学校买了AI,成绩却没变好:加点AI元素还是借AI做数字化改革

最近读到一篇来自硅谷投资界的文章，作者是 Hebbia 的联合创始人 George Sivulka，标题叫《Institutional AI vs Individual AI（机构级AI与个人AI）》

文章论述核心问题是：人们号称个人效率因为AI提升了十倍，但没有哪家公司因此提升了十倍价值，生产力都去哪儿了？

他的答案是：我们只是把旧机器换了个更好的零件，却没有重新设计整台机器。

1890年代，电力刚刚出现。新英格兰的纺织厂主们兴奋地把蒸汽机换成了电动机，期待产量爆炸式增长。结果等来的是三十年的沉默——产出几乎没有变化。

技术是好技术，但工厂的组织方式没变。

直到1920年代，工厂彻底重新设计——新的流水线、独立电机、工人分工重构——生产率才真正腾飞。

这是一篇写给商业世界的文章。但教育领域正在发生完全一样的事情，「龙虾进校园」或者「禁止龙虾进校园」，这是个问题，但这不是根本问题。

换了工具，没有换逻辑

过去两年，AI 进入学校的方式，几乎和1890年电动机进纺织厂有点类似。

给老师推荐工具，给学生发账号，做几场培训，然后等着变化发生。

变化确实发生了——有的老师开始用 AI 备课，有的学生开始用 AI 写作业。个人层面，效率是真的提高了。

但课堂的结构没变。评价方式没变。学校的组织逻辑没变。知识在师生之间传递的方式没变。

换了工具，没有换逻辑。

Sivulka 把这个现象叫做”Individual AI”——它服务于个体，让个体感觉更有效率，但它不触碰组织。它是新工具，不是新工厂。

他提出，真正能让机构产生变化的，是另一种东西：Institutional AI——不是给个人用的工具，而是嵌入组织流程、重构协作方式、推动真实结果的系统。

他用七个维度区分这两种AI。

逐一把它们放进教育的语境里，我们可以看到学校当前需要的到底是什么。

第一个维度：每个人都在用AI，但彼此不对话

Sivulka 说，个人AI制造混乱，机构AI创造协调。

我知道你Claude用得很溜，可我充的是Kimi会员…

想象一所学校：语文老师用AI生成阅读题，数学老师用AI出计算练习，班主任用AI写评语，学生用AI完成课后作业。

每个人都在用，每个人都感觉更高效了，但这些AI的使用之间，没有任何对话。

语文老师不知道数学老师在用什么方式训练学生的逻辑，班主任写出来的AI评语和任课教师的印象是否吻合，学生提交的AI辅助作业背后究竟理解了多少——这些问题，没有系统在追踪，没有人在协调。

这不是高效，这是各自为政。

学校是一个协作系统，它的产出是学生的成长，而成长是跨科目、跨时间、跨场景累积的。当AI使用完全分散在个体手中，这个系统的协调性不是变强了，而是被悄悄稀释了。

教师集体备课的意义、年级组研讨的价值、学校统一教学节奏的逻辑——这些原本是协调机制。但当每个人都有了自己的AI助手，这些机制反而更难发挥作用，因为大家的起点、路径、产出变得越来越不一样。

机构级AI要做的，恰恰是重建这种协调。它不是每个老师手里的私人助手，而是整个学校共用的学习系统：语文组的阅读训练目标和数学组的逻辑能力培养能够对齐；学生的跨科目学习轨迹能够被整体追踪；一个学生在某节课上暴露出来的问题，能够在合适的时机被另一位老师看见。

这种协调，不是靠开更多会议实现的，而是靠系统把分散的信息连接起来——这正是机构级AI最基础也最重要的价值。

第二个维度：生成了很多，但没有找到真正有价值的东西

个人AI为机构制造噪音，机构AI为个人提供信号。

教师现在可以用AI在三分钟内生成一份二十题的试卷，在五分钟内产出一份教学设计，在十分钟内写完一个学期的课程计划。

但”能生成”和”生成得好”是两件事。

大量AI生成的教学内容，外表工整，结构清晰，却很可能是同质化的、缺乏诊断性的、对这个班级这群学生毫无针对性的，这是Sivulka所说的“大量产出，但缺乏价值信号”。

更深的问题在于：真正有价值的教学判断，从来都不是批量生产出来的。哪道题能让学生卡壳，哪个概念需要换一种方式解释，哪个孩子今天的状态需要关注——这些判断，需要有人在噪音里找到信号。

但现在的AI工具，给的是更多的产出，不是更好的判断。批量生成让老师从”如何产出”的劳动中解放出来了，却没有帮助老师解决”产出什么才对”这个更根本的问题。

机构级的教育AI，应该反过来工作：不是帮你生成更多，而是帮你在学生的学习数据、课堂互动记录、作业反馈里，找到那个真正值得关注的信号。

它的价值不在于产出速度，而在于判断质量。一份AI生成的试卷，和一份AI基于这个班级过去三个月错题记录、针对性生成的诊断性试卷，是完全不同的东西。前者节省了时间，后者改变了教学，这个差距，就是个人AI和机构AI之间的差距。

第三个维度：AI在帮老师确认，而不是迭代

个人AI强化偏见，机构AI创造客观性。

这是Sivulka文章里我认为被严重低估的一个洞察。

大型语言模型经过精心的对齐训练，非常擅长认同用户的观点。你说这份教案设计得好，它说是的；你说这个学生有潜力，它说很有道理；你说这节课需要增加互动，它说完全正确。

这种”认同”感觉很好，但对教师专业成长有害。

教育领域有一个长期存在的问题：教学实践的自我封闭性。老师用自己的方式教了二十年，建立了一套经验方法，而这套方法很少得到系统性的挑战。

传统上，听课评课、同行反馈、教研活动是为了打破这种封闭的机制。

而现在，一个随时在线、永远认可你的AI助手，可能正在悄悄强化这种封闭。

老师认为某类学生需要更多重复练习，AI会帮他设计大量重复练习；老师认为某种教学方式效果最好，AI会帮他把这种方式执行得更彻底，而不会说：你的判断可能有盲点，我来给你一个反例吧。

真正对教育有价值的机构级AI，应该扮演的是”教学顾问”而非”执行助手”的角色。它应该能说：你这个班级近三次测验中，有八个学生在同一类题目上持续出错，而你的教学设计从来没有针对性地处理过这个问题。

这才是教育真正需要的：不是为你的现有方案背书，而是和你一起找到更好的方案。

这个角色，人类同事有时能扮演，但很难持续扮演——它需要情感成本，需要关系资本，需要勇气。而机构级AI没有这些顾虑。它可以成为学校里最诚实的声音：不是否定老师的专业判断，而是用数据把那些判断放在一个更大的视野里检验。这不是让AI凌驾于教师之上，而是让AI做那个没有人情包袱、愿意说实话的角色。

第四个维度“优势”，我跳过，因为该维度讲的是垂直领域解决方案比通用大模型更有竞争优势——在商业场景里成立，但在教育领域不一定，因为教育不是竞争性市场，这个逻辑在学校里很难直接套用，所以这篇文章不再讨论该维度。

第五个维度：节省了时间，但没有改变学习的质量

个人AI为自己节省时间，机构AI为集体扩大真实成果。

“AI帮老师节省了备课时间”——这是目前教育AI产品最常见的卖点，也是评价AI在教育中价值的主流指标。

但没有人认真追问过：节省出来的时间，去哪里了？

在一线学校的实际情况里，节省下来的备课时间，往往流向了行政工作、填表任务、各类检查和汇报材料。AI 帮教师省了专业时间，却没有创造更多专业空间。

更根本的问题是：时间节省是成本逻辑，但教育的核心竞争力不在成本侧。

家长关心的不是老师是不是又节省了多少时间，而是孩子有没有学到东西。

学校管理者真正在意的成果——升学率、学生素养的真实提升、优质学生的培养——也不是”节省时间”能直接带来的。

Sivulka 说，几乎没有CEO会把降本放在增收之前。

套用到教育：几乎没有家长会把”老师更轻松了”当作学校AI整合成功的标志。

教育领域的机构级AI，必须直接指向真实的学习成果：学生的理解深度、关键能力的发展轨迹、个体差异的精准响应——而不只是让流程更顺滑。

机构要的是成熟的解决方案，不是更好的软硬件。

第六个维度：工具给了，但没有人告诉老师为什么这样用

个人AI给工具，机构AI展示如何使用并完成变革。

这里有一个残酷的现实：人工智能融入教育的进程中，最需要改变的人，往往是最难改变的人。

一线年轻教师对AI工具的接受度最高，但他们的课程决策权最小，对整个学校AI整合的影响也最有限。真正掌握教学方向的——骨干教师、学科带头人、教研组长、学校管理层——他们才是整合成败的关键节点，而他们恰恰也是改变速度最慢的群体。

更深层的困难在于：大多数AI工具培训，教的是”怎么用这个功能”，但没有回答”为什么要这样用”、”用了之后教学逻辑要怎么变”、”这和我已有的教学理解有什么关系”。

工具给了，但没有给出嵌入教学实践的路径。

Sivulka 举了 Palantir 的例子：

这是一个专门帮其他公司完成“AI与数字化改革”的公司。

它之所以能保持极高的市值，是因为它不卖软件，它卖的是流程重构——帮助组织把业务逻辑编码进AI系统，并完成整个变革管理过程。

教育领域缺的正是这种东西：一个能帮助学校完成组织层面转型的咨询或服务。

第七个维度：我们在等老师发问，但更重要的问题没人在提

个人AI响应提示，机构AI主动行动。

这是Sivulka七个维度里最有前瞻性的一条，也是教育领域目前距离最远的一条。

当前所有面向教师的AI工具，都建立在同一个假设上：老师知道该做什么。

你输入问题，AI给出答案。你提出需求，AI满足需求。

但教学里最重要的问题，往往是没被提出来的问题。

哪个学生正在悄悄脱离课堂节奏？哪个教学单元里有一个知识点误区，大多数学生都略过去了但没有人察觉？哪位老师的教学方法在某类学生身上持续失效，但从来没被数据捕捉到？

这些问题，没有人在问，不是因为它们不重要，而是我们没有能力去主动发现这些问题。

真正意义上的机构级教育AI，应该是一个持续监测学习过程的系统：它在老师开口之前，就已经看到了那条异常数据，梳理了它背后可能的原因，并在合适的时机把它带到老师面前。

这是AI在教育中最稀缺的能力，也是目前教育技术最需要认真做的事情。

我们需要的不是更多工具

Sivulka 在文章结尾说：每家公司未来都会有一个来自大型实验室的通用聊天工具；同时，每家公司也会有一套为特定业务深度定制的机构级AI。

前者可以保你们不落伍，后者才能帮你们形成真正的竞争力。

教育也是如此。

学校不缺工具——ChatGPT、各类国产大模型、专为教育场景设计的AI助手，已经塞满了每一位老师的手机。

老师也确实用起来了，效率也确实有提升，但这还不够。

真正的变革会发生在另一个层面：当AI开始改变学校组织信息的方式、协调教学决策的方式、处理学生个体差异的方式——当它不再只是个人效率工具，而是嵌入学校机构逻辑的系统性力量——教育才算真正开始转型。

这不是一个遥远的理想。它的每一个组成部分，在技术上今天已经可行：跨科目的学习数据整合、基于班级诊断的内容生成、主动预警而非被动响应的监测系统、把教师集体智慧编码为可复用流程的工具。

缺的不是技术，而是一种源自教育发展本身的问题意识（而非商业技术发展逻辑）——我们真正要问的不是”怎么让老师更方便地用AI”，而是”怎么让学校作因为AI而变得更有能力”。

1890年代的工厂老板们以为把蒸汽机换成电动机就够了，他们花了三十年重构整条生产线之后才真正实现降本增效。

我们今天的学校，正处于换电动机的阶段，如何“重构整条生产线”，是接下来十年教育领域最值得认真讨论的问题。

参考文章：https://www.a16z.news/p/institutional-ai-vs-individual-ai