當 AI 給出答案，
我們留住「人」的根。
以正確的態度、清晰的思維邏輯與 AI 同行 —— 由孩子的未來 (Z) 倒推今天的學習 (A)。學校 AI 落地，唔係買罐頭，係由校情、 DNA、痛點、stakeholder 度身訂造嘅校本方案。
快速完成
16 條揀答案 + 3 條錄音題，每題附 💡 解釋為何問。
支援錄音
校情複雜，講嘅最快，AI 自動轉文字 + 分析。
即時拎報告
撳「開始研究」就會喺網頁度即時 stream 出嚟，可以即場睇 + 截圖保存。
開始填之前，先諗下：你而家最痛嘅 5 個問題
AI 落地嘅 #1 失敗原因唔係技術，係根本搞錯咗想解決乜。 花 2 分鐘問自己呢 5 條問題，再填問卷會精準十倍。
上個星期，邊 3 件事最食老師時間，但加唔到分予學生？
可能係批改、通告、報告、會議 — 揀有 pattern 嘅，唔係偶發。
今個學年，邊 1 個家長 / 學生投訴最重複出現？
重複出現 = 系統性問題，唔係個別 case。AI 可以幫到系統性問題。
上次有同事離職時，邊類知識 / 資料即刻消失？
人走資料走 = 學校知識資產有大窿。AI 可以建知識庫。
校長 / 主任過去 1 年想睇但搵唔到嘅數據係咩？
例如：邊類學生最易輟學？邊個科目老師加班最多？
如果聽日有 5 個鐘空出嚟，老師最想用嚟做咩？
呢個就係 AI 應該替學校創造嘅「時間紅利」嘅去向。
答唔到？正常。填完問卷你會更清楚 — 嗰 16 條問題就係幫你拆解呢 5 個 question 嘅工具。
你會拎到一份 Tailor-Made Briefing
呢份 briefing 唔係推銷書，係學校自己拎住去做下一步規劃嘅文件。
Clear Objective
學校真正想解決嘅核心問題
Data Inventory
結構化 / 非結構化 / 多模態資料清單
Garbage to Clean
kick-off 前必清嘅 data debt
Agentic Capability Map
每個痛點 map 去 AI 四大能力
System Integration
WebSAMS / eClass / Google / M365 難度評估
Process Re-design
新流程邊步 AI、邊步人、邊步要 review
Input/Output Spec
Pilot 嘅 I/O 規範 + Quality bar
Multi-Audience Output
校長 / 家長 / 學生版本 by design
Human-in-the-Loop
邊類決策一定要人簽核
Stakeholder Map
Decision Maker / Sponsor / Executor / End User
Quick Win Pilot
90 日 PoC + 預算（智啟學教 50 萬）
Next Action
Kick-off agenda + audit checklist
教師三大場景通覽
由批改到溝通，呢三個係最容易見效嘅 first PoC。
成績單批量生成評語
家長通告 + 中英文公函
教案 + 課堂 PPT 一鍵生成
AI 學習搭檔，唔只係 Chatbot
Agentic AI = 會思考（規劃）+ 有感官（感知）+ 有手腳（工具）+ 有記憶（進化），能自主閉環完成複雜任務。
自主規劃與動態推理
你只需講出教學目標，AI 自動拆分備課 / 通告 / 評語步驟
環境感知與多模態理解
學生功課照、錄音、試卷掃描、教學網頁，AI 都能讀懂
工具調用與跨域操作
主動上網搜尋、整理教案、做成績圖表、寫教學反思
記憶增強與持續進化
記住每位老師教學風格與班級特點，越用越精準
一份學期成果，三個讀者
同一件事，三個版本 — AI 一次過生成。
全班合格率：92.5% · 升中派位 Band 1：18 人 · DSE 預估達標：85% · 校內排名：第 3 位
「小明今學期英文進步明顯，尤其閱讀理解由 C 級升至 B 級。課堂積極發言，期待下學期在寫作方面繼續突破。」
✓ 做得好：默書、文法 △ 要加油：作文結構 下學期目標：每週寫一篇短文，教師將逐篇批改
學 AI 之前，先學「點樣學 AI」
工具會變，思維框架先係 timeless。學校 AI 轉型嘅關鍵唔係「買咩軟件」， 而係六個思維轉變 —— 由「採購罐頭」變成「設計校本生態」。
Steve Jobs 1997 講過：唔好問「邊個 AI 軟件最潮？」要問「我哋學校想培育咩樣嘅未來領袖？AI 點樣幫到我？」
教育局通告 221/2025「智啟學教」撥款計劃，最重要嘅唔係「軟件、硬件、平台」，係排到最尾嘅「校本人工智能應用方案」。50 萬唔係買 100 個 license，係買 tailor-made。
學校轉型唔需要一步到位。揀一個能解決痛點 + 體驗佳嘅 small pilot 試行，觀察成效，再做滾動式修正。
教師係學習嘅「設計師」與「引導者」。AI 處理重複工作（備課、評語、通告），老師專注培養 AI 無法替代嘅軟實力 —— 明辨性思考、倫理辨析、協作、同理心。
先進地方已運用 AI 分析學生表現、出席率、情緒數據，預測學習風險（中途輟學、心理健康），提早介入。學校管理由 crisis handler 升級做 strategist。
若 AI 能輕易完成傳統習題，評估指標必須跟進。轉去專案學習成果、跨領域解決問題嘅過程記錄 —— Formative Assessment，唔再係期末考試。
罐頭軟件，識唔到你嘅 DNA
兩間中學，可能用同一個校務系統 — 但兩間中學嘅 DNA 完全唔同：
辦學理念、學生 profile、校風、教學特色、社區角色，五樣加埋先係「校情」。
Tailor-Made AI = 尊重你嘅 DNA，唔係攞罐頭模板硬套。
辦學理念與使命
基督教 / 佛教 / 道教 / 世俗？精英 / 全人 / 共融教育？呢個價值觀會 shape AI 評語、通告嘅語氣。
學生 Profile
Band 1 / 2 / 3？SEN 比例？非華語學生？家庭背景？AI 教學內容嘅難度、語言、例子要 calibrate。
校風與文化
嚴 / 寬？傳統 / 創新？AI 落地嘅 change management 速度要配合校風。
教學特色 / Signature Pedagogy
STEAM / 體藝 / 雙語 / IB / 藝術？AI agent 應該強化你嘅特色，唔係 dilute 成 generic。
社區角色
基層社區服務型？國際家長社群？校友網絡？呢啲影響 AI 點同家長 / 社區溝通。
校史與傳統
百年老校 vs 新辦學校：歷史資產、校友關係、儀式傳統都係 institutional memory。
罐頭 AI 嘅最大問題：佢將 100 間學校壓成同一個樣。當所有學校嘅評語、通告、報告都係 AI 生成，但 prompt 一樣 → 所有學校嘅輸出都會慢慢 converge。 Tailor-Made 嘅核心，就係將你嘅 DNA encode 入 AI agent，令 AI 嘅輸出，永遠帶你校嘅指紋。
學校 AI 落地嘅 5 個常見誤解
呢啲係我哋同 50+ 校長 / 主任傾完嘅真實 pattern。
校本 AI 學習迴圈（4 步循環）
學 AI 唔係讀一本書，係建立一個 institutional learning loop。
Observe（觀察）
識別老師日常邊類工作最食時間、邊類 garbage data 最多。
Pilot（試行）
揀 1 個 small scope，限時 90 日，set 清楚 success metric。
Reflect（反思）
Stakeholder workshop — 老師 / 家長 / 學生 feedback 收齊。
Scale（推廣）
成功就 scale；失敗就 pivot。技術會變，呢個 loop 唔變。
將 50 萬撥款轉化為長期嘅教育資產。學校唔係「買一堆軟硬件」，係因應校情、教學目標與行政需求，建立校本知識資產（教案 / 評語 / 通告庫），同時培養全校老師嘅 AI literacy。 呢個 loop 行 3-5 年，學校就由「AI 用家」變「AI 教育生態建構者」。
我哋教你方法論，唔係餵你魚
學校 AI 落地嘅最大陷阱：請咗 vendor 做完，vendor 一走，學校乜都做唔到。
我哋嘅 engagement，係教你校 team 識操作呢個 6 步循環— 完成後，學校自己有能力 design / iterate / scale 下一個 AI use case。
Diagnose
用 16 條問題 + 3 段錄音，systematic 拆解校情。輸出：Tailor-Made Briefing。
DNA Mapping
盤點辦學理念、學生 profile、教學特色 — 將 DNA encode 入未來 AI agent 嘅 system prompt。
Mindset Shift
校長 / 主任 / 老師 workshop。由「採購軟件」變「設計校本生態」。
Pilot Design
揀 1 個 90 日 small pilot，set 清 Input/Output spec、HITL、success metric、stakeholder roles。
Build & Train
技術整合 + 老師 hands-on training。培訓重點：唔係按 button，係識判斷 AI 輸出邊度需要 override。
Scale & Sustain
Pilot 成功 → scale 去其他科組 / 場景。建立 internal AI champion。學校開始自己跑 loop。
Capability，唔係 dependency
完成後學校有能力自己 design 下一個 use case，唔係永遠靠 vendor。
Tailor-Made，唔係罐頭
每個輸出帶你校 DNA 指紋。100 間學校 = 100 個唔同方案。
Loop，唔係 one-off
AI 一直變，方法論唔變。學校用同一個 framework，3-5 年持續進化。
「Give a man a fish, you feed him for a day. Teach him to fish, you feed him for a lifetime.」
我哋唔係嚟賣 AI 工具 — 係教你校 team 識自己用 AI 解決問題。
學校嘅轉型，唔係跟風買 AI，係問自己：
「我哋想培育咩樣嘅未來領袖？AI 點樣幫到老師更強大、更有時間關心學生？」