一所学校的 AI 教育讨论，通常从设备清单和平台演示开始。真到课堂上，教师最想知道的是另一件事：这东西能替我干什么活，哪些活交出去会出事。

把这两件事分清，比先选模型更重要。

一、能用的部分：三类重复性工作

备课的资料整理与初稿

写教案最难的不是没想法，是没时间。AI 在这方面能做的，是把零散素材整理成结构：给一份单元目标、学生的前测情况、教材页码，让它出三个版本的教案初稿 —— 一个面向基础薄弱的学生，一个面向中等，一个带拓展任务。教师拿到的是草稿，不是成品，但省掉了从零开始的时间。

同类的还有：把一段科普文章改编成三个梯度的阅读材料；按知识点生成十道选择题，再由教师筛选；为一节课找三个生活化的引入例子。

批改与反馈的第一道筛子

客观题自动批改早已成熟。真正开始被大量使用的是主观题初评：作文的结构问题、实验报告的步骤缺失、解答过程的关键步骤遗漏。AI 给出的是标注和初评意见，教师复核后决定保留哪几条。

这个分工的价值在时间分配上。一个班五十份作文，教师全场批改需要四五个小时，先用 AI 标出共性问题，教师把精力集中在立意和语言上，时间能压下来一半以上，判断权仍在教师手里。

学情数据的归纳

平台上散落着答题记录、作业提交、错题本、单元测试。AI 能做的是把这些人看不过来的数据归成几句可用的话：这个班在 “分类与归纳” 这一知识点上普遍薄弱；这十名学生在同一类计算步骤上出错；这名学生最近三次作业的完成时间明显变长。

这类归纳替代的是教师夜里做表格的时间。

二、要小心的部分：四条边界

事实错误与 “编造”

生成式 AI 会给出看起来很像样但事实不成立的答案：不存在的文献、错误的年份、张冠李戴的政策条文。用在教学设计里，风险是知识性错误进了课堂。

可行的做法是定一条规矩：凡涉及课本外的事实、数据、政策、人物，教师必须核对出处。教材内的知识可以适度信任，超出教材范围的一律查验。

评价的偏差

AI 批改作文时的偏好相对固定：喜欢结构完整、词汇丰富的文本，对思维跳跃、表达独特的文章容易给低分。用于初评可以，直接作为最终分数不行。学生的作文本上，最终分数和评语仍应由教师签署。

学生端的依赖与诚信

学生用 AI 写作业，是眼下最现实的难题，也是学校里分歧最大的话题。可操作的边界是：区分 “辅助” 与 “替做”。允许用它做资料检索、思路梳理、错题讲解；不允许直接提交生成的文章与解题过程。判断标准也简单 —— 学生能不能讲清楚自己那份作业里的每一步。

数据与隐私

学生的成绩、行为记录、作业原文、甚至人脸信息，一旦上传到外部服务，就存在流出与二次使用的风险。学校层面需要明确：哪些数据可以上传、上传到哪个服务、保存多久、谁能调阅。这一条不做清楚，后面所有应用都带着隐患。

三、一个判断的尺子

面对一个新的 AI 工具，可以用三个问题过一遍：

它替代的是重复劳动，还是替代判断？

出错时有没有人能发现并拦住？

学生用它之后，是更快地学会，还是更快地绕过学习本身？

三个问题里第一个最容易答，第三个最难。也正因为难，才需要学校事先定规则，而不是等出了问题再补。

AI 在教育里的位置，眼下更接近一个效率工具：能压缩备课、批改、归纳的耗时，能给出更多的分层材料，但教案的取舍、评价的尺度、学生的判断，都还在教师手里。

把它当工具用，收益是时间；把它当答案用，代价是判断力。