Привет, Хабр! На связи продуктовая команда Кэмпа — ИИ-напарника для студентов.
За последние годы вокруг ИИ в образовании сформировался устойчивый нарратив: главное — это качество результата. Насколько точно модель отвечает, насколько хорошо генерирует текст, насколько можно доверять итоговому материалу.
Но на практике мы довольно быстро уперлись в другую проблему. Оказалось, что даже качественный результат почти не гарантирует, что пользователь хоть что-то понял и запомнил.
Центральный принцип образовательного ИИ
Даже если модель выдаёт правильный ответ, это ещё не означает, что пользователь чему-то научился. В этом и заключается ключевой разрыв между ИИ как инструментом и ИИ как образовательной средой.
Да, мы в рабочих целях фиксируем, что 93% качества — это уже достаточный уровень точности для доверия системе. Но доверие к результату не приравнивается к образовательному эффекту. Пользователь может получить идеальный ответ и при этом полностью выпасть из процесса понимания.
Поэтому изменили принцип работы Кэмпа как ИИ на один простой и жесткий: образовательная ценность возникает только тогда, когда пользователь для получения результата остается внутри процесса.
Если пользователь получает готовый файл без участия, то мы не считаем такой сервис обучающим, а скорее сервисом автоматизации.
Главный конфликт в автоматизации
Однако здесь возникает базовое продуктовое противоречие:
чем выше автоматизация — тем быстрее и проще результат;
но чем ниже автоматизация — тем выше вовлеченность пользователя, а значит, ниже образовательная ценность.
Это неприятный вывод для любого разработчика ИИ, потому что он противоречит сути продуктовой разработки, где хочется убрать всё сложное и сделать любое усилие проще.
Поэтому наша цель в образовательном продукте, в том числе, в Кэмп, — направить усилие пользователя в правильные точки и тем самым повысить образовательную ценность и понимание.
Поэтапность и контроль над результатом как архитектура
Опытным путем мы пришли к тому, что образовательную ценность нельзя добавить сверху просто как UX-дизайн — её нужно закладывать в саму архитектуру продукта.
Поэтому вместо одного шага генерации мы продумали настройку целого набора действий для пользователя, чтобы он получил наиболее качественный результат:
пользователь задает входные данные (тема, источники, контекст);
формирует структуру результата;
настраивает параметры (аудитория, формат, глубина);
получает промежуточные версии;
редактирует и уточняет их;
собирает финальный результат.
В Кэмпе обязательные точки участия, которые нельзя пропустить или отдать на подбор самой нейросети. Потому что каждый шаг помогает пользователю понять, что он делает, и сформировать навык.
Ещё один принцип, который мы для себя зафиксировали: контроль над результатом в ИИ — это образовательный механизм.
Пользователь начинает выстраивать причинно-следственную связь, когда участвует в генерации и:
видит промежуточные шаги,
может менять структуру,
влияет на параметры результата,
наблюдает, как его действия меняют итог.
Без этого ИИ остаётся «чёрным ящиком», а пользователь — «оператором одной кнопки».
При всей этой архитектуре мы не можем гарантировать, что пользователь действительно проявит критическое мышление. Например, он может формально пройти все шаги и всё равно не вникнуть. Но мы уже проектируем продукт так, чтобы вероятность осознанного участия была максимальной для каждого пользователя.
Открытый вопрос для сферы образования
В образовании сейчас нет однозначного ответа на вопросы:
Как студенту и преподавателю корректно работать с ИИ?
Где проходит граница допустимого использования?
Что считать самостоятельной работой?
Как проверять понимание?
Мы для себя считаем эту тему зоной постоянных экспериментов и продуктовых итераций. Например, в предыдущей статье мы рассуждали о том, как ИИ постепенно меняет формат вузовского образования, смещая фокус от письменных работ к защите, диалогу и обсуждению решений.
В этой статье мы скорее фиксируем продуктовый слой этого же вопроса — что такое образовательная ценность внутри ИИ-продукта и где она реально возникает.
В чём будущее образовательного ИИ?
Наш текущий взгляд на проблему такой: образовательный эффект появляется только там, где пользователь не просто получает результат, а проходит через серию осмысленных шагов — задает входные данные, выбирает структуру, уточняет параметры и редактирует промежуточные версии.
В этой системе ИИ становится средой, которая управляет вниманием и заставляет пользователя оставаться в процессе. И тогда главный продуктовый вопрос при разработке образовательного ИИ меняется с «как быстрее дать ответ» на «как выстроить такой процесс, в котором пользователь не сможет просто нажать кнопку и исчезнуть из задачи».
В Кэмпе мы стараемся строить ИИ не как «генератор готового ответа», а как среду, где пользователь остаётся внутри процесса. Для нас это не просто UX, а часть образовательной логики продукта: понимание появляется тогда, когда пользователь видит связь между своими действиями и итоговым результатом, а ИИ перестаёт быть «чёрным ящиком».