多知开辟全新板块【视角】，邀约教育科技各领域从业者从各自视角，看教育+AI的此刻与未来。

本文邀约作者TCOH，教育行业资深战略。对于教育科技公司与AI的关系，TCOH提到：

“多个教育头部公司加总，累计在AI领域的投入已达二三十亿元。但这些投入，究竟在多大程度上推动了AI在教育场景中的落地?答案或许没有外界预期的那样乐观。”

“他们更关注的，是整个产品最终带来的学习效果，而不是产品是否搭载了AI技术。换句话说，AI是锦上添花，而非决定购买的核心理由。”

“在这样一个人力密集、流程繁复、协同高度依赖的系统中，想要让AI'自然嵌入'并真正创造出商业价值，其挑战远比表面看上去要大。”

……

以下为分享全文：

一、投了二三十亿，结果还是“看起来很美”?

AI大模型火起来已有一段时间，曾一度被认为是教育行业最理想的应用场景之一。从GPT-4引发的行业轰动开始，无论是出于对技术的真正认可、应对竞争可能威胁的被动反应，还是为市值管理考虑，多个教育头部公司在AI领域的累计投入已达二三十亿元。

但这些投入，究竟在多大程度上推动了AI在教育场景中的落地?

在各大教育公司普遍接入 DeepSeek 之前，AI落地面临多重现实障碍：有的是受限于自身模型能力建设不足，有的因OpenAI等供应商token成本较高而无法大规模应用，还有的则遭遇内部员工对AI的认知和接受度偏低，或是终端用户对AI能力认知有限。在这种背景下，教育行业中很多AI产品的实际体验，往往是“看起来很美”，但离真正解决用户问题仍有距离，营销包装的成分往往高于实际功能价值。

DeepSeek 的出现，确实在显著降低成本的基础上，提升了教育公司在AI方面的基础能力。随着各家机构在不同场景中不断试错与踩坑，我们也逐渐能够从课程体验和产品使用中感知到，AI似乎开始对原有教育产品或服务产生一些由量变到质变的影响。

二、AI用是用了不少，但值多少钱很难算得清

在用户侧，最直观的变化是使用频率的提升。通过AI模块的调用数据、功能打开率、使用时长等指标，可以明显看出用户对AI的接触更为频繁。越来越多的学生开始习惯性地借助AI完成作业、练习口语，或根据AI推荐进行个性化学习路径的选择。

不过，必须承认，这些AI能力目前仍主要作为产品的辅助功能或附加价值存在。用户真正愿意为AI“本身”付费的意愿依然有限。他们更关注的，是整个产品最终带来的学习效果，而不是产品是否搭载了AI技术。换句话说，AI是锦上添花，而非决定购买的核心理由。

在企业内部，通过AI提升运营效率的效果相对更为清晰。比如，辅导老师在作业批改和日常答疑中，原本需要投入大量时间，而借助AI进行自动批改与智能答疑后，确实显著减轻了工作负担，提高了整体人效。销售顾问端的变化更为明显，得益于AI生成话术和对用户沟通内容的分析，沟通更有针对性，工作节奏也更加高效。而在教研侧，AI技术也在题目生成、组卷、课件编写等标准化生产环节中发挥了辅助作用，帮助教研人员节省时间与精力。

不过，这种效率提升距离被充分量化为具体的经营成果，还有一段路要走。AI项目的投入产出比仍需要更加系统和直观的计算方式进行验证。更重要的是，AI的应用应该从实际业务场景出发，由需求驱动，而非自上而下地“推技术”。目前在一些企业内部，技术部门主导、业务部门被动配合的AI项目，多数并未成功。技术本身还未构成业务不可替代的刚需，使用价值也未能充分外化，导致项目很难持续推进。

这种状况，也逐渐被资本市场所感知。大约两年前，AI+教育一度被视为充满想象力的黄金赛道，吸引了大量资本与关注。但随着时间推移，投资人对技术落地难度和变现周期的认知更加理性，热情开始降温。毕竟，再先进的技术，如果无法嵌入真实的商业流程、无法真正解决用户与业务的核心问题，就很难撑起一个可持续的商业逻辑。

三、不是没人看见AI的价值，而是没人接得住它的重量

如果再往深一层看，教育行业的业务特性本身，就注定了AI落地不会是一件轻松的事。教育产品和服务的链条极长，涉及角色众多，从产品、教研、教务、辅导、销售到客服，每一个环节背后都有大量人为参与。其交付流程不仅非标准化程度高，还通常伴随长周期、多节点、强依赖的特征。

在这样一个人力密集、流程繁复、协同高度依赖的系统中，想要让AI“自然嵌入”并真正创造出商业价值，其挑战远比表面看上去要大。

究其原因，首先是技术到实际应用之间的距离，并不是简单跨越的。从最基础的技术研发，到具体工程实现，再到产品化以及最终真正落地成为商品，每一步都充满了大量的不确定因素和细节问题。如，某教育公司此前曾尝试用AI完全取代教研老师的工作，或用AI生成高质量创新题目，但最终发现，由于AI模型当前的实际能力局限，这些尝试都没有取得理想的效果。

其次，AI技术的引入，并不是管理层“一拍板”就能落地的决策，而是一场需要全员参与的系统性变革。哪怕战略方向已经确定，如果一线团队对AI的接受度不高，甚至出现排斥情绪，那么项目在实际推进中势必处处受阻。这种状况很像一个身体：大脑下达了明确指令，但神经末梢却没有响应，最终整个系统无法有效运作。AI项目也是如此，只有当认知贯穿上下、行为达成一致，技术才有可能真正扎根在业务之中，发挥应有的价值。

进一步来看，即便组织上下已经达成了对AI价值的基本共识，真正落地仍然离不开匹配的组织结构和机制支撑。对于大多数传统教育公司而言，这恰恰是一道难题。许多企业并非基于清晰的战略架构自上而下设计而成，而是在业务滚动发展中“野蛮生长”出来的。因此，即使是面向同一类产品，不同公司的生产组织方式往往差别会很大。

在这种背景下，AI项目该如何承接?是单独设立一个团队专职负责，还是将任务嵌入原有部门?尤其在整个行业普遍面临降本增效压力的当下，增设新团队并不现实。大多数公司只能选择在既有部门上叠加AI相关职能。然而，这种“加任务不加人”的策略，往往加剧了一线员工的负担，使本就高压的组织进一步紧张，进而引发抵触情绪。这种心理和结构性的双重阻力，很容易使AI项目陷入“有战略、无推进”的尴尬局面。

更为本质的问题在于，许多教育公司的业务流程本身就不够清晰，这使得AI落地缺乏抓手，成为其难以发挥实际价值的重要原因之一。教育行业的业务链条本就错综复杂，直播课、录播课、工具类产品等不同形态，各自对应着迥异的运营模式与交付流程。如果企业内部尚未理清流程体系，就难以明确AI该嵌入哪个环节、承担什么角色，又在哪些节点必须保留人工干预。在这样的前提下，即便技术能力足够，也难以找到合适的切入点。最终的结果，不是AI被束之高阁，就是被机械叠加到原有流程中，导致效率反降，甚至引发业务混乱。

教育行业已经走过无序竞争的阶段，进入相对稳健的发展期。在这样的环境下，AI+教育作为一项创新，能否真正落地，取决于企业是否具备足够的勇气、魄力和远见。这场变革，是对原有业务的升级，还是新模式的探索?是“10到20”的优化，还是“0到1”的重构?甚至在“10到20”的路径中，也可能先经历“跌到5”的阵痛。关键是，有多少团队能熬过这段下行、坚持走到后面?

四、结语

真理不会因“正确”就能产生什么影响，AI也不会因“先进”就自动带来改变。技术之外，更取决于一个组织是否有能力接住它——从工程到流程、从认知到机制、从理念到人心，每一层都是关口。教育的下一阶段，不会在某次技术发布会上到来，而是在一次次困难与挣扎中，被一小撮人一步步扛出来、熬出来。