給會計初學者的 AI 工具坊
當 AI 已經會算，我們該教學生什麼？
這幾個月在許多教學研討與交流場合中，常有老師和助教朋友和我聊到一個很真實的焦慮：現在的生成式 AI 只要貼上題目，幾秒鐘就能把初級會計學的分錄、借貸方向甚至計算過程完整寫出來。如果 AI 已經這麼會解題，那大一的會計課，我們究竟還要帶學生學些什麼？
前陣子簡立峰博士提過一個很深刻的觀察：「這是一個問問題比解問題更重要的時代。」在會計與商業查核的領域尤其如此。AI 產生的答案速度再快，如果學生無法交代資料從哪裡來、看不懂原文脈絡，也沒有能力為最後的數字背書，那學習其實並沒有真正發生。
在 8 月 28 日的「中華會計學會：Google Sheets × 生成式 AI 教學研討會」中，我以「給會計初學者的 AI 工具坊」為題，分享了一套設計給初會教師、助教與大一新生的教學路徑。這套內容的核心立場很簡單：「讓 AI 負責生成答案，把查核、提問與判斷的責任留給學生。」
今天我也把這場演講的完整授課簡報、圖解講義手冊以及實作程式碼整理公開，歡迎有興趣的老師、同學與朋友自由參考取用。
三項工具，只走一條清楚的學習路徑
在設計這堂實作課時，我刻意不把重點放在「炫耀新工具」，而是回歸嚴謹的會計思維，讓三項工具各自只負責一件事，串成一條可稽核、可回查的完整閉環：
第一站：公開資料爬蟲（取得真實來源）
我們以 Amazon 的公開投資人關係（IR）文件為例，透過一份簡單的 Python 程式碼，帶大家自動下載真實世界的年報（Annual Report）與財務文件。更重要的是，流程中設計了四個人工抽查點，讓學生一開始就明白：資料不是模型憑空捏造的，回溯來源是會計人的第一道防線。
第二站：NotebookLM（依據來源回查與點擊驗證）
把剛剛下載的真實年報放進 NotebookLM，引導學生提出具體的小問題（例如找出会計等式各要素、主要報表位置）。我們不教學生全盤接受答案，而是練習「點擊引用標籤、跳回原文上下文」，親眼核對年份、幣別、單位與限制條件，學會分辨哪裡是「事實」，哪裡只是「模型的推論」。
第三站：Google AI Studio（設定不搶答的蘇格拉底式助教）
許多學生把 AI 當成寫作業的槍手，是因為提示詞直接問「答案是什麼」。在 AI Studio 中，我們透過系統指令（System Instructions），把「先追問經濟實質、一次只問一個問題、答錯先引導不直接給答案」的原則寫進規則裡。讓 AI 扮演一位有耐心的蘇格拉底式教練，把思考的主動權交還給學生。
整理給各位的教學資源
這套材料的架構具備很高的彈性，既能作為 15 分鐘的教學理念分享，也可以展開成 90 分鐘帶學生親手操作的工作坊。我把相關檔案都整理好了：
🖥️ 完整授課簡報（PDF）：
共 62 頁，清楚梳理教學理念、 Bloom 形成性回饋架構，以及三項工具在課堂中的配置步驟與操作截圖。
📑 教師與助教操作講義（PDF 手冊）：
把演講內容進一步展開為詳盡的實作手冊，包含具體的提問句型範本、AI 助教系統規則設定碼，以及初會各單元（如折舊、應收帳款、調整分錄）的套用建議。
💻 Amazon 年報爬蟲實作檔案（Colab 筆記本）：
點開即可在瀏覽器執行的 Python 範例，不需要複雜的本機設定，方便課堂教學快速示範公開文件的自動化抓取。
歡迎自由取用與回饋
教育的價值，不在於阻擋新科技進入課堂，而在於引導學生在擁有強大工具的同時，依然保有獨立查證與批判思考的底氣。
若大家在試用這套教法、設定 AI 助教規則時有任何心得或遇到了不同的問題，都非常歡迎隨時與我交流討論！