真正的问题
Priya 是基督城一所语言学校的寄宿协调员。她管理着分布在全市的 80 个寄宿家庭网络。她同时是福利官、纠纷调解员、机场接机协调员、家庭招募员、餐费咨询专员，以及每个学生在寄宿家庭网速太慢时第一个打电话的人。
那是一个周二。手机在晚上 11:47 嗡嗡作响。是 Sumner 区一位寄宿妈妈 Margaret。她担心九天前到的中国学生 Mei，今年 17 岁。Mei 每天晚上都在房间里哭，几乎不吃东西，不愿下楼吃晚饭。Margaret 试图和她说话，但 Mei 的英语还不够好，Margaret 又不会说普通话。
Priya 在床上坐了起来。这就是她最害怕的电话。根据 2021 年颁布的《教育（高等及国际学习者关怀）守则》，学校对每一位 18 岁以下的国际学生的福祉负有责任。寄宿家庭里超过 24 小时未解决的福利问题就成了《守则》事件。一个事件超过一周未解决就成了 NZQA 投诉。多次同类事件累积起来，就是注销学校注册资格的风险。
Priya 给学校的中文学术协调员发了邮件，对方此刻正在睡觉。她又给 Mei 在上海的中介发了邮件，对方在不同时区，几个小时后才会回复。第二天早上 7 点，她开车去 Sumner 做了一次面对面的探访。
最后 Mei 没事。她只是不知所措，想家，不知道怎么开口要她在家里一直用的电饭锅，也没意识到可以申请换餐计划。寄宿妈妈 Margaret 也不知道，第一周询问学生的饮食文化偏好是再正常不过的事情。两个小小的误会，一个让人惊慌的午夜电话，一整天的危机干预。
这只是其中一个学生的第一周。Priya 在下一批入学要接收 60 个学生。她的配对表格是一个有 23 个标签页的 Google Sheet。她的福利检查流程是日历提醒，让她在第二周和第六周给每个学生打个电话。她的**《守则》事件记录是桌面上的一个 Word 文档。她一个人在做三个人的工作**，唯一能"扩展"的，只有风险。
为什么现有工具解决不了
SELMA 和 Class 追踪入学、出勤和学业进度。它们都不涉及住宿、寄宿家庭关系或牧灵福利。这些数据存在另一个系统里，通常是表格，有时候是学校 2014 年自己搭建、现在没人懂的数据库。
专门的寄宿平台比如 StudentHomestay.com 或 HomestayBay 处理预订和支付，但它们把"学生–家庭"关系当成一次性交易，不是持续的牧灵关怀责任。它们没法帮你在第一周发现正在形成的福利问题。
ENZ 提供的《守则》模板是有用的起点文档，但它们假设你有时间去填。一个协调员管 80 个寄宿位置的学校，没有时间每学期为每位学生填一份个性化福利评审表。
协调员的大脑是大多数学校最可靠的"系统"。它也无法扩展、扛不住人员流动、过不了 NZQA 审计，因为没有任何知识被写下来。
新西兰市场上没有任何现成工具，能把寄宿匹配、按周福利检查自动化、投诉跟踪、《守则》事件记录整合到同一个地方。
AI 如何解决这个问题
学校把学生到达数据、寄宿家庭档案，以及现有的福利检查流程接入一个 AI Agent。AI 来跑常规工作，让 Priya 把精力放在只有人才能进行的对话上。
抵达前匹配
学生到达之前，AI 把学生的入学表（饮食需求、宗教、年龄、爱好、语言、过敏史、家庭情况）与寄宿家庭档案（家中现有的学生、家庭结构、对饮食的接受度、距离学校远近、之前学生的反馈）做交叉比对，给出三个合适家庭的排序短名单。Priya 审阅最优匹配，确认或者推翻。
以前每个学生 90 分钟的工作，变成 5 分钟的复审。
第一周福利检查序列
学生到达第二天，AI 用学生的第一语言（普通话、韩语、日语、西班牙语、葡萄牙语、泰语、越南语，视学校生源而定）发出一次福利问候。问题很简单：
你昨天晚上睡得好吗？ 寄宿家庭的食物你能吃得习惯吗？ 有什么想跟我们说的吗？
如果学生用自己的语言回复了任何不适信号，回复很短、没有回复、出现"难过""想家""不舒服"这样的字眼，AI 会立刻把翻译和对话记录推送给 Priya。如果学生回复积极，AI 记录这次签到并继续下一步。
同样的序列在第 7 天、第 14 天和第 30 天再跑一次，每个阶段的问题针对文化冲击恢复的不同节点做了调整。
寄宿家庭检查
与此同时，AI 在第 3 天和第 10 天用英语联系寄宿家庭。Margaret 本来会在第 3 天就被问到：
Hi Margaret，Mei 的适应情况怎么样？关于她的饮食偏好、作息或日常习惯，有什么让你困惑的吗？
Margaret 本可以在第 3 天就提出"她吃饭时一直很安静，吃完就直接回房间"，而不是熬到第 9 天午夜崩溃打电话。Priya 本可以在工作时间安排中文协调员介入，而不是天没亮就开车赶往 Sumner。
《守则》事件记录
每一次福利检查、每一次升级、每一次寄宿家庭沟通、每一次解决方案，都被打上时间戳，写入按《守则》格式生成的事件登记册。NZQA 的质量保证团队下次外部评估要求提供证据时，学校只需导出一份 PDF，里面有每一次福利行动、由谁执行、哪一天发生、最终结果如何。
以往那个"只在 Priya 脑子里"的知识黑洞，变成了有据可查、可审计、可辩护的合规记录。
我们如何搭建这套系统
如果 AI 只是一个套在学校外面的通用聊天机器人，这一切都不会奏效。这就是为什么 BestAI 会构建一个定制集成程序，把 AI 助手与你寄宿运营真正在用的系统连起来。
对于这类项目，这意味着：
- 把 AI 接入你的学生管理系统（SELMA、Class，或者学校自建数据库），让它知道哪个学生什么时候到、被安排在哪里
- 把它接入你的寄宿家庭档案（往往是表格或 Airtable），让匹配基于真实数据
- 用学生真正在用的渠道做多语言沟通，通常是 WhatsApp，有时是微信，有时是短信
- 为每种语言配置福利检查节奏和触发词
- 搭建一个《守则》事件登记册，能直接导出成 NZQA 偏好的审计格式
我们的流程：
- 我们梳理你的配对工作流：包括那个 23 标签页的表格、Word 文档事件记录，以及只存在 Priya 脑子里的日历提醒。
- 我们搭建连接：我们的开发团队写一个定制程序（API 连接器），让 AI 安全地读取你的学生和寄宿家庭数据。
- 我们翻译福利检查问题：把它们翻译成你学校生源常见的每一种语言。每套问题在上线前都由母语审校。
- 我们定义升级规则：什么情况要立即给 Priya 打电话，什么情况发当日邮件，什么情况只记录。
- 我们用一批入学学生做测试：通常 10-15 人，把 AI 的福利预警和 Priya 的人工判断做比对，然后才推广到完整批次。
你不需要懂技术。所有开发由我们处理。 你只需要告诉我们，在你们学校"一个好的寄宿配对"是什么样，我们就把找到这种配对、保护这种配对的系统搭出来。
最终效果
- 福利问题在第一周就被发现，而不是在第二周午夜爆发
- 寄宿匹配从每位学生 90 分钟降到 5 分钟，让协调员把时间花在真正需要她对话的学生身上
- 多语言福利检查自动跑起来，用的是学校生源真正在说的语言
- 寄宿家庭感到被支持，因为有人主动问他们情况怎么样，而不是等他们撑不住才求助
- 《守则》事件记录随时可审，不用 NZQA 来访前一晚拼凑邮件还原现场
- 协调员这个岗位变得可持续，不再是 18 个月就换一个的慢性耗竭岗位
对于一所每年 200 个寄宿位置的学校，哪怕只防止了一次事件，一个本来要回国的学生、一次本来要升级的 NZQA 投诉、一个本来要退出项目的寄宿家庭，这套系统就回本了。大多数采用这套系统的学校反馈，第一学期就预防了 3 到 5 次事件。
AI 在这件事上做不到什么
- AI 不替代 Priya。它捕捉常规信号，让她把时间花在真正需要人来处理的难题上
- AI 没法让一个 17 岁的孩子感到安全。它能在第 3 天告诉你她可能还没感到安全，这样人类才有机会去和她对话
- AI 不替你决定要不要把学生从寄宿家庭里调走。它呈现预警信号，关怀决策仍然在合格的学校工作人员手上
- AI 不替学校履行《守则》义务。它把你履行义务的过程记录下来
- AI 不会处理文化细节。短名单依然交给一个真正了解寄宿家庭和学生背景的人
适合什么样的学校
- 每学期 30 位以上寄宿配对、协调员一人扛三个人工作量的语言学校
- 接收 18 岁以下学生的学校（《守则》义务最严格）
- 曾在 NZQA 质量保证审查中被指出关怀文档问题的学校
- 至少被寄宿家庭半夜叫醒过一次的协调员
- 任何一所"寄宿项目能不能跑好"决定了"学生能不能读完课程还是第三周就回家"的学校