Как запустить продукт по генерации учебных материалов с ИИ для учителей в 2026 году

Почему этот плейбук написала Фора Софт

Фора Софт создаёт мультимедийные и образовательные продукты с 2005 года: более 20 лет в индустрии, 239+ выпущенных продуктов, отдельные практики e-learning и AI-интеграции. В 2017 году мы выпустили первую в мире виртуальную классную комнату на WebRTC+HTML5 вместе с BrainCert; платформа выросла до 750 млн ₽ годовой выручки и получила бронзовую награду Brandon Hall за «Лучший прорыв в уникальной обучающей технологии», обойдя более 30 конкурентов.

Нам регулярно приносят один и тот же бриф: «Наши учителя уже используют ChatGPT для рабочих листов. Сделайте на его основе полноценный продукт — со стандартами, соблюдением приватности, под нашим брендом». Этот плейбук — то, что мы сказали бы основателю EdTech-стартапа, IT-директору школьного округа или издателю, который сегодня, в апреле 2026 года, оценивает такой проект.

Что такое «AI-генерация учебных материалов» в 2026 году

Раньше под этим понимали «чат-бот, который пишет рабочий лист». Уже нет. В 2026 году продукт для AI-генерации учебных материалов — это копилот для учителя: компактный интерфейс, который по нескольким вводным от преподавателя (тема, класс, образовательный стандарт, профиль ученика) создаёт готовый к уроку набор материалов. Эти материалы опираются на проверенные источники, сохраняются в личной библиотеке учителя и легко экспортируются в привычные ему инструменты.

Типовой каталог артефактов, который хотят видеть заказчики:

• Планы уроков, соответствующие стандартам Common Core, NGSS или региональным требованиям
• Рабочие листы и наборы задач с 3–5 уровнями сложности и доступности для чтения
• Тесты, выходные билеты и банки заданий с ключами и DOK-тегами
• Рубрики, привязанные к стандартам и правилам оценивания
• Адаптации для IEP / 504, поддержка учеников с ограниченным владением английским языком, задания для одарённых учащихся
• Вопросы для обсуждения, выходные карточки, разминки, «дела на сегодня»
• Письма родителям и отчёты о прогрессе на родном языке семьи
• Конспекты, флеш-карточки и наборы для повторения — для учеников

Продуктовый вопрос звучит не «может ли LLM это сгенерировать?», а «может ли LLM сгенерировать это безопасно, в соответствии с нужным стандартом, стилем учителя и политикой округа?»

Срез рынка: почему сейчас хороший момент для запуска

Освоение ИИ учителями уже нельзя назвать ранней стадией. По данным опроса Walton Family Foundation за 2024 год, 60% американских учителей K–12 использовали ИИ в 2024/25 учебном году, а те, кто работает с ним еженедельно, экономят 5,9 часа в неделю на подготовке, планировании и административных задачах — это почти шесть дополнительных рабочих недель в году. По оценкам McKinsey, 20–40% рабочего времени учителя (подготовка, проверка работ, оценивание) уже может быть автоматизировано с помощью существующих моделей. Компании вроде MagicSchool (80+ инструментов), Eduaide (110+ типов материалов) и Brisk Teaching (30 инструментов, распространение через Chrome-расширение) уже превратились в продукты с миллионами пользователей. Почва готова.

Что остаётся открытым: вертикальные или региональные копилоты — адаптированные под учебную программу одной страны, один предмет (STEM, языки, SEL), одну возрастную группу или конкретную LMS-экосистему, — и white-label AI для учителей, встроенный в существующие LMS, у издателей и на репетиторских платформах. Именно здесь кастомная разработка превосходит стандартные SaaS-решения.

Каталог материалов: что генерировать в первую очередь

Не каждый AI-артефакт одинаково ценен. По интервью с учителями и публичным данным мы снова и снова видим один и тот же порядок приоритетов: запустите эти пять — всё остальное идёт допматериалом.

1. Планы уроков. Главный «поглотитель» времени. Учитель указывает тему, класс, стандарт и продолжительность — система предлагает цели, материалы, разминку, объяснение нового материала, работу под руководством учителя, самостоятельную практику, оценку и домашнее задание — со ссылками на использованные стандарты.

2. Дифференцированные рабочие листы. Одна тема — три–пять уровней сложности и читаемости, сгенерированных за один прогон. В классах со смешанной успеваемостью или инклюзией эту функцию оценят особенно высоко.

3. Рубрики. Привязаны к стандартам, имеют 3–5 уровней успешности и соответствуют целям урока. Экспортируются в Google Doc, PDF и в задание Google Classroom.

4. Тесты и банки заданий. Создавайте задания с ответами, разбором неправильных вариантов, тегами уровня сложности DOK и информацией о соответствии образовательным стандартам; дайте учителям возможность собирать многоразовые банки заданий по темам.

5. Адаптации для IEP / 504 / ELL. Учителям детей с особыми потребностями приходится работать больше всех, а поддержки — меньше всего. Хорошие AI-генераторы адаптаций — упрощённые инструкции, визуальные опоры, шаблоны фраз, переводы — именно то, что запускает сарафанное радио.

Эталонная архитектура AI-ассистента для учителей

Базовая схема, которую мы используем в таких продуктах, делит систему на четыре зоны ответственности: промпт/воркфлоу, ретривал, генерацию и интеграции. У каждой из них — свой профиль масштабирования и своя зона ответственности с точки зрения соответствия требованиям.

Покупатели чаще всего недооценивают реестр промптов — библиотеку проверенных, версионированных промптов для каждого типа материала. Это главный фактор, влияющий на качество результата. Относитесь к нему как к полноценному инженерному артефакту: с контролем версий, проверками на качество (eval-гейтами) и A/B-тестированием.

Как заземлить генерацию на стандарты (RAG, а не пожелания)

Быстрее всего потерять округ можно одним способом: выпустить рабочий лист, который «ощущается как четвёртый класс», но фактически не соответствует выбранному стандарту. Лечение — retrieval-augmented generation, где корпусом служат сами стандарты.

1. Загрузите фреймворки. Common Core (ELA, Math), NGSS, C3, ISTE, программы штатов (Texas TEKS, Virginia SOL, UK National Curriculum, Australian Curriculum и т. д.), а также программы отдельных округов или издателей.

2. Разбейте на чанки по кодам стандартов. Каждый стандарт, подстандарт и дескриптор становится чанком с явными метаданными: фреймворк, класс, домен, код (CCSS.MATH.CONTENT.4.NF.A.1), уровень DOK и перекрёстные ссылки. Эмбеддинги делайте через text-embedding-3-large или open-source-аналог.

3. Ищите гибридом. Когда учитель выбирает стандарт, подтягивайте точный дескриптор и соседние стандарты — пререквизиты и вертикальную привязку. Гибридный BM25 + vector находит и точный код, и семантически близкий контент.

4. Ограничивайте генерацию. Системный промпт заставляет LLM привязывать каждую цель и каждое задание к конкретному ID чанка. Если подходящего материала не найдено, система не работает («Не могу сгенерировать материал по выбранному стандарту»), а не придумывает фиктивную привязку.

System prompt (abridged)
--------------------------------
You are a K-12 curriculum author.
Every objective, item and rubric row
MUST cite a STANDARD from CONTEXT.
If CONTEXT is insufficient, say so.

CONTEXT:
{retrieved_standards_chunks}

TASK:
Generate a {resource_type} for:
  grade={grade}
  topic={topic}
  standard={code}
  difficulty={level}

5. Гоните eval каждую ночь. Прогоняйте 200–500 эталонных стандартов через пайплайн; измеряйте процент совпадения с чанком, корректность отказов и читаемость по целевому Flesch-Kincaid. Блокируйте релизы при регрессии больше двух пунктов. Это тот же подход, что мы описываем в плейбуке по AI-мультимедиа для e-learning, и логика одинакова: заземлённая генерация — это инженерная дисциплина, а не промпт.

Дифференциация, адаптации для IEP / 504 и поддержка ELL

Все жалобы учителей на готовые AI-решения сводятся к одному: «он не учитывает нужды моих учеников с IEP, ELL или одарённых». Решите эту задачу — и ваш продукт начнёт расти по сложному проценту.

Управление уровнем чтения. Указывайте целевой уровень Lexile, Flesch-Kincaid или возрастной диапазон для каждого текста. Генерируйте 3–5 уровней сложности за один запрос и чётко обозначайте каждый из них.

Адаптации для IEP / 504. Поэтапные инструкции, визуальные опоры, шаблоны фраз, меньшее количество заданий, рекомендации по продлённому времени, версии с озвучкой. Создавайте «карточки адаптаций» под конкретного ученика, а не под урок.

Поддержка ELL. Глоссарии когнатов, инструкции для учеников на русском языке (инструкции для учителя — на английском), двуязычные карточки с лексикой, языковые опоры по WIDA.

Углубление для одарённых. Дополнительные задания, задачи с более высоким уровнем сложности, межпредметные связи, материалы для самостоятельного изучения.

Критическое правило: никогда не передавайте личные данные учеников напрямую в стороннюю LLM. Генерируйте адаптации по типу профиля (например, «ELL L2 испанский», «504, скорость чтения»), а не по имени, диагнозу или номеру IEP.

Оценивание и создание рубрик, которые одобрит администрация

Генерация контента для оценивания — зона повышенного риска: валидность заданий, отсутствие предвзятости, доступность, защита банка заданий. Здравая архитектура обращается с каждым сгенерированным заданием так же, как с авторским — просто добавляет 10 минут на черновик.

Задания с метаданными. К каждому сгенерированному заданию прилагаются: код стандарта, уровень DOK, ожидаемая сложность, правильный ответ, обоснование неверных вариантов и метаданные доступности (alt-текст для скринридеров, MathML для математических формул).

Проверка на предвзятость и справедливость. Второй проход LLM или классификатор отфильтровывает задания, содержащие культурную, социально-экономическую или языковую предвзятость; всё, что вызывает подозрения, передаётся на ручную проверку.

Банки заданий. Банки на уровне учителя и школы с удалением дубликатов (по схожести эмбеддингов), оценкой сложности по реальным ответам учеников (IRT) и защищёнными заданиями, которые не покидают банк.

Рубрики. 3–5 уровней успешности, критерии привязаны к стандартам, экспорт в PDF, Google Doc, Google Classroom и Canvas. Дайте учителям возможность сохранять шаблоны рубрик по курсам.

Учитель в цикле. Всё, что идёт в оценку, должно пройти проверку учителя. Искусственный интеллект — партнёр при создании черновиков; окончательное одобрение остаётся за учителем.

Интеграции с LMS, SIS и системами ростеринга, которые нужны учителям

AI-инструмент для материалов без интеграций — игрушка. Учителя работают в Google Classroom, Canvas, Schoology, Microsoft Teams for Education и PowerSchool. Каждый сгенерированный материал должен попадать в эти системы одним кликом.

Ростеринг. Clever, ClassLink и OneRoster для подготовки учётных записей в соответствии с FERPA. Минимум: единый вход через Google Workspace и Microsoft 365.

Экспорт в LMS. Создание заданий в Google Classroom, подключение через Canvas LTI 1.3, API Schoology, интеграция с Microsoft Teams Education. PDF и Google Doc — базовый минимум.

Chrome-расширение. Самый быстрый способ попасть к учителю — зайти к нему прямо в Google Docs или Slides: правый клик → понизить уровень, правый клик → добавить рубрику. Brisk Teaching проверили эту модель распространения на практике.

Мобильный спутник. Лёгкий мобильный режим для писем родителям и экспорта рубрик — этого достаточно. Полноценная мобильная авторская среда обычно выходит за рамки MVP.

Комплаенс: FERPA, COPPA, SOPPA, NY Ed Law 2- d, GDPR, политика по ИИ

Если вы продаёте в американский K–12, комплаенс может решить судьбу сделки ещё до демонстрации продукта. По данным Center for Democracy & Technology, у 42% округов нет DPA с поставщиками ИИ, а 31% не могут назвать применимый закон о защите данных. Не становитесь поставщиком, из-за которого округ провалит аудит.

FERPA. Заключайте Data Processing Agreement с каждым школьным округом. Минимизируйте использование персональных данных — большинству процессов копилота они вовсе не нужны. Все образовательные записи храните в журнале с контролем доступа по ролям, а также обеспечьте возможность просмотра и удаления данных родителями и учениками.

COPPA. Для учеников младше 13 лет требуется подтверждённое согласие родителей; обновление COPPA 2025 года запрещает таргетированную рекламу без явного согласия, срок соблюдения — апрель 2026 года. Самый простой подход: никакой поведенческой аналитики, никаких сторонних рекламных SDK.

Законы штатов. Illinois SOPPA (DPA, назначение ответственного за защиту данных, уведомление о взломе в течение 30 дней), New York Ed Law 2-2 (требование сильного шифрования, минимизация данных, запрет на коммерческое использование), California SOPIPA (запрет таргетированной рекламы, запрет продажи профилей пользователей), Texas HB-18. Разработайте единый базовый уровень соответствия, который будет удовлетворять самым жёстким требованиям среди них.

GDPR / UK DPA. Необходимо определить законное основание для обработки персональных данных, провести оценку воздействия на защиту данных (DPIA) для ИИ-функций, размещать данные в ЕС, заключить соглашения о обработке данных (DPA) с каждым поставщиком ИИ-услуг (Azure OpenAI, AWS Bedrock, OpenAI Enterprise, Anthropic, Gemini через Google Cloud). Использование потребительских эндпоинтов недопустимо.

SOC 2 Type II и ISO 27001. Корпоративные клиенты на это рассчитывают. Запланируйте период проверки на 6–12 месяцев вперёд.

Этическая политика ИИ. Карточки моделей, раскрытие использования ИИ, тестирование на предвзятость, шаблон политики ИИ для клиентов и публичный регламент инцидентов. EU AI Act относит образовательный ИИ к высокорисковым — начинайте подготовку заранее.

Мини-кейс: BrainCert и продуктивность учителей в масштабе

Контекст. BrainCert, клиент Фора Софт с 2017 года, развивал платформу для живых занятий с десятками тысяч преподавателей и большим числом авторов курсов. Главным препятствием для них стало не распространение контента, а его создание. Преподавателям нужно было тратить больше времени на обучение и меньше — на оформление материалов.

План на 12 недель. Совместно с Форой Софт мы надстроили над изначальной классной комнатой на WebRTC+HTML5, которую собрали для них, авторские инструменты и аналитику, замерили время преподавателя на курс и протестировали генерацию тестов и тренировочных заданий с помощью LLM.

Итог. BrainCert достигла годовой выручки более 750 млн ₽, получила бронзовую награду Brandon Hall за лучший прорыв в уникальной обучающей технологии, опередив более 30 конкурентов. При этом рабочий процесс учителя остался ключевым элементом продукта. Те же архитектурные принципы — сначала создать, потом проверить, привязать к программе и измерить время — остаются актуальными и для нового копилота для учителей. Хотите подобную оценку для своего продукта? Свяжитесь с нами.

Модель стоимости: разработка и эксплуатация AI-копилота

Две кривые затрат: разовая разработка и расходы на одного учителя в год. Диапазоны отражают реальные данные по EdTech-проектам, которые мы реализуем со стеком Agent Engineering — он сокращает путь от определения задач до создания MVP примерно на 30–40% по сравнению с классическим подходом.

LLM-токены становятся основной статьёй расходов, как только база учителей превышает несколько тысяч. Агрессивно кэшируйте по комбинации: стандарт + класс + тема + уровень, переиспользуйте эмбеддинги, для поиска по стандартам применяйте более дешёвые модели, а топовые оставьте только для финального черновика. Чтобы получить расчёт под вашу задачу, свяжитесь с нами.

Шорт-лист инструментов: с чего начинаем стек

LLM. GPT-4o / GPT-4o-mini через Azure OpenAI для регулируемых развёртываний; Claude Sonnet/Opus через Anthropic или AWS Bedrock; Gemini 1.5/2.0 через Google Cloud; self-hosted Llama 3.1 или Mistral для округов с требованием суверенности данных или офлайн-режима.

Эмбеддинги и поиск. text-embedding-3-large или open-source-аналоги; Postgres + pgvector для экономии, Qdrant или Weaviate при больших объёмах; LlamaIndex / LangChain для построения пайплайна ретривала.

Наблюдаемость и оценка. Langfuse или Langsmith для отслеживания промптов и оценки, OpenTelemetry для метрик сервисов, Sentry для ошибок на стороне клиента, Datadog для синтетического мониторинга.

Экспорт документов. API Google Docs / Slides, Microsoft Graph, генерация PDF через LibreOffice без интерфейса, mathjax-node для формул, react-pdf или Puppeteer для брендированной печати.

Ростеринг и LMS. Clever, ClassLink, OneRoster, API Google Classroom, Canvas LTI 1.3, Schoology, PowerSchool.

За кем следить. MagicSchool, Eduaide, Brisk Teaching, Diffit, инструменты для учителей в Khanmigo от Khan Academy. Не копируйте их — используйте, чтобы проверить свои идеи UX на прочность.

Фреймворк принятия решений: пять вопросов перед стартом

В1. Какие учителя и в какой системе? Округа K–12 в США, академические трасты Великобритании, учительские порталы издателей, корпоративный L&D или репетиторские сервисы. У каждой аудитории — свои требования к соответствию нормам, свои интеграции и свой цикл закупок.

В2. Какой главный результат вы продаёте? Сэкономленное время учителей, рост успеваемости учеников, вовлечённость родителей или объём выпускаемого контента (для издателей). Выберите одну ключевую метрику и измеряйте её с первого дня.

В3. Какие три типа материалов сначала? План урока, дифференцированный рабочий лист и рубрика — это классическая тройка по правилу 80/20. Выбирайте их, исходя из потребностей вашей аудитории.

В4. Какие фреймворки стандартов? Начните с 1–2 фреймворков, планируйте освоить 5–10 за 12 месяцев. Версионирование имеет значение: CCSS и NGSS регулярно обновляются.

В5. Какой потолок по комплаенсу? K–12 США плюс самый строгий закон штата, который вам важен, — это базовый уровень. Превысить его проще и дешевле; догонять потом — сложнее и дороже.

Пять подводных камней при разработке ИИ для учителей

1. Чат-бот вместо воркфлоу. Учителям не нужна пустая строка для ввода. Им нужен структурированный мастер с выбором класса, стандарта и продолжительности. Пустые поля снижают удержание пользователей.

2. Генерация без заземления. LLM без RAG по стандартам выдаёт правдоподобные, но не привязанные к ним результаты. Кураторы программы вернут вам это уже на первой неделе.

3. Игнорирование региональных законов о приватности. SOPPA, NY Ed Law 2-2 и SB-1177 действуют по отдельности. Достаточно одного нерегулируемого региона, чтобы сделка с округом провалилась.

4. Нет пути экспорта. Если учитель не может одним кликом перенести материал в Google Classroom или сохранить его в PDF, инструмент проиграет связке Google Docs + вкладка ChatGPT.

5. Неконтролируемые расходы на AI. Без кэширования и распределения по моделям стоимость токенов для обучения резко возрастает. Мы видели, как основатели теряли весь раунд из-за одной кнопки «Перегенерировать», которая при каждом нажатии запускала GPT-4 на полном контексте.

KPI: что измерять после запуска

KPI качества. Доля артефактов с привязкой к стандарту (≥95% сгенерированных цитируют реальный чанк), правовое расстояние учителя на первом черновике (≤20%), доля сгенерированных PDF, прошедших проверку доступности (≥95%), корректность отказов (≥98% на ловушках).

KPI вовлечения. Еженедельно активные учителя, количество сгенерированных материалов на одного учителя в неделю (цель — не менее 5), удержание через 30 дней (не менее 45% в B2C, не менее 70% среди пользователей по платному контракту округа), NPS по округам.

KPI надёжности. Задержка генерации p95 (не более 8 с для стандартных материалов, не более 25 с для больших планов уроков), доступность API (не менее 99,9%), частота релизов (не реже раза в неделю), MTTR (не более 30 минут).

Когда не стоит делать AI-инструмент для учителей

Мы отговорим вас, если:

• Вы хотите перепродавать MagicSchool / Eduaide / Brisk под своим брендом. У этих решений уже есть преимущество в дистрибуции и функциональности. Партнёрство по white-label обойдётся дешевле.

• В команде нет педагога. UX учителя — тонкая материя; либо запускайтесь с педагогическим лидом, либо не запускайтесь.

• Вы не можете чётко определить, кто покупатель. Если неясно, продаёте ли вы IT-директору округа, издателю или поставщику LMS, потратьте две недели на интервью с реальными покупателями, прежде чем писать код.

FAQ

Что почитать дальше

Готовы запустить AI-ассистента для учителей?

AI-генерация учебных материалов — это продукт, а не промпт. Соберите пять каноничных типов материалов, заземлите каждый артефакт на реальные стандарты через RAG, интегрируйтесь там, где учителя уже работают, и закладывайте комплаенс в модель данных с первого дня.

Окно рынка открыто для вертикальных, региональных и white-label-решений для учителей. Сфокусированный MVP можно вывести за квартал, а не за год — если команда владеет и видео/e-обучением, и AI-инженерией, а требования по комплаенсу заложены в архитектуру с самого начала, а не добавлены потом. Именно на этом пересечении и работает Фора Софт.