斯尔教育CEO郭劲男

10月17日至19日，芥末堆在北京举办“活力更始•教育与科技的再进一步”GET2023教育科技大会。在18日的职业论坛上，斯尔教育CEO郭劲男就《财会职业培训在AI时代的新机会》进行了主题分享。

郭劲男表示，我们认为教育本质上是一项服务的提供，而AI要解决的问题仍然是这项服务在提供当中如何提效。因此，我们更在意的是AI在后端服务交付的效率提升当中到底能产生多大的价值。

以下为演讲实录，经编辑：

我今天着重从自己在AI方面的小尝试、背后对AI的新机会的思考两部分，聊聊AI在职业教育领域有可能落地的场景。

财会属于成人职业教育培训领域，大家都熟悉这个领域，用户大多是学生，且是一次性的考试。对用户来说，会计职称初级平均考过的年限是1-2年，中级是2-3年，注快平均花4-5年。用户基本上考完初级考中级，考完中级考高级等，这是在所有成人职业教育领域里非常特殊的存在。

服务这些用户不是简单的服务一次，可能要服务5-10年的周期，意味着在这个行业当中，所有公司很难用打着“割韭菜”的逻辑来做这个事，更多得站在做产品以及做长期用户的角度上做这个事情。目前，行业仍然有缺口，即使市面上有非常多财会类的人才，但在高精尖人才缺口仍然非常大，未来这个领域，人才培养是大趋势。

从行业回归到用户本身，用户有以下几个特点：一是越难的考试，参培率越高；二是大部分用户是在职人群，他们的诉求就是效率。在财会领域，2007年后所有的产品和教学就已经完成了线上化，这是在这个行业里的特殊点。同时，对于机构来说提供有价值的服务，本质上是让用户买单的产品设计。

关于斯尔教育的具体尝试，包括第一个尝试是基于课程形式的创新——直播，这是供给的问题决定的，可以做到个性化的交付。我们要求几乎所有老师都是全职，本身在整个师资队伍建设中，由于我们能把控老师们的时间，因此我们才能去交付直播服务。

值得一提的是，公司第二年启动了自己直播系统的自研，花了6个月左右就完成了直播系统自研。后续，我们所有的平台上的视频内容交付全是基于自研系统完成，这是第一个想做的创新，是基于课程这个非常重要的场景。

在这个行业中，基于用户需求，分析行业特点，我们设计了一套产品体系。全程班体系其实是高性价比的产品，私教班体系是基于全程班体系之上加了个性化服务交付，实际上是高价课体系。这两个体系共同构成了全程陪伴，相当于一个是性价比一个是个性化。关于，密训营的体系是针对于那些在时间上非常有限，更多希望在临近考前有短时间高效冲刺的学习，针对这部分基础还不错，同时时间又有限的用户提供密训营体系，在短时间内帮助他们进行提升和突破。

最后一个体系是陪伴体系，这部分更多的是用户自己做长期规划，我们则是在不同的学习场景下做功能化的设计和支持。

接下来回到我自己在个性化思考方面的内容，首先是有效创新，这个创新必须是基于用户需求，其中举措包括三方面：第一是在产品和服务的交付模式上，直播的课程模式会做较多的尝试和创新，涉及到个性化思考，做大班课的交付，加上定制化的服务交付。对于用户来说，他需要吸收的内容是相对标准化的，但每个学生自己的知识掌握程度，自己的时间和自己的规划其实非常个性化。因此在课后的学习场景当中需要有更多个性化的服务和定制化服务帮助他来完成规划，让他能更快的通过考试。

在机构运营标准化角度，可以和大家分享一点，早期考虑到，所有的知识沉淀在老师的脑海当中，不沉淀在机构的层面。于是，我们想把知识标准化，数据标准化，学习行为标准化，这其实需要在整个机构层面上建立一套中台。

这套中台在我们的尝试过程中，借用了非常重要的产品工具，就是图书。图书作为把所有知识形成标准化的体系，形成非常有逻辑框架的一套体系非常重要的载体。在图书的整体知识构建过程当中，以这个产品作为载体，去建立了整个后台教学教研系统。斯尔教育的教学教研系统背后是基于所有图书作为底层的知识库，然后再往上延伸出来的课程内容，基于这套图书所交付的答疑、题目、考试等等。

同时，图书是基于每一年的大纲和教材不断的做更新迭代，在这个迭代过程中，底层的标准化知识体系也在持续做迭代。用户反馈会进一步帮助迭代底层的标准化知识体系，这就形成了正循环，这形成了整个机构的知识标准化运营上所做的前期铺垫。因为有了标准化的知识体系构建和铺垫，所以才有了后续AI可以落地的可能性。

关于AI，我们研究了很长时间，思索着AI能解决什么问题。无论是AI大模型，还是在具体场景中可以结合的领域，最方便或者最易于尝试的就是做效率提升的场景。

以前这个场景需要自己团队靠人来做，自己团队做不了就靠兼职团队，靠用户参与一起来做。现在发现需要几百人上千人一块做阅卷场景、答疑场景以及字幕场景，都能靠AI来大幅提效。因此现在特别需要消耗人力，去尝试AI有没有替代的可能性。

我们尝试的第一个应用是：AI阅卷，很多人会觉得AI阅卷没有必要。阅卷为什么还要靠AI？这个想法来源于我自己作为老师的时候收到了很多用户的反馈。当年在运营微博时，后台会收到非常多私信，用户问的常见的问题就是老师我这么写能不能得分？能得多少分？其实我不知道。不能明确到底能得多少分，是我们在整个教学交付过程中所看到的非常大的痛点。

在所有学习场景中听课是高频场景，但用户很少会选择自己做题。怎么提升用户做题的积极性，其实是非常难解决的问题。后来发现AI阅卷一定程度上可以做到，主观题打分是他们所需要的，因此这一个功能的设计可以让做题场景从低频到高频。

整个AI阅卷，首先基于用户的诉求和观察，在观察用户的行为时，最开始是把阅卷功能开放给用户自己，然后切换成阅卷老师的角色。当自己成为阅卷老师的时候，是要根据得分点判分，AI阅卷是能帮助学员真正的了解到底怎么写才能拿分，这是基于用户观察所得到的必要性。最后是我们在这里面需要形成正向的反馈机制，阅卷一定是持续提升正确率的过程，早期只能做到70%，校准之后不断提升准确率，目前各科准确率能做到95%以上，这就能一定程度上实现用户本身的需求。

我们尝试的第二个应用是：AI字幕，字幕早期的问题是需要人工校准，尤其是行业里有大量专有的知识，在出现字幕的时候就会出现大量错误。财管里面有大量的计算公式符号，这些在字幕的识别中都会出现大量问题。一节视频大概40分钟，但是在校对字幕上就要花费很多时间。当我们发现AI可以大幅提效时，用户在一定程度上需要字幕。

我们认为教育本质上是一项服务的提供，而AI要解决的问题仍然是这项服务在提供当中如何提效。因此，我们更在意的是AI在后端服务交付的效率提升当中到底能产生多大的价值。

最后回到分享的主题当中，关于AI在具体落地的机会。所有机会背后都涉及到有效真实的需求，所以应该是有效的创新。对用户需求洞察是所有机会的前提，基于这个需求的洞察，我们已经发现了价值所在。步骤是围绕需求设计解决方案，可以是产品、服务、功能。我们认为AI在里面所体现出来非常重要的价值是：它越早做，你积累的数据资产越多，数据资产积累的速度越快，相比竞品，你跑的更靠前，能获取更大的先发优势，这部分的长期壁垒建设还是非常必要的。在洞察完具体的真实用户需求时，接下来相当于找到精准的AI切入口。

最后一个点是组织运营的效率，这是对内的，在内部组织的运营效率提升当中，AI还是有它可以发挥的空间的。这是我们基于对于我们自己的行业，和在过去尝试过程中所积累出来的想法和经验。