财会培训产品如何AI化？斯尔开了个头

近两年，斯尔先后推出了 “主观题AI阅卷”、“AI字幕”、“AI答疑”三款AI产品。

他表示： “行业的共识是，如果一家公司要探索AI，那这一定是一号位 的工程。 如果不是由公司最上层来推动这件事情落地的话，这件事一定做不成。 所有开创性的创新 在落地层面 都 会 遇到不小的 难度，但如果不能快速跟上这个时代的变化和新技术，那公司成长的天花板也很明显。 ”

不过，欠缺技术背景确实是斯尔创始团队（ 五 名创始成员此前主要是 教学 或投资 背景 ）的短板。 斯尔探索 AI的前提，是先要解决早期阶段的创业公司究竟如何把握技术合伙人的引入节奏这一难题。

2021年初，在成立还不到两年的时候，斯尔便引入了王玉顺作为技术合伙人和CTO。 王玉顺是AI方向的博士，履历丰富，先后入职微软、腾讯、阿里， 曾任 飞猪业务的副总裁。

AI界的大咖加入，自然是好事。 不过，外界当时并不理解斯尔的这一决策：“为什么斯尔要在公司发展还这么早期的时候便要支付高昂成本引入一位背景光鲜亮丽的技术合伙人？ 这个阶段，招一个技术总监不是就可以解决问题 吗 ？ ”

团队当时都 极为笃定： “我们 一直在做 内容标准化，但是要想把标准化内容的效能放大，必须要靠技术加持。 现在 我们 亟需的就是非常强的技术能力，以放大这些 后端 标准化的价值。 ”

那时的斯尔看到的不仅仅是用技术放大内容标准化的紧迫性，更是看到了 AI带来的巨大机会：

“站在企业经营的角度，必须要进入到一个增长斜率足够高的领域中。 如果你现在这个行业的增长斜率比较平缓，那你永远突破不了天花板，只能是不断分食既有市场的份额。

但当你进入到一个增长斜率非常高的领域，就可以分享那个领域中的红利。 AI和技术领域的斜率这么高，我们就必须让这个领域的增长赋能到现有的业务中，这是我们一定要做AI的原因。 ”

自王玉顺加入斯尔团队之后，斯尔在技术层面做了多重探索。

在后台提效方面，技术团队在 2021年便自研了近十个后台系统。 其中最重要的是 “水滴教研系统”、“北极星用户运营系统”和“星环音视频系统”。

据介绍，斯尔图书业务所需的知识标准化、师资教研的稳定交付，均通过 “水滴教研系统”实现。 它是从图书业务积淀下的标准化内容出发，在应用层连接了听课、看书、作业、考试、答疑、阅卷、备课等场景。

“北极星用户运营系统”应用于服务环节。 班主任可以从该后台看到所管理的班级中每个学生的学习进度、作业完成情况，考试情况，方便班主任追踪学员学习进度。

“星环音视频系统”则是斯尔自研的直播系统。 早期，和大部分早期的在线教育公司一样，斯尔采用的是第三方直播平台提供的非定制化的标品。 “但是最大的问题是我们在直播授课场景想要做的创新功能太多，而这些是需要通过定制化完成，第三方平台无法满足。 ”而斯尔自研这套直播系统从立项到研发出来只花了六个月的时间，便实现了顺利的过渡，用户端没有感受到直播平台的切换，“要实现用户的无感切换，关键是能否找到技术方案来完成平台的过渡。 ”

在应用端，斯尔目前已上线三个 AI功能： 主观题AI阅卷、AI字幕、AI答疑，均可从斯尔的App中体验。

1.主观题AI阅卷

主观题 AI阅卷是斯尔2022年底上线的功能，这是斯尔结合AI的首款面向C端的应用场景产品，它可以针对财会 考试 的主观题进行自动判分。

郭劲男回忆，这一功能上线之初，内外部会有一些质疑的声音： “AI阅卷有什么价值，真的有意义吗？ ”

以往，尽管给出了标准答案，但斯尔收到的用户反馈里，用户问的高频问题往往是 “老师，我这么写，能得分吗？”

起初，斯尔的解决方案，是把主观题阅卷的场景开放给用户，即明确了所有的采分点，让用户自己给自己打分。

这显然没有俘获用户的心。 团队不久便发现，用户的自主阅卷率比较低，没有时间或毫无意愿对照着答案批改自己的主观题答案（这部分用户只想知道自己这道题是否会 做 ）。 而给自己批阅了的用户里，阅卷准确率也不高。 斯尔教研团队二次阅卷发现，用户自己阅卷的准确率只有 50%左右。

“这是因为，用户永远无法站在阅卷人的视角去看自己的试卷。 他的立场肯定是给自己找分数，而阅卷老师则是根据客观标准判分的。 这就会出现用户以为自己能得分、等真的上考场之后又得不了分的情况。 ”郭劲男分析。

比如，一道题目的条件问的是 “万元”，但用户答的是“元”，哪怕数字是对的，在判卷标准趋严的情况下，这是不得分的。 而用户阅卷显然倾向于给自己分数。 只有真正丢分了时，他接下来才会注意题目条件，答题也会更小心。

基于此，团队意识到，阅卷环节是值得加入服务（帮用户完成了判分的环节）以提升效率的， “它的价值在于会引导用户接下来解答主观题时，会明确复习重点和侧重点到底放在哪”。

不过，郭劲男也 坦陈 了踩过的坑。 用户参与模考时，会出现在同一时间有大几千人甚至上万人同时交卷的情况，这导致后台的数据处理量出现短时高峰，因此可能导致 AI阅卷的反馈时效降低。

“流量峰值的测算是我们现在最难评估的问题，因为目前市面上通用的AI工具是没有季节性问题的，但是由于AI阅卷应用 于 我们的业务时，是高季节性的产品，就会出现流量波动。

最高峰时需要同时处理几十万条数据，但大部分情况下只需要处理一万条数据，这中间会涉及到资源分配、服务器算力分配、成本分配的问题，这是最难的。 比如服务器用的多了，高峰的时候是很好，但是放到平时这就是浪费。 因为季节性业务的波动性太强了。 因此，我们认为， AI产品未来最好能突破我们现有的业务，变成一个普适化的工具，以抹平业务的波动，那我们的配置可能会更合理一点。 ”

2.AI字幕

如何高效而又精准地 给视频打上字幕，这是财会培训行业中过去一直没有被解决的问题。

在 2019年斯尔刚上线的时候，所有的课程产品都带有字幕，彼时采用的是通用的字幕识别技术，但识别准确度不高，为了做字幕校对，需要人工审核，团队投入了大量人力物力和时间，对后台运营效率影响非常大。 尽管字幕颇受学员欢迎，但考虑到投入产出比，团队后来便放弃了这一功能。

直到今年，随着 AIGC热潮的崛起，团队发现，AI可以快速进行语音识别，并有非常高的准确率，可以有效解决字幕的问题。

王玉顺曾向多知谈到，基于斯尔的内部语料，结合业界的字幕识别技术，斯尔部署了一个语音识别的引擎。 当前，斯尔的很多课程已经上线自动匹配 AI字幕功能。

“这是一个非常高性价比的AI尝试。 当前，字幕识别上可能还存在一些错误，但是这 不至于影响到用户的整体体验 ， 还是比较无伤大雅的，大家发现错误之后也会向我们反馈，帮助我们 把 AI字幕功能不断优化， 也算是我们跟用户之间的良性互动，效率 也 提升 了 很多。 ”郭劲男说道。

3.AI答疑

AI答疑是斯尔一直想做的功能，但是一直受限于内容门槛高、实现难度大。 在测试了非常多的训练模型和数据后，这款产品最终在今年3月正式上线。

当用户在用斯尔的图书或者课程学习途中遇到问题时，可以借助斯尔 App上的“答疑”功能进行提问，便能获得 AI给出的 答案。

例如，在选择题的解答中， AI除了会给出答案，还会深度解答选项背后的原理，并针对所考察的知识点进行延展与举例说明，而不仅仅只是简单的区分对错。 这既解决了人工答疑的效率问题，也解决了人工答疑质量与标准不一的问题。

据透露，上线一个多月来， AI答疑转人工率只有10%左右，也就是说用户90%的问题在AI环节已经被解决了； 在解决问题后的用户评分里，AI答疑的评分是3.76分（满分4分），过往人工答疑实现的评分是3.8分左右，基本拉齐了人工答疑的质量； AI答疑的问题处理时间平均在30秒以内，如果不涉及上传图片（拍照识别题目），处理问题时间能控制在10秒以内。

“AI答疑最厉害的一点是，可以让所有的回复变成秒级，这在用户体验上是非常大的跨越。 ” 在斯尔团队看来， AI答疑最重要的突破是解决了时效性的问题。 “用户进行客服咨询时，是希望需求被第一时间响应，而不是第一时间获得百分之百完美的答案，提高响应速度比任何事情都关键。 ”

郭劲男举了个例子。 “有个用户，在我们上线AI答疑之前的半年时间，只提了三个问题。 其实，用户过往不爱提问就是因为提了一个问题半天却得不到答案。 而在他尝试了AI答疑之后，他在一个月内就提了十几个问题。 区别就是借助AI答疑后，现在他的每个问题都可以得到快速响应，他对AI答疑这个功能产生了黏性。 这个功能也解决了我们过去一直担心用户买盗版图书的问题，因为盗版图书无法提供 AI答疑服务。 ”

此外， AI答疑的过程中还实现了除知识外的陪伴服务功能。

这是因为，团队发现，用户的问题多种多样，往往会涉及到学习方法等问题，因此， AI答疑不仅能解决知识点的问题，在面对学习方法、学习心态等开放性问题时，也能给出对应的建议和鼓励。 比如用户说某某知识点记不住，有没有什么好的口诀时， AI可以帮用户快速编个口诀。 当用户备考情绪低落时，AI也会给用户做心理疏导。 每每回答完题目后，AI还会向学员送出暖心鼓励。

长远看来，斯尔团队希望未来 AI答疑可以解答用户遇到的各种财税问题，变成一个更通用的工具。

“大部分财税工作者遇到问题通常是找身边人问或者去网站搜，这需要大量的时间搜集筛选信息。 未来，通过AI这个工具，把后台整个数据质量进行提升后，基本上可以覆盖掉所有的标准化的问题解决，只要是普适性的问题，AI都能解决。 无论是对现有业务而言还是长远来看， AI答疑发挥的价值都有比较大的想象空间。 ”

他透露，上述 AI产品的研发高门槛，并不在于技术，而是垂直领域的门槛。 即斯尔之所以可以做AI产品的探索，得益于过往的内容标准化的积淀。

“比如AI要回答财税的问题，后台的资料够不够，有没有积累素材，没有积累素材就答不准。 我们之所以可以研发出来，是因为过往每年（考季）都有上百万条用户答疑数据的积淀（斯尔后台的所有答疑数据都是被标准化处理过的问题，用户提出的各式各类问题在进入数据库前，已经被答疑老师率先按照统一标准进行了规范化表述，可以很快地筛出相应知识点。 同时所有答疑数据也都被打上了不同的标签，可以具体用于授课的改进、图书的迭代等），都是通过人工交付的，我们 已经储备了 标准化的内容可以在我们的模型中跑。 ”

郭劲男说： “这些积淀是一个非常长期的过程， 看上去好像 AI答疑的研发上线没有花太多的时间，但是后台这些内容标准化的准备是我们从诞生之初就开始做了。 ”

谈及未来，郭劲男表示： “在现在这个高度不确定性的市场环境中，特别容易让个人或者公司都变得非常焦虑，但越是焦虑的市场环境，越需要我们找到一些相对确定性的东西。我们知道这么做是对的，只要把对的事情坚持做好了，在这个环境下就不会变得那么焦虑。”