今天在主管共識營，負責一個主題是「AI 新發展與趨勢」，然而，在我前面的主管都已經談了多數我準備的內容了，所以，我就現場換主題啦～我的核心主題就成為：自製或外購決策（Make or Buy Decision）。
當 Agent 進入大學，等等，這個 Agent 該由大學提供嗎？
假設今天我想做一件很普通的教學日常：到學校教學平台抓取修課名單，接著到 SharePoint 下載學生作業，再依照自己設計的評分規準（Rubric）進行分析並產出評分建議。
目前最直覺的做法，是自己找一個 Agent（例如 Codex），想辦法寫腳本操作 Portal、串接 SharePoint、清洗資料，最後跑分析。技術能力夠強的人當然能搞定，但問題在於：老師的核心目標明明是「分析學生表現」，最後卻把大量時間耗費在處理登入驗證、權限跳轉、介面變更與檔案格式相容。
如果學校願意往前走一步，提供標準化的 API 甚至是 MCP（Model Context Protocol），情況就會完全不同。Agent 不需要知道 Portal 長什麼樣子，只要會下達幾道指令：「取得我這學期這門課的名單」、「取得這批學生繳交的作業」、「取得指定資料夾的參考文件」。至於後續如何評分、選用哪種模型、產出何種回饋，完全保留給教師決定。
更進一步想，學校甚至可以直接做好一個「萬能評分 Agent」，讓老師一鍵完成所有分析。聽起來很省事，但從經營角度來看，這其實是個大麻煩。
學校做得完所有的 Agent 嗎？
大學校園裡的任務情境實在太發散了。光是「學生評量」，不同學科與教師的要求就南轅北轍：有人看重文字論證，有人檢視程式邏輯，有人強調反思深度，也有人以個案討論為核心。更不用說教務、學務、總務、人事、會計、招生、研發、推廣教育與圖書館，每個單位底下都存在大量高度客製化的作業流程。
如果資訊中心「需求來一個、系統做一套」，幾乎注定會陷入永遠做不完的泥淖。
AI Agent 與傳統資訊系統最大的差異，在於它大幅降低了自動化的最小經濟規模。過去開發一套系統成本高昂，必須有數百甚至數千人使用才具備效益；但現在，可能全校只有我想做「比對過去三年教學評量中反覆出現的盲點」，這件事不值得資訊中心立案開發，我自己的 Agent 卻可能半小時就能跑出成果。
因此，一個合理推論就是：既然現在連一個人的瑣碎需求都能自己用 AI 自動化，大學資訊中心就不可能、也沒必要把每件小事都攬在身上做。
Make or Buy 的層次拆解
如果單純問「這個 Agent 學校要自己做還是向外買」，切入的角度未免太粗糙。一個完整的 Agent 運作架構，至少可以拆解為不同層級的能力：
| 核心能力層級 | 建議權責歸屬 | 關鍵考量 |
|---|---|---|
| 基礎模型（GPT、Gemini、Claude 等） | Buy（外購） | 市場巨頭投入的算力與研發規模，大學沒有競爭的必要。 |
| 運算資源與 Token 額度 | Buy／集中採購 | 透過校園授權以量制價，降低師生取得門檻。 |
| 校內身分識別與存取權限 | Make（學校掌握） | 誰是授課教師、學生能看哪些檔案，僅校方有權判定。 |
| 核心校務資料（Portal、LMS、文件庫） | Make（學校掌握） | 學校核心資產，資料治理與邊界控管不可退讓。 |
| 標準化 API 與 MCP 存取層 | Make（學校建立） | 將校務系統封裝為 AI 可理解且受控的調用介面。 |
| 稽核、調用紀錄與資安治理 | Make（學校建立） | 確保資料流向合規，防止越權存取與機密外洩。 |
| 個人專屬工作流程 | 使用者自行建立 | 流程高度分歧，由個人依任務彈性組合最有效率。 |
| 特定課程教學 Agent | 教師自行建立 | 依個別教學目標與評量規準自主設計。 |
| 全校高頻、穩定共用 Agent | 學校選擇性建立 | 如查學分、選課指引、校規查詢、IT 線上客服等標準服務。 |
將結構拆開後，自製與外購的邊界便十分明朗：
Buy the Model, Make the Access Layer, Let Users Build the Agent.
（模型向外買，存取層由學校建，最後一哩的 Agent 留給使用者自由發揮。）
MCP 的真正價值：在於權限邊界，而不只是調用方便
學校提供 MCP 或 API 的核心價值，絕非單純「讓寫程式抓資料更方便」，而是讓大學有機會把組織的資料邊界與權限控管，轉化為 AI 能夠理解並嚴格遵守的通訊協定。
學生的 Agent 請求「調閱我的歷年成績」，系統放行；若進一步要求「順便把全班成績抓出來」，介面立即阻擋。授課教師能調閱自身班級的作業，但無法跨權限存取其他課程；行政主管能在業務權責內查詢報表，但不會因為導入 AI 而憑空取得越權檢視的特權。
一個理想中的大學 AI 基礎設施，其資料流必須是：
Agent → 身分識別（Identity） → 權限驗證（Authorization） → API／MCP → 校務資料（Data）
越強大的 AI 工具，越需要這道嚴謹的存取邊界，而不是讓各路 Agent 長驅直入校務資料庫。
AI 基礎設施與教育公平性
這同時關乎課堂上的教育公平性。現在許多課堂上的尷尬現象是：教師在講台上流暢示範 ChatGPT 、Claude、Gemini 或各類付費外掛，台下學生卻在暗自計算這學期為了交作業到底得訂閱多少服務。
大學當然不可能替每位學生買單所有的 AI 訂閱費。今天這門課用 ChatGPT，明天另一門課換成 Claude、Gemini，後天又冒出新的程式 Agent 或學術研究工具。如果學校試圖把市面上的工具全部包辦，不只預算會瞬間失控，更會讓校方被快速迭代的商業軟體市場徹底套牢。
但放任不管的另一個極端，問題同樣嚴重。當課堂作業已經預設學生必須運用高階 AI 來做分析、寫程式或建構 Agent，卻把所有訂閱成本全推給學生自行吸收時，學生的經濟條件就直接決定了他能取得的學習資源。
因此，大學真正該思考的，不是「要不要替全校買下所有 AI」，而是如何建立一個有彈性的「分層存取架構」（Tiered AI Access Model）：
- 第一層：普惠型的基本使用權（Universal Basic AI Access）
學校能透過集中採購 API、建置統一的 AI Gateway，或運用校內伺服器部署開源模型，提供全校師生一組基礎的運算資源。這套系統未必需要隨時跟進地表最強的模型，只要能穩定支援日常問答、文獻摘要、基礎除錯與簡易的 Agent 任務，就足以發揮扎實的教學價值。 - 第二層：課程專屬的專案補助（Course-funded Access）
若特定進階課程確實需要用到某些付費工具，這類支出在性質上就如同實驗耗材或專業軟體授權，不應由修課學生全額自掏腰包。相關費用應由校方、學院或課程專案經費提供基本額度支援。 - 第三層：經濟弱勢學生的資源扶助（Need-based AI Grant）
針對無力負擔高階工具的學生提供專案補助。這項機制應採取「需求導向」（Need-based），而非「績優導向」（Merit-based）——學生申請的理由是為了消除經濟條件對學習機會的限制，不必先證明自己比同儕更優秀才能取得基本工具。 - 第四層：個人進階需求的自費訂閱（Personal Premium Access）
至於追求極致算力、想搶先體驗頂級模型，或因個人深度研究而需要大量額度的使用者，則回歸市場機制自行付費。學校的責任在於守住底線的公平，而不是無上限承擔所有個人的進階開銷。
這樣的四層設計，遠比「全校每人發一組 ChatGPT 帳號」更具備財務韌性與管理彈性。
這正好與前面談到的「自製或外購決策」（Make or Buy Decision）相互呼應：大學不必買下全部（Buy everything），也不用自己從頭做到尾（Make everything）。學校的核心責任，是確保任何一位學生就算每個月拿不出一、兩千元去訂閱各種 AI 服務，依然能在校園環境中順暢學習、操作 Agent 並完成課堂挑戰。
如果我們真把 AI 素養視為大學教育的核心能力，那麼最基礎的 AI 存取權，就必須被當成現代校園的關鍵基礎設施。
正如我們絕不會因為學生家裡沒買電子期刊，就理所當然地對他說「那你就別查文獻」一樣；AI 在未來的校園中，終究也會走向完全相同的位置。
大學建立讓所有人都能安全創新的平臺
一個能持續擴大的生態系，關鍵不在於由中心節點包辦所有產出，而在於打造能讓各方角色發揮價值的平臺架構。
面對個別教師天馬行空的教學實驗——例如將評分規準、學生歷年程式碼與特定資料庫串聯——資訊中心要做的事情，不是代為撰寫這套客製化 Agent，而是提供一套安全、合規且可調用的環境，確保教師「玩得動，而且不會存取到非授權資料」。
傳統的大學資訊化流程是線性且封閉的：
使用者提需求 → 資訊中心排程評估 → 耗時開發系統 → 使用者被動操作
而在 Agent 普及的校園中，將演化出另一條敏捷路徑：
資訊中心提供受控的標準能力（Capability） → 師生與行政端調用 Agent → 自主組裝多樣化工作流程（Workflow）
大學真正值得「自製」的資產
回到最初的提問：大學到底該不該自己做 Agent？
我目前的觀點是：標準化的高頻共用服務可以選擇性做，但絕不需要包山包海；高度個人化的場景，應全面下放給使用者自行探索。
在 AI 時代，大學需要掌握並全力自製（Make）的核心資產，從來都不是前端隨時會被迭代的聊天介面，而是身分驗證、權限邊界、數據治理、標準化 API/MCP 存取層，以及可追蹤的稽核機制。
把底層的存取架構做扎實，前端無論是 ChatGPT、Claude，或是未來任何新型態的智慧助理，都能無縫銜接。這套數位基礎設施，才能讓大學不再只是採購工具的消費者，而是真正具備 AI-ready 體質的創新生態系。