Платформа‑собеседник: как большие языковые модели меняют рынок EdTech

В статье расскажу, как крупные образовательные платформы используют большие языковые модели, чтобы поднять вовлеченность студентов, и как внедрять ИИ в учебу на основе реальных данных, а не интуиции.

Конец эпохи платформ‑каталогов

Чтобы привлечь одного студента на курс, EdTech‑бизнес может потратить 10 000 ₽, 30 000 ₽ или даже больше. Если пользователь поучится две недели, столкнется со сложной задачей, застрянет на ней и бросит платформу, компания может не отбить расходы и уйти в минус. Онлайн‑школам важно удерживать людей как можно дольше, но делать это, оставаясь в рамках старых форматов контента, больше не получается.

Раньше онлайн‑школы работали как каталоги курсов или простые тренажеры: человек покупал обучение одному навыку, осваивал его и уходил. Теперь образовательные проекты стараются сопровождать пользователя на всем карьерном пути. И этот путь превращается в непрерывный цикл. Сначала технологии помогают человеку определиться с профессией, затем идет базовое обучение или онлайн‑магистратура, после этого — практика на реальных задачах, помощь с трудоустройством и, наконец, регулярное повышение квалификации. Параллельно с техническими навыками на рынке труда растет спрос на софт‑скиллы: умение общаться, управлять командами и передавать опыт.

Что принципиально изменилось с появлением LLM

Раньше искусственный интеллект в онлайн‑школах отвечал в основном за маршрутизацию: помогал выбрать следующий урок, подбирал однотипные задачи или проверял тесты по шаблону. Большие языковые модели умеют вести открытый диалог. Они распознают даже неточные вопросы студентов, сами задают уточняющие и постепенно приводят человека к пониманию темы. В качестве примера можно взять Duolingo Max, где вместо выбора вариантов ответа пользователь ведет спонтанную беседу или звонит ИИ‑персонажам по видео.

Такие технологии меняют ожидания клиентов, а быстрая помощь от нейросети и адаптивность программ становятся нормой. Согласно опросам, 29% студентов идут к ИИ сразу, как только испытывают трудность с учебой. Еще 44% учащихся рассчитывают, что объяснение подстроится под их личный контекст и конкретную ошибку.При этом около 60% обращений к нейросетям со стороны студентов происходят в нерабочие часы — вечером и ночью, когда преподаватели недоступны.

Как измерить пользу ИИ на учебных метриках и почему его нельзя давать безлимитно

При запуске нейросетей в образовании бизнес часто совершает ошибку, оценивая их пользу по поверхностным метрикам: количеству отправленных сообщений или длине сессий в чате. Но нужны другие. Например, в Практикуме ИИ‑инструменты — ассистента для ответов на базовые вопросы, суммаризатор текстов и подсказки ошибок в коде — оценивают в том числе по их влиянию на вовлеченность студентов.

При этом просто взять и дать студентам неограниченный доступ к ИИ нельзя, иначе технология превратится в обычную шпаргалку. Университет Пенсильвании провел эксперимент на 1000 старшеклассников, изучавших математику: группа с безлимитным ИИ показывала отличные результаты во время совместных тренировок, но их оценки на самостоятельных контрольных без ИИ резко падали. Оказалось, что положительный эффект для учебы сохраняется только тогда, когда технология жестко ограничена правилами педагогического дизайна — нейросеть должна давать наводящие подсказки, а не готовые ответы. Именно поэтому новые ИИ‑инструменты (например, копайлоты для помощи ревьюерам) в Практикуме тестируют регулярно, но не включают для всех, пока качество подсказок не станет идеальным.

Гибридная модель «Наставник + ИИ»

Эффективное внедрение технологий в EdTech строится на гибридной модели, где ИИ не заменяет преподавателя, а разгружает его от рутины. Исследование Гарвардского университета на студентах‑физиках подтверждает пользу такого разделения: группа с ИИ‑тьютором усвоила сложный материал в два раза эффективнее и потратила на 20% меньше времени, чем студенты при обычной активной работе в классе.

В правильной гибридной схеме обучение делится на два четких уровня. Первый уровень полностью забирает на себя ИИ: он работает круглосуточно, мгновенно объясняет базовую теорию, генерирует типовые задачи и подсвечивает пробелы в знаниях. На втором уровне находится живой практикующий эксперт‑наставник из индустрии. Человек подключается там, где автоматизация бессильна: для оценки сложного контекста, разбора нестандартных кейсов, личной мотивации, выстраивания доверия и передачи реального карьерного опыта. Преподаватель становится архитектором учебного процесса.

Как ИИ автоматизирует карьерный консалтинг

Главный плюс ИИ для бизнеса здесь — это масштабируемость индивидуального подхода. Один живой карьерный консультант физически может качественно разобрать лишь несколько клиентов в день, а нейросеть позволяет выдать первичный полезный фидбек тысячам людей одновременно, оставляя человеку только самые запутанные и сложные случаи. В горизонте 1–2 лет этот тренд закрепится, и на рынке станут массовыми мультимодальные ИИ‑тьюторы, совмещающие текст, голос и видео прямо внутри рабочего пространства студента, как это уже делают Duolingo и Pearson. Главным вызовом для EdTech‑компаний при этом станет безопасность и абсолютная приватность данных пользователей, что уже сейчас — один из глобальных трендов.

Совет для тех, кто только планирует внедрять ИИ

Педагогический дизайн нужно проектировать еще до выбора технологий. Нельзя начинать с вопроса «какую языковую модель нам подключить». Сначала нужно понять, какое конкретно поведение студентов вы хотите изменить, как вы планируете измерять этот результат на данных, на каких этапах вам строго необходим живой эксперт, а где человека можно усилить автоматизацией.