就像前几年的“互联网+”一样，最近两年，“AI+”突然变成一个炙手可热的话题，一切皆可AI+，现在在和别人聊点儿事儿，你要是不聊几句AI，仿佛就跟不上这个时代。

作为“永远都是风口行业”的教育行业，更是不会放过每一拔风口上的任何一个概念，一夜之间，线下、线上、ToB的、ToC的、老牌机构、新创企业都开始或多或少的谈起了AI+的创新和转型问题。动作快的机构也己经开始落实到产品化并推向市场。

当然，受限于技术水平、资金实力以及理解和设计深度的不同，各家实际作出来的东西也深浅不一。有些产品的确让人惊艳、极大的提高了教育的效率和质量，也有很多的产品让人看不出来到底“AI”了啥。这就造成了两个印象的极端：现在开口跟你谈AI+的，不是绝顶高手，就是个骗子。

为了在当下各种嘈杂的声浪中理出一点头绪，本文尝试着以在线教育为例，从最底层的技术概念入手，按照“AI技术——AI能力——应用场景”的顺序，冷静的缕缕思路：在线小班课中的AI+,到底能“+”些什么。

AI技术

首先，以目前的“AI”概念而言，比较有代表性的是以下几大类技术（以下仅为例举）。

• 文本分析：通过统计和机器学习方法从文本中抽取特征词进行量化、以促进对句子结构、意义、情绪、意图的理解。

• 语音识别：根据不同应用场景的需要，将人类语音转换成计算机可识别和处理的信息。

• 自然语言生成：从计算机数据生成可用于人机交互的文本、图像或自然语言。

• 生物识别技术：通过对语言、图像、触摸识别、肢体语言识别等信息的处理，使人类和机器之间能够进行更多的更自然的互动。

• 虚拟代理：用机器人代替人类作一些具体的工作，随着开发技术的深入，应用模型也正逐渐从简单的聊天机器人向更高级、更精细化的分析、互动和执行系统过渡。

• 决策管理：将规则和逻辑插入人工智能系统的引擎，用于初始设置、培训；以及通过持续的维护和调优，来进行辅助的或完全自动化的决策。

• 机器学习平台：提供算法、api、开发和培训工具包、数据，以及计算能力来设计、培训和部署模型到应用程序、流程和其他机器上。目前多用于预测和分类。

• 深度学习平台：一种特殊类型的机器学习，由具有多个抽象层的人工神经网络组成。目前多用于模式识别和分类应用。

• 机器人过程自动化：使用脚本和其他方法来自动化人类活动，以支持高效的业务流程。

• AI-优化硬件：包括从GPU的通用性设计，到FPGA(Field－Programmable Gate Array）这样的可编程器件，再到专用的特定领域芯片ASIC（Application Specific Integrated Circuit，如TPU）定制向的设计、开发、嵌入和优化，为硬件设备赋能，以有效地运行面向对象的计算和执行工作。

AI能力

第二步，通过以上各种AI技术的深入挖掘和组合，能够实现哪些AI能力（以下仅为例举）？

• 智能的语言和文字处理能力：例如语音和文字的识别、实时翻译、语音合成等。

• 计算机视觉：例如人脸识别和美化、图像识别和自动处理、视频分析、各种OCR等。

• 模拟和仿真技术：例如各种机器人、自动客服系统、自动销售系统等。

• 智能决策：例如实时的运营过程管理监测系统、数据可视化系统、一些商务决策引擎平台等。

• 智能硬件：例如智能家居产品、智能穿戴设备、具有自动驾驶功能的汽车等。

应用场景

第三步：在在线小班课的教学和服务过程中，以上那些AI技术可以（或有可能）融入哪些环节，为提高教学质量、效果、效率或降低成本方面提供服务（以下仅为例举）？

就目前AI技术的发展水平和应用实例而言，可以从产品AI化、服务AI化和管理AI化三个维度，来进行各种AI技术与在线小班课应用场景的融合和探索。

产品AI化方面

AI测评：

在线小班课模式存在的核心价值之一就是其既提供了仅次于1V1模式的高度个性化教学、又提供了一个比学赶帮超的班级学习氛围，同时还比1V1省钱，规模更经济。

而为了真正实现这种理想上的效果，对于在线小班课而言，面临的第一个问题就是如何科学合理的分班，确保基础水平和学习能力接近的同学分在一个小班里。

当然，根据所学科目的不同，这个学习能力又需要细分成识记能力、理解能力、分析能力、表达能力、应用能力等等多个维度；而且随着学习过程的不断深入，在同一个周期的学习过后，每个学生对这个学期所学内容的掌握和以上各项能力的提升还存在不同程度的提升、并逐渐拉开差距。

因此，多维度、高精度的测评工作就显得尤其重要。实际情况是，受自身实力和成本影响，很多在线小班课产品在这一个方面基本上是流于形式，用一张试卷、老师人工面试（很多机构甚至是销售人员或助教面试，难免出现评价标准不一、评价维度不全的现象）、甚至干脆根据年龄、年级或学生在校的考试分数进行分班（K12提分班或大班课如此尚可、素质教育类小班课仅用这个考量分班就难免要受到竞争对手牵制了）。

同样，新入学的分班都如此敷衍的机构，在续班时基本上更不会再进行深度的重新评测，而是直接按授课内容递推续班；这些操作很难使在线小班课的价值得到真正的体现，长期如此，见不到明显外化的培训效果，机构一次转化率和续费率很难做高，陷入高获客成本的流量漩涡也就再所难免了（反正都见不到效果，只能比谁砸在广告上的钱多了）。

这是目前大多数在线小班课机构都面临的问题，而一个认真设计和维护的AI测评系统很可能是目前解决这个问题最高效的手段。

AI正课：

既想享受1V1的高度个性化教学服务，又无法承担高昻的教学费用，怎么办？

随着AI技术的不断进化，高度仿真的虚拟教师课程正让我们逐步看到解决这个问题的希望。通过对学生学习数据的智能分析以及和学生库中教学大数据的比对，AI老师不仅能够实现按需调出教学和练习的内容，有的放矢的对学生进行极具针对性的教学和训练。

同时，可按需求变换身份、形象和交流风格并且永远耐心的AI教师无疑也能大大激发学生的学习兴趣，减少学习的枯燥和疲惫感。

更重要的是，这种虚拟教师可以依照业内最优秀的老师进行设计和持续维护，真正实现了名师的阳光普照。以前，互联网教育的使命是让每一个地方的孩子都能享受到最优质的教育。

未来，AI+互联网教育可以实现的是：一些偏远地区的孩子不仅能享受到最优质的教育，而且还是专门针对他设计的课程和作业，并且超便宜。

当然，不可否认的是：AI正课和真人老师的小班课各有优势，以目前的实现水平来看，这两者之间并不能完全互相替代。

所以，现在的趋势是：以AI课起家的公司在开发小班课、以小班课起家的公司在研究AI课。

看起来，同一个公司内部同时存在这两种产品会成为一种趋势，而这种组合基本上是两种形式：

1. 营销上的分工，用以收割不同属性的课户群。同时，低客单价、更易快速推广的AI课还可以起到搭建私域流量池的作用，为高客单价的小班课进行引流。

2. 形式是产品上的组合，即卖给学生的课程包里即包含一定量的AI课、又包含一定量的小班课；让学生在同时享有两种教学形式的优点的基础上，又进一步降低了产品成本。

AI辅助授课：

对于在线小班课而言，师资是一个很让人头疼的问题。

一方面，这种形式虽然不象1V1那么吃老师，但随着规模的扩大，海量的师资团队也是不可避免的。好的老师贵且少，经验差一点的老师又影响教学效果。有些机构会尝试把班型稍作扩充以降低对师资需求的比例，但扩充后发现学生的体验又直线下降！

同样的老师教同样的内容，一个小班多加2、3个学生而己，体验下降在哪部分呢？

究其原因，主要在于对教师控场精力的稀释。特别的低幼阶段的学生或针对素质教育的内容，这个问题尤其明显。低幼阶段的学生自控能力和集体意识本就不足，对于素质教育的也没有太多非学好不可的压力和意识。

必竟对于大多数人而言，学习本身又是一项反人性的劳动；同时，在线教育又没有线下教育那么强的现场氛围、控场手段和仪式感；所以，班级规模稍一扩大，授课老师想要准确及时的发现哪位同学眼神迷离、哪位同学神情恍惚就显得越发艰难。而借助AI作一些辅助，就成了众多解决方案中相对具有一劳永逸属性的一种。

AI的辅助授课体现在两个方面，一方面是通过计算机视觉技术，辅助授课教师随时对学生的上课状态进行跟踪，并给予预警，随时提醒和辅助教师关注到每位神游天外的学生的上课状态并实现干预和纠正；另一方面是通过这些数据的收集、分析和比对，供教学管理团队对于教学内容、形式、课件、授课技巧等方面作不断的改进优化提供支持和参考。

AI教学设备：

这部分涉及到的主要是硬件教学产品的开发和改造，重成本的硬件改造更集中在线下教学、双师教学和ToB场景中，在线小班课场景方面目前基本上是以实体的辅助教学机器人、VR设备的开发应用等为主流，且产品质量参差不齐；真正称得上AI化的产品还处在概念和MVP阶段，暂不多作讨论。

服务AI化方面

和产品AI化相比，在服务AI化领域，各种AI场景在实际的开发和使用方面似乎更为频繁和广泛，很多企业也己经籍此获得了巨大的成功。

自动作业批改：

拍照搜题软件都己经遍地开花，具有自动作业批改功能的App都己经进校园、又因为部分App涉及到广告、游戏等少儿不宜的内容被清退出来一大批了。用更轻松的、游戏化的形式布置少量但关键的课后练习并完成自动批改早己不是技术难题。

从长远来看，相比于用助教老师人工阅卷的形式而言，这个功能不仅更具有性价比，而且在结合了下面要谈的自动答疑功能以后，其即时的反馈和智能作业调整功能也将实现更好的学习效果和学生体验。

自动答疑：

批改作业不是目的，通过AI和大数据的支持，对学生答错的问题进行思路上的分析、自动给出正确的解题思路。同时，追加同类型的题目或自动调整后续的作业内容和难度以确保对学生进行有限时间和精力的高效运用 。帮助学生克服厌学情绪并提供及时和高水准的自动答疑，才是批改作业的价值所在。

自动客服：利用AI搭建自动客服系统，是超低成本的实现24小时客服、并能快速响应大规模接入并发量的最佳方法。

学习数据、效果、建议的三方自动呈现：

对于低、幼年龄段乃至整个K12阶段来说，教育产品都涉及到三方：学校、学生和家长（在学校内部，关心某个学生具体学习状况的人还包括老师、助教、销售和客服）。

产品使用方和付费方不是同一个决策者，推动学习、辅导、续费、付费、转介绍或挽单的也不是同一名工作人员；因此，学生的学习数据、学习效果、学习建议等方面的数据在三方里如何自动共享、共享到什么程度，是决定着企业运作效率的重要支持。

管理AI化方面

起盘一个在线教育公司不太复杂，这就是为什么一夜之间在线教育公司林立、短短几年就把一个蓝海市场迅速作成红海的原因。

同时，想要管理运营好一个健康的在线教育公司又非常不容易，这就是为什么现在很多在线教育公司普遍都在流量和获客里泥足深陷、在拿融资续命的周期里苦苦挣扎。

纵观AI的发展历程和对AI未来的预期，比较典型的看法是将AI的发展分为三个阶段：第一个阶段是计算智能，能存会算，比如我们现在使用的个人计算机；第二个阶段是认知智能，能说会听、能看会认，比如苹果开发的Siri；第三个阶段是感知智能，它要求机器或系统能理解会思考，这是人工智能领域正在努力的目标。

在第一阶段，管理的AI化体现企业在ERP、CRM系统的建立和发展上；进入第二向第三阶段的迈进过程中时，市场也对管理AI化提出了更高的要求。

教师评价：

不太客观的说，在线教育公司的发展过程也是一个折腾教师的过程，转化率、续费率、满意度、到课率、退费率、学习效果……

这些指标似乎都能和授课教师扯上关系，但又不是授课教师一个人的力量所能完全决定和改变的。原本一名只负责传道、授业、解惑的学术形象的老师活生生被逼成了小CEO的样子（后来，这些被逼成功的老师们就真的出去自立门户，成了你的竞争对手，还带走你的大批学员，狠狠的报复你之前对他们的不公）。

所以，所有仅仅通过某一项数据或某一次磨课和监课的成绩对授课教师进行评价，有失偏颇是一方面，更重要的是具有滞后性。

教学服务是一个生产和消费同时进行的产品，当你发现问题时，相应的损失也己经发生。凭借AI技术的发展，现在可以通过对现场教师和学生的各项互动数据（互动频度、互动范围、按时完课、学员活跃程度等）进行实时监测反馈，不仅可以给授课教师一个更客观的评价。同时，也利于教学过程中问题的及时发现和解决。

教学产品各模块效果评价：

除了教师本人的教学水平和状态以外，一个在线小班课的教学产品的成功，还和诸如教学逻辑、课件水平、课程内容分布、视频和互动系统以及后端的服务政策和流程执行状况等因素息息相关。较粗放的方法是通过各模块的CSI调查和反馈来发现和调整。

有实力的公司会通过对各个环节数据的单点测试以期发现和改善问题；通过AI深度学习平台的不断进化和学生各项数据的积累，今后有望更系统和实时的实现对教学产品各模块效果的评价。

服务流程自动化：

纵观教育领域的招生和服务模式，大部分教育企业的运营过程，都是按照“获取流量”——“试听体验”——“付费”——“鼓励老学员推荐新学员”——“续费”模式展开的。

面对大同小异的运营框架、难以快速体现的产品差异和几乎相同的流量采购价格，如何精细化的设计每个一环节的子过程以追求最大化过程收益、如何稳定和紧凑的推进各个业务模块之间的衔接以追求最小化过程转换损耗、以及如何面向全局的设置复合指标并切分任务边界以确保最优化协同效应等策略的研究和落地，就逐步演进成了各教育企业在同一片红海中游出不同姿势的主要动因。

而这个研究，无一不是建立在对全业务流程严密的数据和过程把控基础之上的，若想让这件事情富有实效，需要耗费大量的人力资源、管理精力和数据采集成本。通过对AI决策管理和自动化进程能力的设计，可以在获得流程模型、开关阈值和数据的基础上，充分发挥计算机辅助管理和辅助决策的功能，以更高效的方式实现服务流程的自动化。

信马由缰的说了很多，为便于理解，作如下草图，供没时间读全文的方家一笑。