ChatGPT 出现以后，学校最先感到失控的地方是作业。
一篇读书报告、一个课程项目、一份调研 PPT，以前多少还能看出学生有没有读过、想过、写过。现在不一样了。一个学生哪怕对题目理解很浅，也能让 AI 生成一份结构完整、语言顺滑、引用看起来像那么回事的作业。老师看到的成品越来越漂亮，但它和学生能力之间的关系越来越松。
于是讨论很容易滑向防作弊。要不要禁 AI？要不要装检测器？要不要回到闭卷手写？这些问题当然要处理，但它们只抓住了表面。真正麻烦的地方在于，过去几十年教育评价一直把产物当成能力的代理指标。AI 让这个代理指标迅速失效了。
一份好报告，过去可能意味着学生会查资料、会组织观点、会写作、能花时间把事情做完。现在它也可能只意味着学生会复制题目、等待三十秒、稍微改几句话。产物还在，信号变弱了。
长期看，教育评价要回答的不是学生有没有用 AI，而是学生在用 AI 的世界里，能承担哪一级责任。
很多关于 AI 的教育焦虑，都默认了一个前提：只有亲手做，才算真正会。这个前提在训练基本功时成立，但在真实工作里从来没有完全成立过。
一个 CEO 不会亲自排日程，不会亲自审每一条合同，也不会亲自诊断自己的身体。她有秘书、律师、医生、顾问。没人因此说她没有判断力。恰恰相反，高级工作里相当一部分判断力，就体现在知道什么事该交给谁、给到什么上下文、怎么验收结果、什么时候推翻建议。
AI 只是把这套过去只有少数人负担得起的委托网络，压低到了每月几十美元。以前只有高管有秘书，今天一个大学生也能拥有随时可用的写作助理、代码助理、调研助理和翻译助理。
这件事对学校的冲击不在于学生多了一个作弊工具，而在于学生被迫提前进入了管理者角色。过去学校默认学生是执行者：自己读、自己写、自己算、自己交付。未来社会会越来越早地要求学生像管理者一样工作：定义任务、调用工具、检查输出、承担后果。
这不是小修小补。评价体系如果还只盯着最终产物，就会把三种完全不同的人混在一起。
一种人本来就懂，用 AI 提速。另一种人理解不深，但会提问、会拆任务、会验证，能靠 AI 把事情做成。第三种人既不懂，也不会检查，只是把 AI 的输出包装成自己的作业。
旧评分很难区分他们，因为三个人都能交出一份像样的报告。新的评价必须区分他们，因为真实工作里，这三个人的风险完全不同。
学校当然还需要无 AI 的考试。
一个学生要学数学，就应该能在没有计算器和 ChatGPT 的情况下解释基本概念。一个学生要学写作，就应该能自己写出一段有主语、有逻辑、有判断的话。一个学生要学编程，就应该能读懂一段代码为什么会错。
这些能力像基础体能。真实工作中可以坐车，但腿仍然要能走路。真实工作中可以用 AI 写代码，但自己仍然要能看出代码在做什么。没有这个底座，AI 给出错误答案时，人连不对劲都感觉不到。
所以，闭卷、限时、现场解释、口头答辩，这些方式不会消失。它们要测的是人的最低裸能力。问题在于，它们不能继续假装自己代表完整能力。
一个完全不用 AI 的考试，只能说明学生在隔离环境里能做什么。它不能说明学生在真实工作环境里，能不能和 AI、搜索引擎、数据库、同伴、工具链一起完成复杂任务。
这就像考驾照不能只考理论，也不能只看一个人会不会徒步。开车是另一种能力。会走路是前提，但不是全部。
未来的课程作业应该先标清楚一件事：这次评估把学生放在哪个角色上。
第一层是学徒。学生必须亲手完成任务。这里测的是基础理解、记忆、推理、表达和简单迁移。AI 在这一层应该受到限制，因为目标就是确认学生脑子里有没有形成基本结构。
第二层是操作者。学生可以使用 AI，但 AI 只是局部工具。比如让 AI 帮忙改写一段文字、解释一个概念、生成一段代码。评分重点不在于 AI 生成了什么，而在于学生如何选择、修改、拒绝和解释这些输出。
第三层是管理者。学生要把一个复杂任务委托给 AI 完成。这里评估的是任务拆解、上下文供给、迭代能力和验收能力。学生必须说明自己怎么定义目标，怎么让 AI 理解背景，怎么发现错误，怎么证明最后结果可信。
第四层是决策者。学生不只是完成给定任务，而是判断什么问题值得做。比如在一个模糊主题里提出研究问题，在多个产品方向里做选择，在一组证据不完整的情况下给出建议。AI 可以提供材料和反方观点，但学生要给出最终取舍，并说明风险边界。
这张图背后的含义是：AI 使用本身不是作弊，角色错配才是问题。学徒作业用了 AI，是绕过训练。管理者作业不用 AI，反而脱离现实。决策者作业只交一份 AI 生成的报告，没有自己的取舍，也是不合格。
如果评价对象从执行者变成管理者，作业形态也会变。
过去的项目作业通常只交一个成品：论文、代码、报告、PPT。未来这不够。学生应该同时提交四样东西。
首先是最终产物。真实世界仍然看结果，学校也不该放弃产物质量。
其次是任务记录。学生要保留关键 prompt、AI 的重要输出、自己做过的修改、走错的路径。这里不是为了监控学生，而是为了判断他是否真的拥有这个过程。
第三是验证证据。代码有没有测试？数据有没有查来源？引用是否能打开？结论有没有反例？AI 说得流畅不代表它说得对，学生要证明自己知道哪里需要查。
第四是责任说明。学生要回答几个问题：这份作业里哪些地方你相信？为什么相信？哪些地方你还不确定？如果这个结论用于真实决策，最可能出什么问题？
这样一来，漂亮成品只能拿到一部分分数。真正的分数来自学生是否能管理一个不完全可靠的认知系统。
这会让作业变麻烦，但这种麻烦更接近真实工作。公司不会因为一份报告排版漂亮就放心做决定。真正让人放心的是，写报告的人知道数据从哪来，知道模型哪里可能错，知道哪些建议只是看起来合理，知道出了事谁负责。
这套评价体系对老师提出了更高要求。
以前老师主要批改答案。以后老师要看过程、看证据、看学生的判断边界。以前老师问的是这是不是你写的。以后老师要问的是：你理解它吗？你为什么相信它？如果 AI 给了另一个答案，你会怎么判断？
这也意味着，AI 检测器不可能成为教育的主防线。检测器本身也在猜代理指标，而且会误伤。更稳妥的办法是改变任务结构，让单纯复制 AI 输出无法拿高分。
教育界已经在往这个方向挪。California Community Colleges 的 Academic Senate 在讨论 AI-powered authentic assessments 时，把重点放在让学生批判 AI 输出、理解工具边界，并缩小不同学生之间的 AI 使用差距。Columbia Teachers College 给教师的 assessment 建议 也类似：把 AI 放进研究问题生成、代码调试、同伴评审这些环节，同时要求学生评估工具本身的能力和局限。
最有效的反作弊，不是抓学生有没有用 AI，而是让学生必须展示所有权。现场追问、过程日志、版本对比、验证记录、反思说明，这些东西比检测器更接近真实能力。
当然，这会增加老师负担。批改一份成品容易，判断一个过程困难。学校如果认真走这条路，就需要新的评分表、新的课堂时间分配，甚至新的助教和工具系统。所谓教育评价大改，具体就体现在这里。
AI 时代的学生最需要学会的，不是某个固定 prompt 模板。模板会过时，模型会变化，工具会换。
更底层的能力是委托纪律。
委托之前，要说清楚目标和边界。委托过程中，要给足背景，而不是假设 AI 自动懂。拿到结果以后，要能检查事实、逻辑和风险。发现问题时，要改进指令和验证流程，而不是只说再好一点。最后，还要愿意对采用的结果负责。
这些能力听起来像管理课，但它们会进入每个专业。写作课要教学生如何审 AI 初稿。编程课要教学生如何验收 AI 代码。商科课要教学生如何质疑 AI 做的市场分析。法学和医学更要教学生区分辅助建议和专业责任。
这也是教育评价最远期的变化：学生不再只是知识的存储者，也不只是工具的使用者，而是一个小型人机系统的负责人。
有人会担心，这样会不会让学生更依赖 AI。这个担心成立。判断力不用会钝，写作不用会生，推理不用会懒。学校不能把所有练习都改成开放 AI。
但反过来也一样。学校如果只守住无 AI 作业，就会训练出一种和现实脱节的优秀学生。他们能在考场里表现好，却不会管理真实世界里的工具、信息和代理人。
所以未来教育不会简单地禁 AI，也不会简单地放开 AI。它会变成一种分层训练：基础阶段保留无 AI 的硬训练，高阶阶段强制学生使用 AI，并评估他们是否会委托、会验收、会负责。
过去教育问的是：这个答案是不是你自己做的？
未来教育要问的是：你在这个过程中承担了什么责任？
这句话听起来只是换了问法，但它会改变考试、作业、评分、课堂和师生关系。AI 没有让教育评价变得不重要。它只是逼学校承认，产物从来不等于能力。真正值得评价的，是一个人在更高杠杆下还能不能保持理解、判断和责任。