考察点
这是科大讯飞 GM 面的原题。GM 面和业务面的视角不同:业务面看你能不能干活,GM 面看你对行业的判断值不值得把资源交给你。教育是讯飞的基本盘(智慧教育、学习机都是主力业务),面试官自己就是行业里的人,所以这道题最怕两种答法:一是泛泛罗列「AI 出题、AI 答疑、AI 批改」谁都知道的名词;二是满嘴颠覆,对教育的慢变量(教研体系、家校关系、付费决策链)毫无敬畏。好答案的标志是:有取舍——说清哪个机会先做哪个后做;有边界——知道教育场景里 AIGC 什么事不能干。追问常落在:最先落地哪个、怎么防止学生直接抄答案、怎么赚钱。
参考答案
我的判断框架:找「供给瓶颈」而不是找「技术亮点」
AIGC 在教育里有没有机会,我的判断标准不是技术新不新,而是这个环节是不是长期卡在供给不足上。教育里最贵的供给是好老师的注意力——一个老师面对几十个学生,个性化指导永远不够分。所以凡是「好老师想做但做不过来」的事,就是 AIGC 的主战场;凡是「老师本来干得挺好」的事,强行上 AI 多半是添乱。顺着这个框架看,机会清晰的分成三侧:学生侧的个性化、教师侧的提效、内容侧的生产,但三侧的成熟度和风险完全不同,落地顺序不能搞反。
教师侧提效:最先落地,风险最低
我会把教师侧放第一位,原因很简单:用户是成年人,能识别和纠正 AI 的错误,幻觉的代价可控;而收益是实打实的——批改、出题、写教案是老师时间黑洞,一个中学老师每天改作业两三小时是常态。AIGC 在这里的机会有三个层次:客观题批改早被 OCR 解决了,AIGC 的价值在主观题——作文、解答题的过程性评价,给分之外给出「错在哪一步」的批注;出题场景,基于知识点和难度参数生成题目和变式题,老师从「编题」变成「选题和改题」;备课场景,把课程标准、教材、学情数据喂给模型,产出教案初稿。这三个都不需要 AIGC 完美,做到「初稿可用,人审一遍」就能省一半时间,验收标准清晰,是典型的好落地场景。
学生侧:机会最大,但要解决「直接给答案」这个死穴
学生侧的天花板最高——一对一答疑、口语陪练、个性化学习路径,这些都是好老师注意力的直接延伸。但这里有个教育 AIGC 绕不开的原罪:模型太乐于助人了,学生问作业,它直接把答案写完,短期家长觉得好用,长期是在培养抄作业工具。产品上的解法不是限制能力,而是改交互范式:默认走苏格拉底式引导——先问学生思路、给提示不给答案、分步解锁,把「直接给答案」做成需要家长端授权的开关;同时给家长和老师的后视镜,学生问了什么、卡在哪一步、是直接抄的还是真弄懂了,生成学情报告。这一个设计就决定了产品是「学习工具」还是「作弊工具」,也是学生侧产品能不能过家长这关的生死线。口语陪练这类没有标准答案的场景风险最低,可以先行;理科答疑这种强结果的场景要带着镣铐上线。
内容侧与边界:教材级内容碰不得幻觉
内容侧的机会在教辅生产的降本——同步练习、阅读材料、多语言版本,但有一条红线:凡是直接进课堂、被当作「标准内容」消费的东西(讲义、范文、知识讲解),幻觉的容忍度趋近于零,必须走「AI 初稿+教研审核」的流程,AI 定位是生产工具不是发布主体。另外两个教育特有的边界必须提:一是未成年人保护,价值观、内容安全的过滤等级要比成人产品高一档,这方面的 badcase 不是体验问题是合规事故;二是数据合规,学生数据尤其是未成年人的,采集和使用的授权链条要在产品设计里前置想清楚。
商业化:家长为「可看见的进步」付费
最后落到生意。教育产品的付费决策链很特殊:使用者是学生,决策者是家长,评价者 sometimes 是老师。家长不为「AI 很酷」付费,只为看得见的进步付费——所以产品设计里必须有「进步可视化」这一层:阶段性的能力图谱变化、错题收敛趋势,这是续费率的根基。商业模式上,硬件搭软件(学习机形态)已经被验证是可行的——硬件解决获客和信任,订阅内容和服务解决持续收入;纯软件订阅在 K12 不好做,获客成本和监管环境都不友好。这也解释了为什么这个赛道最后跑出来的多是「硬件+内容+服务」的组合。
可能的追问
- 三个方向里你先做哪个? 答:教师侧的批改和出题。理由是验收标准最清晰(省多少时间、批改一致性多高可量化)、幻觉代价最低(老师兜底)、付费方明确(学校或机构预算),能最快跑通商业验证;学生侧产品在引导式交互和学情报告打磨成熟后再推。
- 怎么防止学生用你的产品作弊? 答:三层:交互层默认引导式不给完整答案;授权层「直接给答案」开关握在家长端;监督层所有问答沉淀成学情报告对家长透明。核心思路是把产品利益和「真学会」绑定,而不是和「给得快」绑定。
- AIGC 会替代老师吗? 答:不会,替代的是老师的重复劳动。教育的核心是激励和关系——学生愿不愿意学,AI 给不了情绪价值和权威感。产品的正确定位是把老师从批改和编题里解放出来,把时间还给面对面的指导,这也是向学校销售时最站得住的价值主张。