ИИ-генератор учебных материалов для платформы обучения
Руководитель учебного центра или продукт-менеджер платформы получает от клиента жалобу: у конкурента система сама делает тесты и карточки из записи лекции, а у нас нет. Задача ставится просто: добавить в платформу модуль, который читает материалы курса и генерирует из них учебный контент. Сметы от разных подрядчиков расходятся в разы, а на демонстрации всё работает одинаково гладко. Разница проявляется через два-три месяца эксплуатации, когда система либо держит доверие преподавателей, либо начинает выдумывать факты и портит репутацию курса.
ИИ-генератор учебных материалов принимает исходный контент курса, PDF-учебник, слайды, запись занятия, и создаёт из него тесты, карточки для повторения, конспекты и ответы на вопросы студента, опираясь именно на этот материал, а не на общие знания модели. Без такой привязки к источнику модуль превращается в обычного чат-бота, который к программе курса отношения не имеет.
Как модуль не выдумывает ответы
Учебник на 300 страниц занимает около 150 000 слов, то есть порядка 200 000 токенов, единиц, которыми языковая модель измеряет объём текста. Прогнать весь учебник целиком через модель на каждый вопрос студента технически можно, но такой ответ тарифицируется по всему объёму заново, и стоимость одного вопроса растёт вместе с размером учебника. Рабочая схема устроена иначе: текст заранее режется на куски по несколько сотен слов, для каждого куска считается числовой отпечаток, а на вопрос студента система находит несколько подходящих кусков и передаёт в модель только их.
Здесь и находится главный источник ошибок. Если резать текст механически, по границам страниц, кусок обрывает мысль на середине абзаца, и система находит фрагмент, похожий по словам, но не по смыслу. Модель получает нерелевантный кусок и отвечает на его основе уверенно и неверно, а студент эту уверенность не отличает от правильного ответа.
Проверка перед стартом разработки простая: попросите подрядчика показать, как система отвечает на вопрос, ответ на который в учебнике разбит между двумя главами. Путаный ответ на этом тесте означает, что чинить поиск придётся после запуска, на живых студентах, а не на демонстрации.
Что снимает рутину с преподавателя, а что работает хуже обещанного
Надёжно работает конспект лекции с привязкой к минуте записи, карточки для запоминания по материалу курса и черновик теста, который преподаватель правит вместо того, чтобы писать с нуля. Экономия здесь измеримая: конспект полуторачасовой лекции вручную занимает у ассистента около двух часов, черновик от генератора сокращает эту работу до проверки за 15-20 минут. На карточках граница качества видна лучше всего: ИИ-карточки с интервальным повторением собираются за минуты, а формулировки всё равно приходится править руками.
Хуже, чем на демонстрации, работает персональная траектория обучения, где система сама решает, какой материал показать студенту следующим. Такая функция требует накопленной статистики по большому числу студентов, а у новой платформы её нет. Первые месяцы система подбирает материал почти наугад и выглядит случайной. Разумнее собирать данные с первого дня запуска, а саму функцию персонализации включать через полгода-год, когда накопилась выборка, на которой она уже что-то может предсказать. Такое же разделение проходит и по остальным функциям: то, что ИИ реально ускоряет в подготовке курса, видно в первый же месяц, остальное требует данных и времени.
Кто отвечает, если ИИ ошибся перед студентом
Институциональный заказчик, вуз или корпоративный учебный центр, спрашивает про контроль в первую очередь, раньше, чем про списывание. Программы, которые со стопроцентной точностью отличают текст студента от текста, сгенерированного моделью, не существует ни у одного разработчика: инструмент ошибается в обе стороны, особенно на коротких ответах. Полагаться только на такую проверку рискованно для репутации курса.
Рабочая защита строится иначе. Преподаватель видит панель, где отображается, что именно ИИ ответил каждому студенту, и может вручную скорректировать оценку освоения темы. Политика курса заранее описывает, что со студентом можно делать при помощи ИИ, а что нельзя. История версий черновика и устный разбор работы закрывают то, что не закрывает никакая автоматическая проверка. Институциональные контракты продлевают из-за такой панели контроля, а не из-за точности отдельного детектора.
Персональные данные и реестр: что реально ограничивает архитектуру
Материал курса, который проходит через генератор, обычно включает фамилии и оценки студентов, а если модуль работает с записью занятия, то ещё лицо и голос. Это персональные данные, и по 152-ФЗ хранить их приходится на серверах в России, включая логи диалогов студента с ИИ-помощником и промежуточные данные, которые система передаёт во внешний сервис генерации.
Второе следствие касается тех, кто поставляет модуль вузам и школам. Участие в госзакупках даёт реестр отечественного ПО Минцифры, а не свидетельство Роспатента на программу для ЭВМ: оно подтверждает права на код, но допуска к закупкам и льготы по НДС не открывает. В реестр не пускают продукт с проприетарным зарубежным ядром генерации внутри: если движок лицензирован у иностранного поставщика, продукт считается производным. Открытый код и собственная разработка поверх него такой проблемы не создают. Фора Софт в реестре отечественного ПО, реестровая запись № 21522, путь прохождения знаком не по инструкции.
Для самой генерации текста рабочий вариант для российской компании: модели вроде YandexGPT и GigaChat, либо открытая модель, развёрнутая на своих серверах, когда данные студентов нельзя выпускать за периметр учреждения.
Три способа получить такой модуль
| Вариант | Что получаете | Где ломается | Кому подходит |
|---|---|---|---|
| Готовый сервис по подписке | Быстрый запуск, минимум разработки | Данные студентов уходят на серверы вне вашего контроля, интеграция со своей СДО ограничена | Пилот на одном курсе, проверка спроса |
| Модуль поверх своей платформы | Полный контроль над данными и логикой генерации | Нужна собственная архитектура хранения материалов и поиска по ним | Учебный центр с уже работающей платформой |
| Разработка с нуля под реестр | Право на госзакупки, полный контроль архитектуры | Дольше и дороже старта, документация собирается с первого дня, а не задним числом | Поставщик вузам и государственным учреждениям |
Любой из трёх вариантов упирается в один и тот же следующий шаг: персонализацию материалов под ученика имеет смысл включать тогда, когда по его ответам накопилась статистика.
Сколько это стоит
Готового прайса на модуль генерации учебных материалов не существует: цена зависит от того, сколько типов исходного контента обрабатывает система, только PDF или ещё видео и запись голоса, нужен ли реестр отечественного ПО и сколько студентов пользуются модулем одновременно.
Разработка модуля для онлайн-обучения с ИИ начинается от 400 000 ₽. В эту сумму входит рабочая база: загрузка материала курса, генерация карточек и тестов на основе поиска по загруженному тексту, личный кабинет преподавателя с проверкой того, что ИИ ответил студенту. Этого достаточно, чтобы учебный центр запустил функцию на одном курсе и проверил спрос.
Дальше цена растёт от трёх вещей. Первое: сколько типов контента обрабатывает система, каждый добавляет свой конвейер обработки. Второе: нужна ли интеграция с существующей СДО заказчика. Третье: требуется ли реестр отечественного ПО, тогда добавляется документация и проверка происхождения кода. Список желаемых функций для оценки почти ничего не даёт, поэтому архитектуру и смету отдаём за 24 часа, а оценку бюджета и планирование MVP, аудит кода и аудит архитектуры делаем бесплатно, за 3 рабочих дня.
В команде 50 специалистов в штате, без субподряда, 250+ проектов с 2005 года, заказчики из 17+ стран. Из показательных примеров: платформа Школарли держала до 2000 студентов в одной сессии без падения потока. Это тоже вопрос архитектуры поиска и очереди запросов к модели, а не только видеосвязи: при таком числе одновременных обращений система обязана распознавать повторяющиеся вопросы и не пересчитывать один и тот же ответ заново, иначе нагрузка на генерацию растёт с числом студентов, а не с числом уникальных тем курса.
Частые вопросы
Нужно ли пилотировать ИИ-генератор перед запуском на весь курс?
Да. Разумно начать с одного курса и преподавателя, готового участвовать в проверке. За месяц-два видно, какие темы система тянет уверенно, а где путается в источниках, и это дешевле, чем чинить функцию после жалоб студентов на всём потоке.
Можно ли использовать зарубежные языковые модели напрямую?
Прямая оплата зарубежных сервисов генерации российским юрлицом обычно недоступна. Рабочие варианты: российские модели вроде YandexGPT и GigaChat либо открытая модель, развёрнутая на своих серверах, когда данные студентов нельзя выпускать за периметр.
Обязательно ли хранить диалоги студента с ИИ в России?
Да, если по ним можно установить личность студента: фамилию, номер группы, голос или лицо из записи занятия. Обезличенная статистика без привязки к конкретному человеку под требование 152-ФЗ не подпадает.
Что даёт реестр отечественного ПО и чем он отличается от свидетельства Роспатента?
Реестр Минцифры открывает участие в госзакупках и льготу по НДС. Свидетельство Роспатента подтверждает права на программу для ЭВМ, но ни того, ни другого не даёт. Для поставок вузам и школам нужен именно реестр.
Сколько занимает разработка такого модуля?
Зависит от числа типов исходного материала и от того, нужна ли интеграция с существующей СДО заказчика. Модуль с одним типом контента собирается заметно быстрее системы, которая одновременно читает PDF, слайды и запись занятия.
Заменит ли ИИ-генератор преподавателя?
Нет. Он снимает рутину: черновики тестов, конспекты, карточки для повторения. Решение о том, понял ли студент тему или просто угадал ответ, остаётся за преподавателем, и панель контроля строится именно под эту задачу.
Если планируете добавить в учебную платформу модуль, который генерирует материалы из курса и держит данные студентов в России, расскажите задачу: платформу онлайн-обучения на заказ мы начинаем с архитектуры и сметы, их отдаём за 24 часа.
