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
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