问题——智能技术进入校园带来效率提升的同时，也带来新的治理挑战。
当前，智能工具在备课、批改、练习生成、答疑辅导等环节广泛使用，呈现“低门槛、高效率、强渗透”的特点。
一些学校和家庭在便利性驱动下快速引入第三方应用与平台，但在数据去向、权限边界、内容可靠性以及使用方式上缺少统一规范。
龙婉丽在走访调研中提出担忧：未成年人数据与隐私保护存在风险，大规模使用是否会让学生更缺乏耐心、弱化思维过程，进而形成“会出答案、不愿走过程”的倾向。
原因——一是治理体系与技术应用速度不匹配。
教育场景涉及学生身份、学习轨迹、作业内容、行为习惯等敏感信息，而不少应用的采集范围、存储位置、调用权限、留痕审计并不透明，学校在合规审查与技术把关方面能力参差不齐。
二是平台分散导致入口多、标准不一。
不同产品各自为政，身份认证、访问控制、日志留存、风险预警等关键环节缺少统一机制，容易出现“数据多头流转、责任边界模糊”的问题。
三是评价导向与学习方式改变带来副作用。
在追求速度与结果的环境中，学生可能将思考与表达“外包”，教师也可能在压力之下倾向于用工具替代部分过程性指导，长期看不利于思维品质与学术规范养成。
影响——数据安全方面，若缺少“最小必要”采集原则和闭环管理，学生信息可能在不知情状态下进入第三方体系，带来泄露、滥用与二次交易隐患；教学质量方面，若生成内容未经核验就被直接使用，可能引发事实错误、逻辑混乱或价值偏差，影响课堂公信力；育人导向方面，过度依赖工具可能削弱学生的阅读耐心、问题意识与自我校正能力，导致学习从“理解—推理—表达”退化为“检索—拼接—提交”，不利于创新能力与健全人格培养。
对策——围绕“安全可控、促进发展、守住底线”的思路，龙婉丽提出多项建议。
其一，明确底线规则，提出将“未成年人数据不出域”作为教育场景应用的硬约束。
通过制度化安排，推动学生敏感信息在可控范围内存储与处理，避免在缺乏审计机制的外部平台流转。
其二，夯实公共基础设施，建议建设省市级教育人工智能公共底座，为教育行业提供统一入口、统一身份认证、统一访问策略、统一日志审计与留痕机制，并提供“可控可审计”的模型与算力服务。
通过“集中建设、分级授权、全程留痕”，既降低学校重复建设成本，也提高全链条安全与责任可追溯性。
其三，细化使用边界，建议制定“教育场景生成式智能工具使用负面清单+推荐清单”，强调杜绝“代劳式”使用，并按学段、学科与任务类型实行精细化管理。
比如，对可用于启发式提问、资料检索、结构梳理的场景给出推荐，对直接生成整篇作业、替代考试测评、绕过思考训练的做法列入禁止或严格限制范围，推动从“能不能用”转向“怎么用、用到哪一步”。
其四，升级素养教育，把相关素养从单一技能培训扩展为通识教育与价值教育。
她建议在课程体系中强化事实核验、观点区分、偏见识别与价值讨论，引导学生建立对信息来源、推理过程与伦理边界的基本判断力，真正做到不仅会用工具，更懂得什么时候不用、为什么不用。
其五，完善教师端支撑，建立“可用、敢用、会用”的支持体系。
可探索设立教学支持中心，配备专职教研人员与伦理顾问，为一线教师提供合规培训、风险案例学习、课堂应用指导与争议问题响应，帮助教师把工具应用从“个人摸索”转为“有章可循、有据可依”。
前景——业内人士认为，面向教育的智能应用治理应坚持发展与规范并重。
一方面，应把握技术进步带来的个性化学习、因材施教与教学管理优化机遇；另一方面，更要以未成年人权益保护为核心，推动标准、平台、制度、课程与师资协同发力，形成可推广、可复制、可审计的治理路径。
随着公共底座建设、清单制度落地和教师支持体系完善，教育场景有望在“安全边界”内释放更大创新空间，使技术真正服务于育人目标而非替代学习本身。
人工智能与教育的结合是大势所趋，但如何结合、如何引导，考验着教育工作者的智慧。
龙婉丽委员的建议，从数据保护、应用规范、素养教育和教师赋能等多个维度，为AI+教育的健康发展指明了方向。
当前，各地应当认真思考如何在拥抱技术创新的同时，守护好学生的思维能力和数据安全，让人工智能真正成为教育发展的推动力，而不是学生思考能力的"架空者"。
这需要政府、学校、教师和社会的共同努力，也需要在实践中不断探索和完善。
只有这样，才能确保下一代在AI时代既能掌握新技术，又能保持独立思考的品质。