接着上一篇说
上一篇梳理了三份文件的核心内容。它们的立场清晰、措辞规范、数据扎实。读完之后，我们好像应该松一口气——国际有共识、国家有规范、调研有数据，一切都安排好了。
但如果你像我一样，是创新型学校的一线老师，你会发现这些文件读起来越规整，你的日常工作反而越拧巴。
这一篇，我想和你聊聊这种拧巴。
一、文件里没说出口的那件事：“主导”是态度，还是工作量？
三份文件最高频出现的词，是“主导”。
教师必须主导关键育人环节（教育部《教师应用指引》）。教师必须保持人类问责制（UNESCO《人工智能能力框架》）。教师必须在价值引领上不可替代（教育部《教师GAI》）。
读起来都对。但仔细想——
“主导”到底是一种态度，还是一种工作量？
如果是态度，我们大部分人已经主导了。报告里 86% 的老师担忧学生因 AI 丧失独立思考，57% 担忧师生情感被削弱。这种警觉本身就是主导。
如果是工作量，那就是另一回事了。
《指引》要求教师审查 AI 生成的每一份教学设计、每一份评语；要求修正错误、过时或逻辑偏差的内容；涉及敏感意识形态须提交学校管理部门审查；数据要脱敏。这些都不是“理念”，是真实的工作步骤。
AI 在前一个环节为你省下的二十分钟，可能在审查环节又被还回去——甚至倒贴。
这里有一个国际化、创新化学校特别需要注意的地方：我们的老师工作密度本来就高。PBL、跨学科、差异化教学、家校会议、课外活动指导、学科教研……每一项都需要思考。AI 看起来是来减负的，但如果减负的同时叠加了一道质量审查工序，而这道工序没有被纳入任何工作量计算，那么“主导”就变成了一种隐形劳动——你做了，但没人看见。
二、一个比“工具滥用”更隐蔽的风险：认知代理
报告里反复提到“教师过度依赖 AI”的风险，但通常被理解为工具使用层面的问题——比如照搬 AI 生成的内容、不加核对就发给学生。
但还有一种更隐蔽的依赖，值得用一个具体的词来命名：认知代理（Cognitive Proxy）——把原本属于自己的专业判断，部分或全部交给算法去执行。
它不是“用 AI”这件事本身。一个老师让 AI 生成一组词汇练习，然后自己挑选、删改、决定怎么用——这是用工具。
但如果这个老师让 AI 直接生成“针对这个学生的反馈意见”，看一眼觉得“差不多”就发给学生——那么“判断这份反馈是否合适”这件事，已经被代理出去了。哪怕她在最后按下了发送键，真正做出专业判断的，不是她。
国际化、创新化学校的老师特别容易陷入这种代理，有三个原因：
- 第一，这里的老师普遍乐于尝试新工具，接受度高。
- 第二，这里教学要求高、节奏快，AI 看起来是唯一能让自己撑下去的办法。
- 第三，这里的老师英文流畅，prompt 写得好，AI 产出“看起来很专业”——专业到让人想直接用。
这三件事叠在一起，产生一个反直觉的结果：
AI 用得越熟练的老师，越容易在不知不觉中把判断权交出去。
这正好是 UNESCO 框架里 human accountability 原则要警惕的事情，但它在国际化学校的发生方式，比公立体系更隐蔽——因为它包裹在“专业”“高效”“创新”的外衣里。
三、一个反直觉的后果：教学产物的平均水平在上升，方差在下降
让我们再走深一步。
通常我们会想：AI 用得好，教学质量就高。
但如果“用得好”指的是“让 AI 替我做了更多事情”，那么有一个反直觉的后果在等着——
教学产物的平均水平在上升，但方差在下降。
什么意思？所有老师的教案都不会再差。AI 不会写出语法错误，不会漏掉教学目标，不会忘了形成性评估。这是好事。
但与此同时，真正属于这位老师独特直觉的部分——他对某个学生的特殊理解、他对某个文本的私人切入、他课堂里那些“如果学生这么回答，我就这样接”的预想——这些不会出现在 AI 的产出里，因为 AI 不知道。如果老师不把它们加回去，这部分就消失了。
在我们学校，一个班每学年280节英语课，如果每节课都有 70% 是 AI 起草、30% 是教师微调，一学期下来，这个班的学生其实经历了一种“算法平均化”的英语教育。
这件事，报告里 86% 教师对学生丧失独立思考的担忧，反过来也适用于教师自己——只是没人愿意承认。
四、UNESCO 三阶模型，好学校该这样用
上一篇梳理了 UNESCO 的 Acquire / Deepen / Create 三阶模型。对创新型学校的老师来说，Acquire 这一阶早就过了。问题在于，我们大部分人都停在了 Deepen 的前半段——把 AI 整合进既有的教学流程，让它在已有框架里帮忙。
向 Create 跃迁的关键，不是会写更复杂的 prompt，也不是会用更多模型。是另一件事：
能不能让 AI 去做一些它原本做不到的事——那些只有在你这个老师、面对你这个学生、在你这门课的语境里，才会被提出来的需求。
举一个具体的例子。
一位英语老师教一篇关于身份认同的短篇小说。
**Deepen 阶段的用法：**让 AI 生成讨论问题、生成阅读练习、生成写作 prompt。这些都不错。
**Create 阶段的用法：**他注意到班里有三个学生最近在写作里反复出现“not belong to”这个主题,但他们彼此并不熟。他想做一次只针对这三个学生的微型 conferencing。他设计了一个流程：让 AI 扮演三种不同立场的“读者”，对学生的初稿做出反应；她自己在旁观察，记录三个学生在面对不同立场时的真实反应，作为下一次 1-on-1 谈话的依据。
这个流程，没有任何一份 AI 教学手册会告诉你怎么做。它需要这位老师对这三个学生有具体了解，需要她对文本有自己的理解，需要她对“什么时候 AI 退后、什么时候人在场”有判断。
Create 不是更先进的应用，是更具体的应用。越具体，越不可被替代。
五、《应用指引》里几条特别值得我们留意的规则
很多国际化学校的同行会觉得教育部发布的《应用指引》是“给公立学校的”，但里面有几条，其实非常贴合我们这个体系。
关于学生使用（请点击展开）
《指引》明确禁止学生直接提交 AI 生成的作业，要求附过程性创作材料并标注引用。
国际学校的学生，英文 prompt 能力普遍强于公立体系的同龄人。这意味着 AI 写出来的东西，更难和他们自己的写作区分开。如果学校在这件事上没有清晰的校本规则，老师就会陷入一种很消耗的状态：每次批改一篇文章，都要先做“这是不是 AI 写的”的内部判断，然后才能开始真正的反馈。
而这种判断截至目前，仍没有可靠工具，只能靠经验。它会持续消耗教师的认知带宽，甚至引发师生信任问题，且不被任何人看见。
这件事的解法不在单个老师身上，在学校层面。一份明确的学生使用规范，比任何 AI 工具的引入都更重要。
关于教师审核（请点击展开）
《指引》要求，严禁未经审查直接使用 AI 生成的教学设计或评语；涉及敏感意识形态内容须提交学校管理部门审查。
这条规定在国际化语境里有一个特殊版本：意识形态的敏感性可能不在政治议题上，而在文化议题上——种族、性别、宗教、历史叙述。AI（尤其是英文模型）在这些议题上有它自己的倾向性。如果老师不去看就直接用，可能在不知情的情况下，把某种特定的英美主流叙述带进了一个有不同国籍学生的教室。
这不是政治问题，是教学专业问题。
六、一份“我不会交给 AI 的”清单，比任何 AI 培训都重要
如果上面这些都太抽象，这里有一个可以马上做的事：为自己写一份“不交给 AI”的清单。
每次你打算把一份 AI 产出直接用进课堂之前，问自己四个问题——
- 第一，这份产出里，有没有一句话是“如果不是 AI 写，我会写得不一样”？如果没有，这份产出和我这个老师没关系。
- 第二，这份产出针对的是一个具体的学生，还是一个抽象的“学生”？如果是后者，我至少要为某一个具体学生加一句话。
- 第三，这份产出里，有没有一个判断是我没有亲自做、但却以我的名义被发出去了？这个判断我是否真的认同？
- 第四，如果一个学生问我“老师，你为什么这样反馈我”，我能不能给出一个不依赖“AI 这么建议的”理由？
四个问题里有任何一个答不上来，就停下来，改写。
七、最后，关于“不可替代”
三份文件里，所有人都同意一件事：教师在价值引领、情感共振、应对不确定性上不可替代。
这句话听起来很安慰，但它也很危险。
因为如果我们只把“不可替代”挂在嘴上，而把日常的备课、反馈、评估、沟通——也就是教育这件事里大部分实际发生的劳动——全部交给 AI，那么“不可替代”就变成了一种残余物。它是教师工作里 AI 暂时干不了的那一小部分，是被算法挑剩下的部分。
这不是我们想要的“主导”。
真正的主导，是反过来的：先想清楚自己作为一个具体的老师，在这门课、这个班、这个学生身上，有什么是只有我能做的——然后把这一部分牢牢握住，把其他的部分交给工具。
AI 时代的好老师，不是用最多 AI 工具的人，也不是用 AI 用得最熟练的人，而是想清楚自己不要让 AI 做什么的那个人。
这个“不要做”的清单，值得每个老师为自己写一份。它会比任何 AI 培训都更能保护你的专业身份。
在你的 PBL 设计里、你的写作课反馈里、你的家长沟通里，有哪些环节是你绝对不会交给 AI 的?
把这份清单写下来。它就是你的主体性。
本文属于《教师的位置：三份 AI 文件，与三份文件之后》系列。具体来源、参考资料与 AI 使用说明见系列目录页。