政策研究
我們的政策團隊研究在香港看到的問題，再向政府提交建議。這裡列出的都是真正提交過的工作，而且還會陸續有更多。
我們的主要項目
2026 年 2 月，香港財政預算案撥出五千萬港元，推行一個普及人工智能計劃。計劃預計在兩年內，透過超過 200 個課程、講座和比賽，接觸約 50,000 名市民，由數碼港、香港科技園公司和香港生產力促進局負責推行，其中數碼港的部分以學生、家長、長者和基層社群為對象。
我們可以這樣說：我們提出了這項建議，而預算案朝這個方向走。AI for All 是政府的計劃，由公營機構出資和推行。我們沒有出資，也沒有參與營運。
我們為什麼提出
我們在沒有人工智能課堂、也沒有相關預算的學校教小學生。孩子很有興趣，也學得很快，他們缺的是機會。所以我們每年的意見書都提出同一點：如果人工智能培訓只經學校和僱主推行，最後只會惠及本來已有機會的家庭，漏掉真正需要的人。公帑應該先照顧排在隊尾的人。
我們提交了什麼
2025 年 8 月，我們在施政報告諮詢中提出這個論點，之後在財政預算案的意見中再次提出。我們建議政府直接資助最難接觸到人工智能的人，例如資源不足學校的孩子、他們的家長和長者，而不是經那些最遲才會照顧到他們的機構轉介。我們要求的是專門撥給這群人的款項，而不是一個籠統的人工智能技能承諾。
這代表什麼，又不代表什麼
這是一個開始，不是終點。政府形容五千萬港元只是初步撥款，50,000 名參加者的目標也只是按現有資源訂下的基準；官員表示如果有需求，可能會再增加撥款。五萬人只佔香港人口的一小部分。我們在下一輪的立場是：需求確實存在，撥款應該跟上，我們也打算在五年規劃的意見書中這樣說。
能夠接觸人工智能，只解決了一半問題。2019 年，全港有 94% 的家庭可以上網，但月入少於一萬港元的家庭只有 71%。而即使有電腦，如果沒有人教孩子好好使用人工智能，他們也可能只是依賴它，而不是從中學習。這第二道差距，正是我們《Think First 先想後問》建議要處理的問題。
每一份提案都從受政策影響的人開始。我們的議題來自成員親眼見到的事，而不是新聞；我們會訪問老師、家長、打工仔和前線人員，也會問我們自己的導師：發生了什麼、影響了誰、是只發生過一次還是每星期都有。如果只有一個人留意到某個問題，我們會先找更多證據，才把它寫成提案。
接著我們會檢查這是否真的是政策問題。政府在這方面已經資助了什麼？這些資助幫到誰、漏了誰？其他地方試過什麼方法、成本多少？如果現有政策已經處理了這個問題，我們會直說，然後放棄這份提案。這一步的目的是篩走提案，而不是替提案找理由。
由一位成員按下面的三段格式撰寫提案，反對的理由會寫得盡量有力。如果反對的理由勝出，提案就不會提交。通過的提案會交到當時開放的諮詢，例如施政報告、財政預算案或個別政策局的意見徵集，而建議會寫得清楚具體，讓對方可以據此行動。
每一份提案都用同一個三段格式：
支持的理由
最有力的支持論點：這項政策能做到什麼、幫到誰，以及背後的證據。
反對的理由
誠實地寫出反對的論點：成本、風險，以及由誰承擔。如果這一方勝出，我們就不提交。
建議
在兩方面都說清楚之後，用簡單直接的話寫出我們希望政府做什麼，包括需要多少錢，以及怎樣知道它是否有效。
以下是我們提交給政府的兩個例子，較新的排在前面。每一份都先寫支持和反對的理由，再提出建議，並列明成本和衡量成效的方法。
香港即將把人工智能帶進每一間小學。用得好，每個孩子都可以有一位耐心的導師，而這本來只有家境較好的家庭才負擔得起；用得不好，孩子還未學會自己思考，就先學會把思考交給機器。我們提出「Think First 先想後問」的做法，並建議撥款五千四百萬港元，在服務全港最低收入家庭的小學推行試驗計劃。
這份建議針對 2025 年施政報告在數碼教育方面的承諾，以及教育局的「AI for Empowering Learning and Teaching」資助計劃，在 2026–27 年度財政預算案之前提出。
撥款比方法走得更快。 2025 年施政報告承諾制訂人工智能素養學習框架、把人工智能納入核心課程，並加強教師的人工智能培訓，由優質教育基金預留二十億港元支持。2025 年 12 月 16 日，教育局推出「AI for Empowering Learning and Teaching」資助計劃，向每間公營及直接資助計劃學校發放五十萬港元，在 2025/26 至 2027/28 學年使用。這是很實在的承諾，但至今仍沒有任何指引告訴小學老師，一個七歲的孩子應該怎樣使用人工智能，或者什麼時候不應該用。
怎樣用人工智能，比用不用更重要。 目前最有力的證據，是 2025 年 6 月在《PNAS》發表的一項隨機對照試驗（Bastani 等人），對象是近一千名高中數學學生。使用一般 ChatGPT 式助手的學生，練習時的分數高出 48%；但考試時拿走人工智能，他們的分數反而比從未用過的學生低 17%。另一組學生使用只給提示、不給答案的人工智能導師，這種設計大致避免了上述的損害。如果青少年都會這樣受影響，六至十二歲、仍在建立基本能力的孩子風險更大，而這些正是人工智能最容易取代的能力。聯合國教科文組織 2023 年的指引建議，獨立使用生成式人工智能的最低年齡為 13 歲。
兩道差距，落在同一群孩子身上。
每間學校劃一五十萬港元，兩道差距都收窄不了。大部分家庭都通過入息審查的學校，和只有少數家庭通過的學校，拿到的金額完全一樣。
這份建議從哪裡來。 這份建議來自我們自己的補習經驗。我們教的孩子從來不缺興趣，缺的是接觸的機會，以及有人教他們怎樣用這些工具來鍛鍊思考，而不是代替思考。
1. 在人工智能素養框架中，加入按年齡分階段的「Think First」階梯
| 階段 | 原則 | 課堂上的做法 |
|---|---|---|
| 小一至小三 | 不用人工智能，先學思考 | 學生不設個人的生成式人工智能帳戶。老師可以向全班示範人工智能，但永遠以「電腦說得對嗎？」的角度提出。課堂培養人工智能代替不了的習慣：解釋自己怎樣知道答案、計算前先估算、在示範例子中找出錯處。 |
| 小四至小六 | 先思考，再用人工智能核對 | 只在老師監督下以「提示模式」使用，並跟從下面的四個步驟。 |
| 中一至中三 | 與人工智能一起思考 | 在指導下獨立使用，評估著重學生自己的推理，而不只是最後答案。 |
2. 每一節用到人工智能的小學課堂，都跟從四個步驟
最後一步是安全網。孩子能在沒有人工智能的情況下解釋答案，就代表真的學會了；如果做不到，那就是人工智能替他們思考了。
3. 以「提示模式」作為公帑採購的條件。 任何用公帑（包括五十萬港元的撥款）為小學生購買的人工智能工具，都應該預設提供提示和引導問題，而不是完整答案；讓老師看到學生的提問和人工智能的回覆；並且絕不使用兒童的資料來訓練人工智能模型。
4. Think First 學習室：在 100 間小學推行三年試驗計劃。 選出領取學校書簿津貼全額津貼學生比例最高的 100 間公營小學（政府已經收集這項入息審查資料），每星期為小四至小六學生舉辦兩節各 90 分鐘的課後活動。由一位老師帶領，配合受訓的中學生及大學生導師，大約每六名學生一位導師，並在校內使用學校的器材，孩子毋須在家有電腦或寬頻也可以參加。
5. 教師培訓。 透過教育局現有的專業發展課程，開設一個六小時的「用人工智能教思考」單元，目標是在 2026/27 學年結束前，每間公營小學至少有兩位老師完成培訓。
| 每間學校每年 | 港元 |
|---|---|
| 教師及導師津貼 | 130,000 |
| 器材、網絡及物資 | 35,000 |
| 獨立評估 | 15,000 |
| 合計 | 180,000 |
100 間學校 × 180,000 港元 × 3 年 = 五千四百萬港元，約為優質教育基金已預留作數碼教育的二十億港元的 2.7%。教師培訓單元和提示模式條件，可以在現有預算內完成。
整體而言，我們建議五項措施全部採納。反對理由中最有力的是證據不足，正因如此，學習室應該先以三年、獨立評估的試驗計劃開始，而不是全港推行。如果做錯了，代價是一整代孩子會用人工智能，卻不會自己思考；這遠比謹慎推行的代價高。
2026 年 6 月，教育局發表中小學數碼教育發展藍圖（Blueprint for Digital Education Development），當中包括人工智能素養學習框架和在教學中使用人工智能的指引，並要求教師由 2026/27 學年起，在每三年的專業發展周期內完成至少 30 小時的數碼教育培訓。
香港一方面缺人手，另一方面人工智能可能令大量日常文書工作不再需要。結構性失業就是這樣開始的：職位仍然存在，但失去工作的人卻無法填補。香港現時主要在工人失業後才資助他們再培訓。我們建議在失業之前，就資助高風險的在職人士再培訓，引導他們轉投人手短缺的行業，並獎勵選擇培訓員工而非解僱員工的僱主，三年開支上限約二億四千萬港元。
這份建議參考了 2024 年施政報告中有關僱員再培訓局改革的內容、政府的《2028 年人力推算報告》，以及 2025–26 年度財政預算案。
人手短缺和人手過剩同時出現。 政府在 2024 年 11 月發表的《2028 年人力推算報告》推算，到 2028 年全港人手將短缺約 180,000 人，研究的 17 個行業之中，有 10 個各自短缺超過 10,000 人。目前失業率偏低，2024 年 12 月至 2025 年 2 月經季節性調整後為 3.2%。但國際貨幣基金組織估計，全球近 40% 的工作會受人工智能影響，在先進經濟體更高達約 60%。香港經濟倚重金融、貿易和專業服務，而這些行業中大量日常文書工作，正是生成式人工智能最擅長的事。
為什麼會變成結構性失業。 周期性失業會隨經濟復甦而結束，結構性失業卻不會，因為重新出現的職位和失去的職位並不一樣。如果人工智能削減的是日常的辦公室職位，而短缺的卻是安老服務、醫療支援、樓宇服務和建造業這類需要親身處理和面對人的工作，那麼一位被取代的文員和一個安老院的空缺，可以並存多年。一個人失業越久，技能和信心就越被消磨，也越難重新就業。經濟學家稱之為遲滯效應（hysteresis），一時的衝擊就是這樣變成永久的損失。
現有制度在工人失業後才資助再培訓，而不是之前。 2024 年施政報告接納了改革僱員再培訓局的建議，把重點由培訓低技術工人，轉為為整體勞動人口提供以技能為本的培訓。自 2025 年 1 月 1 日起，僱員再培訓局取消了學歷上限，課程開放予所有 15 歲或以上的勞動人口，並承諾在 2025–26 年度增加至少 15,000 個培訓名額。這是好事。但僱員再培訓局的再培訓津貼（每月最多 8,000 港元，即每天 333 港元或每半天 166.50 港元），只適用於以就業為目標、主要對象是失業或待業人士的課程。一位看得見自動化將至、但仍在職的文員，晚上進修是得不到任何收入補助的；如果改用持續進修基金，就要先付學費，之後才申請發還。對低收入的工人來說，兩者都是實實在在的障礙。
對人工智能的投資，跑在對受影響工人的投資前面。 2025–26 年度財政預算案預留十億港元成立香港人工智能研發院。支持人工智能發展本身合情合理，但政府至今仍未承諾以相若的資源，幫助工人適應人工智能帶來的轉變。
現在行動，成本最低。 失業率仍處於 3.2%，工人可以在職時再培訓，僱主也仍在招聘。如果等到被取代的情況反映在失業數字上才行動，就要承擔更長的失業期、更少的稅收和更高的福利開支。
1. 公布香港各職業的人工智能影響指數。 勞工及福利局和政府統計處應把香港的職業分類，對照國際上衡量人工智能影響程度的方法，公布結果，並納入日後每一份人力推算報告。影響程度最高的四分之一職業，會列為下列措施所指的高影響職業。
2.「裁員之前先培訓」津貼。 從事高影響職業、月入低於工資中位數的在職人士，參加晚間及周末的技能提升課程時，可獲發僱員再培訓局現有的半天津貼，即每節 166.50 港元，每 12 個月最多 60 節（9,990 港元）。這是把現有的津貼延伸至在職人士，而不是另設新計劃。
3. 為高風險工人預先支付學費。 對同一群人，持續進修基金應直接把認可課程的學費付給培訓機構，而不是事後才發還給工人。
4. 轉投人手短缺行業的「轉職路徑」。 僱員再培訓局應與人力推算報告中人手短缺行業的僱主合作，設計以就業為目標的課程，例如安老服務、醫療支援、樓宇及城市營運和建造業。參與的僱主承諾面試每一位完成課程的學員。學員可獲現有每月最多 8,000 港元的再培訓津貼。
5. 為僱主而設的「培訓留任」獎勵。 利用政府科技資助（例如科技券計劃）以人工智能把工作自動化的公司，如果選擇把員工培訓至公司內的新崗位而不是解僱，每位員工可申領最多 20,000 港元的額外資助。這樣，引入人工智能就不再是裁員的理由，而是重新調配人手的理由。
| 項目 | 計算基礎 | 三年上限（港元） |
|---|---|---|
| 「裁員之前先培訓」津貼 | 20,000 名工人 × 9,990 港元 | 2 億 |
| 「培訓留任」額外資助 | 2,000 名工人 × 20,000 港元 | 4,000 萬 |
| 人工智能影響指數 | 由勞工及福利局和政府統計處現有資源承擔 | — |
| 持續進修基金預先付款 | 只是改變付款時間，並非新增開支 | — |
| 合計 | 約 2.4 億 |
轉職路徑使用僱員再培訓局現有的課程和津貼預算。由於並非每位合資格工人都會用滿 60 節，實際開支很可能遠低於上限。
資金來源： 僱員再培訓基金，其資金來自僱主輸入外勞時繳付的僱員再培訓徵款。隨著輸入勞工的規模擴大以填補短缺，用這筆徵款資助工作正在轉變的本地工人再培訓，是公平的做法。
整體而言，我們建議五項措施全部採納，並以人工智能影響指數為首，因為其他措施都以它為基礎。最有力的反對理由是推算的不確定性，所以指數應每年檢討，並按最新證據更新高影響職業名單。「培訓留任」刻意設計為獎勵而非規定，鼓勵公司重新調配員工，而不會懲罰引入人工智能的公司。