AI 已經能做什麼
在討論哪些能力難以被取代之前，先說清楚 AI 現在能做什麼——因為很多學生對這件事的邊界不太清楚。
AI 工具現在已經可以：寫程式、分析資料、生成文章、製作簡報、翻譯、整理資訊、回答大部分知識性問題。這些能力在幾年前都需要花大量時間學習，現在只要會提問，就能在幾分鐘內得到基本結果。
這不是說這些能力沒有價值，而是說：如果你的核心競爭力只是「會做這些事」，那你面對的是一個標準越來越高的競爭環境——因為其他人也都可以用 AI 做到。
真正稀缺的，是 AI 目前做不好或完全做不到的事。
五種最難被取代的能力
1. 問題定義能力（Problem Framing）
AI 很擅長回答問題，但它需要你先把問題問清楚。現實世界的大部分情況是：問題本身是模糊的，你不知道應該問什麼、什麼才是真正要解決的核心。
能夠從一個混亂的情況裡，找出真正值得解決的問題，並且把它說清楚——這件事 AI 做不好。它依賴的是你的觀察、判斷和對情境的理解。
2. 跨域整合能力（Cross-domain Synthesis）
AI 在單一領域的知識很深，但把不同領域的概念整合成新的思路，仍然是人類更擅長的事。
一個能把生物知識和機械設計結合的工程師、一個能把心理學和產品設計融合的設計師、一個能把程式思維和教育脈絡整合的教育科技創業者——這種跨域的整合能力，是 AI 難以複製的，因為它來自真實的跨域學習和親身實踐。
3. 判斷與取捨（Judgment under Uncertainty）
AI 可以提供選項，但面對真實情境下的決策，它缺乏你所擁有的東西：對情境的完整理解、對後果的直覺判斷、對價值優先順序的掌握。
在資源有限、資訊不完整的情況下，決定什麼值得做、什麼應該放棄——這是一種判斷力，不是一種知識，AI 給的是概率，不是決策。
4. 長期投入與迭代（Sustained Commitment）
AI 沒有厭倦，但它也沒有真正的動機。長達幾個月甚至幾年地持續投入一件事、在失敗後重新修正、在沒有人監督的情況下繼續推進——這種能力來自意志力和目標感，是 AI 工具本身不具備的。
這也是為什麼評審和面試官會特別在意「你做這件事多久了」和「你遇到卡關的時候怎麼辦」——他們在評估的，是這種難以被複製的堅持能力。
5. 真實溝通與信任建立（Authentic Communication）
AI 可以寫出流暢的文字，但它無法建立真實的人際關係。能夠在真實對話中理解對方的想法、回應對方的情緒、建立長期信任——這種溝通能力，在 AI 普及之後並沒有變得不重要，反而因為很多人開始用 AI 取代真實互動，而顯得更珍貴。
高中階段怎麼培養
這五種能力有一個共同特徵：它們不是透過「學習知識」來建立的，而是透過「真實地做事」來累積的。
問題定義能力需要你不斷練習觀察、提問、縮小範圍。Side Project 是最好的訓練場——你必須把「我想做一個 AI 工具」縮小成「我要解決什麼具體問題、給誰用、用在什麼情境」。
跨域整合能力需要你真的接觸多個領域，不只是知道它們存在。一個工程背景的學生去了解設計思維、一個商管學生學習資料分析——這些跨界的主動接觸，才是建立整合能力的基礎。
判斷能力在每一次你必須做真實決策的時候都在練習：競賽時決定走哪個方向、Side Project 卡住時決定繼續還是轉向、申請時決定強調哪個經歷。這些選擇都在訓練你的判斷肌肉。
長期投入是最難靠計畫建立的，但你可以從現在開始選一件值得長期做的事，然後真的去做超過三個月。這段經歷本身，就是最直接的能力展示。
溝通能力在每一次你需要解釋自己在做什麼的時候都在練習——向同學說明你的專案、在面試裡回答追問、在備審裡寫出讓教授看得懂的故事。
對升學準備的實際意義
這五種能力，在備審和面試裡都有直接的對應。
教授在書審裡問的「你為什麼對這個科系有興趣」，背後測的是問題意識和長期投入；「你做過什麼最讓你覺得有成就感的事」，測的是真實執行和溝通能力；「如果這個研究方向失敗了你會怎麼做」，測的是判斷力。
這些問題沒有辦法靠背答案通過。面對它們最好的準備，是你真的有過那些經歷——做過一個需要你定義問題的專案、持續投入一件事超過幾個月、在某個跨域領域真的動手做過。
AI 時代讓很多事情變得更容易，但同時也讓「真的做過」這件事變得更有辨識度。備審和面試，最終篩選的是這件事：你有沒有真實地做過、思考過、失敗過、修正過。