斯?fàn)柦逃鼵EO郭勁男

10月17日至19日，芥末堆在北京舉辦“活力更始?教育與科技的再進(jìn)一步”GET2023教育科技大會(huì)。在18日的職業(yè)論壇上，斯?fàn)柦逃鼵EO郭勁男就《財(cái)會(huì)職業(yè)培訓(xùn)在AI時(shí)代的新機(jī)會(huì)》進(jìn)行了主題分享。

郭勁男表示，我們認(rèn)為教育本質(zhì)上是一項(xiàng)服務(wù)的提供，而AI要解決的問題仍然是這項(xiàng)服務(wù)在提供當(dāng)中如何提效。因此，我們更在意的是AI在后端服務(wù)交付的效率提升當(dāng)中到底能產(chǎn)生多大的價(jià)值。

以下為演講實(shí)錄，經(jīng)編輯：

我今天著重從自己在AI方面的小嘗試、背后對AI的新機(jī)會(huì)的思考兩部分，聊聊AI在職業(yè)教育領(lǐng)域有可能落地的場景。

財(cái)會(huì)屬于成人職業(yè)教育培訓(xùn)領(lǐng)域，大家都熟悉這個(gè)領(lǐng)域，用戶大多是學(xué)生，且是一次性的考試。對用戶來說，會(huì)計(jì)職稱初級(jí)平均考過的年限是1-2年，中級(jí)是2-3年，注快平均花4-5年。用戶基本上考完初級(jí)考中級(jí)，考完中級(jí)考高級(jí)等，這是在所有成人職業(yè)教育領(lǐng)域里非常特殊的存在。

服務(wù)這些用戶不是簡單的服務(wù)一次，可能要服務(wù)5-10年的周期，意味著在這個(gè)行業(yè)當(dāng)中，所有公司很難用打著“割韭菜”的邏輯來做這個(gè)事，更多得站在做產(chǎn)品以及做長期用戶的角度上做這個(gè)事情。目前，行業(yè)仍然有缺口，即使市面上有非常多財(cái)會(huì)類的人才，但在高精尖人才缺口仍然非常大，未來這個(gè)領(lǐng)域，人才培養(yǎng)是大趨勢。

從行業(yè)回歸到用戶本身，用戶有以下幾個(gè)特點(diǎn)：一是越難的考試，參培率越高；二是大部分用戶是在職人群，他們的訴求就是效率。在財(cái)會(huì)領(lǐng)域，2007年后所有的產(chǎn)品和教學(xué)就已經(jīng)完成了線上化，這是在這個(gè)行業(yè)里的特殊點(diǎn)。同時(shí)，對于機(jī)構(gòu)來說提供有價(jià)值的服務(wù)，本質(zhì)上是讓用戶買單的產(chǎn)品設(shè)計(jì)。

關(guān)于斯?fàn)柦逃木唧w嘗試，包括第一個(gè)嘗試是基于課程形式的創(chuàng)新——直播，這是供給的問題決定的，可以做到個(gè)性化的交付。我們要求幾乎所有老師都是全職，本身在整個(gè)師資隊(duì)伍建設(shè)中，由于我們能把控老師們的時(shí)間，因此我們才能去交付直播服務(wù)。

值得一提的是，公司第二年啟動(dòng)了自己直播系統(tǒng)的自研，花了6個(gè)月左右就完成了直播系統(tǒng)自研。后續(xù)，我們所有的平臺(tái)上的視頻內(nèi)容交付全是基于自研系統(tǒng)完成，這是第一個(gè)想做的創(chuàng)新，是基于課程這個(gè)非常重要的場景。

在這個(gè)行業(yè)中，基于用戶需求，分析行業(yè)特點(diǎn)，我們設(shè)計(jì)了一套產(chǎn)品體系。全程班體系其實(shí)是高性價(jià)比的產(chǎn)品，私教班體系是基于全程班體系之上加了個(gè)性化服務(wù)交付，實(shí)際上是高價(jià)課體系。這兩個(gè)體系共同構(gòu)成了全程陪伴，相當(dāng)于一個(gè)是性價(jià)比一個(gè)是個(gè)性化。關(guān)于，密訓(xùn)營的體系是針對于那些在時(shí)間上非常有限，更多希望在臨近考前有短時(shí)間高效沖刺的學(xué)習(xí)，針對這部分基礎(chǔ)還不錯(cuò)，同時(shí)時(shí)間又有限的用戶提供密訓(xùn)營體系，在短時(shí)間內(nèi)幫助他們進(jìn)行提升和突破。

最后一個(gè)體系是陪伴體系，這部分更多的是用戶自己做長期規(guī)劃，我們則是在不同的學(xué)習(xí)場景下做功能化的設(shè)計(jì)和支持。

接下來回到我自己在個(gè)性化思考方面的內(nèi)容，首先是有效創(chuàng)新，這個(gè)創(chuàng)新必須是基于用戶需求，其中舉措包括三方面：第一是在產(chǎn)品和服務(wù)的交付模式上，直播的課程模式會(huì)做較多的嘗試和創(chuàng)新，涉及到個(gè)性化思考，做大班課的交付，加上定制化的服務(wù)交付。對于用戶來說，他需要吸收的內(nèi)容是相對標(biāo)準(zhǔn)化的，但每個(gè)學(xué)生自己的知識(shí)掌握程度，自己的時(shí)間和自己的規(guī)劃其實(shí)非常個(gè)性化。因此在課后的學(xué)習(xí)場景當(dāng)中需要有更多個(gè)性化的服務(wù)和定制化服務(wù)幫助他來完成規(guī)劃，讓他能更快的通過考試。

在機(jī)構(gòu)運(yùn)營標(biāo)準(zhǔn)化角度，可以和大家分享一點(diǎn)，早期考慮到，所有的知識(shí)沉淀在老師的腦海當(dāng)中，不沉淀在機(jī)構(gòu)的層面。于是，我們想把知識(shí)標(biāo)準(zhǔn)化，數(shù)據(jù)標(biāo)準(zhǔn)化，學(xué)習(xí)行為標(biāo)準(zhǔn)化，這其實(shí)需要在整個(gè)機(jī)構(gòu)層面上建立一套中臺(tái)。

這套中臺(tái)在我們的嘗試過程中，借用了非常重要的產(chǎn)品工具，就是圖書。圖書作為把所有知識(shí)形成標(biāo)準(zhǔn)化的體系，形成非常有邏輯框架的一套體系非常重要的載體。在圖書的整體知識(shí)構(gòu)建過程當(dāng)中，以這個(gè)產(chǎn)品作為載體，去建立了整個(gè)后臺(tái)教學(xué)教研系統(tǒng)。斯?fàn)柦逃慕虒W(xué)教研系統(tǒng)背后是基于所有圖書作為底層的知識(shí)庫，然后再往上延伸出來的課程內(nèi)容，基于這套圖書所交付的答疑、題目、考試等等。

同時(shí)，圖書是基于每一年的大綱和教材不斷的做更新迭代，在這個(gè)迭代過程中，底層的標(biāo)準(zhǔn)化知識(shí)體系也在持續(xù)做迭代。用戶反饋會(huì)進(jìn)一步幫助迭代底層的標(biāo)準(zhǔn)化知識(shí)體系，這就形成了正循環(huán)，這形成了整個(gè)機(jī)構(gòu)的知識(shí)標(biāo)準(zhǔn)化運(yùn)營上所做的前期鋪墊。因?yàn)橛辛藰?biāo)準(zhǔn)化的知識(shí)體系構(gòu)建和鋪墊，所以才有了后續(xù)AI可以落地的可能性。

關(guān)于AI，我們研究了很長時(shí)間，思索著AI能解決什么問題。無論是AI大模型，還是在具體場景中可以結(jié)合的領(lǐng)域，最方便或者最易于嘗試的就是做效率提升的場景。

以前這個(gè)場景需要自己團(tuán)隊(duì)靠人來做，自己團(tuán)隊(duì)做不了就靠兼職團(tuán)隊(duì)，靠用戶參與一起來做?，F(xiàn)在發(fā)現(xiàn)需要幾百人上千人一塊做閱卷場景、答疑場景以及字幕場景，都能靠AI來大幅提效。因此現(xiàn)在特別需要消耗人力，去嘗試AI有沒有替代的可能性。

我們嘗試的第一個(gè)應(yīng)用是：AI閱卷，很多人會(huì)覺得AI閱卷沒有必要。閱卷為什么還要靠AI？這個(gè)想法來源于我自己作為老師的時(shí)候收到了很多用戶的反饋。當(dāng)年在運(yùn)營微博時(shí)，后臺(tái)會(huì)收到非常多私信，用戶問的常見的問題就是老師我這么寫能不能得分？能得多少分？其實(shí)我不知道。不能明確到底能得多少分，是我們在整個(gè)教學(xué)交付過程中所看到的非常大的痛點(diǎn)。

在所有學(xué)習(xí)場景中聽課是高頻場景，但用戶很少會(huì)選擇自己做題。怎么提升用戶做題的積極性，其實(shí)是非常難解決的問題。后來發(fā)現(xiàn)AI閱卷一定程度上可以做到，主觀題打分是他們所需要的，因此這一個(gè)功能的設(shè)計(jì)可以讓做題場景從低頻到高頻。

整個(gè)AI閱卷，首先基于用戶的訴求和觀察，在觀察用戶的行為時(shí)，最開始是把閱卷功能開放給用戶自己，然后切換成閱卷老師的角色。當(dāng)自己成為閱卷老師的時(shí)候，是要根據(jù)得分點(diǎn)判分，AI閱卷是能幫助學(xué)員真正的了解到底怎么寫才能拿分，這是基于用戶觀察所得到的必要性。最后是我們在這里面需要形成正向的反饋機(jī)制，閱卷一定是持續(xù)提升正確率的過程，早期只能做到70%，校準(zhǔn)之后不斷提升準(zhǔn)確率，目前各科準(zhǔn)確率能做到95%以上，這就能一定程度上實(shí)現(xiàn)用戶本身的需求。

我們嘗試的第二個(gè)應(yīng)用是：AI字幕，字幕早期的問題是需要人工校準(zhǔn)，尤其是行業(yè)里有大量專有的知識(shí)，在出現(xiàn)字幕的時(shí)候就會(huì)出現(xiàn)大量錯(cuò)誤。財(cái)管里面有大量的計(jì)算公式符號(hào)，這些在字幕的識(shí)別中都會(huì)出現(xiàn)大量問題。一節(jié)視頻大概40分鐘，但是在校對字幕上就要花費(fèi)很多時(shí)間。當(dāng)我們發(fā)現(xiàn)AI可以大幅提效時(shí)，用戶在一定程度上需要字幕。

我們認(rèn)為教育本質(zhì)上是一項(xiàng)服務(wù)的提供，而AI要解決的問題仍然是這項(xiàng)服務(wù)在提供當(dāng)中如何提效。因此，我們更在意的是AI在后端服務(wù)交付的效率提升當(dāng)中到底能產(chǎn)生多大的價(jià)值。

最后回到分享的主題當(dāng)中，關(guān)于AI在具體落地的機(jī)會(huì)。所有機(jī)會(huì)背后都涉及到有效真實(shí)的需求，所以應(yīng)該是有效的創(chuàng)新。對用戶需求洞察是所有機(jī)會(huì)的前提，基于這個(gè)需求的洞察，我們已經(jīng)發(fā)現(xiàn)了價(jià)值所在。步驟是圍繞需求設(shè)計(jì)解決方案，可以是產(chǎn)品、服務(wù)、功能。我們認(rèn)為AI在里面所體現(xiàn)出來非常重要的價(jià)值是：它越早做，你積累的數(shù)據(jù)資產(chǎn)越多，數(shù)據(jù)資產(chǎn)積累的速度越快，相比競品，你跑的更靠前，能獲取更大的先發(fā)優(yōu)勢，這部分的長期壁壘建設(shè)還是非常必要的。在洞察完具體的真實(shí)用戶需求時(shí)，接下來相當(dāng)于找到精準(zhǔn)的AI切入口。

最后一個(gè)點(diǎn)是組織運(yùn)營的效率，這是對內(nèi)的，在內(nèi)部組織的運(yùn)營效率提升當(dāng)中，AI還是有它可以發(fā)揮的空間的。這是我們基于對于我們自己的行業(yè)，和在過去嘗試過程中所積累出來的想法和經(jīng)驗(yàn)。