INDIGO TALK / 从对抗到共创 - AI 时代的教与育 - EP23
INDIGO TALK 第二十三期，邀请到 UBC 商学院的吴春华教授来分享 AI 给大学带来的变革与挑战。吴教授结合自身在商学院的教学经历，展示了如何从“防范”到“拥抱”AI 技术，并分享了真实企业咨询和学生项目案例 —— 用 AI 快速完成数据分析、生成可视化商业决策工具。
在 AI 时代，教育的本质是什么？教师的价值又该如何重新定义？这场对谈，大家坦诚分享了从担忧、抗拒，到主动拥抱 AI 的心路历程；也探讨了如何平衡 AI 与传统教学的关系，帮助大家重新思考 AI 时代下的教与学！内容十分精彩，不要错过哦😄
INDIGO科技加速站
音频播客
小宇宙播客 - Indigo Talk - EP23
本期嘉宾
吴春华（UBC 商学院 - 教授）
Indigo（数字镜像博主 - 主持）
时间轴
- 00:53 吴教授和 UBC 商学院介绍
- 04:28 大学如何看待学生使用 AI
- 16:02 在 AI 进入课堂之后如何改变对学生的衡量方式
- 21:40 商学院教什么？AI 如何用在商业数据里面？
- 30:15 AI 和人擅长点的不同
- 35:27 AI 时代大学应该教什么？
- 37:42 AI 介入让 MBA 课程的转变巨大
- 43:07 教育现在应该分成“教”和“育”两部分来看
- 51:12 UBC 商学院新加坡真实案例分享（AI 让思考边界变大了）
- 59:45 Youtube 热点 KOL 分析（谷歌云黑客松分析）
- 1:08:58 演示：Airbnb 数据 Dashboard（复刻 insideAirbnb）
- 1:11:24 演示：直接用 o1 在 ChatGPT 中生成代码
- 1:16:26 演示：用 Cursor Agent 复刻 insideAirbnb
- 1:31:07 总结与新课程预告
对谈内容详细总结
以下为 indigo 与 UBC 商学院吴春华教授在 Indigo Talk 节目中的完整对谈内容总结。为了方便阅读，我将对谈按照时间点和对应主题进行梳理，并对每个部分的核心内容进行提炼和详细说明。
吴教授和 UBC 商学院介绍
嘉宾背景
吴春华教授在 UBC（不列颠哥伦比亚大学）商学院任教十余年，主要教授数据驱动的商业决策与分析相关课程。除了教授工作外，吴教授每年还会带 MBA 学生前往新加坡、以色列等地，为当地企业提供短期咨询项目，目前已带领学生完成了近 40 个实际商业咨询项目。
UBC 商学院（Sauder School of Business）整体情况
本科生（BCom）、MBA、EMBA、Master of Business Analytics（MBAN）等多个层次的项目。学生构成非常多元化：本科以加拿大本地学生居多，但也来自 100 多个国家；MBA & MBAN 则有来自全球各地的学生，包括中国、印度、南美、非洲等地。MBAN（商业分析硕士）项目近年增长迅速，招生规模较大，主要培养学生的数据分析与商业决策相结合的技能，毕业后就业需求旺盛。
大学如何看待学生使用 AI
早期担忧：学术诚信与潜在“作弊”
ChatGPT 等生成式 AI 在 2022 年末崭露头角时，很多教授担忧学生会利用其完成论文写作、作业、项目等，难以监管。教授们初期更多是想通过各类反 AI 检测工具“防守”，但短期内发现难以奏效。
态度转变：拥抱新工具
2023 年之后，教授和学生都开始真正体验到 AI 工具的潜力，学校和老师反而更倾向于研究如何将其合理运用到教学当中：
- 让学生更高效地完成既有工作和学习任务，鼓励他们借助 AI 做到更多、做得更好。
- 教授也积极尝试用 ChatGPT 等工具来辅助教学备课、提供实例等。
UBC 商学院在 2024 年起有显著变化：
老师们通过内部研讨会分享如何在课堂中使用 AI、如何在考核方式上更新；学校或系里也邀请学生来教老师“学生在用 AI 解决作业时具体都干了什么”，让老师了解一线操作和工具使用的细节。
在 AI 进入课堂之后如何改变对学生的衡量方式
传统考核 vs AI 时代考核
传统作业和论文：要求“所有内容须由学生本人独立完成”，不允许外包或者照搬网络资料；AI 兴起后：学生可利用 ChatGPT 搜资料、写论文或做数据分析，不再能单纯用“防作弊”思维来禁止。
考核改革：以批判性思维为导向
一些老师开始将考核重点放在“学生如何评价和质疑 AI 输出”的能力上，而不只是论文写得好不好：例如有教授布置作业时让学生先用 AI 完成基础分析/写作，再要求学生用批判性思维指出 AI 的局限，并补充 AI 想不到/忽视的问题；这样的作业在评分上更看重学生的思考深度、独创性，以及对 AI 输出的审视能力。
高阶目标：让学生成为 AI 的“导演”
在教学中让学生把“技术性执行”部分交给 AI，同时要能提出更好的问题、判断数据是否合理，从而锻炼分析和决策能力。因此，学生需要不断提高自身的商业思维和对问题本质的把握，而不只是停留在工具层面的掌握。
商学院教什么？AI 如何用在商业数据里面？
MBA / 商业分析硕士 VS 传统 Data Science
- Data Science（数据科学）项目通常以技术驱动为核心，更多教授编程、算法、统计学方法；
- Master of Business Analytics（商业分析）则更偏向从“商业需求”切入，注重数据如何更好地为实际商业决策服务，围绕财务、营销、供应链等案例展开。
AI 出现后让“商业分析”需求更凸显：技术难度可以依靠 AI 辅助，但关键仍在于学生对场景和业务理解，以及提出恰当商业问题的能力。
学校视角
商学院在培养学生时更加注重教他们：
- 如何思考商业问题，并将其拆解成可分析的维度；
- 如何运用 AI/大模型做数据处理、ETL、可视化与洞察；
- 如何与技术部门或 AI 本身交互，提出合适的需求。
企业需求与就业前景
数据驱动的商业决策在各行各业都成为必备，MBA 项目的学生找工作竞争力很强，AI 进化后对“懂业务+能熟练用 AI 分析数据”的人才需求只会更高。
AI 和人擅长点的不同
工具人时代的结束
大模型/AI 正在逐步替代许多纯技术性或重复性工作，让人不再只做“提取数据/写 SQL/基础统计”这些低层工作；人的价值更多体现在：对商业背景的洞察、对问题本质的提炼、对多重约束和实际运营的平衡，以及对 AI 的成果进行最终判断。
人类与 AI 的互补
AI 让“技术门槛”急剧降低，一些之前需要大量人力的大数据处理过程，被浓缩到几分钟或几小时；商业分析师和管理者的思维框架、对决策影响因素的深入理解，成了不可替代的核心能力。
AI 时代大学应该教什么？
从“教”到“育”：本质转变
传统大学教育大量时间用于教学生各种“工具化知识”（公式、编程语法、基础框架），但在 AI 时代，知识或套路本身可以一对一地教给学生的 AI 助手完成；大学教学更应专注于“育”：启发学生的批判性思维、创造力、对真实世界和跨学科问题的洞察，以及如何在群体协作中迸发新想法。
“老师”角色从“权威讲解”变为“引导主持”
教授在课堂中更像引导者、主持人，营造出一个能激发思维碰撞和创造力的环境；学生每个人都携带一个 AI 助手进入课堂（例如 ChatGPT, Claude），一堂课就像有 60 个学生 + 60 个 AI，在老师推动下做“群体共创”。
AI 介入让 MBA 课程的转变巨大
教学案例升级
以前 MBA 上课会有很多哈佛商学院案例来做研究；现在在保留案例框架的同时，学生可用 AI 做快速信息提取与分析，进而更深入讨论和进行二次研究；教学更加强调学生对 AI 分析结果的批判和延伸，而不是单纯背诵理论或人工做基础分析。
教学效率与成果
AI 的辅助让学生在短期内完成更复杂的项目。商学院课程中，许多实操项目结合真实企业需求（如与 Lululemon、谷歌云合作），在较短周期就能产出可交付的成果。
教育现在应该分成“教”和“育”两部分来看
“教”部分：
可以越来越多地交给 AI 以更高效、更定制化地把知识传授给学生。学生如果想学某个工具或某个编程库，用 AI 辅助自行钻研就能很快入门。
“育”部分：
大学和教授要做的核心：给学生创造一个真实或模拟但足够丰富的环境，让他们碰撞想法、培养领导力与交流协作能力，并对综合性问题进行更深入的探究。大学需要注重启发式、项目式、讨论式教学，尤其商学院较早就把“课堂像工作坊”和“带学生做咨询实战”结合起来。
UBC 商学院新加坡真实案例分享（AI 让思考边界变大了）
新加坡家族企业案例
吴教授带领 33 名 MBA 学生去新加坡，为一家拥有 80 年历史、生产托盘（pallet）的家族企业做咨询。企业老一辈工人对流程非常熟悉，但存在 15% 的木材损耗，年轻一代的 20 多岁新老板希望用数据分析及 AI 方式来找到改进方法。
学生解决思路
学生结合企业的原材料尺寸、产出托盘结构数据做最优化分析：与其先裁切大长条，再用剩余边角料做小方块，不如先切小方块，再用剩下的长条材拼托盘，从而大幅节约原木浪费。通过深入分析和大胆尝试，最终帮企业从 15% 的损耗降低到 10% 以下，预估可节省 200~300 万美元/年。
AI 辅助价值
学生敢想：以前若缺乏完善技术，需更多繁杂手动运算；如今有 AI 提示或帮忙做部分数理建模，从而让他们思考边界显著扩展，短期就能形成可落地方案。
Youtube 热点 KOL 分析（谷歌云黑客松分析）
UBC 与谷歌云合作的 Hackathon
每年都会给商学院数据分析专业学生举行为期 4 天的 Hackathon；学生把课堂上学的企业数据分析框架，结合谷歌云平台，大规模处理爬来的社交媒体数据（如 Youtube），并做分析工具/仪表盘；对比 4 年前，AI 技术爆发后，学生完成度大幅提升，短短几天就能产出可部署的实际产品。
学生实操案例：社交平台趋势洞察
利用谷歌云和大模型，对 Youtube/KOL 视频文本做 embedding、聚类分析，动态呈现热点频道、关键趋势、涨粉速度等。在 4 天内实现数据采集、清洗、可视化到部署成网站的完整流程，展示出商学院数据专业与 AI 深度结合的强大能力。
演示：Airbnb 数据 Dashboard（复刻 insideAirbnb）
insideAirbnb 网站
提供各大城市 Airbnb 库存与市场概况，传统方式下要花大量时间爬取、整理和可视化；
用 ChatGPT（GPT-4 Code Interpreter / Advanced Data Analysis）快速开发
演示如何在 ChatGPT 中输入简单需求：“帮我做一个温哥华 Airbnb 市场 Dashboard，可以让房东查看房价、空置率、热门地段等”。ChatGPT 会自动给出从数据来源、数据清洗、绘制图表、前端可视化等一系列代码与指令；学生只需按步骤稍作修改，就能在 1~2 小时内上线一个基础功能完整的 Dashboard。
演示：直接用 o1 在 ChatGPT 中生成代码
对比过去写代码的难点
- 传统：需要人工编写 Python，跑 ETL，前端可视化框架，bug 调试；
- 现在：在 ChatGPT / GPT-4 “Advanced Data Analysis”里，通过自然语言提示即可自动生成大部分可用代码，甚至自动对接数据源。
师生课堂体验：一周的可视化课，前几天学传统可视化原理，最后一天学生在 GPT 上做快速实践，往往数十分钟就出成果。
演示：用 Cursor Agent 复刻 insideAirbnb
Cursor 新功能：Agent
通过自然语言提示，Cursor 会自动：创建项目文件夹、下载 InsideAirbnb 的最新数据、编写数据清洗和可视化脚本、同步生成/部署 Web Dashboard 前端，帮忙写好 README 或脚本供最终一键启动、在线浏览。
演示中 20 分钟产出的 Dashboard
能查看温哥华房源总数、平均价格、各区价格分布、评价分数，还可以点击具体房源跳转到真 Airbnb 链接；提供房东定价建议、列出房源最多的超级房东、估算其租金收入等。虽然并非完全无瑕疵，但已是一个功能完整、可公开访问的 MVP 产品。
总结与新课程预告
AI + 大学教育：共生与共创
大学老师从原先的“传授知识”转变为“营造环境、启发创造力”，学生则通过 AI 放大生产力；对于工具使用、本科/研究生教学、企业应用，AI 都在让大家“敢想、敢做”，并极大地缩短项目完成周期。
新课程计划
Indigo 和吴教授将继续合作，计划录制在线课程/工作坊，帮助更多学习者掌握 AI 时代的数据分析、商业决策思维，以及如何成为“使用 AI 的管理者/分析师”而非“被替代的工具人”。
核心结论与启示
AI 在教育中的角色
从初期的戒备与防作弊思维，转变为主动接受与探索，大学和教授开始积极鼓励学生使用 AI，提高效率和学习深度。同时也在调整考核方式，更关注学生的思维过程、批判性和创造性。
AI 对商学院教学的冲击
数据分析与商业决策的结合成为新的教学核心：让学生“懂场景+懂工具+会判断”。过去繁琐的编程任务大幅缩减，学生和老师能把更多精力放在洞察和决策层面上。
大学教育“教”与“育”
“教”的知识性传输部分逐渐可被 AI 工具“一对一”完成；“育”才是真正大学要做的：塑造思维框架、激发自主思考、培养批判与合作能力。
实践项目与沉浸式教学的重要性
商学院大量真实案例与企业合作，让学生借 AI 快速落地解决方案，增强他们对现实商业问题的理解与成就感。
未来展望
AI 正逐步成为人类的“思考助推器”，而非简单的自动化工具。个人和高校若能抓住这一浪潮，通过共创与共生进一步发掘学生潜力，教育与学习模式将被重塑。
综上，这场对谈围绕“大学应如何看待与应用 AI”“AI 如何改变商学院的数据教学与实践”“如何分清教与育”等主题展开，涵盖真实企业咨询案例、课程改革、编程工具演示等多个方面，最终指向一个核心：AI 时代需要的并不是让学生死记硬背，而是让他们学会提对问题、应用新工具，并培养深层次的思辨能力和创造力。