2 到 4 小时，压缩到最快 3 分钟。

这是一位高中数学教师用备课助手做出来的时间差。同一周，另一个数字是 15——每位教师每年不少于 15 学分的 AI 学习。

一个讲效率，一个讲门槛。两个数字放在一起，说明的事比各自单独看要清楚得多。

三份文件，一份比一份具体

北京在 11 月 5 日集中发布三份东西：教育领域人工智能应用实施导引，覆盖基教、高教、职教、终身教育、特教五个领域，另设 AI 通识教育与伦理安全两个专题；中小学生人工智能素养框架，分认知 AI、协同与创设 AI、治理 AI 三大领域，基础、融通、卓越三级；还有一份中小学 AI 通识课课程教学指导手册，给分学段建议、评价与安全保障。

三份文件的分工很清楚：第一份说在哪用，第二份说学生要会什么，第三份说课怎么上。

同一天还有一个通用智能体研发平台面向中小学免费开放，已在 100 余所学校应用，注册用户超过 3 万。

判断：政策落地的顺序是先给场景、再给标准、最后给课本。这个顺序说明，最先被要求改变的不是学生，是教师。

十五个学分，是个什么量级

浙江提的是常态化：每位教师每年不少于 15 学分，探索中小学教师 AI 素养等级认证试点。

15 学分不算多。按常见的折算口径，大致相当于几天的集中研修，摊到一年里，是每月一个下午。

但它不是自选动作。学分意味着记录、审核、归档，意味着这件事从「倡议」变成了「台账」。

浙江还有两个数字放在一起看才有意思：全省基础教育学校 11058 所，专任教师 61.09 万人。六十多万人一年一轮，靠集中培训做不完，只能靠平台加校本。

等级认证试点这四个字更关键。学分是参与证明，等级是能力证明。前者可以补，后者补不了。

还有一项配套容易被忽略：教龄津贴的省级实施办法同批出台。它和 AI 没有直接关系，但它和「教师愿不愿意留下来」有关系。留不住人的地方，培训做得再好也会外流。

一节课的备，被拆成了四段

备课这件事，过去是一个人对着教材和教参，从零写到有。现在被拆成四段：找素材、搭结构、出例题、改表述。

前三段机器做得快，第四段机器做得像，但没有你的口音。

那位高中数学教师的做法值得注意：不是让模型直接写教案，而是把本地学科知识库接进去，让生成的内容落在本校的进度和学情上。

他坚持的一句话是「教师主导、AI 辅助」。这不是姿态，是分工说明：谁定目标，谁定顺序，谁负责最后一遍。

接知识库这件事，成本不在技术，在整理。教材、讲义、历年错题、校本学案，要有人一条条拆成能检索的条目。这项工作没有捷径，也没有一次性完成的可能。

同批展演的还有英语词汇助手、校园微视频、德育数据大屏。四类东西放在一起看，落点各不相同：备课是省时间，工具是提频次，视频是补素材，大屏是给管理者看。

七十七件智能体，真正被用的是哪几件

海盐集中展演了 77 件教师自研智能体。数量听着热闹，但真正会被日常使用的，通常只有几件。

从公开描述看，被反复提到的是三类：备课助手、学科工具、把数据变成图的看板。

三类有一个共同点：都替掉了重复劳动，都没有替掉判断。

展演这种形式有它的作用，能让做的人被看见。但展演的评价标准和日常使用的评价标准不一样：前者看新不新，后者看省不省事。

判断：教师自研智能体的分水岭，不在会不会写提示词，在有没有把本校的素材变成可检索的库。没有库的智能体，是一次性玩具。

三分钟不是省出来的，是校验出来的

从 2 到 4 小时压到 3 分钟，省下的是生成时间，不是备课时间。

生成之后还有三件事：知识点对不对、例题梯度合不合适、表述是不是这个班能听懂的。

三件事都要人来过一遍。所以真实的时间账，是「生成 3 分钟加校验 20 分钟」，而不是「3 分钟」。

把这句话说透，是因为它决定了绩效怎么记。按「教案产出量」记，数字会虚高；按「课堂使用率」记，才回到教学本身。

反问一句：一份 3 分钟生成、没人复核的教案，和一份 3 小时写、每道题都验过的教案，哪个更贵？

白名单压减八成，腾出来的时间去哪了

浙江还有一个数字：进校园事项省级白名单，2026 年压减 80% 以上。

这件事和 AI 是同一条线上的两头。一头砍掉不该进校的事务，一头用工具替掉重复劳动。两头合起来，才叫减负。

只做前一头，时间会被新的表单填回去；只做后一头，工具会变成新的负担。

判断：减负的成败，不看砍了多少项，看腾出来的时间有没有被重新分配。没有分配，就等于没减。

教资考试加了一门，招聘的口径会跟着变

教育部把教师 AI 素养纳入教师资格考试与认证，同时启动全覆盖培训，在国家级平台的教师中心开设 AI 素养专区。

这一条的影响不在在职教师，在入口。

一旦考试考，师范生的培养方案就要改；一旦认证认，招聘的筛选条件就会跟着改。

对机构来说，这意味着两三年后「会用 AI」不再是一个加分项，而是一个基本项。加分项可以慢慢学，基本项没有就是没有。

教研的人力结构会怎么变

传统教研组是三层：备课、上课、评课。人最多的是备课这一层。

AI 进来之后，备课这一层的人数需求会下降，评课这一层会上升。

原因不复杂。备课是「从无到有」，有模板就能起量；评课是「从有到好」，要有人坐在课堂里看细节。

苏州工业园区那套课堂评价系统给了一个参照：自动分析师生互动、问题类型、学生参与度并生成报告，教研按「问题发现、策略优化、再实践、再评价」循环。

机器出报告，人做归因。这一分工如果成立，教研组里最值钱的人，是能看懂报告并且敢改课的人。

反过来，最尴尬的岗位是「资料整理员」。这个岗位过去承担的是大量搬运工作，现在被压缩成一条命令。

谁的课会被先替掉

三类课最危险：纯知识点串讲的、纯刷题讲评的、纯模板作文的。

三类课的共同点是可复制。可复制的内容，机器迟早做得更快。

反过来，三类课更难被替：需要现场诊断的、需要处理情绪的、需要临时改道的。

这三类的共同点是不可预设。不可预设的部分，才是教师的手艺。

判断：AI 不会平均地替掉教师的时间，它会先把可复制的那部分时间拿走。剩下的部分更贵，也更难招人。

绩效怎么记这笔账

如果绩效只记课时，AI 带来的效率提升不会体现在任何一张表上。

如果绩效记三件事——课堂使用率、学生反馈、教研产出——效率才会变成可见的数字。

一个可操作的口径是这样：备课时间不设下限，但教案要能追溯到本校的进度和上一次的错题；评课不记次数，记改动；培训不记学时，记产出。

说白了，绩效要奖励的是「用过之后改了什么」，不是「用了多久」。

一个不太舒服的结论

AI 在校内先落地的，是备课与评课这两件苦活，不是上课。

这两件苦活，恰好是机构教研最费人的两块。

所以机构真正的对手不是隔壁那家，是「一个老师加一套工具」能覆盖的工作量。

这句话听着刺耳。但它解释了为什么有的机构在扩班，有的在减人。

扩班的那家，把省下来的教研时间换成了更多的班和更细的服务；减人的那家，把省下来的时间直接换成了成本。

两条路都能走通，但只有一条能撑过下一个招生季。

写在最后

工具改变的是速度，绩效改变的是方向。速度可以买，方向只能自己定。

一个团队如果说不清「省下来的时间用来干什么」，那省下来的时间迟早会被别的事情填满。

把备课、评课、培训三件事的留痕放在一条线上，绩效才有落点。

关注「学邦技术」公众号，回复「绩效」，即可免费领取《教师 AI 使用与教研绩效对照表》；也可以在公众号菜单里免费体验学邦教务教学管理系统。