案例七：Khan Academy Khanmigo — 让每个孩子都拥有一位私人家教

教育界最著名的"两个标准差"难题

1984年，美国教育心理学家Benjamin Bloom发表了一项研究，后来被称为**"两个标准差问题"（The 2 Sigma Problem）。他发现：如果给一个学生配一个专属的一对一家教，这个学生的学业表现可以比传统课堂教学的学生高出两个标准差**。

两个标准差意味着什么？简单说，一个原本处于班级中等水平的学生，在一对一辅导下，可以进步到全班前2%。这不是鸡汤，这是严谨的实验数据。

但Bloom同时指出了一个残酷的现实：一对一辅导在经济上是不可能大规模实现的。一个老师一天能辅导几个学生？5个？10个？全球有超过15亿在校学生，你去哪里找够这么多家教？

这个问题悬在教育界头上整整40年。直到2023年3月14日。

当Sal Khan第一次看到GPT-4时

Sal Khan是Khan Academy（可汗学院）的创始人。2006年，他开始在YouTube上录免费的数学教学视频，辅导他远在新奥尔良的表妹。这些视频火了，最终发展成了一个覆盖数学、科学、经济学等学科的免费在线学习平台，全球用户超过1.5亿。

2022年底，OpenAI的团队找到了Sal Khan，给他展示了GPT-4的早期版本。Khan此前已经看过GPT-3，觉得"挺酷，但Khan Academy暂时用不上"。但当他看到GPT-4的演示后，他说了一句后来被广泛引用的话："This is a big deal."（这是大事。）

让Khan兴奋的不是GPT-4会聊天、会写文章。让他兴奋的是一个关键能力：可引导性（steerability）。你可以通过提示词（prompt）让GPT-4扮演特定角色，按照特定规则行事。这意味着——你可以让它扮演一个家教，而且是一个遵循教育学原则的家教：不直接给答案，而是引导学生自己思考。

Khanmigo：不给答案的AI家教

2023年3月14日——和GPT-4公开发布同一天——Khan Academy推出了Khanmigo。这个名字来自"Khan"+"amigo"（西班牙语的"朋友"）。

Khanmigo和ChatGPT最大的不同在于：它被刻意设计成不直接给答案。

如果一个学生问ChatGPT"二次方程x^2 - 5x + 6 = 0的解是什么？"ChatGPT会直接告诉你答案：x=2和x=3。但如果你问Khanmigo同样的问题，它的回应可能是这样的：

"好问题！让我们一步步来。你能告诉我，这个方程里的a、b、c分别是什么吗？"

如果学生答对了，Khanmigo会继续引导："很好！现在你能想到哪两个数，它们的乘积等于c，而和等于b？"

如果学生答错了，Khanmigo不会说"错了"，而是会问："你再看看b的系数是多少？是正数还是负数？"

这种苏格拉底式的对话引导，正是Bloom研究中一对一家教之所以有效的核心原因：不是老师帮你做题，而是老师帮你学会做题的方法。

从45个学区到795个学区：Khanmigo的扩张之路

Khanmigo最初是一个付费产品，每月4美元。2023年底，大约45个学区和4万名学生参与了试点。但真正的转折点发生在2024年5月。

微软向Khan Academy捐赠了Azure OpenAI基础设施。这笔捐赠的意义不在于金额，而在于它消除了成本壁垒。运行GPT-4的算力是昂贵的，每一次学生和AI的对话都需要消耗GPU资源。微软的捐赠让Khanmigo从一个月4美元的教师工具，变成了一个完全免费的工具。

效果立竿见影。到2024-25学年结束时，Khanmigo的使用范围扩大到了795个学区、77万名学生。15倍以上的增长。

真实数据：AI家教到底有没有用？

关于Khanmigo的实际学习效果，目前的数据是复杂的。

Khan Academy自己报告了一个指标：在六个月内超过1500万条对话记录中，学生下一道题答对率提升了6.1%。这个数字看起来不大，但在教育领域，任何可衡量的改善都是有意义的。

不过，批评者指出，"下一道题答对率"并不等于"真正学会了"。一个更严格的随机对照实验由**MIT的贫困行动实验室（J-PAL）**和多伦多大学从2024年6月开始，在加拿大的6到8年级学生中进行。这项实验的结果预计在2026年中公布。

另一项关于大学物理教育的研究发现，虽然定量数据没有显示Khanmigo组和对照组之间有统计学上显著的差异，但定性反馈非常积极——学生们很喜欢逐步引导、练习题和个性化交互的体验。

一个值得关注的挑战：15%的活跃率

2025年，Khan Academy公布了一个让人深思的数据：在所有有权限使用Khanmigo的学生中，只有大约**15%**的学生会主动使用它。85%的学生——尽管可以免费使用一个AI家教——选择了不用。

这个数字暴露了AI教育产品的一个核心挑战：可用不等于想用。一个工具再好，如果学生不愿意主动打开它，那一切都白搭。Khan Academy因此在2026年开始大幅改版Khanmigo，让它更主动——不等学生来问，而是在学生做题遇到困难时主动弹出，像一个真正的家教一样"看出"你卡住了。

给你的启示：解决供给侧问题，可能比解决需求侧问题价值更大

Khanmigo的故事有一个特别值得思考的商业逻辑：它没有试图去"创造新的教育需求"——每个家长都知道一对一辅导好，这个需求早就存在了。它解决的是供给侧问题——好家教太少、太贵，绝大多数家庭负担不起。

Bloom在1984年就证明了一对一辅导的巨大价值，但40年来没有人能大规模提供这种服务。需求一直在那里，缺的是供给能力。GPT-4让原本不可能的"供给"变成了可能——一个AI家教可以同时服务无限个学生，边际成本趋近于零。

这个逻辑可以推广到很多领域。有没有什么服务，你明知道它有巨大价值，但因为"好的供给太稀缺"而无法普及？也许是心理咨询、也许是法律顾问、也许是个性化健身教练。找到那些"需求确定但供给受限"的领域，用AI来解锁供给端，这可能是当下最值得押注的商业方向。

当然，15%的活跃率也提醒我们：有了好产品不等于有了好结果。产品和用户之间还隔着"行为改变"这道坎。这条道理在任何行业都成立——你以为用户不用你的产品是因为产品不好？不一定。可能是因为你没有在正确的时机、以正确的方式出现在他面前。