ИИ на видео в онлайн-обучении: пять функций по порядку

Ученик открывает часовую лекцию и закрывает её на пятой минуте. Так происходит с большей частью длинных роликов без разбивки: внимание к видео одним планом резко падает уже после нескольких минут, а к середине лекции досматривают единицы. Платформа при этом обычно винит контент или мотивацию ученика, хотя проблема почти всегда в самом видеослое, а не в программе курса.

Узкое место дистанционного обучения: то, как устроено видео и что ИИ умеет делать поверх него, а не интерфейс личного кабинета и не качество самого курса. Разберём пять функций, которые реально повышают завершаемость, в каком порядке их строить и когда ИИ в обучении применять не стоит.

Почему порядок внедрения важен больше, чем сам список функций

Каждая из пяти функций опирается на данные, которые генерирует предыдущая. Субтитры и транскрипция дают точный текст с таймкодами. На этом тексте строятся автоматические главы и тесты. На главах и тестах строится ИИ-репетитор, который отвечает на вопросы по материалам курса. На поведении учеников внутри уже работающих функций строится аналитика вовлечённости. И только когда накопилось достаточно данных о том, где ученики буксуют, имеет смысл включать адаптивную подачу материала.

Если поменять порядок, каждый следующий слой строится на плохих данных: репетитор, запущенный до того, как транскрипция стала точной, отвечает с ошибками, унаследованными от плохой расшифровки. Адаптивная подача, включённая до накопления данных о поведении учеников, вынуждена гадать вместо того, чтобы опираться на реальные сигналы. Поэтому вопрос, какой ИИ в платформе онлайн-обучения реально работает, почти всегда сводится к порядку слоёв, а не к длине списка возможностей.

Функция 1: субтитры, транскрипция и перевод

Если внедрять только одну функцию в этом квартале, это она. Субтитры и расшифровка помогают сразу нескольким группам учеников: тем, кто плохо слышит, тем, для кого язык курса не родной, и просто тем, кому легче удерживать внимание, когда звук сопровождается текстом. Это же самая безопасная с точки зрения права функция: она не требует согласия на обработку биометрии и не подпадает под особые категории персональных данных.

Здесь разумно покупать готовое распознавание речи, а не строить своё: это давно отраслевой стандарт, где выигрывать не на чем. Отдельный практический момент: доступность зарубежных сервисов распознавания речи и перевода из России ограничена, а рабочая замена это российские сервисы распознавания и синтеза речи или открытые модели, развёрнутые на собственных серверах, если данные учеников нельзя выпускать за периметр.

Это же основа, на которой строятся все остальные четыре функции: точная расшифровка с таймкодами служит входом для генерации глав, тестов, поиска репетитора и аналитики вовлечённости.

Функция 2: автоматические главы, конспекты и тесты

Из расшифровки лекции модель за минуты собирает структурированный учебный материал: главы, конспект, тест с вариантами ответа. Разбивка часовой лекции на десятиминутные главы работает почти как психологический трюк: длинное занятие превращается в ощущение нескольких коротких, и пересматривают такие записи заметно чаще. Побочный эффект здесь не менее ценный: главы и конспект делают архив находимым, а ИИ-поиск и навигация по видеоурокам начинают работать по смыслу фразы, а не по названию файла.

Главный риск здесь: тест с уверенно сформулированным, но фактически неверным вопросом разрушает доверие преподавателей быстрее, чем полное отсутствие такого теста. Рабочая защита простая: каждый вариант ответа должен цитировать конкретный фрагмент расшифровки, а вопрос без такой цитаты в исходном материале отбраковывается ещё до публикации. В первый месяц стоит вручную проверять часть сгенерированных тестов, а не доверять автоматике полностью.

Функция 3: ИИ-репетитор по материалам курса

Репетитор, который отвечает на вопросы ученика по конкретному курсу, а не из общих знаний модели: самая заметная и самая рискованная функция во всей архитектуре. Работающая схема требует привязки каждого ответа к конкретному фрагменту курса и порога уверенности: если подходящего фрагмента не нашлось, репетитор честно признаёт, что материал курса это не покрывает, вместо того чтобы отвечать наугад. Для несовершеннолетних учеников разумен ещё и сократический режим: репетитор подводит к ответу вопросами, вместо того чтобы сразу выдать готовое решение.

Такой репетитор это частный случай давно описанного класса: интеллектуальные обучающие системы строятся вокруг модели знаний ученика, и репетитор по курсу наследует их логику. Здесь достаточно знать, что запускать репетитора стоит только после того, как транскрипция и структура курса уже стабильны, иначе он унаследует их ошибки.

Функция 4: аналитика вовлечённости, где проходит граница

Это самая рискованная с точки зрения права функция из пяти. Есть безопасные поведенческие сигналы: паузы и перемотки на видео, время на странице, доля сложных вопросов в тестах, частота сообщений в чате. Они не требуют согласия на обработку биометрии и дают большую часть пользы для преподавателя.

Есть и рискованная категория: распознавание эмоций или внимания по камере ученика. По 152-ФЗ биометрические персональные данные, включая изображение лица, обрабатываются по особым правилам с отдельным согласием, а для несовершеннолетних это согласие даёт законный представитель. Для взрослых учеников в корпоративном обучении такой сигнал иногда оправдан при явном согласии. Для школьников смысла в нём почти нет: юридическая нагрузка перевешивает пользу, а точность распознавания эмоций у детей и подростков ниже, чем у взрослых.

Практический вывод: начинать стоит с поведенческих сигналов без камеры, они закрывают основную часть задачи, и только для взрослой корпоративной аудитории при прямом согласии добавлять сигналы с камеры.

Функция 5: адаптивная подача контента

Финальный слой: платформа подбирает ученику следующее видео или задание по тому, что конкретно этот ученик уже освоил, а не по общей логике курса для всех. Здесь работает та же логика холодного старта, что и в рекомендательных системах в целом: новому ученику без истории нужна разумная последовательность по умолчанию, пока не накопятся данные о его прогрессе. Включать эту функцию раньше, чем накопится телеметрия с предыдущих четырёх слоёв, означает подбирать материал вслепую.

Когда ИИ не тот инструмент

Итоговая аттестация с высокими ставками: ИИ может предварительно отфильтровать или подсветить работы, но финальное решение должно оставаться за человеком, и ради справедливости, и ради юридической защиты вуза или компании. Мотивация и групповая динамика по-прежнему держатся на живых людях, а не на репетиторе. Практические лабораторные занятия с реальным оборудованием ИИ не контролирует и не должен имитировать контроль. Аналитика вовлечённости не годится для оценки психологического состояния ученика: если платформа работает с уязвимой аудиторией, путь к живой поддержке должен быть продуман заранее, а не появиться только после первого тревожного случая. И курс, который обновляется каждую неделю, плохо подходит для репетитора на основе фиксированной базы знаний: либо материалы нужно переобрабатывать каждую ночь, либо отказаться от репетитора именно в этом разделе.

Что требует закон

Платформа хранит расшифровки, результаты тестов и, если используется аналитика вовлечённости, поведенческие данные ученика. Это персональные данные, и по 152-ФЗ базы с ними размещаются на серверах в России. Любая обработка изображения лица или голоса для распознавания эмоций подпадает под особые категории персональных данных с отдельным согласием. Для несовершеннолетних учеников такое согласие даёт законный представитель. Для вуза дополнительно действует 273-ФЗ «Об образовании»: результаты работы ИИ-репетитора и аналитики должны попадать в ту же систему учёта, что и обычная успеваемость.

Фора Софт в реестре отечественного ПО, реестровая запись № 21522.

Сколько стоит разработка

Разработка ИИ на видео начинается от 310 000 ₽. В эту сумму входит рабочая база: распознавание речи и субтитры для одной функции. Дальше цена растёт от того, сколько из пяти функций нужно, в каком порядке их запускать и насколько глубокой должна быть защита от галлюцинаций и юридический слой согласий.

Список желаемых функций для оценки почти ничего не даёт, поэтому мы считаем иначе: описание требований, архитектуру и смету отдаём за 24 часа. План MVP, аудит кода и аудит архитектуры делаем бесплатно, за 3 рабочих дня.

В команде 50 специалистов в штате, без субподряда, а собственный процесс агентной разработки ускоряет такие проекты в 4-10 раз по сравнению с традиционным подходом, но под контролем ведущих инженеров. Видео и аудио занимаемся с 2005 года, за это время сделали 250+ проектов, включая заказчиков из 17+ стран. На КарьерПойнт, платформе с видеоуроками, мы обслуживали 100 000+ пользователей: на таком масштабе видно, что порядок внедрения функций и защита от галлюцинаций в тестах решают завершаемость сильнее, чем количество функций само по себе.

Частые вопросы

Если платформе онлайн-обучения нужно внедрение ИИ в продукт с размещением данных в России, расскажите задачу, и мы вернёмся с архитектурой и сметой за 24 часа.