哈佛商學院正在為其為期八週的 HBS Foundry 計畫加入由 AI 生成的講師與新創顧問版本，讓參與者能在即時課程之間練習簡報與董事會會議。這項訓練營費用為 699 美元，並使用 HeyGen 製作的頭像，在模擬的新創情境中提供回饋。

這項做法讓哈佛能在不把每次互動都變成即時課程的情況下，延伸講師的影響力。它也讓一所具代表性的商學院直接捲入一場新興辯論：AI 所呈現的專家形象，究竟能提供有用的指導，還是只是模仿判斷的外觀。

HBS Foundry 如何使用這些頭像

根據 TechCrunch，HBS Foundry 仍包含每週與講師進行的即時課程。這些 AI 頭像 則另外用於練習簡報與董事會會議，參與者可以提出點子，並從該計畫貢獻者的數位版本獲得回應。

該系統最初被構想得更像聊天機器人，專案總監 Katharina Rings 告訴該媒體。不過，在哈佛釋出試用版之後，學生據報希望有更結構化、引導性更強的體驗。頭像形式便成為對這項回饋的回應。

這個區別對評估 AI 教練工具的產品團隊來說很重要。聊天機器人可以按需回答問題，而以頭像為基礎的模擬則嘗試建立更具體的社交情境：例如創業者向投資人提案，或主管向董事會說明決策。其價值與其說取決於頭像的視覺真實度，不如說取決於底層系統是否能產生相關、一致且可行的批評。

一項逼真的測試也暴露了限制

《紐約時報》記者 Sarah Kessler 透過向 Flybridge Capital 共同創辦人 Jeff Bussgang 的 AI 生成版本提案來測試這個概念。這項被描述為「香蕉版 Uber」的生意構想，據報無論是現實中的 Bussgang 還是他的數位分身都沒留下好印象。

Kessler 也指出，虛擬 Bussgang 在簡報過程中出現明顯僵住的微笑。這個細節凸顯了 AI 頭像當前的限制：當使用者正判斷互動是否可信時，視覺或聲音的真實感可能恰好崩解。

Bussgang 承認他的數位複製品「有點毛」，同時也表示他的學生喜歡它，根據 TechCrunch 的報導。該計畫參與者也對 Kessler 表示，他們對這些頭像抱持正面看法。這些反應提供了有用的背景，但屬於軼事，並不能證明存在廣泛需求或更好的新創成果。

證據顯示了什麼，以及沒有顯示什麼

目前可取得報導中被確認的細節雖然有限，但相當具體：HBS Foundry 是一個為期八週、費用 699 美元的計畫；它包含每週一次的即時講師課程；而其由 HeyGen 製作的 AI 頭像，則用於模擬簡報與董事會會議中的回饋。

報導並未證明這些頭像能改善募資結果、企業存活率、簡報品質或學習成效。來源材料沒有提供獨立基準、參與者完成資料或與傳統教練方式的對照比較。關於參與者熱情的說法，來自訪談與報導中的反應，而非正式的採用研究。

因此，這個計畫更適合被理解為一項 AI 回饋 的應用實驗，而不是證明數位講師可以取代真人顧問。即時課程仍是課程的一部分，而這些頭像看起來是補充而非取代人類教學。

為什麼這個模式對創業者與企業重要

對新創創辦人來說，最明確的好處是可用性高。參與者可以反覆練習，而不必等待講師的門診時間或安排新的團體課程。這可能讓常規演練更容易取得回饋，尤其當目標是改善結構、清晰度，或對可預測問題的回應時。

對企業而言，同樣的模式可應用於銷售訓練、管理模擬與合規演練。某位主題專家的數位化身，或許能協助大規模員工群體標準化練習。當專家不再能參與每一場課程時，它也可能保留某種特定教學風格或機構觀點。

但部署也帶來實務問題，而 HBS Foundry 的例子並未回答這些問題。組織需要決定專家如何授權頭像、哪些來源素材主導其回答、錯誤如何修正，以及使用者是否理解自己是在與模擬互動。敏感的商業計畫還會引發關於資料保留、存取控制與模型供應商政策的額外疑慮。

可靠性是另一項限制。再逼真的臉孔也不保證建議正確。如果頭像捏造投資人偏好、誤讀財務主張，或只提供泛泛批評，那麼它的權威反而可能讓錯誤更具傷害性。因此，開發者應將 AI 回饋視為包含人工審核的工作流程中的一層，而不是經驗判斷的自動替代品。

接下來該關注什麼

最重要的後續訊號，是 HBS Foundry 是否會公布頭像能改善參與者表現的證據。可用的衡量方式可能包括簡報品質變化、使用者留存、重複練習，以及只使用頭像的組別與有講師支援組別之間的差異。

產品團隊也應留意哈佛與 HeyGen 之間技術安排的更多資訊，包括講師的外貌與聲音如何授權、講師是否能審閱或更正生成回應，以及參與者錄音與商業想法會如何處理。

另一項測試是，當新鮮感消退後，使用者是否仍然重視這套系統。如果參與者會反覆使用頭像來完成特定且可衡量的任務，這種模式或許能成為實用的教練工具；如果這段體驗主要只因僵硬表情或詭異存在感而被記住，那它可能仍只是生成式媒體的展示，而非持久的教育產品。

Creati.ai 觀點

哈佛的實驗之所以值得注意，是因為它把 AI 頭像放進一個付費、結構化的學習產品中，而不是把它們當作獨立的娛樂功能。商業邏輯很直接：一位數位講師理論上可以處理許多低風險練習互動，而真人教師則能專注於更深入的回饋。

更困難的問題在於，頭像是否能在設計良好的對話系統之外，增加教學價值。對 AI 開發者與企業買家來說，答案應該透過成果、安全措施與重複使用來驗證，而不只是靠視覺真實度。HBS Foundry 提供了這項測試的早期範例，但目前可得證據仍不足以證明 AI 頭像能複製使用者在真人顧問身上尋求的判斷力。