Куда и как edtech внедряет ИИ

Разговоры об искусственном интеллекте в образовании сопровождаются ожиданием прорыва — от персонализированных курсов до роботов-преподавателей. На деле пока компании сосредоточены на автоматизации рутины: это уже дает экономию, но системного влияния на бизнес-результаты пока нет, показал анализ кейсов игроков edtech-рынка. 

Smart Ranking представляет первую карту кейсов внедрения ИИ в различные бизнес-процессы на рынке онлайн-образования: от генерации контента до алгоритмов персонализации. 

Дарья Рыжкова, СЕО агентства Smart Ranking

«Наша цель — понять, какой буст рынку edtech дают ИИ-технологии. Но поскольку мы пока не видим массового создания образовательных продуктов на ИИ, мы не можем сделать рейтинг и оценить рынок в деньгах. Сейчас мы сосредоточились на сборе данных об успешных кейсах внедрения ИИ в существующие продукты и кластеризовали их в карту, чтобы в дальнейшем оценивать их по глубине внедрения и эффективности для образовательного процесса и бизнеса edtech-компаний».

Вместо сотрудника

Анализ карты показал, что в образовательных продуктах ИИ применяется прежде всего в автоматизации: таких кейсов больше всего — 15 из 33. Компании описывают внедрение ассистентов для продаж, чат-ботов, систем проверки заданий. Именно такие кейсы приносят наиболее измеримый эффект: здесь легко посчитать экономию на зарплатах, рост конверсии или снижение нагрузки на команду. Реже ИИ используется для персонализации, генерации контента, аналитики и речевой диагностики. 

Таким образом, ИИ в edtech становится «сотрудником», который берет на себя рутинные задачи, ранее требовавшие команды специалистов. Впрочем, такое применение ИИ характерно для любого типа бизнеса, не только edtech.  

«Сейчас большинство edtech компаний разрабатывает ИИ-решения в тех сегментах бизнеса, где они могут выраженно повлиять на снижение расходов. Поэтому основные кейсы применения ИИ сосредоточены в тех областях, которые традиционно зависели от специалиста и были затратны: проверка домашнего задания, тестирование и диагностика знаний, тренинги, повторение материала и, конечно, создание контента – от методологии до визуализации», — считает Наталья Царевская-Дякина, генеральный директор аналитического агентства «Эддва».

Свои разработки и GPT

Как правило, edtech-компании разрабатывают ИИ-решения самостоятельно — таких кейсов 27. Приобрели технологию у подрядчика три компании, а еще в двух случаях указали смешанный тип — доработанную чужую систему. 

Чаще всего среди основной технологии упоминается GPT. Она используется в каждом втором кейсе в изучаемой выборке. Следом идут машинное обучение, комбинации нескольких LLM, компьютерное зрение и специализированные модели (например, для анализа аудио).

Таким образом, то, что GPT встречается в половине кейсов, говорит об использовании компаниями готовых и универсальных решений для своих задач. Тем не менее, активное использование машинного обучения и комбинация сразу нескольких моделей указывают на готовность рынка разрабатывать уникальные инструменты через обучение на собственных данных. 

Свою роль в глубине проработки решений сыграло и импортозамещение. Как отметил Константин Егошин, гендиректор «Кеды профессора», сработал локальный стек. YaGPT, GigaChat, VK Cloud-LLM избавили от зависимости от западных API, обеспечили хранение данных в контуре 152-ФЗ и сократили вывод новых AI-фич до 6–8 недель.

Эффект есть, но не системный

Почти в каждом кейсе (29 из 33) компании смогли зафиксировать метрику, на которую повлияло внедрение ИИ. Они рассказали и о влиянии на число клиентов, обращений в чат, экономии на сопровождении студентов. 

• На четверть повысилась вовлеченность учеников после диагностики компетенций Leoni с помощью ML-модели

• На 23% возросла активность учеников на платформе «МКласс» от MAXIMUM Education

• на 25% выросла выручка «Дома знаний», который персонализирует обучение через систему для прогноза оценки ученика, граф знаний и автоматические опросы учеников

• +10% к ежемесячному прогнозу фиксирует Skillbox благодаря ИИ-помощнику для учителей английского

В 14 случаях из 33 отметили, что внедрение ИИ уже оказало положительное влияние и на финансовые показатели. Однако формы и масштаб этого эффекта варьируются, что не дает возможности зафиксировать устойчивый тренд. Тем не менее, сам факт того, что почти половина компаний в том или ином виде замечает денежную выгоду, кажется положительной тенденцией. 

Некоторые компании не зафиксировали рост выручки, но сообщили о снижении издержек:

• вполовину сократились расходы на кураторский состав с помощью «Нейрокуратора» в EDPRO

• 26% составила экономия расходов на сопровождение студентов с ИИ-ассистентом Ада от karpov.courses

Карта ИИ-решений

Около трети кейсов указали, что влияние на бизнес-метрики пока незначительное, либо продукт только тестируется. Несколько компаний открыто заявили, что эффекта нет или он еще не проявился.

Глобальные исследования тоже подтверждают: ИИ внедряется активно, но эффекты пока ограничены. По данным McKinsey (2023 г.), 79% компаний используют ИИ хотя бы в одной функции, но только 5% видят его влияние на EBIT. Более свежая статья Boston Consulting Group (2025 г.) говорит о том же: 75% называют ИИ приоритетом, но лишь 11% фиксируют рост прибыли. 
В то же время подобные исследования не охватывают вопрос о том, что было бы, если бы компании вовсе не внедряли ИИ: в мировом edtech мы видим, как отдельные компании вроде Duolingo и Squirrel AI добились рывка за счет активного использования ИИ, в то время как американский гигант Chegg столкнулся с падением спроса: его бизнес-модель, основанная на помощи студентам, оказалась уязвимой на фоне широкого распространения генеративных ИИ-инструментов.

Тройка лидеров 

Участники рынка упоминают нескольких игроков в качестве лидеров по внедрению ИИ. Как правило, они говорят о Skyeng, Skillbox и «Яндекс Практикуме». 

Skyeng отметился чат-ботом, который может оценить словарный запас ученика, его темп речи и фонетику, тем самым освободив до двух часов работы методиста. Другая разработка компании — автоматическая генерация урока с учетом увлечений ученика. В компании отметили, что благодаря ней снижается количество возвратов в начале обучения и растет вовлеченность. 

О решениях Skillbox говорят, как о примере удачной автоматизации: автоматическая проверка знаний и модули по аналитике сокращают нагрузку на преподавателей и дают прирост вовлеченности. Кроме того, компания предоставила больше всех решений для карты ИИ — восемь кейсов. 

«Яндекс Практикум»  создает подсказки для студентов и краткий пересказ пройденного материала. Кроме того, ИИ встроен в проверку кода. 

Созрел ли ИИ в edtech

Участники рынка считают, что внедрение ИИ в edtech пока находится на начальной стадии и решает несистемные задачи.

Кирилл Пшинник, сооснователь Zerocoder, говорит, что ИИ в российский edtech еще на стадии раннего внедрения. По его словам, пока речь идет о фрагментарной интеграции — от проверки домашних заданий до персонализации клиентского пути. Генеративные модели применяются для лидогенерации, подготовки методичек, подсказок преподавателям, но «ни одна из технологий пока не закрывает полный цикл задач автономно». Даже чат-боты и ассистенты не могут полноценно заменить менеджеров или кураторов.

О низком уровне зрелости говорит и Юлия Ермилова, директор по развитию ProdavAI. «По сравнению с другими индустриями edtech безусловно гораздо более открытая и готовая к экспериментам аудитория: судя по результатам наших CustDev интервью внедрением ИИ-ассистентов и прочих агентов никого не удивишь. Но при этом совсем небольшой процент компаний (около 5% по нашим подсчетам) реально внедрил технологию и активно ею пользуется», — отмечает она.

По ее словам, многие компании понимают необходимость внедрения ИИ, но отсутствие ярких примеров и рекомендаций по-прежнему мешает запуску собственных инициатив.

Есть и противоположное мнение. Константин Егошин, наоборот отмечает, что «российский edtech уже вышел из фазы экспериментальных пилотов и перешел к масштабируемой зрелости: AI-модули закладываются прямо в P&L, а восемь из десяти крупных платформ получают часть выручки от generative-AI. Фокус сместился с “фич ради PR” на функции, меняющие юнит-экономику: LLM-репетиторы и голосовые боты снимают до двух часов рутины с преподавателя». 

Он выделяет три направления, где ИИ в российском edtech используется особенно активно: персональные AI-репетиторыи адаптивные траектории (пример — Skyeng), генеративное производство контента, автоматическая проверка знаний и learning-аналитика. По его словам, в Skillbox такая связка уже сократила нагрузку на преподавателей в 1,5–2 раза и дала прирост вовлеченности. 

Тем не менее,  глубокой персонализации пока не хватает, считает эксперт. Повышение вовлеченности от текущих рекомендательных движков держится всего на 10–15%. «Следующий прорыв лежит как раз на стыке мощных моделей и более тонкой контент-инженерии», — прогнозирует Константин Егошин.

О той же проблеме говорит и Наталья Царевская-Дякина: «Пока нет ярких кейсов применения ИИ-тьютора, индивидуального ИИ-сопровождения процесса обучения. Я это связываю с отсутствием необходимого уровня ИИ-грамотности у самих учеников. Чтобы успешно работать с системами искусственного интеллекта, надо иметь определенный навык их использования и обучения, а у большинства пользователей он пока не сильно развит».

Перспективы

Участники рынка и эксперты считают, что ИИ-решениям в образовании есть куда развиваться. Наиболее перспективные направления — персонализация, эмоциональная аналитика, нейроинтерфейсы и связь обучения с карьерным треком.

«Одним из ключевых, но пока недостаточно реализованных направлений остается персонализированное обучение. Потенциал нейросетей здесь огромен: возможность строить образовательную траекторию на основе данных о поведении пользователя, автоматически адаптировать сложность заданий, темп и формат подачи материала», — говорит Кирилл Пшинник. Развитию направления пока мешают ограниченное качество обучающих выборок, сложность верификации знаний, генерируемых ИИ и отсутствие общепринятых стандартов для контроля качества ИИ-контента. 

Александр Ларьяновский, инвестор, сооснователь Realytics, бывший управляющий партнер Skyeng, считает, что ИИ особенно эффективен в «гуманитарных» областях, где может использоваться для предварительной генерации контента.

«При отработке правила грамматики лучше использовать материалы на интересную человеку тему. Зная его словарный запас, можно любой текст переписать под него или переозвучить аудио с липсинком. Представьте себе бота, с которым вы в качестве домашки общаетесь голосовыми сообщениями на английском, а в конце диалога получаете список ошибок и упражнения на их отработку», — объясняет он.

Ларьяновский считает, что перспективным также выглядит применение ИИ в роли «первой линии методической поддержки»: когда бот помогает ученику не просто увидеть ошибку, но и самостоятельно ее осознать и исправить. Кроме того, ИИ может строить индивидуальный граф знаний и прогнозировать пробелы на основе типовых ошибок, тем самым персонализируя траекторию обучения.

Константин Егошин называет еще несколько недоиспользованных зон внедрения ИИ: 

• Эмоциональную аналитику: технологии уже позволяют считывать мимику и интонации, чтобы понять, когда студент устал и нуждается в поддержке. Однако «продукты застряли в демозонах» из-за юридических и этических ограничений.

• Нейроинтерфейсы. Простые EEG-гарнитуры показывают, что подстройка темпа обучения под когнитивную нагрузку повышает вовлеченность, но «оборудование дорогое и капризное к настройке», поэтому пока не используется.

• Сквозные траектории «от обучения к карьере». Сегодня платформы могут порекомендовать следующий урок, но не связывают прогресс с рынком труда, поскольку данные о навыках и вакансиях разбросаны по разным системам.

• Предиктивное удержание. По словам Егошина, «алгоритмы, которые заранее видят, что студент собирается „соскочить“, могут сохранить до трети подписок», но без объединенных данных из CRM и LMS такие решения работают лишь в отдельных школах.

«Итог простой: модели уже готовы, но их сдерживают инфраструктура, нормативка и фрагментированные данные. Уберем барьеры — и потенциал сразу превратится в реальные деньги и лучшую учебу», — резюмирует он.

Дополнительный потенциал эксперты видят и за пределами учебного процесса — прежде всего в маркетинге и продажах. Юлия Ермилова считает, что ИИ-ассистенты могли бы значительно усилить персонализацию коммуникаций на всех этапах воронки: от квалификации лида до «дожима» после вебинара или работы с подписной базой.

«Отделам продаж сложно охватить весь пул таких лидов, к тому же для компании это крайне высокозатратный процесс, в то время как ИИ-сотрудники могут оперативно и персонализировано подойти к коммуникации и заработать дополнительные ”очки” в виде горячих лидов или даже закрытий на оплату», — отмечает она.

Итак, ИИ становится частью бизнес-модели edtech-компаний — особенно там, где можно автоматизировать массовые процессы: продажи, проверку заданий, сопровождение студентов. Такие сценарии проще всего оцифровать и измерить, поэтому именно они дают наиболее заметный эффект: от роста выручки до снижения издержек. Однако масштаб и устойчивость этого эффекта пока неоднородны. Тем не менее, есть все предпосылки для того, чтобы в ближайшие годы ИИ-направление стало ключевым драйвером эффективности продуктов на рынке онлайн-образования.