課程怎樣進行
沒有講課，也沒有教科書。學生說出一件自己想做的東西——一個網站、一個工具、一個遊戲， 或是對某件事的分析——然後學習怎樣正確地指揮 AI，一步步做出來。
這個過程能教的東西相當多：如何把一個大目標拆成步驟、如何準確描述自己想要什麼、 如何看出輸出是錯的，以及第一次失敗後怎樣繼續。 這些正是「能用 AI 做出真正成果的人」與「只得到看似合理的廢話的人」之間的分別。
兩個程度
AI Builder Foundations（AI 創作入門）
約 12 至 15 歲，不需要任何編程基礎。學生學習規劃一個項目、指揮 AI 工具完成， 並判斷結果是否合格。每個學期結束時都有一件完成的作品。
AI, Data and Code（AI、數據與編程）
約 15 至 18 歲，適合考慮修讀電腦科學、工程或經濟的學生。內容包括 Python、真實數據集， 以及模型背後的運作原理——全程配合 AI 協助，這也是現時專業人士的工作方式。
學生會做出什麼
一個真正運作的網站
由規劃、製作到發佈，有真實網址，可以直接傳給朋友。
一個預測模型
用真實數據訓練一個小模型。這與 IB 數學 AI 的統計是同一套內容。
一次數據調查
在學校做問卷、分析結果，然後把發現呈現出來。
一個聊天機械人或工具
能回應、能計算，或能自動處理一件他們覺得繁瑣的事。
為什麼這對數學同樣有幫助
IB 數學 AI 建基於建模、統計與科技應用，而 Math IA 要求的正是這一類數據工作。 同時修讀兩個課程的學生，普遍覺得兩邊互相變得更容易—— 當你曾經用統計去預測一件自己在乎的事，統計就不再抽象。