今天的教师其实把多种工作合在一起
课堂教师要讲解内容、诊断错误、准备练习、批改作业、回答问题、激励学生、管理行为、与家庭沟通，还要对一屋子的未成年人负责。这些职能之所以被打包在一起，是因为历史上同一个成年人必须在场才能完成教学。
这种打包方式不应被误认为自然规律。如果教学可以由另一套系统可靠提供，那么剩余的人类职能就可以被单独设计。
AI 本身没有天然权威
学生可以无视 AI Tutor、关闭页面、直接向它索要答案，或者干脆停止学习。因此，监督必须成为一等设计问题。把 AI 人设成“严厉老师”并不会创造真实权威。
更现实的模型是由家庭或学校提供正当规则，再由软件透明执行：规定学习时间、必做任务、掌握检查、进度记录、未完成时的升级机制，以及让负责的成年人清楚看到状态。
如果教学变得自主，用工经济结构就会改变
学校目前需要大量学科教师，是因为教学容量随教师时间线性扩展。如果 AI 系统能够独立处理每个学生的诊断、解释、练习、反馈、评估、复习与适应，那么教学所需成人数量就不必再以同样方式扩展。
这并不意味着学校会变成“没有成年人”。监督、儿童保护、冲突处理、体育活动、实验室工作、特殊需求、社会发展和责任承担仍然可能需要人。但人员配置模式可能从“很多成年人教群体”转向“很多 AI Tutor 教个体，更少的成年人负责监督和处理例外”。
岗位减少可能是结果，但不应是测量目标
足够有能力的 AI 可能减少某些常规教学劳动需求，这是合理的可能性。但把 50% 或 90% 这样的数字直接变成今天的预测并不负责任。更有用的问题应更精确：哪些教学任务可以委托、面向哪些学生、在哪些学科、持续多久、需要多大程度的人类监督？
这些问题的答案会自然改变劳动结构。如果一个成年人可以安全地监督一个学习环境，而每个学生都从 AI 获得高质量个性化教学，那么实现同等或更好的教学产出，可能只需要更少的人类工时。
真正值得测量的是教学自主性
未来的评测系统应超越单一 Tutor 分数，转而询问：在不需要人类教师持续修补工作的情况下，AI 能独立承担多少教学过程？一种可能的层级是：
真正影响结构变化的是最后一个层级。如果它变得可靠，教学与监督就不必继续由同一个人完成。
- 辅助：回答问题并提供解释。
- 引导式辅导：在人类设计的课程中进行诊断与适应。
- 独立课程交付：端到端教授一个边界明确的学习目标。
- 长期适应：维护学生模型，并跨多个会话进行规划。
- 教学自主性：在有人类监督但没有常规人类教学的情况下，长期维持学习结果。
这是一项研究计划，不是一则预测
目标是让高质量个性化教学能够通过计算方式扩展。最终它会自动化很小一部分还是很大一部分教学工作，应当成为经验结果，而不是口号。
Teachometry 的角色，是把边界变得可见：今天 AI 能可靠地教什么，什么仍然需要人类干预，以及随着系统进步，这条边界如何移动。