社區大學正在培訓應用人工智慧勞動力
第 XLII 卷，第 4 期，2026 年夏季
作者：安東尼奧．德爾加多．福納格拉（Antonio Delgado Fornaguera）
隨著人工智慧重塑勞動市場，社區大學正成為規模化培訓勞工的實用引擎，幫助他們培養求職所需的技能與熟練度。
下班後的某個晚上，邁阿密達德學院（Miami Dade College）應用人工智慧課程的一位中階職涯學生，在廚房餐桌前打開筆記型電腦，開始撰寫一份看起來就像實際工作任務的作業：利用語言模型擬定一份客服回覆，對照準確性與隱私檢查表進行測試，並記錄下模型出錯的地方以及如何進行修正。這項練習的目的不是基本的人工智慧素養（literacy），而是人工智慧的熟練度（fluency）——亦即在可重複的工作流程中使用 AI、產出可供稽核的結果，並解釋背後的人類決策。這類技能正越來越多地出現在招聘職缺中，例如 AI 支援專員（AI support specialist）、機器學習維運技術員（machine learning operations technician）、AI 資料標註員（AI data annotator）以及 AI 代理人開發人員（AI agent developer）。
像 邁阿密達德學院 (MDC)（我在該校擔任創新與技術合作夥伴關係副校長）這樣的社區大學，正處於全國兩大緊迫現實的交會點：雇主正競相採用 AI，而數百萬名在職成人需要一條實用的途徑，以爭取圍繞著應用 AI 所產生的新工作。為了讓美國培養出具備 AI 能力的勞動力，並將機會推廣到四年制大學校園與少數科技中心之外，美國需要善用社區大學的獨特優勢。
超過 1,000 所公立社區大學 培育著美國很大一部分的勞動力，並深深融入地方勞動市場；它們能夠迅速調整課程，以滿足區域雇主的需求。為了跨越收入水平與地理位置，開啟進入應用 AI 的求職管道，並幫助在職勞工無需搬遷即可接受培訓，社區大學正處於優勢地位，能透過證書與學位提供經產業認證的技能，進而引導他們獲得更好的工作。
MDC 在 8 個校區培育了超過 12.5 萬名學生，提供取得副學士與學士學位的管道。過去五年來，我與同事們建立了全美首批大學部應用人工智慧（AI）學位課程之一，並與其他社區大學合作創立了國家應用 AI 聯盟 (NAAIC)，作為一個協助全美各教育機構複製並調整此做法的樞紐。我們的目標是證明，社區大學能夠快速建立應用 AI 的學習路徑，且這些路徑深受雇主信賴、對學生而言負擔得起，並可在全國推廣複製。
美國若要培養出具備 AI 能力的勞動力，將機會推廣到四年制大學及少數科技樞紐之外，就必須善用社區大學的獨特優勢。
建立這些教育路徑最令人欣慰之處，在於看到學生的反應。「激發我加入 AI 課程的動力，是希望讓自己的職涯能夠適應未來，並不僅僅作為使用者，而是從更技術與實用的角度去理解 AI，」從 MDC 應用 AI 課程畢業後，在招聘軟體公司 Handshake 擔任 AI 數據標註員與大型語言模型評估員的貝爾吉卡·雷耶斯（Belgica Reyes）說。「我想成為未來趨勢的一部分，而不想只當個旁觀者。」
調整既有的教戰手冊
十年前，當我開始擔任 MDC 工程、技術與設計學院院長時，我著手建立一個能讓學生進入高需求職缺的資訊安全（cybersecurity）學位課程。我很快就意識到，最快的途徑並非從零開始，而是向那些已經建立優異類似課程的社區大學學習。兩家由美國國家科學基金會（NSF）資助的先進技術教育 (ATE)中心——位於馬里蘭州喬治王子社區學院的國家網路安全監控中心 (National CyberWatch Center)與位於華盛頓州貝靈漢市霍特科姆社區學院的國家網路安全培訓與教育中心 (National Cybersecurity Training and Education Center)——提供了此類實務支持，包括提供研討會規劃、課程大綱、師資培訓課程以及導師輔導制度。
藉由遵循那套模式，在短短三年內，MDC 就爭取到 NSF ATE 的經費，用於師資專業培訓，並推出了資訊安全（cybersecurity）副學士學位，且為我們新開發的兩年制與四年制資安學程，爭取到國家安全局（National Security Agency）認證的網路防禦學術卓越國家中心資格。這段經驗帶來了深刻的啟示：當社區大學能夠獲得共同標準、師資技能提升，以及雇主對職場需求的指引時，就能夠快速且有效地行動。
繼資安之後，MDC 採用相同的勞動力開發公式——師資培訓、產業回饋，以及校方的針對性 NSF ATE 補助金——來建立並拓展資料分析（data analytics）、雲端運算（cloud computing）和電動車（electric vehicles）的學程。但到了 2020 年，我們面臨了一個更艱難的問題：在大多數人工智慧（AI）教育仍侷限於研究所課程和頂尖研究實驗室的時代，我們能否為包含在職人士在內的大專院校學生，建立一個應用 AI 學程？
我們首先召集了由 AI 專業人士、招聘經理，以及來自科技公司與醫療保健、金融、物流、教育和專業服務等 AI 應用領域實務工作者所組成的商業與產業領導團隊（Business & Industry Leadership Team，簡稱 BILT）。我們的願景並非組建一個每年僅開會一次、對課程草案提出被動反應的傳統學術顧問委員會，而是要建立一個以雇主為主導的流程，讓產業能率先發言，說明他們正在招募的職缺、期望初階人才執行的工作任務，以及這些職位在未來 12 到 36 個月內所需的知識、技能與能力。
由於在地雇主與更廣泛的市場轉變共同形塑了 AI 的需求，BILT 的成員協助我們識別出多個層面的需求。這包括南佛羅里達（South Florida）公司的招聘地點、區域產業聚落導入 AI 的狀況，以及全國性趨勢如何改變應用 AI 領域就業能力的定義。
當社區大學能夠獲得共同標準、師資技能提升，以及雇主對職場需求的指引時，就能夠快速且有效地行動。
基於這些勞動力需求與趨勢，BILT 向 MDC 課程設計人員提供了指導。「我們不需要每個新員工都從頭建構新模型，」BILT 成員暨 AI 領導力研究院（AI Leadership Institute）執行長 Noelle Russell 解釋道。「我們需要的是能夠處理資料、測試輸出結果、記錄決策，並將 AI 應用於出錯會帶來實質後果的真實工作流程中的人才。」
BILT 與 MDC 共同設計了一套以短期課程為核心的課程體系，學生修畢後可獲得證照，並能進一步銜接副學士和學士學位——這也被稱為「可堆疊憑證（stackable credentials）」，為學生提供了多個入學與修業分流點。其目的是培養在真實情境中應用 AI 的流暢度。這些課程能幫助不動產經紀人、會計師、物流主管、小企業主以及轉職者，培養與工作相關的 AI 專業技能，例如準備資料、評估模型、工作流程設計、撰寫說明文件和負責任的部署。對於希望專攻 AI 應用的學生，我們也規劃了更深入的學習路徑，涵蓋機器學習、電腦視覺、自然語言處理、模擬和自動化。
與此同時，MDC 的教師也提升了自身的專業技能，為向學生授課做好準備。由於當時我們所設想的應用 AI 教育並沒有現成的教科書，因此電腦科學與資料分析學系的教師一邊與 IBM、微軟（Microsoft）和英特爾（Intel）等合作夥伴接受培訓，一邊編寫課程教材。
在一年之內，我們將雇主的需求轉化為學習成效，並開設了新的課程與學程。我們還重新定義了每門課程的先修條件，為想要接觸 AI 教育的大學生掃除障礙。
在等待州政府批准啟動新學位學程的期間，我們試辦了 AI 基礎、商業 AI 和 AI 倫理等科目的課程，每門課程只有少數幾位學生。2022 年底 ChatGPT 公開推出後不久，佛羅里達州教育部便批准了我們的應用 AI 副學士學位學程。一夕之間，學生的需求暴增。但我們早已建構好因應需求成長所需的支持體系，包括師資能量、產業指導，以及專為在職學習者設計的可堆疊學程。
規模化擴展的成果——以及這一路上必須做出的改變
我們在 2023 年秋季推出了應用 AI（applied AI）副學士學位，招生人數隨即遠遠超出了我們的預期。不同於一般新學程首屆通常僅有數十名學生，在第一個學年，就有超過 750 名學生註冊修讀 AI 課程，且參與人數在接下來兩年內迅速增長。到了 2025 年秋季，MDC（邁阿密達德學院）已有超過 2,000 名來自不同年齡層與背景的學生在修讀 AI 課程。
學生的組成結構顯示，我們滿足了不同學生族群的需求。自推出應用 AI 學位以來的首三個學年中，大約有 60% 的學生年齡在 26 歲以上，且有大約 30% 超過 41 歲——他們通常是經驗豐富的專業人士和尋求轉職的人，希望能有一條切實可行的銜接途徑進入應用 AI 的職務，而不是花四年時間繞遠路。女性約佔招生人數的 40%，這是典型電腦科學（computer science）科系女性註冊人數的兩倍，這向我們表明，以就業優先、側重應用的架構，能夠擴大參與度。
透過這種可堆疊式（stackable）的學習路徑，學生可以先取得包含三門課程的 AI 基礎證書（AI essentials certificate），接著進修 AI 實務者證書（AI practitioner certificate），或是進一步銜接到副學士或學士學位，每一步的設計都是為了提供雇主所需的專業職能。
擴大招生規模是比較容易的部分；增加具備相關技能的師資，並讓課程跟上 AI 技術發展的腳步，難度則高得多。BILT（企業與產業領導團隊）在初期的課程設計之外，仍持續發揮關鍵作用。透過定期審查專業職能、課程順序以及新興工具與應用案例，小組成員提供了持續的指導，協助 MDC 在技術和勞動市場演變的過程中，讓該學程的內容與時俱進。
我們也很幸運，擁有一群致力於持續提升技能，且每學期都會審查課程教材與學習成效的師資陣容。然而，我們沒有足夠的教師來滿足對 AI 課程的龐大需求。感謝地方基金會的資助，我們擴大了 AI 師資員額，新增了 7 名全職教師和 20 多名兼任教師。此外，與企業的合作夥伴關係（例如 Amazon Web Services、Google、OpenAI 和 NVIDIA）透過培訓、課程教材以及 AI 工具的使用管道，支持了教師的能力建構。
這些支持幫助了我們的教師適應這門學科的新需求。「教學應用 AI（applied AI）與傳統基於教科書的授課方式不同，」邁阿密達德學院（Miami Dade College, MDC）資訊科學助理教授 Eduardo Salcedo 觀察到。教師必須頻繁更新知識，同時關注教學的長期目標。「雖然 AI 使用的工具不斷在變，」Salcedo 指出，「但我們希望為學生培養的習慣——測試、撰寫文件、隱私考量和判斷力——依然存在，且這對他們的就業能力至關重要。」
同時，來自 BILT（商業與工業諮詢小組）成員的反饋讓我們能夠調整課程的銜接順序。例如，我們讓 AI 基礎課程保持開放、無須任何先修條件；但當我們看到學生的學習瓶頸，以及雇主對畢業生的期望後，我們為機器學習基礎課程增加了數學和程式設計的先修要求。
建立國家應用 AI 聯盟（National Applied AI Consortium）
MDC（邁阿密達德學院）在建立全新 AI（人工智慧）課程與學位上的成功，不僅僅是地方需求或邁阿密 AI 企業聚集的結果，更得益於教師的領導力、與雇主的合作夥伴關係，以及 MDC 快速開闢新途徑的意願。大約在同一時間，其他社區大學也開始展露頭角，成為 AI 領域的典範，包括亞利桑那州的 馬里科帕社區大學 (Maricopa Community Colleges) 和德克薩斯州的 休士頓城市學院 (Houston City College)。隨著各界對應用 AI 的興趣激增，這三所機構開始頻繁收到關於實地參訪、課程規劃和教師指導的請求。
這項需求讓我想起了 NSF ATE（美國國家科學基金會先進技術教育）模式——協助各大學複製成功經驗的國家中心。在 MDC 的主導下，這三所學校共同成立了 NAAIC（國家應用人工智慧聯盟），並成功爭取到 NSF ATE 的資金，作為大專院校應用 AI 教育的樞紐。NAAIC 於 2024 年啟動，與各大 AI 企業合作、培訓教職員、輔導其他學校、舉辦活動，並免費向社區大學分享課程與資源。在設計上，NAAIC 將應用 AI 課程視為國家級的基礎建設，可以一次建置並持續改進。
「雖然 AI 工具日新月異，但我們希望培養學生的習慣——測試、撰寫文件、隱私考量和判斷力——依然不變，且對於他們的就業競爭力至關重要。」
透過與 Google、Microsoft、OpenAI、Amazon Web Services、Intel、Cisco、IBM、EC-Council 和 Lenovo 等產業合作夥伴合作，NAAIC 協助將學校的教學內容，與雇主在應用 AI 職缺招募中所尋求的職能相接軌。藉由種子教師培訓（train-the-trainer）模式，教師能透過動手實作的作業和實際應用案例，獲得教授機器學習、自然語言處理和電腦視覺等應用 AI 主題的信心。如此一來，學校就能推出以實務為導向的證書與學位，協助畢業生準備好投入將專業領域知識與 AI 營運結合的角色，例如資料整理與品質管理、模型評估與測試、工作流程自動化，以及初級 AI 代理（AI agent）開發。
因為雇主正在高風險環境中部署 AI，倫理與負責任的使用並非可有可無的附加功能，而是每個學程的一部分。在我們的課程與 NAAIC（國家應用人工智慧聯盟）共享資源中，教職員學習如何引導學生根據風險對任務進行分類、從提示詞中移除敏感資料、記錄假設，並在輸出結果接觸到客戶、患者或大眾之前進行壓力測試。一個來自 NAAIC 的 AI 資源中心所提供 AI 基礎課程的簡單範例：學生比較不同的提示詞如何改變模型的建議，接著記錄他們使用了哪一個提示詞以及原因，這項早期習慣有助於培養工作上的問責制、合規性與信任。
在 18 個月內，NAAIC 已培訓了來自 48 個州、華盛頓特區與兩個美國領地的 550 所大專院校、超過 3,000 名教職員與工作人員。這些教育工作者現在已準備好透過應用 AI 課程觸及數萬名學生。此外，我們在 MDC（邁阿密達德學院）舉辦的年度 AI 峰會吸引了 500 多名教職員、行政人員、產業合作夥伴和政策制定者參與。
NAAIC 還輔導了 16 所社區大學開發新的 AI 學位或學分證書。這項輔導實用且具系統性。在一個學年的過程中，學校會獲得以下指導：AI 學程在機構中應歸屬於何處、如何建立在地的 BILT（商業與產業領導團隊）、如何調整共享課程與教學資源、如何培訓教職員教授應用 AI，以及如何制定既能吸引在職成人也能吸引一般學生的招生計畫。
在不同的學校之間，我們看到了幾個反覆出現的挑戰。許多大專院校起初展現出濃厚的興趣，但在 AI 領域的師資能量有限，這意味著他們必須提升現有教師的技能，同時尋找具備相關經驗的兼任教師或新聘師資。有些學校則卡在內部的歸屬問題——AI 應該歸屬於資訊科學、商學、工程技術，還是作為跨學院的學習路徑——這可能會拖慢規劃進度。而且在許多州，新學位或學分證書的審查與批准速度仍然趕不上技術本身的發展，使學校難以配合雇主預期的速度做出回應。透過我們網路提供的導師諮詢（Mentorship），為學校領導者提供了一套實戰手冊（playbook）、同儕網路，並讓他們能直接對接已經建立這些培育路徑的產學合作夥伴，幫助他們更快地排除這些障礙。
下一步將是繼續擴大規模，同時不僅要衡量參與度，還要衡量證照取得率、就業率和薪資成長等成效。在邁阿密達德學院（Miami Dade College）、馬里科帕社區學院（Maricopa Community Colleges）和休士頓城市學院（Houston City College），我們可以看到其他提供 AI 學位的社區學院未來的樣貌：像貝爾吉卡（Belgica）這樣的學生畢業後，能獲得深具意義的 AI 工作機會，並深信自己不僅能在就業市場的劇烈變革中生存，還能蓬勃發展。
政府、產業與高等教育接下來該怎麼做
為了切實提升全美的 AI 競爭力，必須正視社區學院作為核心貢獻者的重要角色，而非將其視為可有可無的後話。資助機構應投資於可規模化、高品質的模式，並支持各項合作，將課程與培訓轉化為全民共享的資源。這項努力需要公共與私營部門的共同行動。
社區學院及其認證機構應鼓勵推廣具有明確學習成果、透明先修條件和定期修訂週期的「堆疊式證照」（stackable credentials）。負責任使用 AI 的能力，應納入每一條應用學習路徑中。產業應將社區學院視為培育應用型 AI 人才的戰略合作夥伴，提供有薪實習、專案式學習，以及教師的業界進修機會（externships）。此外，透過協助定義職能框架（competency frameworks），產業能確保教學與課程緊跟現實世界的實際需求。
聯邦機構應將勞動力投資擴大至研究補助金之外，也應資助社區學院（community colleges）的師資發展、共享課程與應用實驗室量能。國會應增加美國國家科學基金會（NSF）進階科技教育（ATE）計畫的預算，該計畫已證實能透過課程創新、師資技能提升以及學校與雇主的合作夥伴關係，有效推動技術人員培育管道的建立。然而，單靠 NSF 無法獨立完成這項工作。專注於經濟發展、勞工和特定產業任務的機構，可以提供勞動力與職業技術資金來補充 NSF 的計畫，以支持短期 AI 證照和實務工作學習，並藉由全新或擴增的計畫來協助社區學院培育 AI 技術人員。
州政府也扮演著關鍵角色。在日新月異的科技領域中，快速的審查批准與否往往決定了計畫的成敗。各州應推動課程審定與學分銜接（articulation）流程的現代化，讓 AI 證照能有效率地對接至學位與轉學管道——避免因長達數年的延遲而導致課程過時。
社區學院是全國最快速、最具擴充彈性的應用 AI 勞動力發展引擎，也必須受到相應的重視。這些學校需要聯邦、地方、產業和慈善資助者的支持，以進行基礎性投資，例如用於聘僱師資與提升技能的複數年資金、現代化的運算與實驗室量能，以及共享課程與教學材料。其他迫切的需求還包括學生支持——如托兒服務、交通協助和緊急救助，好讓在職成人有機會完成學業取得證照——以及就業路徑，例如與合作雇主提供的有薪實務工作學習。
AI 將重塑各地的職場，而不僅僅局限於大型實驗室的所在地。能將這一現實轉化為數百萬人機會的機構，早已遍佈美國幾乎每一個郡。剩下的問題在於，我們是否願意為它們提供所需的資源來實現這項目標。
Antonio Delgado Fornaguera是邁阿密達德學院（Miami Dade College）創新與科技合作夥伴關係副校長。他創立並領導國家應用 AI 聯盟（National Applied AI Consortium），這是一個連結大專院校、主要科技雇主與公共機構的國家級合作夥伴關係。
本文為一項旨在提升社區大學領導者在政策討論中之觀點與想法的計畫的一部分，該計畫獲得 Ascendium 的慷慨贊助。
您的參與能豐富對話
歡迎撰信至 forum@issues.org，針對本文中提出的觀點進行回應。並在我們熱絡的論壇專區閱讀其他人的看法。 分享 引用本文 Fornaguera, Antonio Delgado. “Community Colleges Are Training the Applied AI Workforce.” Issues in Science and Technology 42, no. 4 (Summer 2026): 38–41. https://doi.org/10.58875/NCVZ1471