易学股份首席产品官白耀宇在GET2024分享

11月11日至12日，芥末堆在北京举办以“新质学习力，通向更美好的教育未来”为主题的GET2024教育科技大会。在11日的领袖论坛上，易学股份首席产品官白耀宇就《AI数智洞察与垂直大模型在职场教育中的应用》进行了主题分享。

以下为演讲实录，经编辑：

大家下午好！易学股份虽然是第一次来到GET，但是我们在职场教育这个领域，已经深耕18年了，在这18年里，我们一直致力于给在职人员提供尽可能多元化、相对完整的教育内容、平台、以及数据服务。

今天要给大家分享一下，我们应该用什么样的观念去看待职场教育，以及职场教育的应用趋势和技术场景。

AI时代：职场教育的真实需求涌现

在整个AI时代的行业发展中，职场教育与K12有很大的区别，一共经历了三次重要的节点：

1.疫情冲击：

疫情对于在职品类，尤其是在线教育行业来讲，实际上是打造场景，强制我们的客户去进入线上的学习形态，助推了职场教育线上版块的飞速增长。

2.教育政策：

职场教育没有受到双减政策的冲击，而且国家的教育制度改革一直在讲包容、开放，讲教育要覆盖到更多之前覆盖不到的客户群体当中，又给我们整个职场教育行业的发展增添了一把动力。

3.AI技术：

实际上我们把AI时代当成对整个行业的一次大考，为什么呢？AI技术的出现，不仅仅是颠覆教育行业，实际上是颠覆了所有的行业，包括我们正在做的在职人群培训、自我提升类目，可以说是颠覆和机会并存的。

灵活的教育模式与复杂的教学场景

K12教育需要引起孩子的兴趣，但我们面对的是成人客户，这类客户实际上对于学习和提升的元动力是非常充足的。

职场教育面临的挑战不像K12的产品，K12的场景非常固定，比如说肯定会有一个班，一个视频模块，或者线下自习室肯定会有一个场景去提供服务。但是对于我们来讲，困难的是，服务的场景并不固定。

我们服务的学生很有可能年龄跨度很大的，在25岁到55岁之间；学生的行业跨度也很大，其中有老师、医生，甚至很多的学MBA的管理者。

我们经常跟业内老师们开玩笑，说我们的产品实际上是用教育产品的思维去教家长，甚至是教老师，帮助他们在职场上提升自己的能力。

而我们很多的业内专家都在讲，一个产品，如果最后落不了地、没有固定的场景来实施，这个产品就不够刚需。

目前来讲对于在职类产品的需求从2024年开始才慢慢地浮现出来。我们渐渐发现，职场教育产品最需要的量身定制，是要考虑产品的适配性，因为每个人的学情都不一样，我们服务的医生，很有可能下完夜班三四点，回家学习是五六点，怎么样千人千面地铺设场景非常重要。在这个思路之下，造就了我们目前运营的全国规模最大、招生人数最多、盈利模式最好的同等学力申硕项目，服务场景保证了业务触达，提升了考核通过率，能够使高校，学生和社会三方都受益。

取代课程的新型产品形态：谜底即为谜面

解决问题的核心是，你如何能够在最短时间内获得结果，很针对性铺设学员需要的干货？每一个人的基础不一样，他能获得知识的效率也是不一样的，你怎么保证这个标准能够被同步，被表达，被转化，最后拿到结果？

对于成人来讲时间是碎片且不固定的，我们要完全满足适配性、针对性和灵活性，就要求我们一定要给每一个人做定制化的教育解决方案，而不单单给一个课程或者产品。

既然AI改变了整个行业，实际上这个问题的解法终极答案也是AI本身。

所以这个故事如果从宏观上来讲，作为产品开发团队的一分子，我的感受是，我们像一直被一种无形的力量推着走，我们现在运用生成式人工智能，通用大模型和我们目前的专业数据进行教研产品线重置，前身是什么呢？

在2018年我们整个行业遇到了一个困难，那就是我们太累了，我们每几个项目要一个一个研发团队，每进一批学生要有一批服务人员进行培训，然后再输出，对于我们整个发展形态并不是非常健康，所以我们一定要把所有的内容进行数字化。

1.生成式人工智能（AIGC）颠覆教育经验主义

到2018年的时候我们就在想，如果我们要改变，能不能改变彻底一点，我们完全推翻了之前做的很多年，我们十几年的课程形式的内容，我们把所有的课程、讲义，包括我们给学生交流获得反馈，全部打散重组，变成一套仅用数字标注数据代表的大型的数据库。

然后我们把数据库进行分门别类标注之后，把最近每个项目，可能十年之内的考题，我们做在职项目，肯定是在职考研是最小的，把考试趋势和经验放在数据库进行标注，最后形成了非常直接的趋势比对内容。

实际上是取代了很多老师用经验主义判断考试情况的一种概念，为什么这样做呢？对于在职研究生，在职品类来讲大家玩的其实是考试策略，而并不是筛选性的内容，大部分在职类产品你只要达线就可以了。

紧接着遇到了AI技术，遇到了之后发现，原本100个人做的事情，其实一个人可以完成，我们把所有的数据和目前通用大模型进行对齐，我们基本上每分钟级产出相应的教材，考核趋势，比对内容，甚至是核心考点分析，甚至是后面专题模块解析，这完全是AIGC来进行直接输出，时效性可靠性都非常高，我们基本上只要大纲变化，只要有最新考题出现，就可以马上生成这样内容，基本上取代了很多教研本身完成的工作。

2.数据类垂直大模型“洞察引擎”

当我们借助大模型帮助我们产出内容之后，很快又发现了一个问题，我们做了这么多内容，我们以单元或者完全重置内容整个体系之后，我们发现学生接受不了，然后日常手段就是督促学。虽然我们对督促学要求很高，以同等学力申硕为例，近几年的通过率一直都是全国断层领先，可学生的原因就在其实我们对学生整体研究不够，以前对于学习研究靠服务，靠基本的判断，帮助学生重塑学习形态和学习规划。我们发现实际上我们有做过很多基础类型的工作，比如说标注学生的学习数据，我们从后台把最近覆盖将近76万考生数据全部做了标注，清洗、迭代，里面有非常大空间可以做研究，我们在今年落地了一套专门在职品类垂直大模型的技术，我们自己通过数据训练大模型，好处在于领域相对专业，我们面对的全部都是垂直类的在职学生。

第二个考虑应用垂直大模型的思路是，我们合作的B端客户，比如说高校，比如说政府机构，他们实际上是非常排斥用三方平台来做，如果他的数据可以直接加密封装，通过API接口输入数据模型，他可以省非常大的事情，直接完成整个一套学生分析内容。

我们今年落地洞察引擎，专门做在线学习观察技术，整体总结了四个维度，包括学生的基本信息画像，目前他的行为偏好分析，对于目前整个问题解决方案的交互度、参与度的数据，以及最后学习习惯分析。

我们整理出130个相应的维度匹配，然后通过自研的洞察引擎算法，最后形成了关于每一个项目，这个学生对于这个项目的模拟通过率和达线率，还有他最后的学习效能。翻译过来意思是说，我可以让你直接知道你在项目完成之前有多大把握通过。

举个例子，拿K12的逻辑来比，就好像所有人在讨论，为什么你的孩子比我的孩子更会学习，更会学习这个维度怎么样测量出来的，通过数据的方式来做学习效能指数，帮助他去预算，在相同条件的情况下还能够驾驭什么样的项目，这就是我们所有无感定制化学习只需要跟平台交互，就可以留下非常深，非常多层次的数据趋势。

通过无感交互方式，帮助学生从局域化分析相关细节层次数据，再投入对大模型训练，生成在线内容，同时也不完全放弃实体交互内容。我们的研发团队依然在不停地出产教材，不停地出版相应的书籍，对于教材上面的一些数据铺设，我们使用相应数据识别码，我们目前开发一些AR教学云场景，希望把教学搬到实体教材上来，我们鼓励学生对实体教材交互，我们觉得学生学习习惯很难改变，你通过学习习惯的方式给他一个机会接入数据接口，这样对他可以进行专业化定制和趋势。

目前和各大高校在谈，包括资格证，包括企业培训相关项目，都是直接做技术平台建设或者做数据服务内容，我们甚至可以免费搭建平台，让我们客户进行使用。这种思路一旦形成，学生群体对于产品的交互是主动的，是积极的，也是非常智能的。今年我们运用“易学无忧”数字化垂直大模型提供的同等学力申硕统考解决方案，实际上得到了非常多的正面反馈，也带来了突破瓶颈式的通过率提升。在技术应用领域，我们相信相比于K12，AI在在职教育领域会彻底放飞自我，也许课程、课时、老师等教育单元都不复存在，这也是我和我的团队坚定相信在职教育品类会有很大发展的原因。

我们学生在平台停留一分钟，就可以多一份考试的概念，学生将没有课程相应的概念，也不会因为某项核心和程序付费，而是主动跟数据交付。

数智驱动：彻底颠覆教育行业变现模式

1.用户习惯全贴合适配——颠覆传统教育形态单元

我们通过整体客户反馈，不断校准数据准确性，最后帮助每一个学生形成固有的标准，这件事情做完之后，我们发现对于整个AI和职场教学环境的搭建，实际上已经“莫名其妙”走到这一步，接下来把所有内容进行嵌入式，副驾驶（Copilot）式的服务，在我们的理解里面，职场教育产品未来不会再有非常多的现性品类，不会再给客户做选择，而是深度的进行AI技术的定制，帮助学生完成学业规划，甚至学生直接在我们的产品进行交互，给我一个15分钟左右的学习内容，我想完成今天的学习规划，这样就可以从丰富的学习类型里，比如说我们的视频产出内容，音频产出内容，或者是目前之前一直在开发一些以短视频为单元的课程，我们可以帮助填满15分钟内容，这完全会成为一个完整形态客户。

2.自有项目数据深度交互——延伸教育产品服务周期

而我们对于在职教育或者职场品类只能停留在教育本身吗？其实也不是的。当我们有了足够多的数据，当我们有了足够多的学生主动交互的行为，我们会发现我们不仅颠覆了传统的教学形态，同时我们还可以延伸教育产品周期。比如说我们对于学生的模拟通过率，包括对于学生的效能指数和难度匹配，就可以做一个长线规划，我们可以直接开放我们的相应平台，引进优势性的第三方课程技术，帮助他们去做统一的标准，任何在职品类的课程，在数据分析模式下，都可以统一标准的形态进行输出，这个技术难度不高，在目前市场上也有很成熟的技术使用。

3.建立行业标准与认证贡献——突破教育产品边界壁垒

而当我们的客户一直在跟技术产品交互的时候，整个数据模型会为他将来在职品类其他方面背书，我们目前和一些招聘平台、背景调查公司、猎头平台，甚至是一些实习单位进行数据共享或者整个数据模型处理的合作，我们的目的是可以让这些用人机构，非常看重在职品类学习力，学习效能指数，期望能有一个清晰的背书，合理地看到那些他们想要关注的人真实的学习能力如何，完成过什么样难度科目，他在科目里面的数据形态可以不可以达到用人单位标准，甚至在未来可以在实际意义上以档案的形态描绘个人的自我学习和提升能力，然后进行相应的信用报告。

4.多元化丰富数据细节——覆盖完整的客户形态

我们面对的客户形态，也不单纯是C端客户，目前我们接触的系统级客户和B端客户比C端客户多，他们对自己项目里在职场景搭建的要求很高。就是想要公开透明度，知道自己学生走到哪一步，然后如何分配现有的教学资源，未来预测的这些学生能够带来什么样的利润，我们目前的技术可以同时通过后台的学习力评估，以及未来学生的学习场景预测，帮助B端客户们进行整个项目的预测，这也是我们一直在推进的数据引擎项目，最终需要达到的要求。

希望我们今天所带来的方向或者说技术模式，能够和大家来进行更有深度的项目探讨，包括我们一直在做的同等学力申硕项目，未来能够共同去开发更多在职品类的项目。与此同时也想和各位说点真心话，在我看来，其实教育整个行业在AI变局下，技术还是会给我们很多选择。如果单纯拿AI作为工具，或者作为输出模式，我个人认为有一点暴殄天物。

AI最大的能力是集成海量数据之后，能够帮助应用主体进行趋势预测甚至是决策。我相信只要我们愿意把技术的壁垒突破下去，就会发现其实很多根本性认知上的内容会被彻底颠覆。比如产品形态、产品类目、产品表达模式都还有很多方向可以探究。我们需要改革的更为彻底一点，也许大家就会在整个行业里面发现新的产品形态，也就有新的机会，有新的机会就有很大可能会有新的收益。