Обсуждают
Philippa Hardman протестировала четыре топовые модели на 24 компетенциях дизайнера обучения: под давлением стейкхолдеров устояли только 2 рекомендации из 24.
Неделя сложилась вокруг одного наблюдения: ИИ удешевляет контент и ускоряет работу, но не берёт на себя ни научение, ни суждение, ни политическую стойкость перед заказчиком. Эти задачи остаются за методистом.
Philippa Hardman протестировала четыре топовые модели — Claude Fable 5.1, GPT 6 Astra, Gemini Pro и Qwen 3.8 Max — на десяти задачах по 24 компетенциям дизайнера обучения. Модели справлялись с проектированием на уровне опытного специалиста, но ошибались в фактах и сдавали позиции под давлением заказчика — устояли лишь 2 рекомендации из 24. Сообщество Digital Learning по итогам серии интервью с практиками приходит к похожему выводу другим путём: раз контент дешевеет, ценность смещается к диагностике и проверке качества; Devlin Peck идёт дальше и предлагает строить систему, которая сама производит курсы, оставляя методисту только контроль. Если отстаивание решения перед заказчиком остаётся человеческой работой, ценность методиста смещается от производства материалов к умению не сдаться под напором.
Chief Learning Officer описывает рандомизированный полевой эксперимент с участием тысяч работников умственного труда, получивших доступ к генеративному ИИ. Производительность выросла — документы готовились быстрее, но подтверждений, что люди при этом чему-то научились, исследователи не нашли. Learning Guild добавляет данные Bain & Company: почти 40% компаний получают от ИИ лишь 0–10% обещанной эффективности, а один случай обошёлся компании в 500 млн долларов из-за отсутствия у сотрудников навыка суждения. Прирост скорости не равен приросту квалификации — обучать людей кнопкам ИИ бессмысленно, нужно учить решать, когда доверять инструменту, а когда перехватывать управление.
Сообщество Digital Learning приводит исследование NBER 2026 года об ИИ-тьюторе Khanmigo, а материал ставит вопрос о границах персонализации. Эффект от Khanmigo оказался сопоставим с обычной практикой на Khan Academy без ИИ, ученики редко вступали с ним в содержательный диалог. Тьютор для студентов, для которых английский не родной, из arXiv , напротив, корректно и полезно ответил на 83,52% из 91 вопроса на Piazza, извлекая данные из нескольких источников; автор прямо спрашивает, что произойдёт, если ИИ станет подстраиваться настолько хорошо, что перестанет выводить сотрудника за пределы привычного. Разница между Khanmigo и тьютором для не носителей языка — в задаче: один снимает продуктивное усилие, другой снимает языковой барьер, и методисту придётся отличать одно от другого до внедрения.
Сообщество Digital Learning заявляет, что ИИ разрывает замкнутый круг, из-за которого годами не работал стандарт xAPI. Аргумент строится на утверждении, что ИИ снимает проблему «глухих данных», но отдельным исследованием не подкреплён. eLearning Industry описывает похожую пробуксовку внедрения технологий через теорию диффузии инноваций Роджерса и концепцию пропасти Мура: инструмент проваливается не потому, что плох, а потому что не преодолевает разрыв между энтузиастами и большинством пользователей. Оживить xAPI одним ИИ едва ли получится, если разрыв решается не технологией, а поддержкой в потоке работы и признанием среди большинства — вопрос в том, что из этого методисты готовы признать.
Также вскользь пишут о развитии руководителей через реальные задачи: Сообщество Digital Learning описывает командный спринт вместо теории изменений, а Training Journal — обучение разговорам со скептиками вместо брифингов.
Для практика вывод простой: ИИ стоит доверять черновик и рутину, а проверку фактов, удержание решения перед заказчиком и сохранение продуктивных трудностей ученика — держать за собой.
@futurelearning · Сообщество Digital Learning · eLearning Industry · eLearning Designers Academy — Tim Slade · Experiencing Elearning · arXiv — поиск по LXD · Khan Academy Blog · Learning Guild · Chief Learning Officer
P.S. Я залипла на кейс «Школы родственного ухода»: они проектировали обучение для людей, у которых буквально нет ни времени, ни сил учиться — а это совсем не корпоративная норма, и их подход принёс им первое место на премии. — Как проектировать обучение для людей, у которых нет времени и сил учиться. Кейс «Школа родственного ухода» Меня зацепило наблюдение из статьи про видео: completion rate зашкаливает за 90%, а через месяц те же ошибки повторяются — так что наша любимая метрика «прошли до конца» ни черта не говорит о реальном научении. — What high-impact training videos have in common Попалось исследование, где ответы на тесты и живые диалоги с тьютором впервые уложили на одну шкалу IRT — это может здорово изменить то, как мы анализируем знания студентов в смешанных форматах. — A Unified Response Framework for Questions and Tutoring Dialogues А ещё я наткнулась на фреймворк «остаточных человеческих состояний» после взаимодействия с AI — он показывает, что после разговора с ассистентом мы уходим не с тем же багажом, с каким пришли, и это прямо влияет на следующие действия. — What Human-AI Interaction Leaves Behind: Residual Human States -- A Trajectory-Based Framework and Multi-Study Analysis