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 日的職業論壇上，斯爾教育 CEO 郭勁男就《财會職業培訓在 AI 時代的新機會》進行了主題分享。
郭勁男表示，我們認爲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 在後端服務交付的效率提升當中到底能産生多大的價值。
以下爲演講實錄，經編輯：
我今天着重從自己在 AI 方面的小嘗試、背後對 AI 的新機會的思考兩部分，聊聊 AI 在職業教育領域有可能落地的場景。
财會屬于成人職業教育培訓領域，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教育領域裏非常特殊的存在。
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，意味着在這個行業當中，所有公司很難用打着 " 割韭菜 " 的邏輯來做這個事，更多得站在做産品以及做長期用戶的角度上做這個事情。目前，行業仍然有缺口，即使市面上有非常多财會類的人才，但在高精尖人才缺口仍然非常大，未來這個領域，人才培養是大趨勢。
從行業回歸到用戶本身，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。在财會領域，2007 年後所有的産品和教學就已經完成了線上化，這是在這個行業裏的特殊點。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産品設計。
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，公司第二年啓動了自己直播系統的自研，花了 6 個月左右就完成了直播系統自研。後續，我們所有的平台上的視頻内容交付全是基于自研系統完成，這是第一個想做的創新，是基于課程這個非常重要的場景。
在這個行業中，基于用戶需求，分析行業特點，我們設計了一套産品體系。全程班體系其實是高性價比的産品，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，在短時間内幫助他們進行提升和突破。
最後一個體系是陪伴體系，這部分更多的是用戶自己做長期規劃，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内容，首先是有效創新，這個創新必須是基于用戶需求，其中舉措包括三方面：第一是在産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，他需要吸收的内容是相對标準化的，但每個學生自己的知識掌握程度，自己的時間和自己的規劃其實非常個性化。因此在課後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劃，讓他能更快的通過考試。
在機構運營标準化角度，可以和大家分享一點，早期考慮到，所有的知識沉澱在老師的腦海當中，不沉澱在機構的層面。于是，我們想把知識标準化，數據标準化，學習行爲标準化，這其實需要在整個機構層面上建立一套中台。
這套中台在我們的嘗試過程中，借用了非常重要的産品工具，就是圖書。圖書作爲把所有知識形成标準化的體系，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，以這個産品作爲載體，去建立了整個後台教學教研系統。斯爾教育的教學教研系統背後是基于所有圖書作爲底層的知識庫，然後再往上延伸出來的課程内容，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叠代，在這個叠代過程中，底層的标準化知識體系也在持續做叠代。用戶反饋會進一步幫助叠代底層的标準化知識體系，這就形成了正循環，這形成了整個機構的知識标準化運營上所做的前期鋪墊。因爲有了标準化的知識體系構建和鋪墊，所以才有了後續 AI 可以落地的可能性。
關于 AI，我們研究了很長時間，思索着 AI 能解決什麽問題。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。現在發現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。因此現在特别需要消耗人力，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。閱卷爲什麽還要靠 AI？這個想法來源于我自己作爲老師的時候收到了很多用戶的反饋。當年在運營微博時，後台會收到非常多私信，用戶問的常見的問題就是老師我這麽寫能不能得分？能得多少分？其實我不知道。不能明确到底能得多少分，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。怎麽提升用戶做題的積極性，其實是非常難解決的問題。後來發現 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，在觀察用戶的行爲時，最開始是把閱卷功能開放給用戶自己，然後切換成閱卷老師的角色。當自己成爲閱卷老師的時候，是要根據得分點判分，AI 閱卷是能幫助學員真正的了解到底怎麽寫才能拿分，這是基于用戶觀察所得到的必要性。最後是我們在這裏面需要形成正向的反饋機制，閱卷一定是持續提升正确率的過程，早期隻能做到 70%，校準之後不斷提升準确率，目前各科準确率能做到 95% 以上，這就能一定程度上實現用戶本身的需求。
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，尤其是行業裏有大量專有的知識，在出現字幕的時候就會出現大量錯誤。财管裏面有大量的計算公式符号，這些在字幕的識别中都會出現大量問題。一節視頻大概 40 分鍾，但是在校對字幕上就要花費很多時間。當我們發現 AI 可以大幅提效時，用戶在一定程度上需要字幕。
我們認爲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 在後端服務交付的效率提升當中到底能産生多大的價值。
最後回到分享的主題當中，關于 AI 在具體落地的機會。所有機會背後都涉及到有效真實的需求，所以應該是有效的創新。對用戶需求洞察是所有機會的前提，基于這個需求的洞察，我們已經發現了價值所在。步驟是圍繞需求設計解決方案，可以是産品、服務、功能。我們認爲 AI 在裏面所體現出來非常重要的價值是：它越早做，你積累的數據資産越多，數據資産積累的速度越快，相比競品，你跑的更靠前，能獲取更大的先發優勢，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。
最後一個點是組織運營的效率，這是對内的，在内部組織的運營效率提升當中，AI 還是有它可以發揮的空間的。這是我們基于對于我們自己的行業，和在過去嘗試過程中所積累出來的想法和經驗。
