陶学臻

在《人工智能环境下的商务数据分析》课程上，教学重点正从“作出分析”转向“检验分析”。人工智能不作为讲授对象，而作为学生完成分析的工作环境。学生既要学会规范地使用它，更要学会用计量方法检验它给出的每一个结果，从而形成为结论负责的专业判断能力。

课程作业中有相当一部分题目要求学生审阅人工智能的输出，如把两个回归结果交给人工智能解读，要求学生指出其中的遗漏并说明原因；或者让人工智能起草一段管理层结论，要求学生逐句核对，改写成自己愿意署名的版本，并说明每一处改动所修正的问题。学生由此反复经历同一个过程：人工智能给出结果，自己判断结果哪里有问题、为什么有问题、应当如何改进，最后为改定的结论负责。

课程编制了七个环节的核对清单，并结合12个失效案例集中讲授。这些案例均取自课程自有的数据，逐个经过实际运行验证，其中没有一例属于代码错误，问题都出在数据结构和模型设定上。多数案例中，报告自身的输出已经显示了异常，分析者只是没有查看。因此，审查一份分析报告的第一步就是核对报告自身输出的数字。

这些做法的效果开始显现。上一轮课程结束时提交的89份整学期回顾，有40份明确写到AI产出必须由自己核验、判断并负责，另有31份自述使用方式已经改变，从直接向AI索取答案，转为先界定需求、提供上下文、分步执行，再核验结果。

学生提出的问题也在变化：初学时的典型问题是“输出太长没时间看”，一个月后已有学生写道“它无法根据我的具体数据和研究背景给出定制化的工具变量”。这说明学生已经开始学习从学科角度判断人工智能的能力边界。本课程先后获批学校研究生人工智能课程建设项目与AI+混合式教学试点。

（作者为上海财经大学商学院副教授，研究生AI+专业课《人工智能环境下的商务数据分析》负责人）