保育员 / 托育人员 · 任务逐条

看护孩子、保证安全

这里的看护是预判一个幼儿下一秒要做什么,并在一秒之内伸手 —— 面对的是一屋子行动毫无规律的孩子。摄像头和视频分析能把房间录下来,事后标出某些事件,但接不住一个正在摔倒的孩子,也拿不走嘴里的玩具。多数地方的准入规则要求每组孩子身边必须有规定数量的合格成人在场,所以即使监控系统再好,不改这些规则也减不了在场人手;家长选托儿所,买的恰恰是房间里一个可信的大人。

这里的保护很大程度上来自师幼比规则,而那是政策选择,在机构缺人时会被时不时放宽;它没有说明摄像头和远程查看会一直无足轻重,只说明它们是在叠加而不是替代。如果准入规则允许监控系统折算进师幼比,或者出现一次有日期的部署,一位成人因为某个系统而看护更多孩子,这个判断就要变。

喂饭、换尿布、睡眠与卫生

这些是精细动作,做在一个一边扭动、一边哭、同时还需要安抚的小身体上 —— 这正是机器人操作最难的情形,也是最不容许出错的情形。机器已经在边上帮忙:洗碗机、蒸汽消毒器和扫地机器人分走了一部分清洁,家用冲奶机也有。但它们都不会给孩子换尿布、穿衣或哄睡;而且吃、睡、如厕的习惯正是在这些日常里学会的,这是教,不只是照料。

难以自动化不等于报酬高或人手足:这份工作里清洁和厨房的那一部分,仍可能被设备削减或挪给别的员工,这会改变机构付钱的工时,而不触及照料本身。如果出现能可靠地给婴儿穿衣或换尿布、并在演示之外真正投入使用的家用机器人,这个判断就要变;更便宜的清洁设备不会改变它。

情绪支持、行为引导与发现异常

幼儿会对具体的某个大人产生依恋,保育员在这里做的很多事之所以有效,正是因为孩子认得并信任这个人。发现异常,靠的是知道这个孩子平时是什么样子,并在好几周平常的玩耍里看着他。筛查问卷和给问卷打分的软件早就有了,以后语音或动作分析也可能标出某些模式,但任何提示都还得对照眼前的孩子来掂量,再说给一个担心的家长听 —— 这是一场关于信任和分寸的谈话,家长期待由人来谈,儿童保护的责任也规定由人来承担。

这并不说明跟家长的谈话会一直是面对面的:消息应用已经承担了很大一部分,而一条由工具起草的消息,可能把一个本该直说的担忧说得含糊或轻描淡写。它也不说明筛查会一直留在保育员手上;如果出现一种经过验证、能从日常视频里标出发育迟缓的工具,被机构采用、也被家长接受,这项任务的一部分就会转向「被增强」。

安排活动与早期学习

写计划是对照一个已知框架的文字工作,这正是语言模型做得快的事:给出孩子的年龄和兴趣,几秒钟就能生成活动点子、儿歌清单,以及对应到学习目标的计划;很多保育员很可能已经在用通用聊天助手做这件事。带活动是另一回事:抓住一群幼儿的注意力,冷场时临场调整,留意谁在参与。计划写得更快了;读懂现场、并为此向检查人员负责的人没有变。

计划写得快,不说明省下的时间回到了孩子身上;它可能只是被更多的文书或更紧的排班吃掉。它也不说明生成的计划就好:看上去完整、却无视房间里真实孩子的计划,是一种很容易被忽略的失败。如果有证据显示机构因为这类工具削减了备课或非带班时间,或者检查人员原样接受生成的计划,这个判断就要重新看。

观察记录与给家长的每日报告

记录早在语言模型出现之前就搬上了平板和托育应用:吃饭、睡觉、换尿布在表单上点一下,就推送给家长。语言模型新增的是写的那一部分 —— 把保育员的随手记录和照片变成一段对应学习目标、读得通的观察,或者一段亲切的当日小结。记录仍然取决于有人真的看过这个孩子,用药和意外记录在法律上有分量,所以发出去的内容由人核对、由人负责。这是最可能很快改变形态的任务,也最容易出现一段「听起来对、但其实没人观察过这个孩子」的草稿。

这个判断讲的是形态,不是人数:没有哪位保育员是专门被雇来写报告的,所以报告写得快并不会去掉一个岗位,但它可能被拿来论证一个大人多带几个孩子,或者少付非带班时间。它也不说明家长看重一段生成的小结,跟看重一段亲手写的话一样。如果出现关于「由机器撰写儿童记录」的规则或监管指引,或者有证据显示机构让工具在无人审核的情况下直接给家长发动态,这个判断就要变。

考勤、签到与行政杂务

这部分大多是结构化、重复的,托育管理软件已经能独立完成:家长在平板或手机上给孩子签到签退,考勤直接对接收费和补贴申领,账单和提醒自动发出,报名和候补在线上排。聊天助手现在也能回答营业时间、收费这类常规问题。剩下的是例外:门口来接孩子的是个没见过的人 —— 那是一个由人来做的儿童保护决定。

这项工作在保育员的一天里分量很小;在小型机构和家庭托育里,它通常由负责人自己做,所以它的自动化去掉的是办公室工时,而不是照护岗位。它也不说明接送核验可以自动化:门口的身份确认一旦出错,就是孩子跟错了大人离开;要留意的证据是有日期的部署,在没有工作人员确认的情况下就放孩子离园。