为什么很多学校都用AI工具,却没有真正发生AI转型?

用了AI，不等于发生了AI转型。

这两年，我接触了越来越多正在尝试AI的学校。几乎所有人都知道，AI一定会进入教育。

很多学校也已经开始行动：采购AI平台，组织教师培训，尝试AI备课、出题、批改，上线智能体、知识库、数字人，甚至开始探索AI学伴、个性化学习和学生画像。

从表面上看，AI已经走进校园了。

但我的感受是：

学校“用了AI”，和学校真正“发生AI转型”，是两件完全不同的事。

有的学校已经上线了很多工具，老师也确实开始使用AI。但半年以后再回头看，会发现：

老师还是按照原来的方式工作；

学生还是按照原来的方式学习；

教研还是原来的教研；

家校沟通还是原来的家校沟通；

管理者看到的，依然是原来的那些数据和报表。

AI只是被“加”进了原来的学校。

却没有真正改变学校。

这可能是接下来几年学校AI转型里，最值得警惕的一件事。

AI已经进校园了，为什么学校却没有真正改变？

原因并不在于今天的AI还不够聪明。

恰恰相反。

技术正在以前所未有的速度进步。

生成教案、整理资料、自动出题、分析作业、生成报告……这些事情已经越来越容易。

真正困难的是另一件事：

AI有没有进入学校真实的教育工作流。

比如：

AI帮老师节省了备课时间以后，这部分时间去了哪里？

AI分析完学生错题以后，第二天的教学有没有发生变化？

AI生成了一份学生画像以后，班主任和学科老师有没有据此采取新的行动？

学生留下了越来越多学习数据以后，学校有没有因此更早地发现一个正在掉队、焦虑或者失去兴趣的孩子？

如果这些没有发生，那么AI带来的可能只是：更多内容，更多报告，更多系统，更多账号。而不是教育价值。

所以这段时间，我常常会思考：

我们是在“使用AI”，还是在“用AI重新设计学校”？

这两件事，看起来很像。其实完全不同。

01

把AI转型当成信息化项目

很多学校开始做AI以后，第一个想到的是信息中心或者技术部门。

选平台

谈供应商

开账号

建知识库

做接口

组织培训

这些事情当然都重要。但如果一所学校从一开始就把AI定义成一个“信息化项目”，很容易从一开始就把问题做小了。

因为真正的学校AI转型，会穿过几乎所有部门。

它会进入教学

进入教研

进入德育

进入学生发展

进入家校沟通

进入行政后勤管理

甚至进入教师评价和学校决策

举一个最简单的例子，今天很多学校都会说：“我们希望AI帮助老师减负。”听起来像一个技术问题。但你真的走进老师一天的工作，就会发现：

备课、找资料、出题、批改、统计、写评语、家长沟通、学生答疑、整理记录……

哪些事情可以交给AI？哪些必须由老师自己完成？

AI节省出来的时间，是不是只是让老师接着去完成另一堆事务？

还是把这些时间真正还给观察学生、设计教学、开展教研？

这已经不是一个软件功能问题。

这是学校管理问题。

再比如个性化学习。给每个学生一个AI学伴，并不等于个性化学习就发生了。

真正的个性化，会影响：

学生每天做什么任务，

老师怎么判断他的学习状态，

错误如何被分析，

任务如何被重新规划，

教师什么时候介入，

阶段目标怎么调整。

这些都是学校原来的教学流程。

所以我越来越明确地认为：

技术部门可以负责AI的底座，但不能独自负责学校的AI转型。

因为学校AI转型，本质上不是一次技术升级。它是一场教育组织变革。

02

从各部门收集“AI需求”，然后拼出一张路线图

这是第二种特别常见的做法。学校决定推进AI，于是开始问老师：

“你们最希望AI帮你做什么？”

语文老师说，希望AI帮助写教案。

数学老师说，希望AI自动出题。

班主任说，希望AI自动生成学生评语。

行政部门希望AI写通知。

招生部门希望AI做智能客服。

每一个需求都很合理。于是学校把这些需求汇总起来，形成一张看起来很完整的“AI建设清单”。然后逐个找工具。最后，学校里出现了越来越多AI应用。但问题也随之出现：

它们彼此之间没有关系。

每一个工具都解决了一小块问题。

却没有一个系统真正改变学校最重要的教育工作流程。

为什么？

因为真正有价值的AI场景，往往是跨部门的。

比如“一生一案”。它绝不仅仅是班主任的事情。

学生的学习、课堂表现、任务完成、成长记录、家校沟通、行为变化，本来就发生在不同场景里。

真正有价值的，不是给学生生成一份更漂亮的报告。

而是：

这些信息能不能被持续连接？

老师有没有因此形成新的判断？

学校有没有因此采取新的行动？

行动之后，新的变化能不能再次进入档案？

如果没有这个闭环，

“一生一案”就很容易退化成“一生一份报告”。

再比如AI提分。

如果只是给学生一个刷题工具，它仍然只是一个工具。

真正的价值发生在：

诊断学生卡在哪里，

识别错误背后的原因，

制定阶段任务，

教师及时介入，

重新评估，

再调整下一步学习路径。

这同样不是某一个部门能够独立完成的事情。

所以学校真正应该问的，不是：

“大家需要什么AI？”

而应该先问：

“我们最重要的教育问题是什么？”

然后再问：

“AI能不能让这个问题，用一种新的方式被解决？”

这两个问题的顺序一旦改变，学校AI转型的路径也会完全不同。

03

被越来越多的AI产品晃花了眼

今天校长面对的AI产品实在太多了。AI备课、AI出题、AI批改、AI数字人、AI心理测评、AI招生客服、AI知识库、AI智能体。

几乎每一个单独拿出来，都能够展示非常漂亮的功能。

于是学校很容易进入一种状态：这个也不错，那个也需要，最后买了一堆系统。

问题是：

这些系统都只认识自己那一小块数据。

做题系统知道学生做了什么题。

心理系统知道学生填过什么量表。

家校系统知道家长发过什么消息。

教务系统知道学生的成绩。

但是没有谁真正知道：

这个学生正在发生什么。

于是学校拥有了十个“聪明”的系统。却依然没有形成对一个学生完整而持续的理解。

这件事让我意识到：

学校AI转型最危险的状态，并不是“没有AI”。

而是：

AI很多，却彼此割裂。

看起来很先进。

实际上只是把原来的信息孤岛，升级成了一堆“AI孤岛”。真正有价值的学校AI，不应该只是增加越来越多智能工具。而应该逐渐形成一套能够贯穿关键教育工作流程的能力：学生发生了什么？老师看到了什么？系统发现了什么？学校做了什么？结果有没有变化。然后新的信息再次进入下一轮判断。

当这个循环真正跑起来的时候，AI才开始从“软件”变成学校的一部分。

为什么这三个问题，经常同时出现？

其实背后有一个共同原因。

学校并没有真正把AI转型放到校长的战略议程上。

AI很重要，大家都知道。但在很多学校里，它仍然停留在这样一种状态：

信息中心在研究，

几个年轻老师在尝试，

供应商在介绍产品，

某个部门在推进试点。

校长在支持。

但校长还没有真正成为这场变革的第一设计者。于是AI自然会沿着学校原有的组织结构往下走。技术部门负责技术、学科组提出需求、供应商提供工具、老师接受培训。

最后，每一个人都做了自己职责范围内最合理的事情。但是把这些合理的局部加在一起，却不一定会得到一次真正的转型。

因为真正的转型，本来就不是某一个部门能够完成的。

学校AI转型，首先是一场“校长工程”

AI时代，校长最重要的能力之一，不是懂多少技术，而是能不能重新定义学校的问题。

如果学校把AI当作工具项目，校长最容易问的是：买哪一个？多少钱？多少老师用了？使用率是多少？这些问题不能说不重要。

但它们只能说明：

AI有没有被部署。

却不能说明：

教育有没有改变。

如果把AI转型看成一项学校战略，问题就会变成：

哪些事情正在大量消耗老师，却并不需要老师亲自完成？

哪些优秀教师的经验，只存在于个人头脑里，无法被学校沉淀？

哪些孩子已经出现变化，但学校往往要到考试以后才发现？

学校收集了这么多数据，哪些真正进入过教育判断？

老师、学生、家长之间的信息，为什么总是彼此割裂？

哪些工作流程，如果重新设计一次，会让学校产生根本性的变化？

这才是AI真正应该进入的地方。

那么，怎么判断一所学校到底有没有真正发生AI转型？

企业可以看收入、利润、客户留存率。

学校当然不能简单照搬企业的财务指标。

但学校同样需要一把自己的尺子。

否则很容易把：

“做了很多事情”

误认为：

“发生了改变”。

我会把学校的AI转型，大致分成三个层次。

第一层：AI进入学校了

学校采购了工具、老师接受了培训、有一些AI公开课、老师开始使用大模型备课、出题、写材料。这是非常重要的第一步。

但这些指标本质上都是：

投入指标

它只能证明：

学校开始行动了。

第二层：AI让一些事情更高效了

备课时间缩短了、批改速度更快了、材料整理减少了、教师重复劳动下降了、行政效率提高了，这已经是真实价值。

但它更多还是一种：

效率优化

AI让原来的事情做得更快、更便宜、更方便。但学校原来的运行逻辑，可能并没有发生根本变化。

第三层：AI开始改变教育结果和学校运行方式

这才是真正值得关注的地方。

比如：

老师因为AI释放出的时间，更多回到了观察学生和教学设计。

一个学生的学习问题，不再等到期中考试以后才被发现。

教研不再只依赖教研组长和骨干教师，而开始沉淀学校自己的知识和经验。

学生不再统一走同一条学习路径，而能够根据真实状态动态调整任务。

家校沟通不再只发生在“出了问题以后”，而开始基于持续的成长信息进行。

校长看到的，不再只是平均分和排名，而是学校真实的教学和学生状态。

如果这些开始发生，

AI才真正进入了学校的运行机制。

所以，学校真正要衡量的，不应该是“用了多少AI”

而应该是：

AI改变了什么？

对老师来说：

有没有减少真正没有必要的重复劳动？

有没有增加用于观察、判断、教研的时间？

对学生来说：

学校是不是比以前更早发现问题？

学习任务是不是比以前更适合他？

对学校来说：

优秀教师的经验有没有开始沉淀？

数据有没有真正进入教育决策？

跨部门之间的信息是不是开始连接？

甚至可以进一步问一句：

如果明天把这套AI拿走，学校哪些已经发生改变的工作方式会重新退回去？

如果答案是：几乎没有。那说明AI可能仍然只是一个附加工具。

但如果老师已经形成新的教学习惯，学校已经建立新的流程，学生支持方式已经发生变化——

那么AI转型才真正开始留下痕迹。

AI不是万能药

写到这里，我还想补充一件我非常在意的事情。

今天谈AI，很容易走到另外一个极端：好像数据足够多，模型足够聪明，AI就能够自动理解一个学生。

我并不这样认为。

AI可以发现线索。

但线索不等于结论。

AI可以分析数据。

但数据也不等于理解。

一个老师为什么会突然觉得：“这个孩子今天有点不一样。”

为什么同样一次沉默，有经验的老师会判断：他不是不会，而是不敢说。

为什么面对同一道错题，有的老师看到的是知识点没掌握，有的老师看到的是孩子整个思维路径在哪里发生了偏差。

这些东西，很多时候来自人的经验、判断、感受。

甚至来自一个教育者在面对一个孩子时，非常细微的“起心动念”。

我愿不愿意多看他一眼？

我愿不愿意再问一句为什么？

我有没有真的想理解眼前这个人？

所以我始终觉得：

AI进入学校以后，人反而会变得更加重要。

因为AI可以帮助学校看见更多。

但最后决定：哪些信息重要，怎样理解这些信息，应该怎么回应一个学生，

仍然是人。

最后，学校AI转型到底是什么？

这几年，技术变化得实在太快。今天我们讨论大模型，明天可能是智能体，再过一段时间，一定还会出现新的技术。如果学校的AI战略只是不断追逐最新工具，那一定会非常疲惫。因为永远有更新的模型，永远有更漂亮的产品，学校真正需要建立的，不是追赶工具的能力。

而是另一种更底层的能力：

知道自己为什么改变。

知道学校真正的问题在哪里。

知道哪些事情应该交给AI。

也知道哪些事情永远应该留给人。

我觉得，学校AI转型真正完成的那一天，并不是学校拥有了一套多么先进的系统。

而是有一天，我们回头发现：老师的工作方式变了；学生的学习方式变了；教研的方式变了；学校理解学生的方式也变了。

那时候，AI已经不再是一个单独的项目。

它已经成为学校新的运行方式的一部分。

所以，对我来说：

学校AI转型，从来不是“给学校增加AI”。

而是借助AI，重新回答一次：

一所学校，应该怎样工作？

一个老师，应该把时间花在哪里？

一个学生，应该怎样被看见？

以及——

当技术越来越强的时候，教育究竟什么东西应该改变，什么东西反而更应该被守住。

这也许是大家可以一起共同关心的【学校AI转型】。