對 AI 的信心超前職場準備度
越南大學大力投資人工智慧，與其他受調查市場的同儕相比，越南學生對於在工作中使用 AI 也更有信心。然而，根據 Pearson 與 Amazon Web Services（AWS）的一項研究，雇主認為學生的信心與畢業生在工作中有效運用 AI 的能力之間仍有落差。
越南調查發現，96 per cent 的高等教育領導者表示所屬機構正在投資 AI。超過 52 per cent 的學生給自己在 AI 融入工作環境中的準備度打 8 至 10 分（滿分 10 分），在研究涵蓋的六個市場中信心最高。相較之下，只有 15 per cent 的越南雇主認為，近期畢業生在 AI 融入職場所需的八項能力上表現優異。
這項研究在越南訪問 402 人，包括 301 名學生、50 名大學領導者與教職員，以及 51 名雇主與企業領導者。整體研究涵蓋越南、巴西、馬來西亞、沙烏地阿拉伯、英國和美國。研究結果指出，挑戰不只在於能否取得 AI 工具：畢業生還需要展現判斷力、查證結果並將工具運用於實際任務的能力。
隨著 AI 改變工作型態與入門職缺，這種落差格外重要。學生即使會向聊天機器人下指令，仍可能難以判斷答案是否正確、找出缺少的證據，或說明 AI 輔助提出的建議如何滿足企業需求。要做到這些，除了熟悉技術，也需要批判思考、溝通能力與專業知識。
投資快速推進，但發展並不平均
報告將越南歸類為「高速策略型市場」（High-Velocity Strategist），亦即將 AI 視為策略優先事項並大幅投資的市場。受訪的大學領導者中，每十人有九人表示，AI 帶動的職場變化「極快」或「非常快」。這比全球平均的 67 per cent 高出 23 個百分點。所有受訪學術領導者都預期，未來兩年的變化速度還會加快。
投資並不代表各機構都能跟上每一項發展。受調查的越南機構中，只有 28 per cent 表示能跟上所有 AI 發展。報告指出，相關投資涵蓋教職員培訓、運算基礎設施、技術能力、課程，以及用於機構營運的 AI 系統；但也提醒，準備度取決於這些資源能否轉化為學習與實作。
調查也發現，84 per cent 的高等教育領導者定期與雇主交流，以了解市場需求。這是重要的起點，但定期聯繫不一定代表雇主會協助設計課程或評量學生作品。下一步是讓這些合作更務實且持續。
學生的自我評分能反映信心，但不是職場表現的直接指標；雇主則是依據工作中遇到的任務與期待來評估畢業生。這兩種觀點之間的落差顯示，課程與評量應提供更多機會，讓學生展現實際應用能力，而不只是熟悉工具。
雇主認為畢業生欠缺哪些能力
越南雇主指出畢業生使用 AI 時存在幾項問題。43 per cent 提到不良使用習慣，包括過度信任 AI 輸出，以及查證或事實核查能力不足。37 per cent 認為實務經驗有限，另有 35 per cent 指出過度依賴 AI 工具。這些回答可能有所重疊，但合在一起說明了為何僅看能否取得工具，無法完整衡量準備度。
只有 8 per cent 的雇主認為，畢業生在批判性評估 AI 輸出方面表現優異。這項能力包括依據可靠證據查核主張、辨識不確定性與偏誤，以及判斷何時需要人類專業知識，而非自動生成的答案。當 AI 產出流暢文字、內容卻可能有誤時，這項能力尤其重要。
雇主從八個面向評估畢業生：技術知識、適應力、有效運用 AI 工具、創造力、將學術知識應用於實務工作、持續學習、溝通與協作，以及批判性評估 AI 輸出的能力。整體而言，15 per cent 評為表現優異，是上述能力的平均比例；這不代表每位雇主在每個面向都給出相同評價。
這個問題也不只出現在越南。Pearson 與 AWS 的研究顯示，全球有 53 per cent 的雇主表示，很難找到具備符合職場要求之 AI 技能的近期畢業生。在整體研究中，只有 14 per cent 的學習者表示，自己已能熟練地將 AI 工具應用於專業工作流程。綜合來看，這些結果反映的是轉銜問題：學會使用工具，不代表自然就能在工作中可靠地運用它。
四項能力構成 AI 就緒的畢業生
報告將 AI 就緒度描述為四項相互關聯能力的組合。AI 基礎應用能力，是指懂得使用相關工具完成任務；人類關鍵技能包括判斷力、適應力、溝通、協作與問題解決；負責任的 AI 管理，則代表負責任地使用 AI，並考量隱私、偏誤與潛在傷害；策略思維則是了解 AI 能在哪些地方創造價值，以及哪些情況不適合使用 AI。
這些能力必須相輔相成。例如，畢業生若使用 AI 撰寫商業提案，應能清楚界定任務、選擇合適工具、查核主張與來源、找出限制，並說明最終建議背後的推理。即使系統協助產出內容，使用者仍須為成果負責。
這種做法也改變了 AI 的教學方式。若課程主要聚焦於操作熱門工具，工具一旦改變，課程內容就可能過時。教導學生評估輸出、調整做法並將 AI 與專業知識結合，則更能長久適用，也有助於學習者將技能轉用於不熟悉的系統和新的職場任務。
報告提出的「AI 準備度阻礙架構」（AI Readiness Friction Framework）進一步指出，從教育到就業的轉銜過程中，六項阻礙可能相互加乘：變化速度、連結、能力、治理、經驗與技能。變化速度指職場變遷快於課程更新；連結指雇主與教育工作者之間的回饋不足；能力包括教職員準備度不一；治理涵蓋負責任使用 AI 的實務規範；經驗指缺少有系統的實作機會；技能則代表畢業生展現的能力與職務要求不相符。
將與雇主的聯繫轉化為共同實作
大學與雇主可以透過設計貼近真實工作的評量，縮小實務經驗落差。作業不應只要求學生描述 AI 工具，也可以要求他們運用 AI 草擬提案、查證內容主張、找出不足並為建議提出辯護。這樣能讓整個過程一目了然，也讓教師有方法評量學生的判斷力與最終成果。
雇主可以提供實際挑戰、實習機會，以及課程回饋；也能透過安排教職員觀察團隊工作或與團隊合作，協助他們了解企業如何使用 AI。這類合作能讓學生練習課堂活動可能忽略的現實限制，例如資訊不完整、期限壓力，以及必須向同事說明研究結果。
報告建議大學縮短課程檢討週期、採用彈性學習模式，並提供可逐步累積的學分證書，讓學習者分階段取得受認可的資格。報告也呼籲加強教職員培訓，聚焦實務教學，並提供可取得學分的真實情境 AI 實作機會。目標是將 AI 運用融入核心學習，而非只限於選修示範或獨立的入門課程。
學生可以建立 AI 輔助專案作品集，讓自己的技能更容易接受評估。作品集可呈現任務內容、AI 的使用方式、學生查核或修改的部分，以及最終成果。相較於僅憑學位或籠統宣稱熟悉 AI，這些證據更能協助雇主了解求職者的實務能力。
報告也探討一項假設性的二選一情境：一名候選人具備扎實 AI 技能但沒有學位，另一名則有學位但 AI 經驗有限。雇主給予學位持有者的優勢只有 4 個百分點。結果顯示，學歷仍然重要，但雇主也可能相當重視實際能力的證明。
校園與雇主之外的共同責任
明確的治理規範也是準備度的一環。學生與教職員需要實用指引，說明哪些工具可以使用、哪些資訊不應輸入、如何揭露 AI 生成內容，以及由誰負責查核。若規範不明確，人們可能使用未經核准的工具，或不慎處理敏感資訊，使教育場域的風險延續至職場。
監管機關可以透過釐清政策，並讓相關數位技能認證納入大學課程，協助推動轉銜。報告也建議教育機構與雇主就更明確的學習成果和評量標準達成共識，讓畢業生能以更一致的方式展現能力。
Pearson 與 AWS 的高階主管將因應之道定位為：把與 AI 的接觸轉化為職場能力。這項研究與獨立研究機構 PSB Insights 合作完成，蒐集六個市場超過 2,700 名學習者、教育領導者及雇主的問卷回覆，並訪談高等教育領導者。研究提出的架構旨在協助機構找出自身教育到就業轉銜過程中需要改善的環節。
對越南而言，核心發現並不是大學投資不足，也不是學生缺乏興趣。投資已相當普遍，學生信心高，多數受調查機構也已與雇主交流。更大的挑戰，是將這些優勢連結到反覆實作、嚴謹評估，以及貼近畢業後決策情境的工作。
重點摘要
- 96 per cent 的越南受訪高等教育領導者表示，所屬機構正在投資 AI。
- 超過 52 per cent 的學生給自己在 AI 融入工作中的準備度打 8 至 10 分（滿分 10 分）。
- 只有 15 per cent 的雇主認為，近期畢業生在八項職場 AI 能力上表現優異。
- 雇主指出畢業生查證習慣不佳、實務經驗有限，且過度依賴 AI 工具。
- 報告呼籲由雇主參與設計評量、加強實務訓練與教職員培訓，並制定更明確的 AI 治理規範。
