一、教授的標準沒變，變的是什麼還能當證據

每年這個時候都會有學生問我：AI出來以後，教授是不是改看別的東西了？

我的答案是沒有。教授要的東西二十年來沒怎麼變過。他要看你會不會想事情，看你有沒有問題意識，看你能不能在資料不足的時候做決定。這三件事在2010年的口試裡問，在2026年的口試裡還是問。

變的是另一件事。過去教授之所以看備審資料，是因為那份資料本身就是一份能力的樣本。一個人願不願意花三個禮拜把自傳寫到通順、把研究動機寫到有邏輯，這件事本身就篩掉了一半的人。它不是精準的工具，但它便宜、可行，而且有用。

現在它沒用了。不是因為學生變差，是因為那件事變得太便宜。

用管理學的話講，這是一個訊號失效的問題。Spence的訊號理論講得很清楚：一個訊號要有鑑別力，前提是「能力低的人付出的成本比較高」。文憑能當訊號，是因為念完四年書對能力低的人比較痛苦。備審資料過去也是同一個道理。當AI把寫作的成本對所有人一起壓下來，成本差距不見了，訊號就失去作用。

教授不需要開會決議要改標準。訊號沒用了，他自然會去找還有用的那些。

重點｜三種已經失效的訊號

• 寫得完整：以前完整代表用心，現在完整只代表你打開了對話框。把版面填滿這件事已經不值錢。
• 講得漂亮：句子通順、結構工整、用詞精準，這些現在是預設值，不是加分。
• 看起來很懂：把專有名詞鋪好、把理論套上去，AI做得比大部分大學生好。教授看得出來這層皮下面有沒有東西。

二、AI有一個結構上的弱點：它的任務是讓你看起來好

訊號失效了，那什麼還有用？有一個切入點很多人沒想到。AI幫你寫備審的時候，它在執行的任務是「讓這個人看起來很好」。這是它的預設值。所以它會自動做幾件事：把失敗寫成成長，把猶豫寫成深思，把運氣寫成規劃，把代價從句子裡刪掉。

這不是AI寫得不好，是它寫得太好。一段被最佳化過的文字，讀起來的特徵是「一路順」。從動機到行動到成果，中間沒有轉折、沒有走錯的路、也沒有為了拿到甲而放棄的乙。

真實的人不是這樣運作的。真實的決策一定有代價。你選了甲，就有一個乙沒有選。你堅持了三個月，中間一定有一個當初以為對、後來發現錯的判斷。

這就是現在最值錢的東西。不是因為它高尚，是因為AI產不出來。它在結構上就產不出來，因為讓你難堪不在它的任務裡面。

重點｜AI不太會替你寫出來的四種句子

• 我當初判斷錯了，錯在我把X當成主因：有明確歸因的認錯，不是模糊的「學到很多」。
• 為了做這個，我放棄了那個：講得出被犧牲的選項，才證明真的做過選擇。
• 數字是這樣，但我懷疑這個數字：對自己的成果保持距離。
• 這件事我到現在還沒想清楚：承認一個還沒收尾的問題意識，比包裝好的結論可信。

三、教授要的那三個字：判斷力

上面講的東西，最後會落在同一個詞上：判斷力。

判斷力是在不確定的情況下做出明智決策的能力，裡面包含讀懂脈絡、權衡取捨、預判後果，以及承擔自己的選擇。最後那一項是關鍵。承擔，就是有代價。

世界經濟論壇2026年7月的專文引述人資調查，64%的組織表示，他們現在更看重「找出新問題」的能力，勝過「解決既有問題」的能力。

這個轉向對台灣考生的傷害很大，因為我們從小被訓練的是後者。給題目、解題目、對答案，這一套我們很擅長。但推甄要的是前者：在沒有人出題的地方，看出一個值得做的題目。

研究計畫就是這一關。教授看研究計畫，看的不是方法多漂亮，是「你為什麼覺得這個問題值得做」。一個AI生得出來的題目通常長這樣：探討ESG對企業績效之影響。它沒有錯，但裡面沒有你。真正有力量的題目通常來自一個具體的困惑：我在那家公司實習的時候，看到主管明明知道這個決定會出事，還是簽了，為什麼？

重點｜世界經濟論壇列出的2030年十大成長最快技能

• 技術類：AI與大數據、網路與資訊安全、科技素養
• 認知類：創意思考、分析思維
• 人的部分：韌性彈性與敏捷、好奇心與終身學習、領導與社會影響力、人才管理、環境永續意識

同一份報告估計，到2030年會有39%的核心技能改變。不過我想請你看的是另一件事：這十項裡面，技術那三項可以在半年內補起來，上課、考證照、做專案都行。剩下七項不行。韌性沒辦法補課，好奇心沒辦法速成，領導經驗要有人願意跟著你。

GMAC2026年的企業招募調查也對得起來：AI工具運用在雇主「現在最看重」的清單上排第14，在「五年後最看重」的清單上排第1。翻成白話就是，會用AI現在還不算本事，但五年後不會用就出局。它是門票，不是分數。

回到訊號理論。正因為那七項補不了、買不到、也做不了假，它們才是現在還有用的訊號。

四、備審跟面試該怎麼寫

原則只有一句話：寫禁得起追問的東西，不要寫好看的東西。

判斷標準很簡單。你自己讀完一句話，能不能連問三次「然後呢」而不心虛。「我負責市場調查」，然後呢？「發了兩百份問卷」，然後呢？如果第二次就答不出來，那句話就是空的，而教授在面試會問到那裡。

重點｜五個可以馬上開始做的動作

• 把成果清單改寫成決策紀錄：不要寫「負責市場調查，完成200份問卷」。要寫「原本規劃200份，做到第60份發現受訪者結構有偏誤，我停下來調整抽樣，代價是進度慢了兩週」。前者AI寫得出來，後者不行。
• 準備一個「我看到了別人沒看到的問題」的故事：結構是一開始大家都以為問題是X，後來我發現真正的問題是Y，而且我拿得出證據。這一題對應的就是那個64%。
• 把AI從代筆改成研究對象：在備審裡寫「我用AI整理了這批資料，發現它在某一段的推論是錯的，錯在哪裡，我後來怎麼改」。這一段同時證明三件事：你會用工具、你有判斷力、你誠實。以現在的行情來說，這是投資報酬最高的一段文字。
• 每個數字後面都準備一個「為什麼是這個數字」：面試官問「這15%怎麼算出來的」，答不出來比沒寫還糟。
• 口試不要背稿：準備好的答案現在人人都有，所以鑑別度會集中到意外題上。被問倒的那幾秒鐘你怎麼反應，才是那天沒有辦法事先生成的東西。

AI不會讓推甄變難，它讓推甄變得比較誠實。以前用功可以補想法的不足，寫得夠久、改得夠細，一份普通的資料也能看起來不錯。現在那條路被封了。剩下的路只有一條：真的想過事情，而且想得比別人深一點。

對認真的人來說，這其實是好消息。