笔记：与AI+教育前辈聊天

昨天跟一位“AI+教育”行业的前辈，聊了下“学习AI”相关的问题，下面是一些小的结论：​

1、学习是反人性的，所以通常只有功利导向的“学习”，才会带来强烈的付费意愿。​

比如，在真实的K12买课场景中，很多家长根本不在乎孩子「能力」是否提升，他们更在乎老师能不能押对考试的题目，直接让孩子多拿「分数」。​

2、“突破性新技术+垂直行业知识”的组合，一般能为学习者带来更高的投入产出比。​

拿程序员举例，如果单纯看 996 的新闻，还以为中国程序员早已供大于求了。​

但在很多很大的行业里，懂该行业知识的程序员缺口大的不得了，很多时候只能找高潜应届生从头开始培养。​

典型的有，银行嗷嗷缺金融科技人才，车企嗷嗷缺智能网联人才，智能制造行业嗷嗷缺数字化转型技术人才。​

3、放在 AI 领域，则意味着「让 AI 工程师懂行业，让行业专家懂AI」，这个学习的投入产出比可以做到很高。​

但前提是，一定要找到 AI 在该行业的高价值应用场景。

找到之后，AI 工程师会发现，如果说自己的技术在那个领域创造的价值是西瓜，那么在手头的这个领域创造的价值可能就只是芝麻，孰轻孰重，他会知道怎么选；​

行业专家也会发现，在他的专业领域，很多事情的效率可以提升 10 倍以上，他不仅有机会真正做到“一个人就是一支队伍”，还可以为组织为行业复制出无数个「能达到 80%水平的自己」。​

4、现阶段，之所以「AI 口嗨者众，AI 实干家寡」，最主要的原因是没有能带来足够正反馈的高价值应用场景。​

拿我自己学 AI 绘画举例，22年12月我花了大半个月学 AI 绘画，然后还花了 200 多充midjourney。但此后的大半年时间里，一直没找到合适应用场景，压根用不起来​

直到最近，因为公司业务团队的 AI 绘画需求，我才重新捡起来。一周不到的时间，我已经出过上千张图，支持过多个业务团队了。​

5、如果一定要让某人主动学习AI，亲测有效的方式，是让他看到 AI 能多快多好地完成他手头的活儿。​

如果他都亲眼看到 AI 能很快很好地完成他的活儿，但仍然无动于衷。​

那么，要么说明他这个行业的人不值钱，廉价劳动力极其好找，而且人远比 AI 便宜；要么说明这个领域的人足够“稳定”，办事效率和产出质量的优先级，远不如其他。​

6、生成式 AI 目前还在非常早期的阶段，为 AI 找高价值应用场景这件事，或许能干个一二十年。​

而且，这件事儿的最大的受益者之一，不是更懂某些行业知识的算法工程师，也不是更懂生成式 AI 的行业专家。​

而是同时拥有了「更懂某些行业知识的算法工程师」和「更懂生成式 AI 的行业专家」的某些行业龙头。​

笔记：与AI+教育前辈聊天​