Команда магистратуры по искусственному интеллекту AI Talent Hub Университета ИТМО разработала прототип ИИ-тренажера, который помогает сотрудникам X5 Tech развивать мягкие навыки (soft skills) через имитацию деловых диалогов и получать персонализированные рекомендации для повышения эффективности работы.

Команда участников интенсива AI Talent Camp разработала прототип ИИ-сервиса, который автоматически формирует персональные учебные планы для подготовки к международным экзаменам. Решение помогает сократить время создания образовательной траектории с нескольких часов до нескольких минут.

Проект ExamLab Bot был создан в рамках интенсивной программы по подходу ИИ-first Product Engineering. Участники прошли полный цикл разработки ИИ-продукта: от формулирования гипотезы и анализа пользовательской задачи до создания работающего MVP и защиты решения перед экспертами.

Подготовка к международным экзаменам требует точного планирования. Преподавателю нужно учитывать уровень ученика, сроки до экзамена, цели, слабые темы, расписание занятий и структуру программы. Вручную создание такого учебного плана может занимать 3–4 часа.

ExamLab Bot автоматизирует эту работу. Сервис предназначен для преподавателей и образовательных организаций, которые готовят учеников к международным экзаменам, например IB и A-Level.

Главная задача решения — снять с преподавателя рутинную часть планирования и помочь быстрее собрать персональную образовательную траекторию под конкретного ученика.

ИИ-система анализирует вводные данные ученика и помогает сформировать индивидуальный план подготовки. Она учитывает цель обучения, сроки экзамена, структуру программы и доступное расписание.

Сервис умеет:

— анализировать цели обучения и сроки экзамена;

— формировать персональную учебную траекторию;

— синхронизировать план с календарём;

— корректировать программу по мере прогресса ученика;

— помогать преподавателю быстрее управлять подготовкой.

Если в традиционном формате создание учебного плана занимает несколько часов, то в прототипе ExamLab Bot этот процесс сокращается примерно до 2 минут.

Ключевой особенностью ExamLab Bot стала архитектура на основе мультиагентного подхода. Вместо одного универсального ИИ-ассистента команда разделила систему на несколько агентов, каждый из которых отвечает за отдельную часть процесса.

В системе используются агенты для:

— анализа учебной программы;

— планирования образовательной стратегии;

— генерации заданий;

— проверки структуры плана и сроков;

— контроля логики учебной траектории.

Такой подход повысил устойчивость системы и качество планирования по сравнению с одноагентной архитектурой. Когда разные агенты отвечают за разные задачи, продукту проще сохранять структуру, проверять промежуточные результаты и снижать риск ошибок.

Технический стек проекта включает:

— Python;

— PostgreSQL;

— Telegram-бот;

— Google Sheets;

— Google Calendar;

— OpenRouter API.

Работа над проектом проходила в формате короткого продуктового цикла. За несколько дней команда прошла путь от идеи до работающего прототипа, который можно показать пользователям и экспертам.

Каждый этап разработки включал:

— анализ пользовательских задач;

— формулирование гипотез;

— оценку технических рисков;

— создание прототипа;

— тестирование решения;

— доработку функциональности.

Такой формат помогает быстро проверять, насколько продукт действительно решает задачу пользователя. Вместо долгой разработки «идеального» сервиса команда сфокусировалась на минимально работающем продукте: сначала подтвердить ценность, затем постепенно расширять функциональность.

Проект ExamLab Bot показывает один из важных трендов EdTech: ИИ-решения всё чаще используются не только для генерации контента, но и для автоматизации сложных интеллектуальных процессов. В образовании это особенно заметно в задачах персонализации обучения, планирования траекторий и адаптации программы под конкретного ученика.

Основные выводы команды:

— скорость разработки зависит не только от ИИ-инструментов;

— ключевую роль играет быстрый цикл обратной связи;

— MVP важнее большого набора функций на старте;

— персонализация обучения становится стандартом в EdTech;

— мультиагентная архитектура помогает лучше разделять сложные задачи.

Этот кейс также показывает, что ИИ-first подход меняет саму логику разработки продукта. Команда может быстрее переходить от гипотезы к прототипу, проверять решение на реальных сценариях и точнее понимать, какие функции действительно нужны пользователям.

После завершения интенсива команда планирует провести закрытое тестирование ExamLab Bot с преподавателями и образовательными организациями.

Следующие этапы развития продукта:

— пилотное внедрение сервиса;

— расширение списка международных экзаменов;

— масштабирование архитектуры;

— улучшение логики персонализации;

— подготовка коммерческой версии.

Если гипотеза подтвердится на пилотах, ExamLab Bot может стать инструментом для преподавателей и EdTech-команд, которым нужно быстро создавать индивидуальные учебные планы и сопровождать подготовку учеников к экзаменам.

Подробный разбор архитектуры, процесса разработки и продуктовых решений опубликован в статье на Хабре.

В полной версии команда рассказывает:

— как создать ИИ-продукт за 7 дней;

— как устроена мультиагентная архитектура ExamLab Bot;

— какие технические решения использовались в проекте;

— какие продуктовые инсайты появились во время разработки.

Крупные технологические компании всё чаще сталкиваются с дефицитом инженеров, способных не разрабатывать модели, а доводить ИИ-продукты до внедрения и бизнес-результата. В ответ на этот запрос в образовательной среде начинает формироваться новый подход к подготовке специалистов — AI-first Product Engineering. Такую модель совместно протестировали X5 Tech и магистратура по искусственному интеллекту AI Talent Hub Университета ИТМО. В рамках пилотной программы участники за одну неделю прошли полный цикл создания ИИ-продуктов — от формулировки гипотез и анализа рынка до запуска MVP и итераций на основе обратной связи. Результатом стали 17 работающих прототипов. Об этом CNews сообщили представители ИТМО.

В основе подхода — идея инженера нового типа, который отвечает не за отдельный этап разработки, а за весь жизненный цикл продукта. В модели AI-first Product Engineering ИИ используется на каждом этапе работы: от исследования и проектирования до разработки и тестирования, что позволяет инженеру сосредоточиться на архитектурных, продуктовых и стратегических решениях. Такая роль объединяет компетенции ML-инженера, продуктового менеджера и бизнес-аналитика.

В пилоте приняли участие 54 специалиста, отобранные из 135 заявок. За семь дней команды последовательно прошли все ключевые этапы продуктовой работы, что в традиционных образовательных форматах обычно занимает месяцы. Финальным этапом стала экспертная оценка проектов представителями индустрии, среди которых — Андрей Себрант, директор по маркетингу «Яндекс», Павел Подкорытов, CEO Napoleon IT, а также представители X5 Tech и других технологических компаний.

Направления разработок: образование, бизнес и лайфстайл Это ExamLab — ассистент репетитора, Inna.ai — ассистент для интервьюера, RnD Риск Аналитик, Бот для автоматического ответа студентам, AI Label — аналитик трендов для SMM, EventAI — платформа для организаторов конференций, «Закупыч» — бот для закупки продуктов, Excelend — аналитик данных для Excel, PD audit — ИИ-аудит проектной документации, JustGrow — B2B-продажи для стартапов на ранней стадии, Proba — аудит процессов компании, Expert — ассистент по вопросам пожарной безопасности, «Просвет» — помощник для ментального здоровья, «Опора» — чат-бот для борьбы с тревожностью, AIwine — сервис подбора вина, Lumi — дневник самонаблюдения, «Ниточка» — платформа для лучшего понимания талантов ребенка. Несколько проектов получили предложение о финансировании или внедрении в компанию во время финальной презентации.