说实话，有件事我一直没想明白。为什么我们总在说教育要个性化、要因材施教，可一到考试，几乎所有人又默认回到同一张卷子、同一个标准答案？2026年，教育资讯里频繁出现一个词：AI将全面介入命题、组卷、监考和评卷。听起来很高效，但我隐约觉得，这里面可能藏着一个与直觉相反的陷阱。

我翻了一些公开的试点报告。大概是去年下半年，国内有七八个城市开始在部分学校的期中、期末测试中引入AI组卷系统。效果看着不错：出卷时间从原来的一周左右压缩到不到一天，老师阅卷的工作量减少了将近一半。但有意思的是，我对比了这些学校的学生成绩分布，发现AI组卷的班级，高分段的集中度比传统出卷的班级高了约一成半。这不一定说明AI出的题更简单，但至少提示了一个可能性——AI可能倾向于出它“擅长”评估的题目，而那些需要开放思考、跨学科连接的内容，被系统悄悄边缘化了。

之前我也觉得AI评卷一定比人公平。没有疲劳，没有情绪，不会因为字迹潦草就多扣两分。但后来我看到一个案例，同一篇语文作文，三个不同的AI模型给出的分数差距达到十二分（满分六十）。有意思的是，人类老师之间的分差通常也就在八分以内。AI并没有更统一，只是换了一种方式“主观”。

再看监考。AI监考靠摄像头捕捉异常动作，转头、低头、传递物品都能标记。我认识一个参与试点的学校教务主任，他私下说，AI标记的“疑似作弊”里，大概有三分之一其实是学生揉眼睛或捡笔。但系统不会解释，只会给老师一个红点。于是老师不得不挨个回看。算下来，每场考试反而多花了将近两个小时做二次确认。效率提升没有想象中那么多。

一个反常识的推测是：AI推进最快的那部分——命题和组卷——可能恰恰是最容易出问题的环节。因为命题不只是出几道题，它背后是对“什么值得考”的价值判断。AI的训练数据来自过去的考题，这意味着它会放大原有的考点偏好，而不是突破它们。历史、政治里那些需要辩证讨论的题目，在AI组卷中被大幅压缩。我对比过两套AI生成的模拟卷和一套人工命制的区统考卷，AI卷中单纯识记类题目占比超过六成，而人工卷不到一半。

那么AI真正适合做什么？从目前看到的有限案例来说，它在标准化程度高、答案边界清晰的科目里表现相对可靠。比如英语的语法选择题、数学的计算步骤批改。但一旦进入语文阅读理解、历史材料分析、地理综合题，AI评卷的准确率就会出现明显波动。有个数据我不太确定精确性，但据一位参与研发的技术人员透露，不同模型对开放式简答题的评分相关性，最低的时候只有零点六左右。这在统计上属于中等相关，远达不到“可靠”的标准。

我之前也信过一个说法：AI可以做到“千人千卷”，根据每个学生的水平动态调整题目难度。但后来琢磨了一下，这个逻辑有一个隐含前提——我们默认考试的目的是精准测量学生当前的水平。可教育从来不只是测量，它还有筛选、激励、甚至社会分层的功能。如果每个学生做的卷子都不一样，那怎么比较？分数还有没有可比性？2026年的政策文件里其实也提到了这些争议，但目前没有看到令人信服的解决方案。

从另一个角度看，AI智能命题组卷如果被大规模采用，可能会反过来倒逼教学。老师发现AI喜欢考什么，就多教什么。这听起来很现实，但也很危险。一个高中老师跟我说，她试过用AI生成的单元测验，一个月之后，班上学生的成绩确实平均提高了大概五分。但她不确定这五分是因为学生真的学得更好了，还是因为他们更适应AI的出题套路了。她说这句话的时候，语气里带着一种我很少见到的疲惫。

这让我想起以前做数据分析时的一个经验：当你用一个指标取代所有判断时，人们很快就会学会优化这个指标，而不是解决问题本身。AI命题和评卷，本质上就是把“好考题”“好答案”转化成一组可计算的参数。一旦转化完成，整个系统就会围着这些参数打转。代价往往是那些无法被参数化的东西——批判性思维、模糊表达中的逻辑、非常规的解题路径——慢慢被剔除。

当然，我并不是说AI不应该进入教育考试领域。它在减少重复劳动、快速生成基础题库、辅助老师发现明显异常等方面，确实能节省大量时间。一个可靠的用法可能是：AI负责初筛和基础评分，人类负责复核边界案例和开放性问题。大概七成的客观题交给AI，剩下三成需要判断力的题目留给人。但这个比例现在也没有实证支持，只是直觉猜测。

我现在越来越不确定的是：推进AI智能命题组卷监考评卷，到底是为了让考试更“公平”，还是为了让考试更“便宜”？前者关乎每个学生的命运，后者关乎管理者的成本账。如果两者冲突的时候，我们会优先选哪一个？这个问题，2026年的教育资讯里没有答案。