21.71 亿元，同比 -11.91%；归母净利 -1.16 亿元。把 1.23 亿元一次性确认的股份支付费用剔掉，净利是 732.33 万元。

这是某公考培训上市公司 10 月 27 日披露的三季报。同一份报告里还写着另一组数字：预排课超过 10 万课时，节省课时量约 40%；AI 面试点评、AI 申论批改、AI 拍搜三项工具上半年累计使用超 1100 万人次；教师授课已采用 AI 全量质检；新增 1 万道 AI 靶向生成题库。

利润表向下，效率指标向上。两条线交叉的地方有一个更值得追问的问题——那 40%，究竟是从教务的哪一段时间里省出来的，这决定了后面所有的账怎么算。

省下的不是上课时间

不少校长看到「节省课时量约 40%」，第一反应是学生少上了四成课，课时消耗要跟着掉。这个理解经不起推敲，它把排课时间和上课时间混成了一件事。

如果学生真少上四成课，课时消耗会同步掉下来，营收应该先于利润下滑，幅度也不会只有 11.91%。而在课时被「省」掉四成的同一个季度，营收是 -11.91%，Q3 单季 6.28 亿元、同比 -15.2%，单季净亏 1.49 亿元。省掉的是排课这门管理活，不是授课这门交付活。

预排课原本是教务岗最耗人的一块：谁在哪个时段有空、哪间教室能坐多少人、哪个班进度落后要插一节补课、哪位老师连排四节得留出喘息。这些约束人脑装不下，只能靠经验和表格，一遍排不完排两遍。

系统干的就是排产这一件事，那 40% 省在教务的桌子上，不在讲台上，也不在学生的课表里。判断一个工具动的是哪一层，看它省下的时间记在谁的考勤上就够了。

1100 万人次落在了三个动作上

面试点评、申论批改、拍搜，这三件事有一个共同点：高频、有标准、可对照，做一万次和做一次的方法完全一样，每一次的边际成本几乎不变。

面试点评要按结构、逻辑、表达分别给分；申论批改要按采分点找关键词；拍搜是把题目识别出来再匹配解析。三者都不需要临场创造，需要的是稳定、批量、不疲倦。

这类动作最适合被系统接走。一位老师一天批 40 份申论，批到第 30 份手会松、尺子会飘；系统批 4000 份，第 4000 份和第 1 份用的是同一把尺。1100 万人次摊到每一天，是被真实消耗掉的产能，不是演示次数。

把这家公司披露的五项 AI 动作放在一张表里，落点的差别立刻显出来：有的省的是老师的手，有的省的是督导的腿，还有的省的是教研组的脑。

五行里只有「答疑响应」是学生能直接感觉到的，其余四行都发生在中后台，家长看不见也评价不了。这就是很多机构上了 AI、家长端却毫无感知的原因——动的层不对。

全量质检：从抽样到普查

「全量」这两个字，比「AI」更值钱。后者只是换了一件工具，前者改的是覆盖率——从一个月看几节，变成每一节都留下可检索的记录。

过去的课堂质量靠督导听课。一位督导一个月能听几节？十节已是极限。一所千人规模的机构，一学期开出去的课数以千计，抽听覆盖率往往不到百分之几。抽样的问题不在样本小，在于被听的那节课一定是被准备过的。

全量质检换了一套逻辑：每节课的录音转写、语速、停顿、知识点覆盖、互动次数都变成可检索的记录。督导不再靠「去听」，而是先看异常，再决定去哪一间教室。

代价也有。老师知道每句话都会被转写，讲课会变得保守；系统把「互动次数」当指标，就容易催生为了互动而互动。工具本身不解决问题，只把问题挪到了指标设计上。

十万课时，是怎么排出来的

十万课时不是一个小数目。按一位教务一天排 30 个课次计算，这是数千个工作日的工作量，靠加人或者加班都追不上，只能换算法。

预排课的前提是把约束条件数据化：老师的可授课时段、教室的容量与设备、班级进度、学生的选课组合、连排上限。条件进了系统，排课就变成求解，而不是讨价还价。

真正省时间的地方不在第一次排，在改。一位老师请假，人工要顺着课表找三四个替代方案再逐个打电话；系统给出的是已经满足全部约束的两三个方案，人只做选择。

这也是为什么「省 40%」这个数看起来夸张，落在教务岗上却相当具体：一天的排课从五个小时压到三个小时，省下来的两小时才是真金。

省下的时间去了哪里

课时省下来了，不等于成本降下来了。这 40% 有三种去向——减人、加量、前置，选哪一种，决定它是利润还是新的风险，也决定这笔账在哪个季度显形。

三种去向里，减人最快见效，也最容易被写进季报；加量次之，靠的是把省下的时间再卖一次；前置最慢，慢到一个季度的报表上根本看不出来。

见过一家区域机构做过相反的对照。第一个学期，它把省下的排课时间全部折成编制压缩，一个教务管过去两个人的班，旺季排课出错集中爆发，家长最常问的一句是「换了老师怎么不通知」。第二个学期把时间改投到磨课与课后反馈，人力成本回升，续班却稳住了。

省时间这件事本身是中性的，把它花在哪，才决定它是效率还是风险。这句话在预算收紧的时候最容易被忘掉，因为减人是唯一能立刻写进报表的选项。

一万道题，把教研拆成两步

题库过去是教研组的体力活：翻真题、归类、改编、校对，一道题来回改三遍。一万道题，一个五人教研组要从开学磨到期末，磨完还不一定够用。

AI 生成的第一步，是把「出题」拆成「定错因」和「配题干」。错因来自学生的作答数据，题干由系统按模板生成，老师只做最后一层筛选：这道题能不能站得住，选项有没有歧义。

分工变了。人从生产者变成审核者，产量由系统决定，质量由人决定。教研组的人数没变，产出翻了几倍，但组长的活变重了——他要为每一道题的准确性签字。

风险也在这里。生成题最容易出的问题不是难，是「看着对」——一道逻辑上成立、教学上没有意义的题，只有老教师一眼能挑出来，而审核岗往往不是老教师。

一间教务办公室的周二

把镜头拉近一点。周二上午九点，教务主任桌上摊着三样东西：本周的调课单、下月的新班排期，还有一张手写的教师请假条，三样东西互相对不上。

按老办法，她先排新班：把 12 个班的开课时间摊在纸上，对着老师的空档一个个填。填到第七个班，发现两位数学老师撞了时段，前面全推倒重来。调课单要等新班排完才能插进去。一上午过去，排完的只有 8 个班。

用预排课，顺序反过来：先把请假条、教室占用、老师时段全部录进去，系统出一版初排，她只处理三处标红的冲突。剩下的时间用来做另一件事——给三个进度落后的班安排补课。

同一个上午，产出从 8 个班变成 12 个班加 3 个补课方案。差别不在手速，在返工的次数——人工排课的时间，大半花在推倒重来上。

教务岗的一周，被切成五段

排课只是教务工作的一段。把一周拆开看，五段工作的性质差别很大：有的能被规则描述，有的只能靠人判断，能被系统接走的比例完全不同。

前四段都能被压缩，最后一段压不动。家长沟通不是流程，是判断：孩子为什么突然不肯来，这句话系统答不了，只有带过这个班的人答得了。

这也解释了为什么有些机构上了系统之后，教务岗并没有轻松：省下来的时间全部被家长沟通吃掉了，感知不到变化。省下来的时间必须有一个明确的去处，否则它会默认流向最不可压缩的那一段。

效率涨了，利润为什么没跟上

营收 -11.91%、归母 -1.16 亿元，说明省下来的效率没有变成利润。原因不复杂：省的是管理费用，掉的是收入，两个数不在一个量级上。

费用端一年能省下的量级，和收入端一个季度掉掉的量级，隔着一段距离。长周期课程的招生一旦放缓，结转的收入会连着几个季度往下走，中后台省出来的那点钱填不满。

还有一个更隐蔽的原因：1.23 亿元的股份支付是一次性确认的，剔除之后净利 732.33 万元，仍然是薄的。薄的原因不是成本高，是毛利结构没有换。

所以「AI 提升人效」和「利润改善」之间，隔着招生这一层。工具能省人，不能替人招生，也不能替人把课上完。把这两件事混在一起谈，是这一年最常见的一种误判。

AI 落地的三个层次

把这家公司的动作按难度排一下，可以分成三层：单点工具、流程改造、数据闭环。多数机构卡在第一层，少数摸到第二层，第三层几乎没有人做完整。

第一层好推，因为老师立刻省力；第二层难推，因为它动的是岗位分工，「谁排课」变成「谁校准」；第三层最难，它要求把课消、作业、测评三套数据打通。

这家公司的特别之处，是第一层和第二层同时在动：1100 万人次属于第一层，预排课与全量质检属于第二层。两层一起动，才会出现「省 40% 课时」这种跨岗位的数字。

先受益的一定是中后台

我的判断是：这一轮 AI 在教培业里的红利，会先出现在中后台，不会先出现在招生端。这个顺序，短期内不会因为模型变强而改变。

原因在数据的密度。排课、批改、质检这三件事，每天产生大量结构化记录，系统有东西可学；招生靠的是人对人的判断、信任和临场反应，数据稀薄，工具能帮的有限。

这意味着两件事。一是人效指标会比营收指标先改善，报表上会出现「收入没涨、费用降了」的形态；二是绩效怎么挂要重新想一遍——排课从五小时压到三小时，考核的就不再是「排得快」，而是「排得准、返工少、冲突提前发现」。

把旧指标套在新流程上，省下来的时间会立刻被填回无意义的忙碌里。这是最容易发生的一种浪费，也是最难被察觉的一种，因为每个人看起来都很忙。

写在最后

预排课省下的 40%，不是四成的课，是四成的排课时间。这句话如果读反了，后面所有的动作都会做错，预算也会花错地方，人也会招错。

要落地，先做一件小事：把本校教务岗一周的时间去向记下来，标出哪几段是「可结构化」的。标完就知道该先上哪个工具，而不是先买哪个系统。

关注「学邦技术」公众号，回复「绩效」，即可免费领取《教培机构排课人效测算表》，含教师时间去向表、重复动作清单与课时节省测算模板；也可以在公众号菜单里免费体验学邦教务教学管理系统。