📌 Уровни использования ИИ в разработке образовательных продуктов

Мне, как человеку, работающему в управлении образовательными продуктами, занятно слышать пространные рассуждения о вреде и пользе ИИ, когда один говорит: “нужно внедрять инструменты”, а другой отвечает: “да, я использую чатГПТ каждый день.” Мне очевидно, что разговор обо всем и не о чем — на разных уровнях.

Поэтому я решила разложить пользование ИИ по более четким уровням через призму пользовательского опыта и масштаба результата: от помощи в ответе на простой вопрос до появления опытов, которые раньше были невозможны. И то, как учиться, чтобы использовать ИИ на этом уровне.

Вот как я сейчас вижу эти уровни. Как минимум пять:

1. Использование ИИ для ответов на вопросы
То, что раньше мы гуглили, теперь «чатджипитиим». На этом уровне мы усиляем знания предмета, разбираемся в терминах и получаем понятный ответ «человеческим» языком вместо страницы со ссылками (хотя Google теперь тоже так умеет).
—> нас не нужно уже учить промптингу, мы сами можем задать вопрос.

2. Поддержка отдельных задач в проекте
Составить программу, написать сценарий для учебного видео, расшифровать интервью с экспертом и т.д. Цель: сделать быстрее то, на что раньше уходило гораздо больше времени. Здесь мы используем текстовые модели и радуемся освободившемуся времени (или тратим его на скроллинг 😁).
—> здесь качественный промт ускорит и увеличит эффективность работы.

3. Аутсорс непрофильных функций
Здесь мы передаем ИИ задачи, которые мы не можем или не хотим учиться делать сами. Создать видео, нарисовать персонажей и иллюстраций для курса, озвучить видео. Здесь же мета-методические задачи типа создания портрета целевой аудитории (картинку), красивую питч-презентацию для заказчика. На этом уровне появляется вайбкодинг, эксперименты с креативными инструментами и AI-магия за минуты или недели вместо часов или месяцев.
—> здесь мы учимся использовать новые инструменты и вайбкодить

4. AI-powered решения, которые создают добавленную ценность или даже заменяют целые процессы
Например, мы можем создать AI-агента для навигации по большой внутренней базе знаний или бота для поддержки пользователей 24/7. На этом уровне уже сложно сделать всё в одиночку — нужна кросс-функциональная экспертиза и нормальный дизайн и разработка решений.
—> здесь на выходе получается готовое решение — нужно уметь управлять разработкой, а не только делать руками

5. Создание продуктов, которые были бы невозможны без LLM
Платформы для обработки огромных массивов данных, AI-powered learning tools, AI-преподаватели и т.д. Здесь возможности безграничны. Сложность - тоже. Все AI-driven и AI-powered стартары — все здесь.
—> где этомы учиться? нигде. Объединять свою предметную экспертизу и искать запрос рынка. Настоящий продуктовый менеджмент.


Я уверена, что есть что-то и дальше того, что я сейчас вижу, и мне очень интересно копать эту тему глубже.

А на каком уровне AI-adoption сейчас вы?