TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
哈佛開出 1,949 美元的主管 AI 證書課，把聽簡報換成動手做
HBS Online 於 2026 年 10 月 28 日宣布新線上證書課程 Designing Organizations for Agentic AI，由 Karim Lakhani 與 Iavor Bojinov 共同主授，隨報隨上 20 到 25 小時、收費 1,949 美元。本文核對課程四模組與實作練習、哈佛 MBA 必修現況，以及 244 位 BCG 顧問研究裡三種人機協作模式誰真的在累積專業。
用 AI 摘要這篇文章：
哈佛商學院的線上教育部門 HBS Online 在 2026 年 10 月 28 日發布公告，宣布新的證書課程 Designing Organizations for Agentic AI，報名同步開放。這門課隨報隨上，四個模組各 4 到 6 小時，總長 20 到 25 小時，費用 1,949 美元，從報名日起算 90 天內要完成。主授者是哈佛商學院的 Karim Lakhani 教授與 Iavor Bojinov 副教授。
兩天後的 10 月 30 日，Lakhani 在 Silicon Valley Girl 頻道的訪談裡，把開這門課的理由講得更直白。他說他開除過對他說「這是 AI 給我的」的下屬（原文：I have fired people who have told me the AI gave me that）；他也說哈佛 MBA 的 AI 必修課已經把期末考丟掉，改成讓全部學生動手用 AI 做出東西。
對管理者來說，這則新聞的重點不在多了一張證書可買，而在「親自用 AI」這件事的位置變了：在哈佛它對內已經是一年級必修，對外則被包裝成收費商品。支撐這套做法的證據，是 Lakhani 參與的一項追蹤 244 位 BCG 顧問的田野研究：把決定權整包交給 AI 的那 27%，領域專業與 AI 專業都沒有增加。
這門課賣的是組織重設，也有真的動手做
照官方公告列出的學習目標，課程要教四件事：分辨 agentic AI（代理式 AI，能自己規劃並執行多步驟工作的系統）與傳統 AI 工具的差別，並評估它的能力與限制；重新設計工作流程與營運模型，讓人與 AI 代理協作；找出新的競爭優勢來源；以及對 AI 的治理與控制做策略決策。四個目標都落在「領導者怎麼判斷、組織怎麼重排」這一層。
不過課程頁的完整教學大綱顯示，它並不是純概念的簡報課。四個模組依序是 The Agentic Shift（4 到 5 小時，談 AI 工具到自主代理的演進與評估方法）、Redesigning the Firm（5 到 6 小時，重設工作流程與組織設計）、Creating and Capturing Value（5 到 6 小時，agentic AI 如何改變商業經濟學與競爭優勢）、Control and Dependence（5 到 6 小時，治理、控制與採購決策）。每個模組都附實作練習：設計並調校一個能用的個人代理、用氛圍編碼平台做出一個自己的軟體應用、審計自己組織正在使用的一套 AI 系統並寫成治理手冊。課程還內建一個 AI 助教機器人協助學員完成課程。
這個定位決定了誰該留意。課程開放給任何人報名，但內容是寫給要在組織裡做分配與驗收決策的管理者，以及規劃主管訓練的人；五人以上團隊有團體折扣。想學模型 API 或代理開發的工程背景讀者，這裡的實作用的是不需要寫程式碼的工具，深度不對接那條路。這門課掛進 HBS Online 既有的數位轉型與 AI 學習軌，是其中新增的 agentic AI 主題證書課，公告裡引用 McKinsey 調查稱大型組織受訪者中 40% 已在規模化部署 AI 代理，高於前一年的 27%。這個數字是公告轉引，本文未回查 McKinsey 原報告，引用前請自行核對。
前後差異可以這樣看：過去主管的 AI 素養多半靠讀書、聽簡報或內部講座補，哈佛現在把同一批內容做成有明確時數、有實作練習、有證書的結構化課程，掛上兩位主授者的名字對外販售。知識取得的門檻降低了，剩下的是 1,949 美元與 20 到 25 小時的投入，以及一個更根本的問題：上完課的人真的會開始親自用 AI 嗎。
244 位顧問的三種用法：誰選題，誰定做法
Lakhani 的底氣來自哈佛商學院工作論文 26-036《Cyborgs, Centaurs and Self-Automators》。研究團隊在波士頓顧問公司（BCG）追蹤 244 位顧問與生成式 AI 的完整協作過程，累積 4,975 次互動紀錄，再輔以訪談交叉驗證。實驗平台用 2023 年 4 月版的 GPT-4，任務是請顧問為一家虛構公司從三個品牌中選一個建議投資，並寫出 500 字以內的執行長備忘錄，所有提示與回覆都被完整記錄。
分析把這些顧問分成三種模式，用兩個問題切開：誰決定要做什麼，誰決定怎麼做。
| 模式 | 「要做什麼、怎麼做」由誰決定 | 佔比 | 技能累積 |
|---|---|---|---|
| Cyborgs（融合協作） | 人機全程共同推進，界線流動 | 60%（146 人） | 與 AI 協作的新技能增加 |
| Centaurs（主導分工） | 人定義問題與做法，AI 接手特定子任務 | 14%（34 人） | 領域專業增加 |
| Self-Automators（整包交付） | 做什麼與怎麼做都交給 AI 決定 | 27%（63 人） | 兩種都沒有增加 |
三個模式的人數差距很大。融合協作的 Cyborgs 佔 60%（146 人），他們全程與 AI 來回推進，把 AI 的輸出當成可以延伸、可以挑戰的材料。主導分工的 Centaurs 佔 14%（34 人），自己掌握問題定義與分析架構，把特定子任務交給 AI。整包交付的 Self-Automators 佔 27%（63 人），而且論文寫得很具體：這 63 人裡有 28 人完全接受 AI 的產出、一個字未改，另外 35 人只做了表面修改。
技能累積的差異是這份研究最常被引用的部分。Centaurs 的領域專業在增加，Cyborgs 累積的是與 AI 協作的新技能，Self-Automators 則兩種都沒有增加。Lakhani 在訪談裡對這組人的說法更直接：他們在學習上表現最差，因為他們已經停止思考。
但這份研究自己也畫了界線，引用時不能跳過。三種模式是研究者從行為紀錄歸類出來的，不是把顧問隨機分派去當 Cyborg 或 Self-Automator，所以它支持的是「模式與技能累積有關聯」，不能直接宣稱「當 Self-Automator 會導致技能停止累積」。論文還特別註明，對例行任務、時間壓力大、或問題明確落在 AI 能力範圍內的情境，整包交付未必不當。研究者的建議也值得記下：與其衡量「人改了 AI 多少內容」，不如衡量「人與 AI 互動的程度」，因為認真協作的人最後也可能接受 AI 的結論，差別在過程。
Lakhani 的做法：把期末考換成動手做
訪談裡關於哈佛課程的段落，等於這門新證書課的內部原型。照 Lakhani 的說法，這門必修課開了三年，每年都要改版，Claude 出現的那學期他們是在學期中臨時把內容換掉，因為不談它「課程就沒有正當性」。真正的轉折是他們決定商學院不能只是談 AI，得做 AI：現在半門課是實作，學生要建 RAG（檢索增強生成）、要做評測、要組多代理系統。期末考取消了，理由是 AI 課不用 AI 工具考試說不過去，改由全部約 900 位學生用氛圍編碼（vibe coding，靠自然語言描述讓 AI 生成程式）做出自己的專案，有些成品好到讓他吃驚。這些課程細節出自他本人的口述，實際課程結構以哈佛官方說明為準。
制度面可以對上。哈佛商學院官方頁面寫明，一年級學生都要完成必修課 Data Science and AI for Leaders，二年級有超過 40 門 AI 相關選修；Lakhani 是哈佛商學院 AI 研究院的共同創辦人。線上課的模組三要學員用氛圍編碼做應用，跟 MBA 必修拿掉期末考改做專案是同一套邏輯：判斷力要親自做出來，聽講聽不來。
Lakhani 對領導者的批評有一個他反覆用的類比。他說上一世紀 email 剛出現時，許多高層主管不自己讀信回信，而是叫秘書唸給他聽、口述回覆再由秘書代發，有人拖了十年才自己上手。他的判斷是同樣的戲正在 AI 上重演：領導者覺得「那是別人的工作，不是我的工作」。被問到一般企業落後新創多少時，他引了小說家 William Gibson 的句子回答：未來已經來了，只是分布不均，矽谷活在跟多數公司不同的未來裡。他也轉述自己的觀察：那些他認為真正搞懂 AI 的跨國企業執行長，花 20% 到 30% 的時間在討論 AI 相關議題，有一家全球企業告訴他高階會議已經有 50% 在談 AI 的影響。這兩個數字是他的口述經驗，不是系統性調查，聽量級就好。
他對企業的質問更尖銳。他說他會問律師事務所和每家公司的執行長：如果你只打算當 Anthropic 或 OpenAI 模型外面薄薄的一層殼，你憑什麼存在。談到既有企業該怎麼自處，他給的選項是 Walmart 或 Kmart：貝佐斯把零售從裡到外重新想過，Kmart 與 Sears 只是在資料庫上加了個網站。他的前提是「公司只不過是一捆捆專業能力的組合」，而 AI 正在把專業能力的成本壓向零。這句話跟那份研究講的是同一件事：價值不在「有沒有用 AI」，在你保留了哪些判斷。當 AI 能生產的東西越來越多，理解與判斷該記在誰頭上就成了繞不開的問題，大型調查裡的工作版圖也在往判斷層移動，數學圈已經在為同一條線爭論，拿到答案之後的理解工作該怎麼算也一樣。
不報名也能帶走的部分
多數讀者不需要立刻報名，這份研究裡有一個馬上能用的自我檢核。拿出你最近一次用 AI 完成的工作，回答論文的那兩個問題：這次工作裡，要做什麼是誰決定的？怎麼做是誰決定的？如果兩題的答案都是 AI，你就在 Self-Automators 那一欄，而以這份研究的關聯性來看，那段工作時間對你的專業累積接近零。這不是道德評價，論文也說了例行任務交出去未必錯；該問的是，你交出去的是不是你賴以為生的判斷。
想要動手的人，從一件自己熟悉、能辨認好壞的工作開始，比從陌生領域開始有效，因為你分不出 AI 是真的可靠，還是只是寫得流暢。做的時候別只盯著最後改了幾個字，看自己跟 AI 來回了幾輪、推翻過它幾次，這是論文給管理者的衡量建議。哈佛課程模組四的治理練習其實也給了免費版本的方向：挑一套你的組織正在用的 AI 系統，查它的資料流向、控制權與失敗時的退路，寫成一頁審計筆記，這件事不需要證書也能做。
至於考慮報名的人，帳要算清楚：20 到 25 小時的工期、報名後 90 天的完成期限、1,949 美元的費用，還有一個他本人給過的提醒。Lakhani 在訪談裡被問到校外人士能不能上到這類課時說，哈佛有一些線上課程，但它們的深度趕不上在校園跟教授一起上的版本。那句話談的是既有線上課，未必適用這門新課，不過對期待「花錢等於校園規格」的人是個務實的錨點。企業訓練單位採購前更要認清，課程 10 月 28 日才公告，目前沒有第一屆學員的完成紀錄或第三方評價，成效這一欄現在只能留白。
還沒確定的事，與這篇的保存期限
這則新聞裡有幾件事截至 2026 年 11 月 8 日查核時仍未確定。課程成效是最主要的空白：沒有學員成果，沒有評價，哈佛也不曾宣稱上完課的管理者會表現更好。工作論文 26-036 的版權頁自標為草稿，供評論與討論之用，期刊定版本尚未出現，數字與結論都有修正空間。公告引用的 McKinsey 數字屬轉引，Lakhani 轉述的執行長時間分配屬口述經驗，引用時請保持同一份謹慎。
回查期限設三條線：課程頁的規格、價格或模組有無變動（隨選課程常有改版）；論文是否刊出期刊定版本；以及 2027 年上半年第一批完成課程的學員評價出現時，1,949 美元買到的到底是什麼，屆時會有比公告更硬的答案。在那之前，這篇文章描述的是一門剛開賣的課，與一份還在草稿階段的研究。
