AI 进入学校，最重要的不是替老师备课

一提到 AI 进入学校，人们很容易先想到备课。

输入一段要求，生成一份教案；再换一个提示词，课件、习题和活动方案也都有了。这样的结果最直观，也最容易在一次演示里让人看到 AI 的速度。

但在我的实际工作里，真正反复消耗时间的，往往不是少了一份教案。

有一段时间，我一直在想办法解决学校资料重复填写的问题。同一类信息，不同部门会用不同表格再次收集。字段名称变一点、顺序换一下，原来已经填过的内容就要重新寻找、复制和核对。表格越来越多，信息却没有因此更接近课堂。

也正是从这个问题出发，我后来尝试设计一套数据整理系统：让文件先被导入，由 AI 帮助抽取和匹配，再由人确认，最后形成可以继续查询和使用的数据。

这件事让我越来越确定：

AI 进入学校，最重要的也许不是替老师多写一份材料，而是让已经存在的信息少走一些弯路。

学校缺的，不一定是更多工具

很多学校并不缺软件。

有办公平台，有教学平台，有报名系统，也有一张张临时下发的 Excel。问题在于，这些系统和表格常常只完成自己的那一步，却没有形成一条可以持续使用的信息链。

一条信息在第一个系统里已经存在，到了第二项工作中仍然需要重新填写；一份材料已经整理过，换了模板又要重新复制；一次活动留下了名单和结果，下次再用时却找不到统一、可信的版本。

AI 可以帮助处理其中一些机械工作。例如读取不同格式的文件，识别相似字段，把可能属于同一个人的记录放在一起，或者把一份长通知里的对象、时间和材料要求整理出来。

但它不能替学校回答更根本的问题：为什么要再次收集这条信息？谁可以使用它？原来的数据是否可信？这一步是不是本来就不该重复？

如果旧流程没有改变，只是在每个表格前面加一个 AI 按钮，学校得到的可能不是更好的信息化，而是更快地复制原来的低效。

对教师有价值的，不只是“生成”

AI 最擅长被展示的能力是生成。但对教师来说，整理、比较和反馈可能比生成更重要。

我处理过一次社团报名数据。原始记录之间存在姓名、班级和填写方式不一致的问题，AI 可以进行匹配、去重和候选判断，把原本分散的问题缩小到一批需要重点核对的记录。

最后生成的不是一张“AI 已经确认”的名单，而是一份等待学校人工核对的表格。即使某些匹配结果置信度很高，也仍然保留了人工填写和确认的位置。

这一步看起来没有“全自动完成”那么漂亮，却更接近 AI 在真实学校工作中的合理位置：

• 帮助教师从大量信息中找到值得注意的部分；
• 把重复整理缩小为有限的核对任务；
• 给出候选结果，而不是冒充最终事实；
• 把最后的判断交给了解学生和真实情况的人。

教师的专业价值，本来就不只是生产教案。理解学生为什么出错、判断一项信息是否可信、决定应该给予怎样的支持，这些工作不能因为 AI 能生成文字，就一起交给模型。

能读到文件，不等于读懂文件

我曾经拿一份真实的比赛文件测试小可。

那是一份区里推荐参加市级人工智能比赛的推优名单，但 AI 一开始误解了文件的性质。进一步检查才发现，这份 PDF 虽然能正常打开，却没有可以直接提取的文字层。普通的 PDF 文本提取读到的几页都是空白，如果要继续处理，只能先转成图像，再进行 OCR 和结构化识别。

后来在处理另一张学校活动图片时，我又发现识别结果与原图并不一致。

这两次经历都很普通，却说明了一个容易被忽略的问题：

AI 能够给出答案，不等于它已经正确理解了输入。

在学校场景里，一个文件类型判断错误、一个学生姓名匹配错误、一个日期识别错误，都可能继续进入后面的报名、统计或通知流程。输出越流畅，人越容易忘记回头检查它到底读到了什么。

因此，AI 对教师真正有帮助的方式，不是让核对消失，而是让核对变得更有重点。它应该告诉我们哪里不确定、依据来自哪里、哪些内容需要重新看原件，而不是用完整的语气遮住自己的不确定。

对学生来说，答案不是终点

在《当科学课不再只是“知道答案”》里，我写过自己对 AI 进入小学课堂的一点担心：我担心的不是孩子不会使用 AI，而是他们开始停止思考。

到目前为止，我没有足够的真实课堂证据证明，使用了某个 AI 工具以后，学生的学习就一定变好了。因此，这里谈的更多是我的判断，而不是已经验证的结论。

我认为 AI 对学生最有价值的地方，不是直接生成一份可以提交的答案，而是让反馈来得更及时：

• 一个问题还没有想清楚时，帮助他继续追问；
• 一个方案只有第一版时，指出还可以验证什么；
• 一个作品遇到困难时，提供几条不同的修改路径；
• 一个结论看起来很确定时，提醒他寻找来源和反例。

这样的使用方式不会让教师退出，反而更需要教师设计任务、观察过程，并判断学生最后交出的东西是不是自己的理解。

如果最后只剩下一份精美的成品，我们很难知道孩子经历了什么。真正值得保留的，是最初的问题、尝试过的办法、得到的反馈、修改的痕迹，以及他为什么接受或拒绝 AI 的建议。

对学校管理来说，不是再造一批报表

AI 也可以参与学校管理，但它的价值同样不在“生成更多”。

我曾参与过一份学校数字化建设方案的分析。AI 可以阅读已有 PPT，帮助拆分网络、机房、办公、教师培训等内容，也可以发现预算与建设范围之间需要重新核对的地方。

这能证明 AI 参与了分析和方案整理，却不能证明这些建议已经被学校采纳，更不能证明项目已经立项、采购或产生效果。

管理工作里的 AI，比较适合做的是把过程信息整理成待核查的问题：哪些数据互相矛盾，哪些任务长期停在同一步，哪些材料反复收集，哪些结论缺少依据。

它不应该做的，是把并不完整的数据包装成一份看起来很确定的报告，再让学校为了配合这份报告继续制造更多表格。

一项管理决策会影响教师和学生。AI 可以协助整理依据，却不能承担决策的责任。

有些边界不能等出问题以后再补

AI 一旦进入学校，至少有五个问题必须提前说清楚。

隐私

学生名单、联系方式、家庭情况、学籍和评价信息，不能因为“让 AI 帮忙整理”就被随意上传。学校需要知道数据去了哪里、保留多久、谁有权限，以及能否在不提供真实身份的情况下完成任务。

幻觉和错误

模型生成得很像事实，不代表它有事实依据。涉及通知、政策、比赛资格、时间和名单时，必须回到原始文件和业务系统核对。

学生依赖

如果一个任务只评价最终答案，最省力的策略自然是让 AI 直接完成。要避免依赖，不能只靠提醒学生“不要抄”，还要让评价看得见提问、验证和修改过程。

评价公平

不同学生能够接触到的设备、账号、网络和家庭支持并不相同。把 AI 使用能力直接混进成绩，却不给所有人相近的条件，会制造新的不公平。

责任归属

AI 判断错了学生身份、生成了不准确的评价、遗漏了报名要求，最后由谁发现、谁纠正、谁承担责任，不能留到事情发生以后才讨论。

我现在更愿意先问四个问题

过去谈学校信息化，很容易从“这个工具有什么功能”开始。

现在，如果再看一项 AI 应用，我更愿意先问：

1. 它解决了什么真实问题？
2. 它减少了谁的负担？
3. 它改善了什么学习过程？
4. 它留下了什么可信证据？

如果只能回答“它可以生成教案、课件和报表”，这项应用也许还停在演示阶段。

AI 当然可以帮助备课。它也可以帮助制作资源、整理材料和形成初稿。但学校真正需要的，不是一个永远比人写得快的生成器。

学校需要的是，让信息少重复一次，让教师多看见一点真实差异，让学生多经历一次反馈和修改，让每一个重要结论都还能找到依据。

做到这些以后，AI 才不只是进入了学校的电脑。

它才真正进入了教育过程。