India’s Vocational Education Policy Response to Artificial Intelligence: Layering or Conversion?

想象一下，你正在观察一个规模宏大、繁忙的建筑工地。几十年来，这个工地一直在建造一种特定类型的房屋：一所坚固、可靠的职业学校，学生们在那里学习水电工、电工和焊接等技能。现在，一股新的、无形的力量来到了现场：人工智能（AI）。它不仅仅是一个新工具；它正在改变房屋建造的方式、使用的材料，甚至是蓝图本身。对于管理这个工地的人来说，最大的问题是：他们只是在旧蓝图上添加了一些闪亮的、高科技的小玩意儿，还是在彻底拆除旧计划，重新绘制一种全新的建造方式？

为了理解答案，我们需要两个简单的概念。首先，把“叠加”（Layering）想象成给旧房子增加一个新房间。你建造了一个酷炫的现代扩建部分，但原来的厨房和客厅保持原样，遵循同样的旧规则。房子变大了，但其核心结构没有改变。第二，把“转化”（Conversion）想象成对整栋房子进行翻修。你保留了相同的地基，但拆掉了墙壁，重新布置了管道，并改变了每个房间的功能，使整个建筑的运作方式发生了变化。本文提出了一个关键问题：当印度试图向其数百万职业学生教授人工智能时，他们只是增加了一个新房间（叠加），还是重新设计了整栋房子（转化）？

论文的故事：印度的 AI 升级

这篇由 Gowhar Rashid Ganie 撰写的研究文章，深入探讨了印度向其职业教育体系教授人工智能的宏大努力。印度是该领域的巨头，其名为“Viksit Bharat 2047”（发达印度 2047）的计划高度依赖于拥有超强技能的劳动力。自 2023 年以来，政府推出了大量新项目，包括“技能印度计划”（Skill India Programme）、“SOAR”、“SkillSaksham”以及“IndiaAI 使命”。这些举措已经培训了数千名学生，并设立了数百个新的 AI 实验室。

但作者不仅仅是在统计培训了多少学生。相反，他像一名侦探一样，在观察这场游戏的“规则”。他使用了一种基于机构（如学校和政府部门）如何随时间发生变化的特殊视角。他研究了职业体系的六个不同部分，以观察 AI 的推动仅仅是一个闪亮的附加物，还是一种深层的变革。

结论：主要是叠加，而非改变

通过分析政府报告、政策文件和国际比较，论文得出了一个清晰且略显令人惊讶的发现：印度的反应主要是“叠加”。

以下是该研究考察的六个领域中的具体情况：

1. 课程（教学计划）： 新的 AI 课程就像是放学后举办的一个独立的、可选的社团活动。它们是与旧的贸易课程（如电工或钳工）并列添加的，但这些贸易的核心课程并未被重写以包含 AI。例如，一名电工仍在学习旧的方法，尽管他们的未来工作很可能涉及 AI 诊断。论文认为这是“叠加”，因为主蓝图未受影响。
2. 教师能力（讲师）： 教师们接受的是一次性的培训，比如关于“什么是 AI？”的一次性研讨会。论文指出，并没有永久性的、持续性的要求让教师将学习如何“教”AI 作为其核心工作的一部分。这是一个快速的附加项，而不是教师培训方式的根本性改变。
3. 治理（管理者）： 这些 AI 项目的责任分散在四个不同的政府部门。一个小组负责课程，另一个负责资金，第三个负责技术实验室。论文认为，由于没有单一的负责人掌控全局，他们只是不断地在各自的小部门中添加新项目，而没有解决大规模、混乱的协调问题。这是典型的“叠加”。
4. 评估与认证（文凭）： 这是唯一显示出“叠加”之墙出现微小裂缝的领域。政府已开始创建新的、与学分挂钩的 AI 课程，并将其纳入官方资格体系。然而，论文指出，这些仍然是独立的 AI 文凭。他们尚未回到过去，修改 100 多种传统行业的官方职业描述以包含 AI 技能。因此，虽然有一丝变化的迹象，但这仍然主要是增加新的方框，而不是重写旧的方框。
5. 终身学习（第二次机会）： 新项目主要针对刚入学的学生或刚起步的人。论文发现，几乎没有任何计划来帮助已经在岗的数百万工人学习 AI 技能以保持竞争力。该系统正在为新的跑者建立一条新赛道，却忽略了已经在比赛中的跑者。
6. 公平与非正规经济（覆盖范围）： 这是最大的差距。印度拥有庞大的“非正规经济”，人们在那里通过在岗实践来学习技能，而不去学校。论文指出，95% 的年轻人并不具备正式的职业资格。然而，所有的 AI 项目都锁定在正式学校和培训中心内。新的 AI “房间”正在建造，但对于最需要它们的绝大多数劳动者来说，门是锁着的。

为什么会这样？

论文提出了四个原因，解释了为什么印度选择了“叠加”而非“转化”：

• 更容易： 当你有四个不同的老板时，比起协调大规模、全系统的重新设计，只需在自己的部门里增加一个模块要快得多。
• 快速见效： 政府喜欢能快速展示的数据，比如“1.74 万名学生入学”。重新设计整个课程需要数年时间，但你可以在一个月内启动一个 AI 实验室。
• 规模化的压力： 印度人口众多，且有一个紧迫的时间表要成为发达国家。现在就要培训人员的压力使得“快速附加”这一选项非常有吸引力。
• 模仿他人： 许多国家都在做同样的事情——在不改变整个系统的情况下添加 AI 模块。印度正在跟随全球趋势，论文称之为“趋同模仿”（isomorphic mimicry，即看起来像是在改革，但实际上并未改变深层结构）。

底线

论文得出结论，虽然印度在扩大其 AI 项目方面做得很好，但它尚未转型其职业体系。“房子”有一个新的、闪亮的扩建部分，但厨房和客厅仍在按照旧的规则运行。作者警告说，如果印度想要在 2047 年真正取得成功，它需要从仅仅增加新项目转向真正重新设计如何教授贸易、如何培训教师以及如何触达劳动者的核心规则。在此之前，该系统面临着风险：即在培训年轻人应对已经发生变化的职业的同时，将剩下的劳动力抛在脑后。