研究提案 · 提交院长审阅

AI Native 班级协同：一项面向 EMBA 班级的行动研究

姜海波 · UBI 主动健康 EMBA 2026 级学员 · 独立研究者 · 2026 年 10 月
一段话摘要

商学院研究已经承认，EMBA 的核心价值一半在同学网络，而不只在课程；但过去三年关于生成式 AI 与管理教育的研究，几乎全部作用在"课程怎么教"和"个人怎么学"两层，没有一项实证研究把 AI 放在"班级协同"这一层。本提案拟在 UBI 主动健康 EMBA 2026 级这一个班上，由学员发起、学校背书，用一组 AI agent 为班级建立业务关系网、班级知识库与商业验证陪跑，持续 18 个月，用系统日志、月度问卷与往届对照回答一个问题：AI 介入后，同学之间的协作是否更快、更广、更有结果。预期产出一个教学案例和一篇行动研究论文，由学校老师共同署名。

一、为什么是班级这一层

关于 AI 会如何改变商学院，目前最系统的分析来自 Csaszar、Jacobides 与 Zemsky 发表在 Strategic Organization 的论文 [1]。他们指出生成式 AI 已能完成大部分商学院作业，商学院可能正在进入继"实践导向"和"研究导向"之后的第三个阶段；同时他们把"同学网络与同伴学习"列为 MBA 需求的核心驱动之一，并引用一句流传很广的话：读 MBA "认识谁"和"学到什么"同样重要。

这不只是印象。Shue 利用哈佛商学院自 1949 年起随机分班的制度，追踪成为上市公司高管的校友，发现同一个班级（section）的校友在薪酬与并购决策上的相似度显著高于同届不同班的校友，同伴弹性约为 10% 至 20%，而且校友聚会后的一年相似度翻倍 [2]。换句话说，班级内部的接触强度直接影响多年后的商业决策。班级协同不是 EMBA 的附属品，而是它最有经济价值的部分。

然而正是这一层，在现有的 AI 研究里是空的。

二、文献排查：AI 已经作用在哪些层

我按"作用层"而不是按"技术"整理了 2025 至 2026 年的代表性研究与实践。排查范围为英文学术数据库与公开报道，并补充了中文公开资料；完整清单见文末参考文献。

作用层代表研究 / 实践做了什么没做什么
学校与课程Csaszar 等 2026 [1]；IESE 2026 新 MBA [7]；哈佛商学院必修课 DSAIL [8]；美国大学 Kogod 商学院 [10]；香港中文大学 EMBA 新增 AI 课程 [11]讨论商学院该教什么、怎么教；把 AI 嵌进全部核心课；AI 导师承担部分讲授功能；案例中加入 AI 生成的分析供学生批判自上而下；作用对象是课程与个人；同学网络被当作背景，不是被设计的对象
个人学习者Bellary 等 2025 系统综述（141 篇）[3]；Hao 等 2025 清华 MAIC 平台研究 [5]GenAI 用于个性化学习、提升成绩与动机；LLM agent 扮演教师、助教和"AI 同学"与学生对话；发现互动量不等于参与，"潜水者"同样能完成课程综述摘要范围内未见班级协同或学员自建系统；MAIC 研究对象是本科生、单门课、八周
同伴学习（AI 辅助）Sichterman 等 2025 系统综述（26 项实证研究，2010–2024）[4]；一项 2016 年关于 MBA 班级使用企业社交网络协作学习的研究 [12]AI 可支持响应式、适应性的同伴学习干预；MBA 班级曾用企业社交网络做协作综述明确指出：学习者特征、环境条件、过程与结果之间如何相互作用，"仍然缺乏清晰图景"；未见成人高管学习者样本
agent 中介的协作（概念）Chen 等 2026，AIED Blue Sky 论文 [6]提出"教你的 AI agent 队友"设想：每个学生配置一个持久 agent 帮助同学，教师的元 agent 汇总全班误区而不暴露个人作者自称是设计设想，无实证结果；把"能否迁移到人类学习者"列为首要开放问题
商业产品MasterClass Executive 2026 [9]首个以"AI-native business school"为名的产品：AI 导师按岗位调节节奏，九门课，2,500 美元不授学位，无真实班级，不涉及同学协同

三、学术空白

把上表竖着看，空白很清楚：

GAP 1 · 作用层

没有一项实证研究把 AI 放在班级协同这一层。现有工作要么改课程（学校层），要么配导师（个人层）；AI 中介的同伴协作只有一篇概念论文，作者自己把实证验证列为首要开放问题 [6]。

GAP 2 · 对象

没有成人高管学习者的样本。两篇系统综述 [3][4] 和清华的实证研究 [5] 都以本科生或泛高等教育为对象；而 Shue 的证据 [2] 恰恰说明班级网络的经济价值在高管群体最大。

GAP 3 · 发起方式与时长

没有学员自下而上发起的部署，也没有超过一个学期的跟踪。现有研究全部由学校或研究者自上而下设置，最长八周 [5]；EMBA 的 18 个月、每月一次课的节奏，提供了一个天然的纵向场景。

GAP 4 · 条件—过程—结果

Sichterman 等 [4] 指出 AI 辅助同伴学习的"条件、过程、结果如何相互作用"仍无清晰图景。本研究按简章的三类招生对象（场景方、技术方、服务方）构成的班级，正好提供可观察的"条件"变量。

因此本提案的定位是：据我们所知，首个由学员发起、作用在班级协同层、以成人高管学习者为对象、持续 18 个月的 AI Native 协同行动研究。这个定位比"AI Native 商学院"窄得多，但每一个限定词都对应一处可查证的空白。

四、研究问题

  • RQ1 协作形成。AI 中介的班级关系网是否改变同学之间协作形成的速度与广度？（指标：首次业务协作发生的月份、每人协作对象数、通过关系网发现的占比；对照：往届校友访谈回忆）
  • RQ2 采用条件。哪些条件预测同学是否使用：角色类型（场景 / 技术 / 服务）、是否亲手确认过自己的业务卡、入口是否在既有群里？（回应 [4] 的条件—过程—结果空白）
  • RQ3 治理。什么样的同意、数据归属与录音规则，能让一个学员发起的 AI 层同时被学校和同学接受？（产出设计原则）
  • RQ4 教学反馈。agent 层能否在不暴露个人的前提下，为学校产出可用的教学反馈？（在真实班级检验 [6] 的"元 agent"设想）

五、研究设计

方法。设计型研究 / 行动研究，单班级（约 30 人）、18 个月、混合方法。研究者同时是学员与系统建设者，这是行动研究的常规立场，论文中如实报告。

干预。三件产品按顺序上线：开学第一天的班级业务关系网（每人一张由入学介绍生成、本人确认的业务卡，按场景 × 技术 × 服务做匹配；演示页面已部署在 yepallergy.org）；第一次课后的班级知识库与群机器人；第三个月起的商业验证陪跑。任何一件同学不用即停止，案例照写。

数据。

数据源内容频率对应 RQ
系统日志业务卡修改、他人卡查看、按匹配主动联系、知识库提问次数与人数连续RQ1、RQ2
月度三题问卷本月与哪位同学有业务沟通、合作或互相介绍；是否通过关系网发现每月RQ1
开学基线问卷入学前互相认识的人数；对 AI 工具的态度一次RQ1、RQ2
往届校友访谈5 位校友：首次与同学发生业务合作的时间、途径一次RQ1 对照
治理记录同意书签署率、退出情况、学校与老师的意见连续RQ3
教学反馈输出匿名汇总的高频问题；学校是否据此调整课程每月RQ4

分析。用社会网络分析追踪班级协作网络的密度与可达性随月份的变化；用生存分析比较"首次协作"的时间分布与往届回忆；对 RQ2 做采用者与非采用者的条件比较；RQ3、RQ4 以质性分析为主。

停止条件（预先登记）。第 3 个月修改过自己业务卡的同学不到一半，停更关系网；第 6 个月知识库月提问不到 20 次，停知识库。停止本身作为结果报告。

第1月 第3月 第6月 第9月 第12月 第15月 第18月 第 1 月 · 关系网上线，发研究同意书 第 2 月 · 知识库与群机器人上线 第 3 月 · 停止条件 1：确认过自己卡的不到一半 第 6 月 · 停止条件 2：知识库月提问不到 20 次 第 7 月 · 给学校的展示案例 第 12 月 · 教学案例定稿，投案例库 第 18 月 · 行动研究论文，方法论 v1.0

六、伦理与治理

同意分三层，三份文件，不混用：授课老师的录音同意，由学校写入授课安排；同学对自己业务卡的使用确认，本人确认后才进全图；同学对研究用途的知情同意，开学随入学材料发放，说明数据匿名、随时可退出、退出不影响任何学业评价。所有数据只存放在自托管环境，不进入公有云 AI 服务；课程内容归学校，同学画像归同学本人，基础设施由研究者运行。不对外、不公开、不给第三方。知识库中未经证据支持的内容不会被 agent 当作结论推送给同学。

七、预期贡献与产出

  1. 实证贡献：首个关于 AI 中介的 EMBA 班级协同的纵向证据，直接回应 [6] 的"能否迁移到人类学习者"与 [4] 的"条件—过程—结果"两个开放问题。
  2. 设计贡献：一套学员发起的 AI 协同层的治理原则（同意分层、数据归属、停止条件），可供其他商学院复用。
  3. 方法贡献：一套不增加学员负担的班级协作测量工具（系统日志 + 月度三题问卷 + 校友对照）。
  4. 产出：第 7 个月给学校的展示案例；第 12 个月教学案例，投中国管理案例共享中心或 Ivey、The Case Centre；第 18 个月行动研究论文，投 Academy of Management Learning & Education、Journal of Management Education 或 Management Learning，由学校一位老师共同署名。

八、需要学校决定的四件事

  1. 在授课安排里加一句"课程录音进入班级内部知识库，仅本班使用"，并告知每位授课老师。
  2. 允许用同学的入学介绍生成业务卡；每人确认自己那张后才进全图。
  3. 开学前一次 30 分钟会议，定下试点边界：我建什么，学校提供什么，数据归谁。
  4. 指定一位老师作为研究合作者，共同署名；开学时随入学材料发放研究知情同意书。

四件事都不花学校的钱，不改课程，不增加老师工作量。定下来之后，开学第一天全班看到的第一件东西，就是自己的业务卡。

参考文献

  1. [1] Csaszar, F. A., Jacobides, M. G., & Zemsky, P. (2026). The effects of artificial intelligence on management education. Strategic Organization, 24(2). https://journals.sagepub.com/doi/10.1177/14761270251385484
  2. [2] Shue, K. (2011, working paper; 后发表于 Review of Financial Studies, 2013). Executive networks and firm policies: Evidence from the random assignment of MBA peers. https://web-docs.stern.nyu.edu/old_web/finance/docs/pdfs/Seminars/113w-shue.pdf
  3. [3] Bellary, S., Sarkar, S., & Mishra, A. N. (2025). Generative artificial intelligence for management education: applications, benefits, challenges and future research directions. International Journal of Educational Management, 39(5), 1217–1239. https://doi.org/10.1108/IJEM-10-2024-0653
  4. [4] Sichterman, B., Noroozi, O., Boetje, J., van Ginkel, S., Khosravi, H., & Versendaal, J. (2025). Supporting peer learning with artificial intelligence: a systematic literature review. Innovations in Education and Teaching International, 62(5), 1648–1664. https://doi.org/10.1080/14703297.2025.2530118
  5. [5] Hao, Z., Jiang, J., Yu, J., Liu, Z., & Zhang, Y. (2025). Student-AI interaction in an LLM-empowered learning environment: A cluster analysis of engagement profiles. arXiv:2503.01694. https://arxiv.org/abs/2503.01694
  6. [6] Chen, E., et al. (2026). When Openclaw agents learn from each other: Insights from emergent AI agent communities for human-AI partnership in education. AIED 2026 Blue Sky. arXiv:2603.16663. https://arxiv.org/abs/2603.16663
  7. [7] IESE Business School (2026). IESE redesigns MBA for the age of AI. https://www.iese.edu/stories/iese-redesigns-mba-ai/
  8. [8] Stacy Blackman Consulting (2025). First AI-native core MBA course at Harvard (DSAIL). https://www.stacyblackman.com/blog/first-ai-native-core-mba-course-at-harvard/
  9. [9] MasterClass (2026). MasterClass launches MasterClass Executive, the first AI-native business school experience. PR Newswire. https://www.prnewswire.com/news-releases/masterclass-launches-masterclass-executive-the-first-ai-native-business-school-experience-302698358.html
  10. [10] Poets&Quants (2026). Business schools don't need more AI classes, they need an AI-native curriculum. https://poetsandquants.com/2026/03/19/student-voices-business-schools-dont-need-more-ai-classes-they-need-an-ai-native-curriculum/
  11. [11] 经理人杂志（2026-10-20）. "+STEM/+AI" 重构"商管课程语法"：2026 中国香港/澳门区域影响力 EMBA（中文）项目. https://www.163.com/dy/article/L9M80HFE0530IU8N.html
  12. [12] An MBA cohort's use of an enterprise social network for collaborative learning (2016). e-Journal of Business Education and Scholarship of Teaching. ERIC EJ1167340. https://eric.ed.gov/?id=EJ1167340

检索说明：2026 年 10 月完成，覆盖英文学术数据库与公开报道，中文公开资料部分覆盖。文献 [3] 仅读到摘要，[12] 仅核对题录；两者在正文中按此限定引用。开学前将补一次中文学术数据库检索。