现在这个时代 AI 怎么用在你们的商业数据因为其实这个为什么会比较关心因为很多包括听这个节目或者说朋友们他们其实大部分都是在公司里面就是做 business 对这种人最多的然后其实业务现在来看特别是有的互联网之后我们所有公司业务都是数据驱动的是吧

有了 Internet 的时候那么数据驱动没有哪个公司不看数据不可能的对不对然后所以商业和数据就是一体的我觉得你们课程还挺前卫的对一体的然后另外一个在有了 AI 之后

数据加智能加商业智能在这个里面它给这个数据起到了什么样的一个叠加效果然后同时又反过来怎么去影响商业我觉得这个智能在这里所以我很好奇从你的视角来看因为你应该是学院我觉得非常能够用 AI 工具的老师了很厉害因为我看过你我们一块做过工作坊对你也 demo 过一些我说过工作坊虽然我上课但是我是跟着你学的对吧

基本上跟着你学了很多,所以很多时候就是一个共同探讨。我们还是很脚踏实地的,从非常底层的东西入手,从最开始。

所以听众可能不太了解就是我跟 Indigo 做的工作坊其实我们的起步就是教教人怎么问问题对吧非常非常简单的就不要问今天天气怎么样问一些就更有更有更有意义让我们可以回答

对回到刚才我问的这个问题就是商业数据加智能这个混合起来就是第一个你可以先给我们解分析分享一下这个商学院的数据专业在教什么然后第二个你们怎么用 AI 的然后怎么看待 AI 接下来对数据的影响嗯

我简单先梳理一下吧大概商学院项目大概有哪些对吧传统的有本科生的教育然后大家知道 NBA 是传统来说商学院占比非常大的一些项目包括高管项目 Executive MBA 对吧

这是比较传统的但是你看商学院整个趋势就过去差不多 20 年的这么一个发展的话其实差不多 20 年前开始就慢慢涌现出一些我们所谓的专业硕士项目就是 NBA 更多是一个我们叫它一个通用的一个硕士项目

就是主要面对的人群有几年工作经验的需要过来系统的学习一些管理理论管理框架那专业硕士项目呢更多是跟一个专业相结合所以早期的项目就像有就是金融方向的硕士比如说会计方向硕士然后后来有一些营销方向硕士

这是差不多 20 年前开始的一个趋势那差不多 10 年前左右开始的一个趋势就是说把数据作为一个专门的一个项目给拿出来因为大数据时代很多数据就变得企业里很多数据就变得结构化同时又有非常海量的数据需要去处理然后大家也

整个商业社会也意识到数据驱动决策其实更高效更本质的一个动向所以从差不多对差不多从一二一三年左右开始就是在北美开始的很多商学院就设立了这样一些商业硕士项目所以我们叫他商业分析硕士 Master Business Analytics

UBC 是差不多 1415 年开始筹划,然后我也是早期成立这个项目的委员会中的一员。所以我亲身经历了如何我们设计整个项目,甚至说怎么定价,到最后招生,包括后面去教学整个历程。

关于数据方面的所以这是在商学院就是一些新的项目在现在这个需求就过去几年就特别大我们 UBC 的项目的话目前是一年差不多 120 个学生所以有两个班级 60 个 60 个人一个班级已经其实

其实升起来非常多我们每年有 1000 多升起来所以潜在我们是可以扩得更大但是目前在造一个新的楼新楼造造好之后肯定是盖楼块对对对把楼先盖起来再再扩大这个项目但但其实像很多学校像美国我知道像 USC 这种项目其实非常大好几百万一年这说明市场上是有这个需求然后这样的项目其实也创造了价值从

从就业率来讲我们学生其实基本上 90%以上就毕业之后几个月都能找到比较满意的工作所以这个就是说这就为什么可能整个市场有这种需求然后这样的项目确实能创造价值的

那还给大家再简单介绍一下背景就是说这些项目是我所谓说的商业分析硕士项目这是放在大部分放在商学院的但同时呢在大学里可能比如说像一些传统的统计学系啊或者说是计算机系也会开设一些

他们更多叫 data science 数据科学我们叫商业分析所以经常有学生问申请人会问这两个项目有什么区别这个也跟接下来要提到的 AI 的角色其实密切相关所以这两个其实最大的区别就是说 data science 更多是

以数据的视角去看数据以编程以技术或者说你一些基础的一些统计学的一些方法方法编程技术去看待怎么去利用数据现在去创造价值那商业分析呢是从商业的角度去切入

其实我的出发点还是说服务于商业决策我想要更优化的更合理的一些商业决策但是这样的决策往往是数据驱动那我怎么样以一个就是说商业的思维商业的分析的视角去结合数据让数据产生价值形成这么一个闭环

数据产生的价值再去驱动这样一个商业阶层所以侧重点不太一样 data science 数据科学更多是教很多基础的编程的东西让你的就是说基础能力变得特别强啊就是复理数据对然后怎么去编程对吧非常高效的处理海量的数据这些是他的侧重点商业分析呢更多是啊我有这么一个数据其实来自于商业真实的商业环境的我如何啊

在这样一个商业环境里去发现它那些决策上面的一些可以简单优化的地方然后再如何把数据里得到的一些洞察或者说是能不能就有一套框架一套建模的方式去把它整个目前的商业决策的流程给优化掉或者说是更加自动化

所以一个是更多偏商业的驱动的一个是更多偏数据或者说技术驱动所以这两个是专业的区别毕业的学生都比较受欢迎但是之前就是很多很多人一个比较大的问题就是说你从商学院出来的这个技术是不是不够扎实对吧

给你上很多商业的课但是一旦碰到数据之后你是不是能完整的独立的能做这么一个 project 或者说是能把企业真正把最想要实现的目的给达到所以这个是之前比较大的一个 question 那我觉得 AI 来的就恰如正好正好跨上了这个时机所以其实我可以从我的亲身体验来说就是说现在再读的

这个项目里在读的学生的学习能力或者学习的速度效率和几年前是完全不一样的所以我们的学生其实相对来说跟比如说 Data Science 的学生相比他现在有这个能力依靠于 AI 能把那一块技术上的一些差距给非常快的补上去那这个时候

技术不是更大的一个竞争点了真正在于你怎么思考这些商业问题所以像我们这种项目的价值我觉得在 AI 时代就变得更加凸显出来

了解就是说我们说前面我发过一些内容发过一些数据基本上像 Cloud 或者说的 Anthropic 和 ChatGPT 这么几个大公司说今年年底 90%代码都是 AI 写的 2025 年底是吧模型的进展下一年模型出来之后可想而知那么代码 90%都是 AI 写的那么正好其实人作为一个商业数据的分析的这样一个

或者学生或者说接下来出来做这种项目的人他更多的是要洞察他要知道我让 AI 做什么事情其实你要学会怎么去洞察这个商业然后让 AI 去干这个活就好了其实你真的没必要去学怎么去写写这个分析数据代码了你把要求提给 AI 就帮你做对不对应该是这样一个逻辑对吧

对是这样一个逻辑但现实情况就是说也很多人问是不是这样的整个就在商业里这些确实整个就业市场现在程序员可能相对来说整个

整个市场所有的这个动向来说可能是因为在有一定的事业危机下面对吧然后大家也会问说像你们这种学院这样的项目培养出来的学生是不是现在或者说一两年之内就能完全也百分百被 AIT 带所以我觉得我的视野是不是吧是的是说就是他的工作效率能提升的非常快但另一方面其实

特别对于这种商业数据分析来说每一个场景都是独特的每个场景都有它具体的商业的背景跟分析就是决策的一些各种 context 或者说它具体的情况对吧所以这个东西其实是 AI 是很难取代的比如说它能给你做一些

你告诉他做啥东西之后其实这个东西是非常容易实现但是说你完全纯粹扔他一个数据说你帮我从这个数据里找出价值来对吧如何给我商业创造价值这个事情是很难干的而且他生成的代码对吧他生成的我觉得是其实也基本上属于就很多他是能完整走完一个流程弄出一个产品来但是这个东西

如果你不去深入的看你会觉得它完成 90%但如果你是有这种背景你有这种知识的话你看可能是也许它完成 30%但是那 70%是什么呢是真正你的经历经验你如何去理解这些问题如何从管理学角度去深入的思考这些问题用真正适合的工具去完成真正能创造价值

所以这些东西其实是非常重要的所以这些东西如果你脑子里有一个学生或者说一个工作人员他能了解这个东西的话他让 AI 干活的时候他能一下子可能补足成 30%到 90%这个短板所以你的输入对吧你问 AI 让 AI 做什么这一步其实也许创造了 60% 70%的价值

那 AI 整个流程它非常高效的能完成剩下的 30%所以这是就是了解这个和我之前我前面两期节目我录的时候其实所有嘉宾都提到了其实我因为前面三四期都已经提到了这个大家都很担心这个 AI 帮人类做更多的事情不是帮人类是替代人类失业的问题实际上我觉得人类其实我们一直在聊共生这个话题就是聊共生

就是人如何在 AI 时代做得更好其实刚刚提到的商业 business 里面就商业整个环境里面 context 也是一样的就是说我们把这个 context 具体化到一个公司的商业场景里面去因为你对这个公司业务的理解对这个市场理解和你身处其中的那种体验是 AI 代替不了的对吧你的理解你能够想象什么话题那么我把这个那就感觉是上去的数据

好像要比去计算机专业里面去学 Data Science 要更有价值是吧你学怎么去经常企业里面去体验这个

这个业务的正式存在感是吧这个是很重要的 ok 你说对对所以对你刚刚的总结我觉得其实是比较优势对吧之前可能是那些具体的技术的细节的东西因为这种企业特别在意对吧因为这个东西你把你照顾你是需要完整的完成一个东西的那你这些硬的技能是非常重要

那现在来看呢就是因为 AI 的加持那一部分其实也是共创共生或者共创这么一个概念所以另外一方面更多的思考的东西就变得更加本质然后更能它是一个互补效应所以一旦工具强大之后那就要求你使用工具的人有非常强大的一个能力如果工具不强大的时候你可能你招进来的人大部分时间在在制作这个工具在完善这个工具

所以确实处于我觉得是相对来说处于这么一个阶段这就为什么我觉得在很多人在问就是说在 AI 时代还有没有必要去大学学习对吧这个学习方式会不会产生一些问题的变化对我觉得其实你如果从这样一个视角去看就是之后的生产力都是能跟 AI 共同去创作

这么一过程来说其实人的价值就变得更重要这就是为什么你其实现在更有价值回到来大学或者说是已经工作了回到大学里来再接受一些这样的一些系统性的思考一些思维的东西然后这个能让你其实就是说生产效率如何去使用 AI 然后共创的一个能力就有非常强的一个增强其实我感觉大学应该也变化

在这个冲击之下在 AI 的这些冲击之下大学得有变化就是说一定有变化我们是教我们是教学生造本宣科之前很多还是造本宣科就是我把一些案例教给你的时候呢然后你去学这些技巧然后其实很多时候都要学技巧但是其实我觉得现在大学更多的是要教一个是这个思维方式是吧因为

我们手上都有更强大的工具了你不可能说我还是教以前那些就是说有计算机之前我还是教你做试车运算你要纸上写就没必要了你知道它怎么回事也好了没必要做这个事情了那么大学对大学的要求变得更高了大学其实要教学生更多 mindset 我怎么去思考的问题对我怎么去思考就是在这个业务场景里我可以把这个思考变得更抽象一些然后呢然后第二个呢其实大学我觉得应该给学生注入更多的 context

就是 context 可能不是在企业里面真实的 context 它是个虚拟的 context 课堂上面说它是我给你营造一种项目所有都是项目然后你在里面就做然后你在形成这个项目的两年三年的体验然后你每一个项目都是跟着 AI 一块做的带着 AI 做的然后你这个时候学完之后 AI 也用好了然后 context 理解也变好了

然后再到了真实的企业环境里面去的时候可能那个时候企业也不用你了大家都是 AI 了开个玩笑但是肯定还是要有人的如果说企业可能不需要工具人了

没必要工具人我们都自动化了是吧更多是思考的人对吧不是工具人对正好了我们就把这个话题我就引到下一个话题我们一般都会我们在我们列过了是你列的对 agent 对和我们刚才说工具人因为现在 AI 其实我觉得大模型公司都在往 agent 的方向发展

所有的模型公司最终都是 agent 这是他们的终局是吧就是你想 chatbot 聊天机器人只是其中的一种体验形式是一种对他一种会话形式其实最终呢就是要这个 AI 智能代理或者叫智能体帮你办事他可能在你陪你聊天肯定帮你完成数据处理肯定帮你完成其他的工作他都他可以转变成不同的角色 role

帮助去完成不同的工作这个就是 Agent 智能体比如说我觉得在这个时代智能体就是 2025 年底肯定会有更好的智能体出现的就是大模型公司那么智能体和数据自动化这是你提的一个话题正好我刚才衔接了其实

其实学生当他出去工作的时候现在的学生他大二大三再过两年出去 2027 年这个世界变化巨大乔治市场变化巨大如果你还是一个工具人那你可能连一个智能体都不如是吧那你没有价值了那么回头这个时候我们在学校里或者说从你的角度来看

我们智能体和数据自动化你是怎么理解这个东西的就是说智能体应该做了哪一步人类应该做了哪一步在这个里面你可以就是我们可以一块讨论一下对你也可以先先做一下你的我听一下你的意见对

所以刚刚你讨论里面其实有两个话题所以第一个话题是关于大学教育对吧被逼着大概会有什么样的转变然后特别是比如说像一些世界产品业我们这种比如说商业分析的这种项目我觉得这个话题可以先我稍微给几个例子然后我们再讨论到正能体然后 AI 怎么去进行这个形式对吧好

大学课堂确实需要非常大的转变,刚刚我可能提到过几个例子,就您所说的工具论证这么一个概念,我觉得体会特别深,因为以前其实我们在,包括我自己,其实上课给 MBA 学生也是想要让他们去掌握一些最基本的一些数据分析能力,所以,

所以最简单的编程语言就是 SQL 对吧 SQL 所以这个东西传统的教学方式就是你得给它一个框架告诉它对吧你怎么数据表格里怎么去提取数据怎么去合并数据怎么去做总结对吧所谓的 ETL 这个过程

那其实非常有用的,因为任何公司都现在都有数据库,然后如果一个是管理岗位的一个 MBA 学生毕业之后,对吧,去一些管理岗位,他能够说比较自信的能去数据库里调一些数据,去看一些一些 pattern 也好,对吧,看去找一些洞察是非常有帮助的。

而不是说等着别人给你一张非常具复杂的一个 Excel 表格去干这些东西所以这传统的以前的教学方式确实得花不少时间就是说手把手教它是你怎么去

知道这个语言因为大部分人可能没有接触过编程对吧然后怎么去比较自信的啊稍微相对复杂一点的东西你也能解决但这个事情在 2024 年开始就就完全变掉了你你不需要这么教因为任何东西你只要语言描述就对数据库对接的写 CQ 的东西那肯定是说这些大语言模型写出来的可能是比能写的要更加结构化更加更加完整然后

从使用上面说更加高效可能也是更加复杂所以这个上面在课堂上就会有非常重大的转变现在我只要教学生说有这么个数据库大概这么个结构你需要理解那我马上切入我的商业场景是什么我大概碰到了哪些决策上的问题哪些想要欧化的那你的任务就是说帮我找到最相关的数据

用这些数据有一套分析框架然后去把这个洞察你想要比如说什么数字从这个数据拿出来那整个实现过程你就问一下 GPT 就行了那个 SQL 代码都给你然后我给你一个数据库你直接扔进去跑结果就出来了

这是一个非常典型比较直观的一个变化那我想这样的变化在其实很多课程上特别是涉及到一些工具的课程上是完全是需要一个非常巨大的转变所以这是一个比较简单的一个例子吧就是说大学教育怎么去适应这样的

这样的一些工具然后像这样的 AI 工具特别是跟数据专业对吧有哪些结合然后是怎么释放钱呢所以这是一个具体的例子对吧 AI 的介入使得就比如说学生用数据的这个处理过程最简单的这个 ETL 的过程就完全可以依赖于这些 AI 工具 95%以上的情况其实他给的结果是非常好的非常完整的正确的当然嗯

需要一定的背景知识去了解还需要看一下它的代码到底是什么样子的然后需要有这个直觉就是如果它给的结果是不是合理这个直觉的东西特别重要这种直觉其实我觉得更多是长期的一个思维的一种训练一种锻炼的一个积累所以从一个比较高的框架来看就是说大学教育应该怎么变化我觉得

这是引用我一个好朋友就以前做教育的一位朋友的话就教育两个词你应该分开看像教这个东西因为技术的出现其实是变得非常的顺理成章然后技术比能教这个事情本身是肯定能做得更好

所以教育教育我们现在其实能更作为老师更应该注重的是育育这个是什么概念对吧传统你如果放在中小学的一个角度这个育育可能在中文的语境下面更多是是怎么去 care 对吧怎么去让他有一个好的环境但是如果是对大学来说我觉得这个育育更多的是如何去启发别人启发学生让他学的东西是他自己思考出来的东西而不是说我照本宣科在黑板上写下来的东西

这是一个第二个就是课堂的重要性因为课堂不是一个人不是单向的一个学习过程传统的教其实可以通过技术变成一对一的一个过程去实现但是课堂是以前大家认为是一对多的一个教授站在课堂前面然后有很多学生现在这个角色我觉得是变掉了这个老师这个角色到底是什么是跟以前是不一样的

更多的我感觉我们商学院相对来说这种教育理念用的比较早老师其实更多是一个主持人的角色他是负责如何把大家的思维给激发出来能思维能碰撞起来不同的观点对吧不同的经历经验能够分享出来然后让大家及不同的背景的人都能在这种课堂上的讨论的氛围中所有人都贡献的情况下能得到启发同时老师也会得到很多新的启发

不是这么一个角色更多是一个主持人就像你在做这个 podcast 这个角色然后我们还要意识到就是说在这个课堂里首先就不是一对多这么一个概念了老师不是处于最中心的一个角色所有的思维的一些新的东西其实是学生每一个单个个体共同创造是一个共创的一个价值共创的这么一个过程另外一个方面

我们也要了解到每个学生身边有一个助手这个就是 AI 的工具所以 AI 这个角色你就可以把它想的比较具象化在这个课堂里所以以传统一个课堂 60 个学生我一个老师总共 61 个人在里面对吧 61 个个体现在的课堂不是是一个老师

带了一个非常强大的助手所以已经有两个了然后每个学生都带了一个师所以是 122 个角色在这么一个课堂里了所以我觉得这是需要转变的东西就是说更多偏向于寓意这个寓意更多的是一个怎么去启发学生去激发学生的创造力甚至说是 inspire 对吧有些东西可能之前没想到过所以因为老师可能

教这么一个课程很多年有很多积累很多东西往往是一个点子一句话甚至能启发一些学生的一些思考让他 激励他去做一些事情所以我觉得这是可能是最大的转变就是从观念上从天宗一教到狱的这么一个过程所以这个是我觉得是非常重要的

刚才正好聊到这个角色定义我们之前商量的是 AGI 时代的大学教育我觉得已经已经切入到这个话题了其实这就是

就是 AGI 嘛我们大家用这个词来定义呢 AGI 就是 AI 很聪明之后的嘛对现在我们每个人对 AGI 定义都不一样但其实我们已经正好覆盖了这个话题了就是在 AI 足够好的时候大学教育应该怎么变化其实我们前面上一个话题聊到的大学必须要改变对然后呢我觉得吴教授刚才分享的教和育的这两个词拆开非常重要其实我们更多的是育育就是这种养育嘛就是实际上可以创造一个环境

给你制造一个环境来培育你而不是直接把东西给灌给你是吧这个这样的概念灌的一对一灌嘛是吧嗯

这比特别形象,大家都说学生是花园里的花朵,你怎么去把他培养起来。以前可能就是说系统化的,怎么去施肥,怎么去干那些最具体的事情,现在其实更多是一个系统,一个整体的环境,不管是温室也好,或者说是一个非常真实的模拟环境,

教学课堂然后呢花朵之间是有互动的这个花其实更多是它从别的花的一些互动中获得养分去成长

对所以我觉得我在我来打开我的想象力我就是说怎么进化因为我小孩还上大学这个这是很现实的问题因为我觉得他现在学什么专业我就随便他就是随便他他爱什么爱学什么学什么没有必要其实在什么专业角度里面你都不可能只当工具人是吧因为当然我们在说育这个话题那么学校我觉得这样的大学这样一个环境更多的是教学生

给他创造一个让他思考的环境然后

然后有一个领航者,这个领航者就是指导他怎么去思考,这个很早以前,2000 多年以前,比如说我们亚里士多德或者是这样子,他教学生一样的,他在启发学生思考,因为那个时候本来没什么工具,生产力很落后,大家能干的事情只能思考,他也没什么好玩的,大家就思考,跟现在一样,现在工具太发达了,你也不用去手中去做什么了,那你也在这思考,一样就回到了文艺复兴之前了,对。

甚至是回到孔子时代对吧孔子没有教别人怎么去耕作对吧怎么去用锄头对吧但是他的思想他的影响是几千年的所以这些都是更本质的对我觉得我们现在又回到本质上的东西了其实是 AI 把我们工具性的这种过程给释放出来了那么在这个课堂上面老师是一个相当于是一个领航员

他这个领航员领导者的角色然后呢像我们说其实我自己在做节目我想做社群我也想当一个领航员我并不想去教别人什么东西没什么好教的对吧这个底细往上插就好了对然后呢但是我们需要的是引导你去思考往哪个方向看是很重要的其实学校就应该这样的事情而且呢学生在一块呢他在一个虚拟的环境里面因为每一个环境每一个专业每一堂教室每一堂课他更像是一种 simulation

是一种真实的就是你们商学院肯定更加真实商业模拟器而且你们做的真实项目我记得你们做了好多这不是 Lolo Lemon 这种项目都是真实项目只是说学生可能在不用百分之百承担责任的情况下去把这个事情干了就是说以前我们说人类以后都当背锅侠只是学校里你不用百分之百背锅你可能百分之十背锅就好了你老师背锅更多一点对是这样一个环境就是遇他就是让他在这里面去学会怎么去思考

然后学会怎么去讨论交流因为我觉得人和人就是思维共壮

是一种连接就是我跟高层的思想和思想之间是可以有 connection 的连接出来之后就会更多的那种好的 idea 出来我觉得以后的人类的思想连接要用来守护自己的这样一个能力特点特长不然 AI 很快就把你语气占了因为他们连的更快 A 型的之间就是相互谈话那么第三个我觉得在这个里面学会怎么用好 AIAI 都是你的助手

你要用怎么去用它你要怎么去去 prompt 或者怎么去指挥它这是一种新的技巧了就指挥 AI 战斗就是你给了一个更加高级的武器你可能不像以前这样拿个锄头去锄地现在给了你一个有有一排按钮你怎么按它它会自动的把这个田域给你管好你都不用什么都不用管了你上去编排一下就好了就是我觉得会到这样一种时代所以学校学校应该给学生更多这样的一些环境

环境和组织来启发这是我想的我歪歪的我觉得你特别适合搞教育所以可能是下一个你可以考虑的一个点但是说的特别好总结的我觉得确实特别伤心我们一直在强调所谓的模拟虚拟我们是特别强调真实的虚拟

对吧所以哈佛上学院的一些案例基本上所有的 MBA 课堂都在用这些都是基于真实的商业环境商业决策所开发的一些课程的内容那另一方面你刚刚提到的确实就是说我们一直在不管是有没有 AI 这个时代我们一直在用这样的方式去促进这种学习的

能力所以我可能举个比较简单的例子就是我带 MBA 学生去这次就上个月去新加坡做项目给当地的企业做项目所以像咨询项目传统的大家也觉得说可能适合 MBA 干的就是更多是

偏战略的偏框架的偏市场的一些东西那你说给对方企业提供这么一个框架你们应该这么去想问题应该去怎么去干但真正涉及到技术的数据的相对来说比较少因为大家觉得可能更多是偏一般的管理者的岗位不是说专长于这种技术分析的

但是这次我们的资讯项目其实有几个项目就完全跟数据相关一个最有意思的例子就是说新加坡一家 80 年的老牌企业新加坡建国 60 周年所以基本上就是比新加坡建国还早 20 年的一家家族企业现在第四代能接班一个 20 多岁女孩非常聪明所以他们家就做什么就是因为大家知道新加坡是一个港口转印啊

就转硬港口所以它对这种木质的那个托盘的需求是非常大的因为集装箱下面你都要放托盘对吧大家看到像 Costco 货架下面都是用托盘把它托上去所以这个木头的托盘是非常啊

非常有大需求量的所以这家公司就干这个事情 80 年专注只生产一个东西就是托盘托盘也基本上是相对来说绝大部分都是标准尺寸其实就差不多十几个木头一拼就拼成了一个托盘这个女孩接班 20 多岁大学毕业接班非常聪明的原因在于我问她你碰到的你觉得你现在商业决策里最大问题是什么

他说我很简单我就去看我们家企业就进口了多少原材料木头多少个立方然后我运货出去有多少个托盘然后我算每一个托盘大概多少体积一算中间 15%的损耗你能不能想个办法找你学生帮我把这个损耗降到 10%降个 5%嗯

我觉得很有意思这个问题然后他就把所有的进货的一些数据给我们出货的数据给我们又把每个就是说做这个木头这个托盘每个部件大概是什么尺寸告诉我们然后我就把这个问题扔给学生了然后让他们去说他们现在有 15%损耗你看看对吧基于这些尺寸的组合跟原材料的尺寸你想想

他们最大浪费应可能会在什么地方有没有可能改进所以这就是一个思维性的东西思考性的东西在这个过程中学生也借助一些 AI 的东西去帮他分析但是就是说更本质的还是去思考就是说给定这些东西它中间有很多限制

然后怎么去解一个最优化的问题那传统的话运筹学上我们有很多工具去干这个事情本来呢我也想教给学生说怎么去用这样的一些工具做一些比如说线性规划最优化的求一些解但最后其实我发现只要给他们一定的启发一定的鼓励引导之后用不用这样的工具其实不重要因为这个问题本质上没那么难但是呢他觉得他能干他敢想他觉得有

这个东西它是能解决的现在因为传统可能他去碰到一些困难需要一些支持一些专业的东西他可以去问 AI 去考 AI 去一起干所以他敢想这一步敢去做这个问题做尝试我觉得特别重要这就是说回就刚刚这个话题就是说 AI 这些工具出来之后对吧我觉得能让学生

更多的感觉去尝试一些以前他觉得他的技能范围达不到的或者说不敢不想去做的做的东西边界变大了思考的边界变大了所以就我们就几个 MBA 学生其实非常有效率就两三个月时间从接触项目开始到最后在客户面前做展示

真的发现了因为传统工厂的功能切他不太在乎他只要说你告诉我我需要这几个尺寸我就切我自以自然的方式去切我们确实发现了一条路径能够给他降百分差不多就是 5%的原材料的损耗

然后这个转化成经济价值我们算了一下根据当然客户给我们的大概的一些资料估算了一下大概每年能节省两到三百万美金的这么一个原产的价值所以这个是非常刚刚说到就是说是不是课堂上有一些 simulation 东西这个是真实的东西对吧真实的对完全真实完全创造价值的每年能差不多三百万美金你想这是多大一个小页而且这个省下来的就是纯利

之前他所有这种损耗都是边角料都得处理还得划成难道这个过程中就是说为什么学生能解决在他们工厂工作 40 年老师傅没能解决这个问题呢我觉得最大问题就是第一个敢想因为交给他这个任务了对吧我告诉他们说这个东西你能解决的 5%你是能省下来的我相信你能这么干能解决你如果技能不足现在有这样工具帮助你了所以他敢想了敢去做这个事情自然

思考其实卖出了解决问题第一步而且是最重要的一步那老师傅可能一直在干这个事情他顺手非常啊习惯了就是我就是这么切对吧我这个是我的经验但是他经验不一定是最优化的非常直觉的可能跟听众说一下这问题为什么我们能提高就是能帮他降 5%的原材料成本其实完全是一个思维上的转变因为

在这个托盘中差不多横竖的都是横向的纵向的都是比较长的木条这个体积都比较大然后呢中间呢大家知道它有两层上下横竖的两个面对吧中间是垫了九个非常小的方块

那从老师傅的角度来说方块这个体积特别小那我先把长的大的都切掉剩下的边角料我去切那个方块这是他们传统的操作方式但我们一分析就是你切方块的浪费成本每一个方块浪费 40%的材料那我们转变了一下思维之后说这个就瓶颈在于你这个小的方块最不起眼的东西那换一个方式我们先把小的方块给切好

因为小的方块你一块块切了之后呢剩下的边角料是长条那个长条还能利用你先切长条剩下边角料是很窄的你切方块就就有很大浪费所以通过这么一个小的非常小的一个点但是这个东西是是学生就是说做具体分析根据数据他发现了一个东西所以对总结回来就是 AI 这样的工具的存在就不仅是让你能利用工具去解决一些问题更重要的是让你去感想

感受到自己能干的事情 AI 有帮你做一些推理和给你一些 case 吗 AI 在这个环境里面有学生也是把这样的问题去教给 AI 然后去看看就是说什么样的角度去切入潜在可能会哪些地方是可以提升的但是整个的解决方案不是 AI 给的这个东西还是人脑给的

我也尝试过把这个问题能给 AI 全自动的这就是大家所谓的代理 AI 能不能一个通用代理能解决这个问题我是跟 AI 玩了好几天因为想探索边界可能经典的也不行我们 2027 年就可以了至少这问题也不复杂 2025 年还没改 2025 年的 3 月份还没有完成对我觉得我们到那个时候我们得想更高级的问题的人

更加高级的问题了就是更加有提高经济效益或者解决更复杂的问题就是把更简单的问题交给 AI 了 Ok 那么前面你说到的有一个 demo 是吧我们刚才前面在聊 agent 以数据自动化处理你前面有提到好像有一个是 albumb dashboard 或者说是一个 google 合作 hackson 想给我们看一下用它来演示一下 agent 和数据处理的一些关系对不对

对所以啊我觉得最后一部分我们就就这个好我们看一下可以给大家展示一下这里有两个部分第一部分我介绍一下就是说刚刚说到我们那个商业分析硕士项目那这个项目其实啊我们是有一些基础课程大概前面四五个月的时间给学生上啊

一些比如说基础的一些编程啊包括商业的分析框架一些商业思维的一些基础课程然后呢后面的四五个月时间大概我们会给学生一些专业方向上的一些如何用商业分析去提升价值比如说如何去分析客户对吧如何定义客户价值一整套的 CRM 的这些量化的一些分析框架包括量化的金融之类的东西然后呢学生

暑假呢会有一个实习期大概四个月会在一个公司做一个具体实习所以很多学生在实习之后就拿到了这些公司的 offer 那中间我们过去几年设计的一个特别有意思的环节就是说我们跟谷歌合作谷歌云平台跟谷歌云合作每年就是我针对我们这项目做一个 hackathon 的一个过程就一周四天时间学生就围绕一个具体的问题去去做分析然后去

做一个产品出来那这个就是我想给大家先展示一个就是说今年这个 Hackson 的成果吧我个人就是亲身参与这些学生做这些 Hackson 大概有四年时间吧从第一年到现在我觉得最大的一个变化就是说学生确实能完成的这个完成度就有了巨大的提升最后都能做出一个产品出来以前可能更多是我我的分析是碎片化的

这些碎片化的东西最后就传统 PPT 的一个展示形式但是没有一个具体的产品真的能马上发挥效用那今年其实我看到很多学生的组里面都有这么一个最后的一个具体的产品出来那给大家展示一个然后我为了准备 Indigo 这个这个

这个分享其实我昨天也跟学生聊了几个小时就是说他们整个经验到底什么所以确实整个过程中 AI 对他们的帮助特别大

很多工具很多技能其实他们也没有完全学过但是说因为这个 AI 在四天时间里面让他们把整个谷歌的云计算这个平台给探索了一遍然后最后的成果其实他真的能在谷歌上部署一个产品出来所以这我要来的他们的 site 所以简单的大概给大家看一下最后他们整个过程大概做了什么

后面的我会吴教授会演示两个案例那个案例呢因为有大量的这个共享屏幕所以说我们得去视频版本才看得到完整内容那么音频版呢我们可能就不会有这一段内容了好吧今天很高兴吴教授能够

参加 Indigo Talk 给大家分享关于 AI 大学以及他们所在的这个 UBC 商学院的数据专业里面怎么用 AI 的然后以及后面呢我就说还给了很多 insight 对于这个

下一步 AI 在学校里面会大学里面会怎么变化怎么会对这个教育产生变化的一些我们两个人的 insight 对这个对这个的看法还有去了几个例子啊给那吴教授还有什么想最后想跟大家总结的我觉得今天聊得特别开心然后特别感谢 Indigo 其实总

总结也说不上我觉得在这么一个时代确实非常有意思所以大学也在变这样的工具出来确实迫使我们去思考一些不一样的尝试一些不一样的教学的方式然后跟其实是一个共创的过程包括也是跟学生共同成长的过程然后包括也是人与 AI 之间所谓的一个共生的过程我觉得是一个非常激动人心的时代刚刚拉开序幕最重要的我觉得还是保持好奇心勇于去探索

这个可能是能让每个个体能把 AI 这种给我们加持的这些力量给充分发挥出来的这么一条路径吧所以我觉得 AI 确实能我们之前也在讨论的是 unleashing our thinking power 每个人个体思考的东西最本质的东西把那些潜能都给释放出来

对 是的所以说我们这个时代在 AI 这个时代更多的教育变成了这个引领了就是是一种引领是一种指导所以说我们俩实际上去年的十月份十月份的温文华本地做过几次工作坊这个反馈很好大家能看到大家的案例什么东西然后我们接下来我也准备邀请吴教授我们一块录制一套在线的这种课程可能会重点的是启发大家如何去思考然后我们在 AI 时代应该如何转变自己

然后同时也会引入很多有趣的案例来指导大家如何更好地用好 AI 比如说刚才吴教授前面案例里面用的数据的案例比如说我们怎么用 Cursor 我们怎么用 ChatGPT 用更好的编码来实现日常能够解决大家的问题的这样一些工具所以期待我们的课程那么我们今天的这一次接谈就到此结束谢谢大家好 谢谢大家谢谢李哥