Сегодня я на Яндекс Scale.

В выступлениях пленарного заседания особенно запомнились две цифры: более 94% разработчиков Яндекса регулярно используют ИИ-агентов, а общая экономия рабочего времени составляет около 10–12%. На отдельных задачах выигрыш может быть многократным, но в масштабе всей работы результат скромнее. Это собственные данные компании, не независимое исследование. И всё же такой разговор об эффективности лучше обещаний десятикратного роста производительности.

Что мы хотим получить от ИИ в медицинском образовании? Освободить время преподавателя? Дать обучающимся больше практики? Улучшить обратную связь и коммуникативные умения? Число пользователей нейросети само по себе ни на один из этих вопросов не отвечает.

Из показанного особенно интересны агенты, которым можно поручить последовательность действий: собрать сведения из нескольких систем, разобраться в контексте, подготовить документ, поставить задачу. При этом в демонстрации сотрудник проверял письмо перед отправкой, а разработчик принимал или отклонял изменения в коде. Вполне конкретная граница между работой системы и решением человека.

Представим применение на кафедре. Преподаватель поручает агенту собрать результаты учебных консультаций группы, выделить повторяющиеся ошибки и подготовить материал для следующего занятия. Система показывает, на каких наблюдениях основаны выводы. Преподаватель проверяет их и решает, что делать дальше. Это возможный сценарий использования показанных технологий; готового решения для кафедры в презентации не было.

Отдельная тема - собственная база знаний: учебные сценарии, методические материалы, научные публикации, записи занятий. На конференции говорили о поиске по документам, таблицам, изображениям, аудио и видео. Возможности широкие. Но способность обработать видеозапись занятия ещё ничего не говорит о точности оценки действий обучающегося. Её предстоит исследовать.

В демонстрации аналитики понравилась возможность проследить показатель до исходных данных. Этот принцип нужен и при оценке компетентности: преподаватель должен открыть конкретный фрагмент диалога и понять, почему система сделала такой вывод. Для исследовательской работы требование то же. Красивый график мало помогает, если непонятно, из чего он получился.

Есть и вопрос стоимости. Спикеры обсуждали удешевление вычислений, облачное и собственное размещение моделей. Для образовательного продукта имеет смысл считать стоимость законченной практики: разговор с виртуальным пациентом, обработка голоса, оценивание, обратная связь. Именно от этой суммы зависит, сколько попыток мы можем предоставить обучающемуся. Цена отдельного токена этого не показывает.

Наконец, полномочия агента. Подготовить рекомендацию, изменить оценку, отправить письмо, открыть доступ к материалам действия с разными последствиями. Права доступа и безопасность, которым уделяли много внимания в докладах, в образовательной организации придётся связать с ответственностью конкретных людей. Эти решения нужны уже при проектировании работы.

Поэтому и подготовку преподавателей стоит строить вокруг реального процесса. Выбрать одну задачу, определить допустимые действия ИИ и требования к результату, затем проверить: сколько времени освободилось, какие ошибки появились, что получил обучающийся. Здесь нам самим придётся точно сформулировать, какого улучшения мы ждём и как собираемся его увидеть.

Ответственность за подготовку будущего врача остаётся у нас.

#искуственныйинтеллект

Подписывайтесь на МЕДОБР🌏НАВИГАТОР в Телеграм и в Макс