斯爾教育CEO郭勁男

10月17日至19日，芥末堆在北京舉辦“活力更始?教育與科技的再進一步”GET2023教育科技大會。在18日的職業(yè)論壇上，斯爾教育CEO郭勁男就《財會職業(yè)培訓在AI時代的新機會》進行了主題分享。

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

以下為演講實錄，經(jīng)編輯：

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

財會屬于成人職業(yè)教育培訓領域，大家都熟悉這個領域，用戶大多是學生，且是一次性的考試。對用戶來說，會計職稱初級平均考過的年限是1-2年，中級是2-3年，注快平均花4-5年。用戶基本上考完初級考中級，考完中級考高級等，這是在所有成人職業(yè)教育領域里非常特殊的存在。

服務這些用戶不是簡單的服務一次，可能要服務5-10年的周期，意味著在這個行業(yè)當中，所有公司很難用打著“割韭菜”的邏輯來做這個事，更多得站在做產(chǎn)品以及做長期用戶的角度上做這個事情。目前，行業(yè)仍然有缺口，即使市面上有非常多財會類的人才，但在高精尖人才缺口仍然非常大，未來這個領域，人才培養(yǎng)是大趨勢。

從行業(yè)回歸到用戶本身，用戶有以下幾個特點：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。在財會領域，2007年后所有的產(chǎn)品和教學就已經(jīng)完成了線上化，這是在這個行業(yè)里的特殊點。同時，對于機構來說提供有價值的服務，本質上是讓用戶買單的產(chǎn)品設計。

關于斯爾教育的具體嘗試，包括第一個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，可以做到個性化的交付。我們要求幾乎所有老師都是全職，本身在整個師資隊伍建設中，由于我們能把控老師們的時間，因此我們才能去交付直播服務。

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

在這個行業(yè)中，基于用戶需求，分析行業(yè)特點，我們設計了一套產(chǎn)品體系。全程班體系其實是高性價比的產(chǎn)品，私教班體系是基于全程班體系之上加了個性化服務交付，實際上是高價課體系。這兩個體系共同構成了全程陪伴，相當于一個是性價比一個是個性化。關于，密訓營的體系是針對于那些在時間上非常有限，更多希望在臨近考前有短時間高效沖刺的學習，針對這部分基礎還不錯，同時時間又有限的用戶提供密訓營體系，在短時間內幫助他們進行提升和突破。

最后一個體系是陪伴體系，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習場景下做功能化的設計和支持。

接下來回到我自己在個性化思考方面的內容，首先是有效創(chuàng)新，這個創(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)品和服務的交付模式上，直播的課程模式會做較多的嘗試和創(chuàng)新，涉及到個性化思考，做大班課的交付，加上定制化的服務交付。對于用戶來說，他需要吸收的內容是相對標準化的，但每個學生自己的知識掌握程度，自己的時間和自己的規(guī)劃其實非常個性化。因此在課后的學習場景當中需要有更多個性化的服務和定制化服務幫助他來完成規(guī)劃，讓他能更快的通過考試。

在機構運營標準化角度，可以和大家分享一點，早期考慮到，所有的知識沉淀在老師的腦海當中，不沉淀在機構的層面。于是，我們想把知識標準化，數(shù)據(jù)標準化，學習行為標準化，這其實需要在整個機構層面上建立一套中臺。

這套中臺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形成標準化的體系，形成非常有邏輯框架的一套體系非常重要的載體。在圖書的整體知識構建過程當中，以這個產(chǎn)品作為載體，去建立了整個后臺教學教研系統(tǒng)。斯爾教育的教學教研系統(tǒng)背后是基于所有圖書作為底層的知識庫，然后再往上延伸出來的課程內容，基于這套圖書所交付的答疑、題目、考試等等。

同時，圖書是基于每一年的大綱和教材不斷的做更新迭代，在這個迭代過程中，底層的標準化知識體系也在持續(xù)做迭代。用戶反饋會進一步幫助迭代底層的標準化知識體系，這就形成了正循環(huán)，這形成了整個機構的知識標準化運營上所做的前期鋪墊。因為有了標準化的知識體系構建和鋪墊，所以才有了后續(xù)AI可以落地的可能性。

關于AI，我們研究了很長時間，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合的領域，最方便或者最易于嘗試的就是做效率提升的場景。

以前這個場景需要自己團隊靠人來做，自己團隊做不了就靠兼職團隊，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。

我們嘗試的第一個應用是：AI閱卷，很多人會覺得AI閱卷沒有必要。閱卷為什么還要靠AI？這個想法來源于我自己作為老師的時候收到了很多用戶的反饋。當年在運營微博時，后臺會收到非常多私信，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？其實我不知道。不能明確到底能得多少分，是我們在整個教學交付過程中所看到的非常大的痛點。

在所有學習場景中聽課是高頻場景，但用戶很少會選擇自己做題。怎么提升用戶做題的積極性，其實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，因此這一個功能的設計可以讓做題場景從低頻到高頻。

整個AI閱卷，首先基于用戶的訴求和觀察，在觀察用戶的行為時，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。當自己成為閱卷老師的時候，是要根據(jù)得分點判分，AI閱卷是能幫助學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%，校準之后不斷提升準確率，目前各科準確率能做到95%以上，這就能一定程度上實現(xiàn)用戶本身的需求。

我們嘗試的第二個應用是：AI字幕，字幕早期的問題是需要人工校準，尤其是行業(yè)里有大量專有的知識，在出現(xiàn)字幕的時候就會出現(xiàn)大量錯誤。財管里面有大量的計算公式符號，這些在字幕的識別中都會出現(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很多時間。當我們發(fā)現(xiàn)AI可以大幅提效時，用戶在一定程度上需要字幕。

我們認為教育本質上是一項服務的提供，而AI要解決的問題仍然是這項服務在提供當中如何提效。因此，我們更在意的是AI在后端服務交付的效率提升當中到底能產(chǎn)生多大的價值。

最后回到分享的主題當中，關于AI在具體落地的機會。所有機會背后都涉及到有效真實的需求，所以應該是有效的創(chuàng)新。對用戶需求洞察是所有機會的前提，基于這個需求的洞察，我們已經(jīng)發(fā)現(xiàn)了價值所在。步驟是圍繞需求設計解決方案，可以是產(chǎn)品、服務、功能。我們認為AI在里面所體現(xiàn)出來非常重要的價值是：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還是非常必要的。在洞察完具體的真實用戶需求時，接下來相當于找到精準的AI切入口。

最后一個點是組織運營的效率，這是對內的，在內部組織的運營效率提升當中，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。