视频里有一段内容让我印象很深。主持人让他判断几类工作在 AI 时代是否会消失，其中提到了“老师”。他的判断是：老师不会消失。这句话让我松了一口气吗？并没有。因为我觉得，真正值得老师思考的，不是“老师这个职业会不会消失”，而是：AI 时代，到底什么样的老师会留下来？什么样的工作方式会被淘汰？什么样的老师会因为 AI 变得更强？这段时间，我参加了一个商业模式挑战营，也非常真实地感受到了一件事：AI 不是一个“帮你写几句话”的工具。当你真正把它放进真实任务里，它会变成你的外脑、助手，甚至是一个持续帮你推动思考的协作者。这一次，我们小组在商业模式挑战营中最终胜出，也得到了主办方非常好的评价。更让我意外的是，因为这次在团队协作中对 AI 的使用，我还被主办方邀请，给来自全国的老师做一次 AI 使用心得分享。这件事对我触动很大。因为我第一次非常清晰地感受到：真正拉开差距的，不是 AI 本身，而是你有没有开始用 AI 解决真实问题。
01
以前我也以为，AI只是一个“写东西”的工具最开始接触 AI 的时候，我和很多人一样，也会觉得它有点“泛”。你问它一个问题，它能回答。你让它写一段文案，它也能写。但很多时候看完以后，会觉得：“好像也对，但又不够懂我。”“文字挺完整，但不够像我的表达。”“它写得很快，但真正能不能用，还得我自己判断。”所以那时候，我对 AI 的理解其实比较浅。我以为它主要就是：帮我写文案，帮我改句子，帮我想标题，帮我整理资料。这些当然有用，但还没有真正让我产生“工作方式被改变”的感觉。直到这次商业模式挑战营，我才发现：问题不在于 AI 能不能用，而在于你有没有把它放到一个真实、复杂、连续的任务里去用。如果你只是随手问它一句：“帮我写一篇文章。”它给你的，大概率就是一篇普通文章。但如果你带着真实问题、真实资料、真实目标，一步一步和它对话，它就不只是一个写作工具了。它会开始参与到你的思考过程中。
02
这次挑战营，我不是在“学AI”，而是在“用AI干活”这次商业模式挑战营，任务量其实很大。我们不是简单交一篇作业，而是要不断拆解：我们的机构到底处在什么阶段？真正的问题在哪里？商业模式的关键要素是什么？现有业务结构有什么优势和短板？未来应该如何优化产品、交付、转化和增长？这些问题，单独拎出来，每一个都不轻松。更何况还要在团队协作中，把不同人的想法统一起来，最终形成一份有逻辑、有证据、有表达力的成果。在这个过程中，我大量使用了 AI。但它并不是替我完成任务。更准确地说，它帮我做了几件非常重要的事情。第一，帮我把模糊的想法变清晰。很多时候，我们脑子里其实是有判断的。比如，我们知道机构目前的问题不是简单的“招生不够”，而是定位、产品线、转化路径、交付效率之间存在一些结构性问题。但这些想法一开始是散的。我会把自己的判断、案例、数据和观察先丢给 AI，让它帮我做结构化整理。它不一定每次都对，但它会逼着我把问题说清楚。而这个过程本身，就已经在帮助我思考。第二，帮我把零散的信息变成框架。商业模式拆解最怕什么？最怕想到哪里说哪里。一个观点接一个观点，看起来很热闹，但主线不清楚。AI 在这个过程中非常像一个“框架整理器”。它可以帮我把信息分成：现状是什么，问题是什么，证据是什么，原因是什么，解决路径是什么，下一步动作是什么。这样一来，原本一团乱麻的内容，就开始有了主干。第三，帮我优化表达。同一个意思，怎么说更准确？同一个观点，怎么放在 PPT 里更有力量？同一个问题，怎么表达才不显得空泛？这些都是 AI 很擅长辅助的地方。尤其是在团队需要路演、汇报、复盘的时候，语言不是简单的“写得好看”，而是要做到：逻辑清楚，表达简洁，重点突出，让听的人一听就明白。这一次，我非常明显地感受到，AI 可以帮助我们把表达效率提高很多。第四，帮我在团队协作中承担更多支持性工作。团队合作最重要的不是一个人很强，而是每个人都能在合适的位置上贡献价值。这次我用 AI 做了大量辅助工作：整理思路、优化框架、提炼表达、帮助复盘、准备分享内容。这些工作如果完全靠人工完成，会非常耗时间。但有了 AI 之后，我可以更快地把想法形成文本，把文本变成结构，把结构再转化成可以讨论、可以修改、可以呈现的内容。所以我越来越觉得：AI真正厉害的地方，不是让你少做事，而是让你能做更多原来做不到、做不快、做不完整的事。
03
真正的差距，不是“会不会用提示词”，而是有没有真实问题这段时间，我也听到很多人说：“我也试过 AI，但感觉不好用。”“它回答得太泛了。”“它不懂我们行业。”“写出来的东西还是要自己改。”这些话我都能理解。因为我以前也有过类似感受。但后来我发现，AI 好不好用，往往不只取决于 AI 本身，而取决于你有没有真实问题。如果你只是问：“帮我写一篇招生文案。”它可能只能给你一篇看起来很普通的招生文案。但如果你告诉它：我的目标人群是谁，家长的痛点是什么，我们课程和普通机构有什么不同，我们过去遇到过哪些真实问题，我希望这篇文案打动哪类家长，哪些话我不想说得太销售，哪些观点必须保留我的个人判断。这个时候，AI 的输出就会完全不一样。所以我现在越来越认同一个判断：真正会用 AI 的人，不是在研究 AI 有多厉害，而是在不断把自己的真实问题交给 AI。你有问题，它才能帮你拆。你有判断，它才能帮你优化。你有资料，它才能帮你整理。你有目标，它才能帮你推进。如果一个人本身没有积累，没有判断，没有真实任务，只是希望 AI 一键生成一个完美答案，那大概率会失望。因为 AI 不是魔法。它更像一面镜子。你给它的东西越真实、越具体、越有质量，它反过来给你的帮助就越有价值。
04
AI不会让老师消失，但会重新定义“好老师”这次看 Luis von Ahn 的访谈，我印象很深的一点是：当他讨论 AI 可能影响哪些职业时，teacher 被他放进了“不容易消失”的那一类。这个判断对我很有触动。因为教育从来不只是“把知识讲一遍”。如果老师的工作只是把知识点从 A 传递到 B，那么 AI 的确会越来越强。它可以解释概念，可以生成练习，可以批改作业，可以根据学生的错误给出反馈，甚至可以比一个老师更快地完成大量标准化工作。但一个真正的老师，不只是一个“讲解器”。老师要判断孩子为什么卡住；要看见学生表面错误背后的真实问题；要知道什么时候该鼓励，什么时候该提醒；要设计适合这个孩子的学习路径；要在孩子松懈、逃避、畏难的时候，把他重新拉回学习轨道；还要和家长沟通，让家庭配合成为学习的一部分。这些都不是简单的信息处理。这些是人与人之间的理解、判断、陪伴和推动。所以我越来越觉得：AI不会让老师这个职业消失，但它一定会重新定义“什么是好老师”。未来，最容易被 AI 替代的，可能不是老师这个身份，而是老师工作中那些机械、重复、低判断含量的部分。比如：写标准化反馈，整理知识点，生成练习题，做基础批改，输出常规答疑，制作初版讲义。这些工作，AI 会越来越快、越来越便宜、越来越稳定。但剩下来的部分，反而对老师要求更高：你是否真的懂学生？是否能判断问题？是否能设计路径？是否能激发动力？是否能把 AI 生成的内容筛选、修正、转化成真正适合课堂的教学材料？换句话说，AI 不是让老师不重要了。恰恰相反。AI会把老师从大量重复劳动中解放出来，也会把老师真正的专业能力暴露出来。会用 AI 的老师，会把时间省下来，放到更重要的地方。不会用 AI 的老师，可能还在重复消耗自己，却没有把精力用在最值得用的地方。这也是我这次商业模式挑战营最大的体感之一：AI不是替代专业，而是放大专业。越有经验、越有判断、越懂教育的人，越能用好AI。
05
我这次真正的收获，不是赢了比赛，而是看见了新的工作方式这次挑战营结束后，我们小组胜出了。当然，这是一件很开心的事。但对我来说，更大的收获不是“赢了”，而是我在这个过程中看见了一种新的工作方式。以前，一个复杂任务摆在面前，我可能会先自己想很久，再慢慢整理资料，再慢慢写，再反复修改。整个过程很耗时，也很容易卡住。但现在，我会更习惯把任务拆成几个部分：先让 AI 帮我梳理结构，再根据自己的判断筛选和修正，再让 AI 帮我优化表达，再回到自己的经验中做取舍，最后形成真正属于自己的内容。这个过程不是“偷懒”。相反，它对人的要求更高了。因为你必须知道：什么是对的，什么是错的，什么是空话，什么能用，什么不能用，什么符合你的真实表达，什么只是看起来很漂亮。所以我越来越觉得：AI时代真正重要的能力，不是让机器替你思考，而是你要更会提问、更会判断、更会选择。AI 可以帮你跑得更快。但方向，还是要你自己定。
06
老师不一定要成为AI专家，但一定要开始使用AI我不是技术专家。我也不会写代码。我也不是一开始就懂什么提示词工程、智能体、工作流。但这次经历让我非常确定一件事：普通老师也完全可以开始用 AI。不需要一上来就想着做一个多么复杂的系统。也不需要一开始就追求什么高级玩法。从一个真实的小问题开始就可以。比如：今天要给家长写一段反馈，能不能让 AI 先帮我整理？这个单元要做一个复习练习，能不能让 AI 先帮我出题？这篇试卷分析太散，能不能让 AI 帮我搭框架？这次家长会我要讲课程规划，能不能让 AI 帮我梳理逻辑？这篇公众号文章有很多素材，能不能让 AI 帮我提炼主线？只要你开始把 AI 放进真实工作里，它就不再是一个“新鲜工具”。它会慢慢变成你工作系统的一部分。你会发现，很多以前需要熬时间、拼体力、靠灵感完成的事情，现在可以变得更有方法。
07
AI 不会自动让一个人变厉害。但它会放大一个人的能力。有积累的人，会被放大。有判断的人，会被放大。有行动力的人，会被放大。愿意持续学习和迭代的人，也会被放大。这次商业模式挑战营，让我真正感受到：AI不是未来某一天才会影响我们的东西。它已经开始影响我们现在的学习方式、工作方式和成长速度。所以，与其站在原地焦虑，不如先从一个具体问题开始。不用等到完全学会。也不用等到全部弄懂。更不用一开始就想着“全面 AI 化”。先用起来。因为很多变化，不是在你想明白以后才发生的。而是在你真正开始行动以后，才慢慢看见的。
夜雨聆风
