选AI工具,先搞清“给谁用”:4类人,4种效果,别再选错了

选AI工具，先搞清“给谁用”：4类人，4种效果，别再选错了

去年，我去一所学校做交流。校长很兴奋地领我参观：智能阅卷、AI备课、学情看板、课堂行为分析，全上了。可一年后我再问，好些功能已经“吃灰”。老师嫌麻烦，学生该抄答案还抄，校长盯着大屏也不知道下一步干啥。

问题出在哪？不是工具不行，是一开始就没搞清：这工具，到底是给谁用的。

教育不是普通行业。卖菜可以一个系统通吃，教育不行。教育是“育人”的垂直领域，差别就在“初衷”。同样是AI，给老师用、给学生用、给校长用、给社会上的人用，目的完全不同，效果也天差地别。

我把全网的研究捋了一遍，按“给谁用”分四类，每一类都有实打实的数据。

第一类，给老师用——协助“教”，把老师从重复劳动里救出来。

坦桑尼亚一项覆盖120名城乡教师的研究很说明问题：用AI做个性化教学后，学生参与度从2.8升到4.3（5分制），平均成绩从61%提到75%；老师备课和批改的时间大幅缩水。结论一句话：AI是可靠助教，不是要替换老师。

所以教师端的效果，第一指标不是学生分数，是“减负了多少、腾出的时间是不是回到了育人上”。国内恰恰卡在这儿——很多产品“更高效”已被证明，但“是否更有效”还没人系统验证。

第二类，给学生用——协助“学”，把个性化真正落地。

这一类的证据最硬。哈佛大学随机对照试验，AI导师比主动学习班级多带来0.73到1.3个标准差的增益；华东师大2024年元分析126项研究，AI总体效应量0.36，相当于多学3到5个月，数学更到0.42。

但坑也最隐蔽。新加坡职校的AI助教把流程跑顺了，学生成绩却没显著提升——低能力学生直接用AI绕过了思考，研究者叫它“元认知懒惰”。更扎心的是国内一项2.6万学生的研究：AI让作业分涨了18%、用时少了30%，可半年内月考掉了20%，入学考掉了18%到24%。会用的孩子赢了答案，输了未来。

第三类，给校长和管理层用——辅助“决策”，让治理有数据。

得州一位校长用AI识别长期缺勤规律，一年把逃学率降了18%；有学区用分析工具发现40%的付费应用根本没人用，一年省下5万美元。国内广东的“AI教育大脑”实时分析500多万学生的作业数据，精准定位“机械刷题”等问题。

管理层的效果，看的是预警准不准、决策快不快、行政负担减没减。可惜，全球仅5%的教育局长有正式的AI政策——管理端的工具，跑得比制度快。

第四类，给社会上的人用——终身学习，保住职业。

这跟学校是两码事。2025年，78%的组织已在用生成式AI，66%的招聘方明确表示“没有AI素养不招人”；印度AI课程学员里95%说职业有正向结果，55%加了薪。腾讯“银发学堂”让60岁以上老人的课程完成率从23%飙到61%。

这一类效果很直白：就业率、加薪幅度、岗位转换率。斯坦福的Chris Dede点透一句话：“教人去做AI已经能做好的事，等于教人输给AI。”成人教育要补的，是AI替代不了的能力。

那么，效果到底怎么算数？最忌讳只看一次考试分数。 OpenAI联合斯坦福、塔尔图大学正在推一套“学习成效衡量套件”，追踪的不是分数涨跌，而是五个纵向信号：自主动机、产出性参与、任务持久性、元认知、知识回溯。换句话说，真正要显示的有效性，是孩子会不会自己学、能不能想、愿不愿坚持。

回到开头那所学校。工具没选错，是没人先问那句最朴素的话：这东西，给谁用？赋能谁？

给老师，就把教书交给机器，把育人留给老师；给学生，就把知识交给AI，把素养还给人。

不淘汰人，只淘汰旧方式。 2.0的老师，教不了3.0的学生；可3.0的老师，得先学会为不同的人，选对不同的AI。