Как быть зачетным преподом в эпоху ИИ

Начался новый учебный год, и я снова в роли препода веду курс по автоматизации бизнес-процессов с ИИ-агентами в ИТМО и AI Talent Hub.

Сегодня появляется новая базовая грамотность — умение работать с ИИ. Нужно понимать ограничения моделей, работать с контекстом и источниками и уметь проверять ответы.

И преподавателям тоже приходится перестраиваться.

1. Подготовка материалов

Для меня подготовка к занятиям всегда была способом самому чему-то научиться.

Хороший преподаватель должен оставаться немного исследователем и следить за новым в своей области. Нашел новое исследование или подход — разобрался и рассказал студентам. С ИИ это происходит намного быстрее.

Презентации можно быстрее собирать в HTML с интерактивными элементами и понятными диаграммами. Но здесь важно добавлять себя. Если просто генерировать все подряд, получается раздражающий нейрослоп.

Поэтому главное в лекции все равно человеческое: свой опыт, свои ошибки и выводы. У ИИ собственного опыта нет.

Зато после занятия ИИ может взять все, что я рассказал, и превратить это в сжатый конспект для студентов.

2. Проверка заданий

Вот здесь ИИ — настоящее спасение.

Я складываю работы по папкам, задаю критерии в Claude Code и запускаю несколько независимых агентов, которые проверяют работу. Затем еще один агент сравнивает выводы и формирует итоговую оценку.

А я уже проверяю точечно и добавляю свой опыт и понимание контекста. Агентов тоже приходится исправлять, но каждую мелочь вручную проверять уже не нужно. В итоге свое внимание можно сосредоточить на самом важном.

Финальная оценка и рекомендации все равно остаются за преподавателем.

3. Персонализация

Зачем всей группе давать одно и то же задание?

Можно оставить общие критерии, но каждому студенту адаптировать задачу под его интересы и предметную область.

Например, на моем курсе студент создает ИИ-агента под свой бизнес-процесс. У всех одинаковые критерии, но один автоматизирует маркетинг, другой продажи, третий разработку.

В итоге каждый работает с тем, что ему реально интересно.

4. ИИ должен быть частью работы студентов

Я не просто разрешаю студентам использовать ИИ, а специально проектирую учебный процесс так, чтобы они с ним работали и получали навык, который им понадобится в будущем.

Олды помнят, как нас заставляли писать код программы на листочке бумаги, а преподаватель потом компилировал его у себя в голове.

На курсе по автоматизации бизнес-процессов я не вижу смысла заставлять студентов вручную рисовать диаграммы, если ИИ делает это за секунды в mermaid-формате. ИИ может также помочь написать отдельные функции и даже собрать целого агента.

Важно другое: понимает ли студент общий принцип, может ли проверить результат, найти ошибку и управлять всей системой.

Не нужно сопротивляться инновациям, но нужно постоянно развивать собственное мышление.

5. Менять нужно и сам экзамен

Я терпеть не могу заученные ответы по билетам и прочую архаику. Тем более сейчас студент может просто спросить ответ у ИИ.

Поэтому я устраиваю экзамены в формате демо-дня.

Студент показывает свой проект, который делал на протяжении всего курса, рассказывает, что получилось, а что нет, какие решения принимал и чему научился. И главное — делится своим опытом с остальными.

На курсе по разработке продуктов с ИИ я сделал к демо-дню целое приложение-игру, чтобы показать все на собственном примере.

Студенты могли инвестировать виртуальные деньги в стартапы друг друга, тестировать их на виртуальных пользователях, а лучшие проекты в конце получили от меня подписки на Claude Code.

Мне кажется, именно так и должна меняться оценка знаний. Да, ИИ может знать больше преподавателя. Но он не заменяет опыт, эмпатию, критическое и творческое мышление.

Поэтому хороший преподаватель сегодня — это не просто человек, который передает знания. Он организует среду, в которой студент учится думать, создавать вместе с ИИ, проверять его и брать ответственность за конечный результат.

#мысли