行业最新 学邦动态 应有尽有

  • 当前位置:学邦 > 新闻动态 > 行业资讯 > 教师 AI 素养全覆盖培训启动,和那个 500 万的人才缺口
  • 教师 AI 素养全覆盖培训启动,和那个 500 万的人才缺口

    2026-10-14 来源:学邦技术

    10月10日,人工智能赋能教师发展现场会在京举行。同一天,国家智慧教育平台教师发展中心全新升级上线,开设AI素养专区,教师人工智能素养全覆盖培训正式启动。

    这件事的另一头,是一份公开人才报告里的数字:我国AI人才缺口超过500万,人才供需比约为1比10。两个场景放在一起看,结论很直接——教师会不会用AI,已经从一个加分项,变成一个基础项。

    一、先把会议信息还原清楚

    现场会的主题是“争做数智时代好老师、服务基础教育高质量发展”。会议提出,教师要成为“通科技、善引导、有温度”的好老师。注意这三个词的排序:科技在前,但后面跟着引导和温度,说明导向不是让AI替代老师,而是让老师用得好。

    会议同时给出了三个检验培训成效的核心标准:教师是否解决了实际问题、课堂是否发生了积极变化、学生是否获得了更有针对性的学习支持。这三条标准值得反复读——它们衡量的都不是“会不会用工具”,而是“用了之后有没有改变结果”。

    要素 内容 读出来的信号
    会议主题 争做数智时代好老师、服务基础教育高质量发展 AI素养进入教师发展的主航道
    平台动作 教师发展中心升级上线,开设AI素养专区,全覆盖培训启动 从倡导走向全员覆盖,有平台有抓手
    成效标准 解决实际问题、课堂发生积极变化、学生获得更有针对性支持 考核的是结果,不是工具使用率
    教师画像 通科技、善引导、有温度 技术在能力结构里,不在价值判断里

    示范环节围绕五个场景展开:高效备课、课堂教学、学业评价、教研反思、治理赋能。这五个环节几乎覆盖了老师一天里所有需要动脑的环节,也等于给培训机构画了一张“哪些岗位动作该升级”的清单。

    会上还有一个细节被反复引用:有中学校长介绍,学校自秋季学期起不再征订任何教辅,改为基于个性化学情报告做到“一生一报告、一生一作业”。这句话的分量不轻——教辅被替换掉,不是因为省钱,而是因为统一的教辅解决不了个性化的问题。会上对AI与教师关系的概括也很克制:AI做宽度,教师做深度。

    二、从加分项到基础项:这条线是怎么挪过去的

    把时间往前拨两年,“会不会用AI”在对老师的评价体系里,更像一个锦上添花的标签——会用的老师显得新潮,不会用的也不影响上课。现在这条线挪了位置。

    对比项 过去 现在
    定位 加分项、个人兴趣 基础项、岗位要求
    覆盖范围 少数先行者 面向教师的全覆盖培训
    考核方式 看会不会用工具 看课堂与学生是否真的变好
    结果体现 公开课上的展示 日常的备课、评价与学情报告

    这条线挪动之后,最先受到冲击的不是老师的能力,而是老师的“可替代性”。一个只会照本宣科、按统一讲义上课的老师,最容易被AI替代;一个能把学情讲清楚、能设计针对性练习的老师,反而更值钱。因为AI解决的是“宽度”——批量生成、快速覆盖;老师要守住的是“深度”——判断、共情、针对性支持。

    从机构的角度看,这个转变还带来一个现实好处:过去招人盯着有经验的名师,成本高、可选择面窄;现在选人标准可以放宽,只要这个人愿意学工具、能沉下心研究学情,半年内就能变成可用之才。师资的获取难度,反而下降了。

    三、500万缺口与1比10:数字背后的结构性问题

    人才报告给出的三组数字,指向同一个结构性问题。

    数字 口径 对教育行业意味着什么
    超500万 我国AI人才缺口 总需求远超供给,人才争夺是长期状态
    约1比10 人才供需比 十个岗位对应一个合格人选
    约0.15 懂业务加懂AI加能落地的复合型人才供需比 约7个岗位抢1个人,复合型人才最稀缺
    12倍 AI应用岗同比增速 应用端的用人需求爆发得最快

    这四组数字最关键的一行是0.15。真正稀缺的不是“会用AI的人”,也不是“懂教育的人”,而是同时在两个领域都够用、还能把方案落地的人。培训机构正好处在这个交叉点上——它有真实的业务场景,缺的是把AI用进日常动作里的能力。

    为什么复合型人才这么难找?因为“懂业务”和“懂AI”是两种不同的训练路径。懂业务的人常年泡在具体场景里,对工具的耐心有限;懂AI的人擅长抽象和建模,对业务细节的体感不足。两类人各自都不缺,但两边语言不通,合作时沟通成本极高。能同时说两种语言的人,就成了稀缺品。

    “AI应用岗同比增速12倍”也值得琢磨。增速最快的不是研发岗,而是应用岗。这说明市场缺的不是造工具的人,而是把工具用出效果的人。对机构来说,这是个好消息:不必去抢算法人才,只要把自己的老师培养成“懂业务、会用AI”的类型,就踩在了需求最旺的位置上。

    四、五个环节里,校外机构能直接抄的两个

    示范环节的五个场景——高效备课、课堂教学、学业评价、教研反思、治理赋能——是校内场景,但其中有三个,校外机构可以原样搬过来用。

    环节 校内做法 机构可以怎么用
    高效备课 用工具准备分层素材 把同一知识点的练习按难度分层,减少老师重复劳动
    学业评价 生成个体学情报告 把课消、作业、课堂表现合成一份可讲给家长的学情报告
    教研反思 课后复盘与共性问题归纳 把每节课的高频错因沉淀成教研材料,跨校区复用
    课堂教学 互动与即时反馈 小班场景更依赖老师现场判断,工具只做辅助
    治理赋能 校级数据看板 多校区统一口径的教学与经营看板

    五个环节里,对机构价值最大的两个是“学业评价”和“教研反思”。原因很简单:这两个环节直接对应机构最头疼的两件事——跟家长解释“孩子学得怎么样”,以及让好老师的经验不随人员流动而流失。

    五、对校外机构意味着什么:师资卖点会迁移

    把这件事落到招生和续费上,会看到一个明确的迁移:师资的卖点,从“名校背景”转向“能不能用AI把孩子的学情讲清楚”。

    家长的问题 过去的回答 现在更有效的回答
    你们老师什么水平 毕业于哪所学校、教了多少年 这位老师能把学情拆到知识点,报告里写得很清楚
    我家孩子哪里不会 基础不牢,多练练 这三个模块已经过关,这两个还没稳定
    学完能有什么变化 成绩会提升 每一阶段都有对照报告,变化看得见

    这张表的逻辑是:家长要的从来不是老师的学历,而是“你怎么知道我家孩子的问题在哪、怎么解决”。过去靠经验回答,现在可以用数据回答。谁能把回答做得更具体,谁在家长心里的专业度就更高。

    还要注意一点,学情报告不是越厚越好。家长看的是“有没有回答我的问题”,不是页数。一份好用的学情报告通常三到五页,包含掌握情况、事实依据、下一步动作三块,讲清楚就够了。堆得太多,反而掩盖了重点。

    六、往后看一年:三件事会加速

    把会议、平台动作和人才数据放在一起推演,未来一年会看到三件事加速发生。

    第一,“一生一报告”会从校内传导到校外。当学校开始给家长发个性化学情报告,家长会拿着这份报告来问机构:你这里的报告呢?机构如果拿不出同等颗粒度的东西,专业度会被直接比下去。

    第二,复合型人才的争夺会从校内蔓延到校外。供需比0.15意味着,一个既懂业务又会用AI的人,手里同时有六七个选择。机构留人的方式会从“加工资”转向“给工具、给成长路径”,因为钱很难单独留住这类人。

    第三,教师的“AI素养”会变成招聘的隐性门槛。面试时问一句“你平时怎么准备一份学情说明”,就能筛掉一批只会照着讲义上课的人。这个动作会先在大机构出现,再往下传导。

    再补一层判断:这一轮变化对中小机构其实是利好。大机构有资源和预算,但船大调头慢;中小机构人少、决策快,把工具用起来的边际收益反而更高。差距不在规模,而在校长愿不愿意先动。

    同时也要守住一个边界:这件事不是“让AI上课”,而是“让老师用AI把课备得更准、把学情说得更清”。把握住这个边界,机构就不会走偏到“AI替代老师”的噱头上,也不会在家长面前露出破绽。

    七、这个月可以做的4件事

    1. 把“学情报告”做成标准动作。规定每个阶段给家长一份可解释的学情说明,包含掌握情况与下一步建议。
    2. 把备课的分层素材沉淀下来。同一知识点按难度分层,形成机构自己的素材库,减少对个别老师的依赖。
    3. 把教研复盘常态化。每节课的高频错因归纳成材料,跨校区共享,让经验变成资产。
    4. 把AI素养写进招聘与培训。面试问实操,入职给路径,别只看学历背景。

    这四件事能不能落地,取决于一个前提:数据能不能在同一个学员身上合起来。备课、课堂、作业、课消散在不同地方,学情报告就只能靠老师回忆拼凑。学邦教务教学管理系统的学员档案与教学跟进回访,能把课堂表现、作业与课消记录归到同一位学员名下,让一份讲得清楚的学情报告变成日常动作,而不是每次临时赶工。

    写在最后

    AI做宽度,教师做深度。工具会越来越便宜,而“把孩子的学情讲清楚”这件事会越来越贵。谁先把这件事变成机构的固定能力,谁就握住了下一轮竞争的入场券。精细化管理,是教培机构的护城河。

    关注「学邦技术」公众号,回复「手册」,即可领取本文对应的教师AI素养提升清单与学情报告模板,持续获取教培运营干货。

    点击公众号菜单「免费体验」,还可预约学邦教务教学管理系统演示——排课、考勤、课消、家校沟通、财务报表一站搞定,让教务老师从表格里解放出来。