Как ИИ в образовании не превращается в подсказчик: разбор подхода Pearson

ИИ-помощник для учёбы способен дать идеально правильный ответ — и полностью провалить задачу обучения. Потому что если система решает задачу за тебя, ты не учишься. Эта проблема занимает Pearson, британскую компанию с почти 180-летней историей, которая в 2025 году заработала 3,58 миллиарда фунтов. Разбираем, как она делает образовательный ИИ полезным и на что смотреть при выборе таких инструментов.

Почему правильный ответ — ещё не обучение

В обычном ИИ правильный ответ считается успехом. В образовании он может навредить: если ученик просто списывает решение, он не тренирует навык. Обучение происходит, когда человек сам доходит до ответа, а ИИ направляет, но не решает за него.

Поэтому Pearson не измеряет качество своих продуктов точностью модели. Генеральный директор Омар Аббош прямо говорит: способность модели сама по себе не определяет, работает ли образовательный продукт. Важнее, как модель сочетается с учебным контентом, педагогикой и пониманием того, как люди учатся.

«Модель — лишь один ингредиент, а учебный опыт — нечто гораздо большее», — объясняет Аббош.

Что отличает рабочий образовательный ИИ

Компания встроила генеративный ИИ в свои продукты в 2023 году, а в 2024-м первой среди крупных издателей учебников добавила ИИ-инструменты в проприетарный академический контент. В 2025-м создала AI Centre for Enablement — для координации управления, безопасности и оценки. Технологический стек охватывает Amazon Bedrock, Microsoft, Google Cloud и IBM watsonx, но это лишь часть системы.

Устойчивое преимущество Pearson — не модели, а три актива:

• Учебный контент. Академически выверенные материалы, которые используют миллионы студентов.
• Данные о поведении. Десятилетия данных о том, где студенты спотыкаются, к каким темам возвращаются, как меняется их успеваемость.
• Опыт внедрения. Понимание того, как продукт реально используется, а не как предполагалось.

Последнее — отдельная история. Pearson ожидал, что AI-генератор занятий Smart Lesson Generator ускорит подготовку учителей. Вместо этого педагоги стали использовать его прямо во время урока: менять материалы по ходу занятий, подстраиваясь под уровень и интерес учеников. Компании пришлось пересобрать пайплайн, чтобы учитель мог быстро генерировать мелкие активности и итерировать прямо на паре.

Такой опыт не исчезает при смене модели. Он остаётся, даже когда базовые ИИ становятся дешевле и однороднее.

Как проверить, что ИИ действительно учит

Перед покупкой образовательного ИИ спросите, какие доказательства есть у разработчика. Не просто метрики вовлечённости, а данные о результате обучения.

Pearson приводит несколько внутренних исследований:

• Почти 80 миллионов учебных взаимодействий и около 400 000 студентов: пользователи AI Study Tool заметно чаще демонстрировали поведение активного чтения.
• 62 000 студентов: адаптивная практика с ИИ делала достижение начального уровня мастерства на 90% более вероятным — без дополнительного времени на учёбу.
• 128 000 ИИ-подсказок: 97% студентов использовали инструмент так, как задумано.

Выглядит внушительно. Но профессор Юниверсити-колледжа Лондона Мутлу Чукурова предупреждает: активное чтение и «начальное мастерство» измеряются внутри той же платформы, которая даёт ИИ. Это не доказывает, что обучение действительно произошло. Настоящий тест — сможет ли ученик обойтись без инструмента.

«Десятки миллионов взаимодействий дают узкие доверительные интервалы вокруг величин, которые могут быть не важны», — говорит Чукурова.

Сам Аббош признаёт: компания всё ещё строит доказательную базу. Следующий шаг — связать данные об использовании с оценками на экзаменах и курсовыми результатами. Этого пока нет, поэтому не верьте агрессивным обещаниям «ИИ ускоряет обучение в N раз» — спрашивайте про независимые измерения.

Сравнение: слабый и сильный образовательный ИИ

Управление рисками без бюрократии

Когда ИИ используют миллионы людей, невозможно проверять каждое взаимодействие вручную. Pearson решает это через общий центр управления: стандарты безопасности, оценки и ответственного использования задаются централизованно, а продуктовые команды адаптируют их под своих учеников. Вместо согласования каждого решения — единые принципы.

При этом нельзя выпускать ИИ из-под контроля. Дэвид Бруденелл из Decidr замечает: компании часто внимательно проверяют модель, но забывают про права доступа. Агент может получить широкие полномочия через служебный аккаунт на пилоте — и сохранить их при переходе в продакшн. Это касается и образования.

Показательна позиция Кавитты Гхаи из Nectir, которая строит ИИ-ассистентов для университетов:

«Доступ к сильной модели — это не развёртывание ИИ в кампусе. Лицензия не включает интеграцию с LMS, обучение преподавателей и институциональные контроли».

Правило простое

Если ИИ-инструмент можно обменять на другую модель без потери качества — это просто обёртка над API. Настоящая ценность — в контенте, данных, педагогике и доверии вузов. Эти вещи не купить за месяц. И когда оцениваете очередной «ИИ-репетитор», спросите: ученик сможет решить задачу сам, когда ИИ выключится? Если нет — это не образование, а цифровые костыли.