ИИ в онлайн-образовании – инженерный плейбук

Кратко (TL;DR)

ИИ в образовательном продукте делится на две корзины, и от того, в какую корзину попадает функция, зависит почти всё в том, как вы её строите: вспомогательные функции, которые помогают учиться – автосубтитры, разбивка видео на главы и поиск по нему, ИИ-репетитор, конспекты и планы обучения – это низкий риск и копейки, тогда как оценивающие функции, которые судят ученика – автоматическое выставление оценок, приём и распределение по уровням, прокторинг экзаменов – классифицированы как высокий риск по EU AI Act и несут тяжёлое бремя соответствия. Под этим лежит второе деление: онлайн-образование – единственная вертикаль, которая живёт сразу на двух часах, асинхронном видеокаталоге с той же экономикой «обработай один раз – раздавай вечно», что у стриминга, и реальном времени живого класса с теми же ограничениями задержки, что у видеоконференций, поэтому каждую ИИ-функцию надо ещё и поставить на правильные часы. Единственное правило, которое держит всю систему в безопасности, – ИИ может черновать, но решает человек: модель пишет субтитр, конспект или флаг списывания, а человек доводит субтитр до уровня доступности, утверждает оценку и проверяет флаг, прежде чем тот попадёт в протокол. Этот плейбук даёт продакту и инженеру одну общую карту – каталог функций, двое часов, уровни риска, выбор «купить или построить», расчёт стоимости за час и шлюзы доступности и данных учеников, которые превращают удобную функцию в юридическое обязательство.

Почему это важно

Рынок большой, а кривая внедрения крутая: мировой рынок онлайн-образования в 2026 году оценивается порядка 365 млрд долларов при примерно 620 млн активных учащихся, и ИИ-сегмент внутри него растёт быстрее всего – около 40% в год. К середине 2025 года 84% американских старшеклассников сообщили, что пользовались генеративным ИИ-инструментом для учёбы, а ИИ-репетиторы уже обслуживали десятки миллионов учеников. Если вы строите, ведёте или прорабатываете образовательный продукт – маркетплейс курсов, платформу корпоративного обучения, университетскую LMS, языковое приложение или сервис живого репетиторства – «добавить ИИ» теперь стоит в роадмапе, и за этим стоят реальные инженерные и юридические решения: какая функция переиспользует какой конвейер, что работает в реальном времени, а что ночью, что разрешает выпустить EU AI Act и чего требуют законы о доступности и приватности до того, как функцию увидит первый ученик. Этот плейбук отвечает на эти вопросы конкретно для вертикали онлайн-образования. Он написан так, чтобы продакт мог спланировать функцию и её риск-профиль без инженерного или юридического образования, а инженер увидел, где именно каждая функция подключается к видео и где она может пойти не так. Глубокие уроки этого раздела – это руководства по компонентам; этот текст – карта вертикали, которая подсказывает, какое из них открыть.

Что на самом деле значит «ИИ в онлайн-образовании»

Если убрать маркетинг, «ИИ в онлайн-образовании» – это каталог конкретных функций, и каждая переиспользует видео- или языковой ИИ-конвейер, который можно назвать. Полезно увидеть весь список до того, как рассуждать об отдельном пункте, потому что функции делятся на группы, которые ведут себя совершенно по-разному.

Первая группа – понимание контента. Автоматическое распознавание речи – технология, превращающая речь в текст, сокращённо ASR – расшифровывает каждую лекцию, и из этой расшифровки вы получаете субтитры, индекс для поиска и автоматические главы, разбивающие часовую запись на навигируемые темы. Vision-language-модель – модель, которая «читает» изображения и видео и отвечает на вопросы о них словами, сокращённо VLM – может пойти дальше и пометить то, что на экране, чтобы ученик мог перепрыгнуть к моменту, где появляется схема.

Вторая группа – помощь ученику. ИИ-репетитор отвечает на вопросы по курсу, опираясь на материалы именно этого курса, а не на весь интернет, с помощью приёма под названием retrieval-augmented generation – сначала найди нужный фрагмент, затем дай языковой модели ответить по нему, сокращённо RAG. Та же механика черновит конспекты, карточки, планы обучения и тренировочные вопросы, а связка перевода и синтеза речи может дублировать курс на другой язык.

Третья группа – оценка ученика: автоматическая проверка заданий, рекомендации, кого принять или на какой уровень определить, и наблюдение за учениками во время экзамена для выявления списывания, что индустрия называет прокторингом. Эта группа выглядит как просто ещё один набор функций. Это не так. Как показывают следующие разделы, она управляется другим сводом законов и другим инженерным стандартом, и спутать её с первыми двумя группами – самая дорогая ошибка, которую может совершить команда.

Нажмите, чтобы увеличить

Особенность онлайн-образования: двое часов, а не одни

Вот структурная мысль, которая привязывает «ИИ» именно к «онлайн-образованию», и её упускает большинство обзоров. Другие видеопродукты живут на одних часах. Стриминговый каталог асинхронен – вы обрабатываете фильм один раз и раздаёте миллионам, поэтому важна только стоимость обработки одного элемента. Видеозвонок – реальное время: всё должно укладываться в сотню миллисекунд, поэтому важна только задержка. Образовательный продукт – единственная вертикаль, которая работает на обоих часах одновременно, и каждую ИИ-функцию надо поставить на правильные.

Первые часы – асинхронный каталог. Записанные лекции, курсы по запросу и архив прошлых сессий ведут себя ровно как стриминговая библиотека: вы расшифровываете, субтитруете, разбиваете на главы, эмбеддите и конспектируете каждое видео один раз, сохраняете результат и раздаёте его вечно. Экономика здесь – стриминговая, разобранная в плейбуке по разработке OTT-платформ: обработай один раз, раздай многим, и единственный реальный вопрос – стоимость этого однократного прохода, которую мы считаем ниже.

Вторые часы – класс в реальном времени. Живое занятие, репетиторство один на один и живой прокторинг работают внутри конвейера реального времени – стека WebRTC, который несёт звонок (real-time communication on the web – это WebRTC). Живые субтитры, живой перевод и живой репетитор сталкиваются с тем же бюджетом задержки до 100 миллисекунд, что и любая функция конференции, и подключаются к звонку так же – через медиасервер, маршрутизирующий потоки. Эта механика – предмет плейбука по ИИ в видеоконференцсвязи и урока про ASR-фан-аут на стороне SFU.

Практическое следствие – правило сортировки. Перед тем как строить любую ИИ-функцию, спросите, на каких она часах: если контент уже существует, делайте работу асинхронно в очереди, где вычисления дёшевы и медленная точная модель – это нормально; если момент живой, вы в бюджете задержки и нужна другая, быстрая модель. Одна и та же функция – например, субтитры – это дешёвая пакетная задача на записанной лекции и трудная задача реального времени в живом классе, и это две разные разработки. Роадмап онлайн-образования, который не разделяет двое часов, в итоге пытается гонять пакетные модели в реальном времени или платит цену реального времени за работу, которая могла подождать.

Нажмите, чтобы увеличить

Главное правило: функция определяет уровень риска

В видеозвонке связующее ограничение – задержка; в стриминговом каталоге – стоимость; в образовательном продукте связующее ограничение – что ИИ вообще позволено делать с учеником, и правило из него прямое: функция определяет уровень риска, а уровень определяет, как вы её строите, тестируете, документируете и выпускаете. Европа записала это правило в закон, и поскольку EU AI Act – Regulation (EU) 2024/1689 – применяется к любому поставщику, чья система используется в ЕС, он задаёт минимальную планку для любого образовательного продукта с европейскими учениками, а это на практике почти все.

Закон сортирует ИИ по уровням, и образовательные функции попадают в три из них.

Нажмите, чтобы увеличить

Верхний уровень – низкий риск, удобство, и в нём – большая часть того, что команды реально хотят выпустить. Расшифровка и субтитрование лекций, главы и поиск по видеобиблиотеке, ИИ-репетитор, конспекты, планы обучения и дубляж – всё это помогает ученику, не судя его. Закон не накладывает на них свой тяжёлый высокорисковый режим. Их обязанности приходят из другого места – точность, законы о доступности и приватность данных учеников, разобранные ниже в разделе про шлюзы, – и из обязанности прозрачности по Article 50: ИИ-сгенерированный контент и ИИ-чат должны быть обозначены как таковые. Это та корзина, которую выпускают первой и быстро.

Средний уровень – высокий риск, и триггер точен. Annex III, пункт 3 Акта перечисляет четыре образовательных применения как высокорисковые: ИИ для определения доступа или приёма в учреждение; ИИ для оценки результатов обучения, в том числе когда эти результаты направляют путь ученика; ИИ для оценки подходящего уровня образования, который человек должен получить; и ИИ для мониторинга и выявления запрещённого поведения учеников во время тестов – это последнее и есть прокторинг экзаменов, названный в законе. Если ваша функция делает любое из этих четырёх, она высокорисковая, и применяется высокорисковый режим: задокументированная система управления рисками, управление обучающими данными, человеческий надзор по дизайну, доказанная точность и устойчивость, автоматическое логирование, техническая документация и оценка соответствия до вывода системы на рынок. Эти обязанности для систем из Annex III применяются с 2 августа 2026 года. Это не галочка; это другой продукт с другой стоимостью и сроком, и именно эту часть команды недооценивают.

Нижний уровень – запрещено. С 2 февраля 2025 года Article 5 Акта запрещает ИИ-системы, выводящие эмоции человека на рабочем месте или в образовательных учреждениях, кроме узких медицинских причин или безопасности. Это важно напрямую, потому что некоторые инструменты прокторинга и «вовлечённости» рекламируют, что читают по лицу ученика стресс, внимание или «подозрительный» аффект. В ЕС это не высокорисковая функция, которой можно управлять, – это запрещённая, и заявленная причина регулятора в том, что вывод эмоций по лицу не имеет надёжной научной основы. Функция «измерять вовлечённость ученика по эмоциям с веб-камеры» – это черта, которую не переступают.

Та же логика верна и за пределами Европы, даже там, где статут иной: функция, которая судит ученика, несёт последствия, которых никогда не несёт удобная функция, поэтому она заслуживает более высокого стандарта точности, проверки на справедливость, человеческого контроля и ведения записей, где бы она ни выпускалась. Акт просто делает черту явной и обеспеченной правом.

Корзина удобства: дёшево черновать, дорого доводить

Возьмём сперва верхний уровень, потому что именно тут ценность и тут хорошее инженерное решение экономит больше всего. Определяющее свойство каждой удобной функции одинаково: ИИ выдаёт черновик за копейки, а последняя миля до отгружаемого результата – человеческая. Поймите эту форму правильно – и экономика отличная; проигнорируйте – и вы выпустите то, что выглядит готовым, но не готово.

Субтитры – самый ясный случай. ASR засубтитрует записанную лекцию автоматически, и черновик действительно полезен. Но автоматические субтитры сами по себе – не доступные субтитры. Лучшие речевые движки достигают около 90–95% точности на чистом общем аудио, и автосубтитры YouTube примерно в той же полосе; в реальных условиях лекции – акцент, шумная комната, плотная терминология – точность может упасть гораздо ниже. Практика доступности считает планкой осмысленного доступа 99%, и разрыв между 95% и 99% – это ровно та техническая лексика, которая ученику нужнее всего. Субтитр на 95% коверкает одно слово из двадцати, а на лекции по биохимии это одно слово – фермент. Поэтому шаблон таков: ASR черновит каждый субтитр за копейки, а человек доводит до 99% для любого видео, которое вы намерены называть доступным. Инженерия расшифровки за черновиком – в уроке про streaming ASR; конвейер дубляжа и субтитров поверх неё – в уроке про ИИ-дубляж и субтитры.

ИИ-репетитор – второй флагман, и правило там – заземление. Репетитор, отвечающий из весов общей модели, рано или поздно скажет что-то гладкое и неверное – галлюцинацию, – а в обучении уверенно неверный ответ хуже отсутствия ответа, потому что ученику нечем его поймать. Решение – retrieval-augmented generation: система сперва извлекает нужный фрагмент из расшифровок и материалов именно этого курса, затем просит языковую модель ответить, используя только этот фрагмент, со ссылкой на момент лекции. Ученик получает ответ, который может сверить с источником, а продукт держит репетитора внутри программы, а не всего интернета. Полная сборка – в уроке про video RAG; вопрос о том, когда общей VLM достаточно, чтобы заменить кастомный конвейер, – в уроке «просто возьмём VLM».

Главы, поиск, конспекты, планы обучения и черновики тестов имеют форму репетитора: они работают с той же расшифровкой и эмбеддингами, выдают черновик, который ученик или преподаватель может принять или отредактировать, и дёшевы, потому что дорогая часть – понимание видео – была сделана один раз при загрузке лекции. Одна оговорка на краю этой корзины: в момент, когда сгенерированный тест перестаёт быть учебным пособием и начинает выставлять официальную оценку, он переходит в высокорисковый уровень. Черновить тренировочные вопросы – удобство; выставлять оценку за экзамен – это уже оценивание.

«Частая ошибка: выпустить автосубтитры как «доступные». Демо, где автосубтитры чисто пробегают, соблазняет команду поставить галочку доступности и идти дальше. Затем глухой ученик попадает на лекцию, где субтитры превращают «миокардиальный» в «мой кардио», и плотные десять минут, которые важнее всего, становятся нечитаемыми – а платформа и недоступна, и (в ЕС и для государственных учреждений США) не соответствует требованиям. Решение структурное, а не дисклеймер: считайте вывод ASR черновиком, заложите человеческую правку до ~99% для всего, что называете доступным, показывайте ученикам, какие видео проверены человеком, а какие – авточерновик, и никогда не давайте «у нас есть автосубтитры» заменять обязательство по доступности. Спросите о каждой дорожке субтитров: «получит ли глухой ученик из этого равный доступ?» – и если честный ответ «нет», она не готова.»

Корзина оценивания: другой продукт, а не функция побольше

Высокорисковый уровень – там, где ИИ в образовании становится по-настоящему трудным и где большинству команд стоит притормозить. Здесь живут три функции – автооценки, приём и распределение, прокторинг – и все три имеют свойство, которого нет у удобных функций: неверный результат меняет человеку жизнь, а не вечер. Неверно выставленная оценка, отказ в приёме или ложный флаг списывания – это вред, который ученик не может легко отменить, и именно поэтому закон ставит их под высокорисковый режим, а инженерный стандарт поднимается под стать.

Автооценка – самая соблазнительная, потому что языковая модель правдоподобно оценит короткий ответ или эссе и сэкономит преподавателю часы. Ловушка в том, что «правдоподобно» – не «справедливо». Оценочная модель может быть систематически строже к неродной формулировке, к диалекту или к ответам, верным, но необычно сформулированным, и в масштабе целого потока маленькое смещение становится паттерном несправедливых исходов. По Акту это Annex III 3(b) – оценка результатов обучения – и обязанности следуют: управляйте данными, на которых училась модель, тестируйте точность и смещение до развёртывания, ведите логи и спроектируйте человека в контуре, который выставляет финальную оценку. Защитимый шаблон зеркалит корзину удобства: модель предлагает балл и доказательства к нему, а преподаватель решает. Модель черновит; оценку ставит человек.

Приём и распределение – рекомендация, кого принять или с какого уровня стартует ученик, – это Annex III 3(a) и 3(c). Применяется та же дисциплина, с ещё большим весом на проверке справедливости и на праве ученика на объяснение, потому что решение – это шлагбаум.

Прокторинг чаще всего идёт не так публично, и стоит конкретно понять почему. Прокторинг экзамена наблюдает за учеником через веб-камеру во время теста и помечает подозрение в списывании, обычно обнаруживая лица, отслеживая взгляд и поворот головы и замечая аномалии вроде второго человека в кадре. Это Annex III 3(d) по названию, и поскольку он обрабатывает лица, он затрагивает и биометрические правила в Annex III пункт 1. Повторяются три режима отказа. Первый – смещение: прокторинг на основе детекции лиц имеет задокументированную историю сбоев на учениках с тёмной кожей – один анализ нашёл, что широко используемый инструмент не обнаруживал чёрные лица в большинстве случаев, а ученики рассказывали, что им приходилось светить себе в лицо, чтобы их распознали, – вред, расследованный Нидерландским институтом по правам человека. Второй – ложные срабатывания: нормальное поведение – отвести взгляд, чтобы подумать, вошедший в комнату родственник, дёрганое соединение – помечается как списывание, и непроверенный флаг может завалить честного ученика. Третий – граница эмоций: любой прокторинг, заявляющий о выводе стресса или «подозрения» по лицу, в ЕС не высокорисковый, а запрещённый. Инженерный ответ – считать каждый сигнал прокторинга черновым флагом для человеческой проверки, а не автоматическим вердиктом; тестировать паритет детекции по тонам кожи до выпуска; и предпочитать дизайн, минимизирующий биометрическую обработку. Сами компоненты детекции разобраны в уроке про распознавание лиц под EU AI Act и в плейбуке по обнаружению аномалий; более широкая регуляторная инженерия – в уроке про EU AI Act.

Вывод для продакта: не дайте оценивающей функции въехать в роадмап на инерции удобных функций. Это отдельный продукт со своей работой по соответствию, своей проверкой справедливости и своим сроком, и честный дефолт для многих образовательных продуктов – выпустить корзину удобства сейчас, а корзину оценивания трактовать как осознанное, очерченное, более позднее решение.

Три способа добавить ИИ в ваш образовательный продукт

Если вы строите сам образовательный продукт, «добавить ИИ» сводится к одному из трёх маршрутов, и они меняют скорость на контроль так же, как всегда меняют платформенные решения.

Нажмите, чтобы увеличить

Первый маршрут – встроить через стандарт или вендора. У онлайн-образования есть преимущество, которого нет у других вертикалей: зрелый стандарт интероперабельности. Learning Tools Interoperability – LTI, сейчас версия 1.3, поддерживаемая консорциумом 1EdTech и построенная на OAuth 2.0 и JSON Web Tokens – позволяет вашей платформе подключить внешний инструмент, в том числе ИИ, так что ученик открывает его без отдельного входа. Через LTI или собственный SDK вендора вы добавите субтитры, репетитора или прокторинг за дни-недели, унаследовав работу вендора над точностью и подписанное соглашение о данных. Цена в том, что данные ученика и маржа за ученика живут в системе вендора, а кастомизируете вы только в пределах, которые он открывает. Это верный выбор, чтобы проверить, что ученики будут пользоваться функцией, до того как инвестировать во владение ею. Тут важны и два смежных стандарта: SCORM и более новый xAPI (Experience API), которые упаковывают и отслеживают учебный контент и активность ученика, так что ИИ-материалы и ИИ-отслеживаемая вовлечённость остаются переносимыми между системами.

Второй маршрут – собрать на управляемых AI-API – связать хостинговый speech-to-text с хостинговой языковой моделью и самим написать репетитора, разбивку на главы и экраны проверки. Это ступень вверх по усилиям, недели-месяцы, и она покупает реальный контроль: вы решаете опыт обучения, выбираете каждую модель и контролируете, куда идут данные. Размен в том, что интеграция, настройка точности и каждое соглашение о приватности теперь ваши.

Третий маршрут, и единственный, который оставляет продукт полностью вашим, – построить на открытых моделях – запустить открытые речевые и языковые модели на своей инфраструктуре. Это требует больше всего инженерии впереди, обычно месяцы, но аудио и данные ученика не покидают периметр, нет платы за ученика вендору и вы контролируете модель от и до. Это маршрут для платформы, чьи данные учеников и качество обучения и есть бизнес. Метод расчёта стоимости функции за всеми тремя маршрутами – в уроке про реальную стоимость ИИ в видео, а адаптация модели к вашей предметной области, включая онлайн-образование, – в уроке про дообучение video VLM.

Разобранный пример стоимости: за час контента, затем за активного ученика

ИИ-бюджет онлайн-образования двигают две разные стоимости, и они масштабируются по-разному. Сделайте арифметику один раз – и разговор «купить или построить» станет конкретным.

Первая стоимость – однократный проход по каталогу, и она масштабируется за час видео. Возьмём курс с 50 часами записанных лекций. Чтобы сделать его ИИ-усиленным, вы обрабатываете каждый час один раз. Расшифровка на управляемом движке стоит около 0,006 доллара за минуту аудио:

расшифровка:  60 мин × $0,006 = $0,36 за час лекции

Главы и конспект добавляют один проход языковой модели по этой расшифровке – примерно 12 000 слов текста на вход, короткий структурированный вывод, – что на модели среднего уровня стоит несколько центов, а эмбеддинг расшифровки, чтобы репетитор и поиск могли её найти, стоит доли цента. Округлим весь однократный проход щедро вверх:

однократный AI-проход:  ≈ $0,50 за час лекции  →  50 часов ≈ $25 за весь курс

Двадцать пять долларов, чтобы расшифровать, начерновить субтитры, разбить на главы, законспектировать и сделать поисковым весь 50-часовой курс, – это число, которое делает корзину удобства очевидным «да». Но это число черновика. Проход субтитров уровня доступности – человек, доводящий вывод ASR до ~99%, – это реальная статья расходов, а профессиональное субтитрование стоит примерно 1–3 доллара за минуту видео, или 60–180 долларов за час. Это на два порядка больше, чем ИИ-проход, и это честная форма функции: ИИ делает черновик за копейки, а доводку уровня соответствия делает человек.

Вторая стоимость – ИИ-репетитор, и она масштабируется за активного ученика, а не за час контента. Каждый вопрос репетитору – это извлечение плюс ответ языковой модели – несколько центов за вопрос в зависимости от модели и длины ответа. Ученик, задающий 20 вопросов, проходя курс, стоит порядка нескольких десятков центов на репетиторство, и так – пока он учится.

Числа иллюстративны и двигаются с ценами моделей; суть – в форме. ИИ-работа, делающая каталог умным, поразительно дёшева – десятки долларов за целый курс. Дорогие части – в другом: человеческая последняя миля на всём, что вы называете доступным, и постоянная стоимость за ученика всегда включённого репетитора. Планируйте бюджет вокруг этих двух, а не вокруг ИИ-прохода.

Шлюз, который проходит каждая функция: доступность, данные учеников и раскрытие

Здесь роадмап онлайн-образования тихо становится юридическим. Считайте следующее инженерно-релевантным контекстом, а не юридической консультацией – уточняйте конкретику у квалифицированного юриста для юрисдикций, где вы работаете.

Доступность – первый шлюз, и для онлайн-образования это закон, а не любезность. Web Content Accessibility Guidelines – WCAG, рекомендация W3C, текущая версия 2.2 – требуют субтитры для всего записанного аудио в синхронизированных медиа на самом базовом уровне соответствия (Success Criterion 1.2.2, уровень A), а аудиоописание и транскрипты идут выше. Два закона превращают эту рекомендацию в обязанность для онлайн-образования. В ЕС European Accessibility Act (Directive (EU) 2019/882) применяется с 28 июня 2025 года и явно покрывает образовательный контент, с WCAG AA как практической базой. В США обновление ADA Title II от Министерства юстиции 2024 года требует от государственных учреждений – включая государственные университеты и их онлайн-контент курсов – соответствия WCAG 2.1 AA, со сроками соответствия в 2026–2027 годах (Минюст скорректировал график в 2026 году, поэтому уточните актуальную дату для размера вашего учреждения). Инженерное следствие: субтитры и транскрипты – не премиум-функция, а базовое обязательство для большой доли рынка, и именно поэтому различие между автосубтитрами и доступными субтитрами выше – это черта соответствия, а не любезность.

Данные учеников – второй шлюз. В США Family Educational Rights and Privacy Act – FERPA – управляет образовательными записями; ИИ-вендор, обрабатывающий их, должен действовать как связанный договором «школьный официал» с законным образовательным интересом, что на практике означает соглашение о данных, запрещающее вендору использовать записи учеников в своих целях. В ЕС General Data Protection Regulation – GDPR – требует чёткого отношения «контролёр-обработчик» и, для высокорискового процессинга, оценки воздействия на защиту данных; для учеников младше 13 лет американский COPPA добавляет свои правила согласия. Специфичная для ИИ опасность – обучающие данные: как только персональные данные ученика попадают в обучающий набор модели, удалить их крайне трудно, поэтому несущие защиты – это договорной пункт «не обучать на наших данных» и архитектура (RAG, а не дообучение на сырых записях), которая вообще не пускает данные ученика в веса модели.

Раскрытие – третий шлюз. По Article 50 EU AI Act система, которая напрямую взаимодействует с человеком, должна дать ему знать, что он имеет дело с ИИ, а ИИ-сгенерированный контент должен быть помечен – поэтому ИИ-репетитор представляется, а ИИ-начерновленный конспект или дубляж помечается. Более широкая регуляторная инженерия, включая высокорисковые обязанности для корзины оценивания, – в уроке про EU AI Act.

Правило поперёк всех трёх шлюзов – то же, что управляет всей статьёй: человек остаётся у контроля над всем, что влияет на ученика. Доступность – право ученика на равный доступ; соглашение о данных – ваш контроль над тем, куда идут его записи; раскрытие – его право знать, что в дело вовлечена машина. Функция, уважающая все три, – это актив; пропускающая любой из них – это пассив.

Плейбук: от «добавить ИИ» к отгруженной функции

Сложите части – и добавление ИИ в образовательный продукт сводится к четырём вопросам, заданным по порядку.

Нажмите, чтобы увеличить

Первое, отсортируй функцию: судит ли она ученика – оценивает, принимает или проктирует? Если нет – это низкий риск, удобство; выпускай. Если да – это высокий риск по Annex III пункт 3; очерти как отдельный продукт соответствия с проверкой справедливости и человеческим надзором и никогда не строй вывод эмоций, который запрещён напрямую. Второе, поставь на часы: если контент уже существует, гоняй работу асинхронно, где вычисления дёшевы и медленная точная модель – норма; если момент живой, строй в конвейере реального времени под бюджетом задержки. Третье, правило «черновик и решение»: дай ИИ начерновить субтитр, конспект, оценку или флаг списывания, а человека поставь на решение – доводя субтитры до уровня доступности, утверждая оценки и проверяя флаги прокторинга, прежде чем те засчитаются. Четвёртое, и без исключений, шлюз соответствия: субтитруй по WCAG и European Accessibility Act, подпиши соглашение о данных FERPA или GDPR, запрещающее обучение на данных учеников, и раскрой ИИ ученику.

Это весь плейбук. Глубокие уроки этого раздела – руководства по каждому блоку: streaming ASR для расшифровки, питающей субтитры и поиск, video RAG для ИИ-репетитора, ASR-фан-аут на стороне SFU для субтитров живого класса и урок про распознавание лиц для компонентов прокторинга, к которым стоит подходить с наибольшей осторожностью.

Где здесь Фора Софт

Мы строим платформы онлайн-образования, видеоконференцсвязи и стриминга, внутри которых живут эти ИИ-функции – маркетплейсы курсов, системы корпоративного обучения, живые виртуальные классы и видеоконвейеры под ними, – поэтому регулярно прогоняем этот плейбук с клиентами. Когда клиент хочет проверить функцию, мы добавляем проверенный сервис субтитров или репетитора через LTI или вендорский SDK и сначала вшиваем раскрытие и соглашение о данных. Когда данные учеников и качество обучения и есть продукт, мы строим на собственном конвейере – расшифровывая и разбивая каталог на главы асинхронно, заземляя репетитора через RAG по курсам клиента и держа данные учеников внутри периметра клиента – с доступностью и паттерном «черновик и решение», заложенными в поток с первого спринта. Когда клиент поднимает тему оценок или прокторинга, мы трактуем её как отдельный высокорисковый продукт, которым она и является. Четыре вопроса этого плейбука – те же, что мы взвешиваем на скоупинг-звонках, когда образовательный клиент спрашивает, где в его роадмапе место ИИ.

Ключевые выводы

• ИИ в онлайн-образовании делится на удобные функции, помогающие ученику, и оценивающие, судящие его.
• Корзина определяет разработку: удобство – низкий риск и дёшево; оценки, приём, прокторинг – высокий риск ЕС.
• Онлайн-образование работает на двух часах – асинхронном каталоге как стриминг и классе реального времени как конференция.
• Каждая удобная функция дёшева в черновике и дорога в доводке; ИИ черновит, решает человек.
• Автосубтитры – это черновик, а не доступность; закладывайте правку до ~99% для всего, что зовёте доступным.
• Вывод эмоций учеников по лицам запрещён в образовании ЕС с февраля 2025 года – не стройте это.

Что почитать дальше

• Video RAG – мультимодальный RAG по видеоархиву
• ИИ в видеоконференцсвязи – инженерный плейбук
• Распознавание лиц под EU AI Act