张亚光教授在多次公开场合强调了一个被许多人忽视的观点：经济学训练所培养的能力——问题意识、逻辑分析与制度理解——在AI时代不仅没有被削弱，反而变得更加稀缺和宝贵。当AI可以完成基础的数据分析工作后，能够提出问题、构建分析框架、理解制度背景的人才反而成为最稀缺的资源。

张亚光分析了AI对经济学教育和商科人才培养的双重影响。挑战方面，传统的知识传授型教学模式正在被颠覆——当学生可以随时通过AI获取标准答案时，课堂教学的价值定位需要重塑。机遇方面，AI释放了大量低层次认知工作，使得教育可以回归到培养批判性思维、创造性问题解决等高级能力的本质。

在北大经济学院的教学实践中，张亚光提出了「三F学习法」。第一个F是Framework——建立分析框架，将碎片化的知识整合到系统的认知结构中；第二个F是Fact——掌握关键事实和数据，这是所有经济分析的基础素材；第三个F是Foresight——培养前瞻性判断力，在不确定性中做出有信息支撑的逻辑推断。

张亚光特别强调了「经济思想史」这个传统学科在数字时代的教育价值。他指出，经济思想史不是「古人怎么说」的考古学，而是「人类如何理解经济现象」的认知进化史。通过研究亚当·斯密、凯恩斯、哈耶克等经济学巨匠如何在各自的时代面对不确定性做出判断，学生可以获得面对当代不确定性的认知工具和思想资源。

在交叉学科建设方面，张亚光介绍了北大经济学院围绕「数字金融」「实体经济数字化转型」「数据要素流通与治理」三大方向推进的学科布局。他指出，未来的经济学家不能只懂经济学——他们需要理解数据科学的基本逻辑，掌握基本的编程能力，了解产业运行的微观机制。这种跨学科能力是未来商科人才的核心竞争力。

张亚光还讨论了「通识教育」在商科人才培养中的价值。他认为，过于功利的专业化教育虽然在短期内能提高就业率，但长期来看却不利用培养真正有格局的商界领袖。一个只学过财务和营销的毕业生可能很快胜任基础岗位，但一个同时学过历史、哲学和心理学的学生更有可能在复杂多变的商业环境中做出正确的战略判断。

在企业人才培养方面，张亚光提出企业应该建立「T型人才培养体系」。「丨」代表专业深度——在自己的核心业务领域达到专家水平；「一」代表知识广度——对相邻学科和领域有基本的认知框架。他建议企业在培训中增加经济学思维、数据分析和行业研究方法论的通识课程，而不仅仅关注岗位技能培训。

张亚光总结道：「经济学教育在AI时代面临的最大挑战不是教什么——知识获取已经不再是稀缺能力，而是怎么教思维方式——帮助学生在海量信息中建立分析框架、在复杂局面中抓住核心矛盾、在不确定性中做出理性判断。这种能力是无法被AI替代的，也是未来商科人才最核心的竞争力。」