編按：AI產業搶進全球競爭，台灣不只需要晶片與算力，更需要能培養下一代人才的理工教師。當AI愈會給答案，學校更要教學生提問、判斷與驗證；如何留住優秀教師，正是台灣AI競爭力不能忽視的關鍵。
台灣的科技產業，正在全球AI浪潮中爭取關鍵位置。晶片產能、算力建設與企業投資，是最容易被看見的競爭指標。然而，一個國家的技術實力能否延續，還取決於更漫長、也更難量化的過程：在AI日益融入生活與工作的時代，下一代的學子們能否在學校學會理解科學、提出問題，並遇到足以啟發他們的老師？
全國缺額比例不高，個別學校的課卻不能等
今年開學前，教育部統計，截至8月25日，公立國中小仍有614名代理教師待聘，約占教師總數的0.42％。這個比例不足以說明所有學校都陷入師資危機，卻也無法消除個別學校招聘特定科目教師的困境。對學生而言，全國師資到位率再高，也改變不了自己的課程遲遲等不到老師的現實。
其中，理工師資的壓力尤其值得從國家人才戰略的角度看待。半導體與AI產業需要數學、物理、化學及資訊人才，學校也需要具備這些專長的教師。兩者在同一個人才市場中競爭，薪資待遇與職涯前景自然影響人才流向。然而，若把缺老師全歸因於「科技業搶人」，便會忽略教育體系自身的問題：正式職缺是否穩定開設？代理教師是否有可預期的工作條件？繁重的行政工作，是否擠壓了教師備課與指導學生的時間？
師資問題也需要精確描述。教育部指出，部分中等學校STEM專長的教師證核發人數近年略減，但師資生投入教職的情況，並未如「大量跳船」的說法那樣急遽惡化。全國數據與個別學校的招聘困境可以同時存在。政策不能依賴誇大的危機敘事，也不能因平均數看來平穩，就忽略特定學科與地區的缺口。
AI愈會給答案，教師愈需要教會學生提問
從AI專業的角度來看，理工教師的價值，早已超過傳授公式或教學生寫程式。生成式AI能在幾秒鐘內提供解題步驟、產生程式碼，甚至寫出一份看似完整的實驗報告。但工具能迅速產生答案，不代表答案經得起檢驗。資料來源是否可靠？模型採用了哪些觀點和文獻？程式順利執行，是否就表示系統沒有問題？
當取得答案愈來愈容易，學生更需要學會辨認錯誤、理解AI工具的限制，並有能力獨立辨識結果。這些能力無法靠一次AI工具課速成。學生需要在數學課學習推理，在科學實驗中理解AI的答案如何形成，也需要老師在他們得到答案後，繼續引導他們追問和不斷的提問出好的結果。因此，好的理工教育培養的不只是未來的工程師，也包括有能力判斷科技主張的醫護人員、企業決策者與一般公民。AI應用愈深入社會，理解與檢驗技術的能力，就愈不能只由少數專家掌握。
師資缺口的代價，多年後才可能浮現
教師不足的代價，不一定會立刻出現在科技業的人才缺口統計裡。它可能先表現在一所學校無法開設探究課程、一位教師因課務過重而無暇指導實驗，或是一名原本對科學充滿好奇的學生，始終沒有機會把興趣發展成能力。這些影響分散而緩慢，很難在單一學年度估算；等到產業發現具備基礎能力與創新潛力的人才不足時，教育上的缺口可能已累積多年。
如果科技產業被視為國家競爭力的引擎，基礎教育就不能只被當作產業的人才供應端。只看見工程師的起薪，卻忽略培養工程師的教師能否留下，等於重視眼前的人才需求，卻低估了未來的人才培育能力。台灣可以擴建晶圓廠、增購運算設備；一位能引導學生思考的教師，以及他長年累積的教學經驗，卻無法用相同速度複製。
留住理工教師，要看清缺口、改善教職
政策首先必須把「缺老師」看得更清楚。政府應持續追蹤不同地區與學科的職缺、招聘次數及留任情形，分辨問題究竟出在師資培育不足、職位缺乏吸引力，還是教師進入學校後難以久任。教育部已建立教師開缺推估與人才媒合機制；若能讓資料更充分呈現學科及區域差異，資源才有機會投向真正需要的地方。同時，也必須重新檢視理工教職的長期吸引力。增加師資培育名額可以擴大人才入口，卻無法單獨解決留任問題。對長期招聘困難的科目與地區，應評估更有差異性的待遇、住宿與交通支持，以及專業成長機會；也應減少與教學無關的行政負擔，讓有志教學的人才看得見一條可以長期投入的職涯。
而科技產業同樣有參與的空間；企業可以提供實驗設備、研究案例與教師研習機會，讓課堂接觸快速變動的技術；AI工具也能協助教師備課、設計練習，並了解學生的學習狀況。然而，產業資源進入校園，仍應服務於教育目標。學生除了需要技術技能，也需要不受單一工具與產業週期限制的科學素養、人文理解，以及判斷科技對社會影響的能力。
因此，台灣需要回答的是：當產業已能以高薪吸引優秀的理工人才，社會是否也願意投入足夠資源，讓一部分人才選擇培養下一代？晶片產能決定台灣在這一波AI浪潮中的位置；教室裡能否留住優秀的老師，則決定下一波浪潮來臨時，台灣是否仍能培養出勇於提問、具備創新能力，並能引導科技發展方向的下一代人才。
本文章反映作者意見，不代表《遠見》立場
