Селимов | про Образование и Развитие

И даже в школу (правда в немного другой роли) успел сходить 🥯👨‍💻

И здесь ещё что-то успел помодерировать

Как говорится, нашлась пропажа :) Это я после перерыва делюсь фотографией с интересного мероприятия - III Стратегической сессии «Современные технологии и языки народов России» 🚀 На этом мероприятии я гордо носил бейджик «Эксперт», потому что представлял свой проект «На родном», который скоро представлю и в своем канале (ну и ещё расскажу, куда же пропал)

#EdAI Сегодня встретился с другом, который преподаёт историю в университете. В какой‑то момент стало понятно, что он почти не использует Perplexity, и разговор естественным образом превратился в обмен опытом: я попытался сформулировать то, чему сам успел научиться за полгода работы с инструментом. 🔥Ниже три основных вывода из этого разговора. 1. Spaces как рабочая среда преподавателя В Perplexity есть формат Space — отдельное пространство под курс или проект. По сути, это личная интеллектуальная база, где ИИ работает не с абстрактным интернетом, а с вашими материалами. ❔Что можно сделать преподавателю: 🔹Загрузить в Space конспекты лекций, методички, презентации, статьи по конкретному курсу. 🔹В инструкции задать роль: «ты университетский преподаватель истории», «ты академический писатель» и т.п. 🔹Указать уровень студентов: первый курс бакалавриата, магистратура, заочная программа и др. 🔹Прописать правило: опираться в первую очередь на загруженные файлы и не добавлять внешние источники без прямого запроса. После этого можно обращаться к Space с любыми промптами: просить набросать вопросы к семинару, адаптировать план занятия под другой уровень, сформулировать пояснения к сложной теме. ИИ в такой конфигурации работает внутри заданного корпуса материалов, что снижает риск «галлюцинаций» и повышает точность формулировок. 2. Ограничения бесплатных версий для академических задач Мы отдельно протестировали практическую задачу: поиск учебников по истории для студентов первого курса. Формулировка запроса была намеренно конкретной. Результат получился показательным: В бесплатной версии, даже с углублённым поиском, по оценке моего друга не оказалось ни одного действительно точного попадания под его запрос. В версии с подпиской Pro он получил несколько качественных рекомендаций, часть из которых были для него новыми, несмотря на значительный преподавательский опыт. Отсюда рабочий вывод: для серьёзной академической работы (подбор литературы, материалов, источников) бесплатные версии ИИ часто не дают нужного уровня качества. Они подходят для общего знакомства и простых задач, но в более «тонких» сценариях функциональность Pro заметно выигрывает. 3. Разгрузка рутины, а не подмена преподавателя Мы довольно быстро сошлись в одном: смысл применения ИИ в университете не в том, чтобы снижать смысловую и исследовательскую нагрузку преподавателя. Преподавание остаётся зоной человеческой ответственности — от чтения и интерпретации текстов до живого взаимодействия со студентами. При этом ИИ может быть полезен в более технических, рутинных задачах: 🔹Поиск и первичный отбор материалов по заданным критериям. 🔹Генерация черновиков типовых документов: шаблонов писем, описаний дисциплин, базовых требований к заданиям. 🔹Формирование заданий: варианты тестов, списки вопросов к семинарам, заготовки кейсов. 🔹Подготовка черновых версий, которые затем проходят тщательную проверку и доработку преподавателем. Такой подход позволяет снять часть рутинной нагрузки и освободить время на содержание курса и работу со студентами, не передавая ключевые решения инструменту. Как вам кажется, с какой задачи логичнее всего начать знакомство преподавателя с Perplexity: с организации Space под один курс или с точечного использования только для поиска материалов?

Самое продуктивное, что я сделал за последний год не имеет отношения к AI. И почему понимание не стоит делегировать. За последнее время у меня было много ситуаций, когда 3-4 часа действительно сосредоточенной работы заменяли недели "дефолтной" работы (моей или чьей-то, не важно). Не потому что я работал быстрее, а потому что я нашел ресурс как следует вникнуть. Речь не только про AI-слоп, а про людей, команды, целые проекты. Вникание всегда работало, но с засильем AI стало каким-то волшебным зельем (которое все сложнее добывать). Если говорить про нашу с вами работу головой - узкое горлышко не в скорости. А внимание и осознанность. Понимание того, что ты делаешь и зачем. И именно это сейчас под ударом с двух сторон благодаря AI. Первая - внутренняя: думать энергозатратно, и мы механически, стараемся это делегировать (пусть агент сам решит, что ответить на письмо / отберет материал / примет архитектурное решение и т.д.). Вторая - внешняя: AI усиливает кризис внимания, ведь контента становится больше, attention span сжимается. И получается замкнутый круг: чем сложнее сосредоточиться, тем больше хочется делегировать, а чем больше делегируешь - тем меньше понимаешь. А цена такого делегирования - когнитивный долг - ты просто потом переделываешь, потому что не можешь развивать то, чего не понимаешь. А делать-то что? 1. Отвоевывай часы сосредоточенной работы (например так). Отвлечься просто, а войти в поток - нет. 2. Think first. Еще до того как подключишь всезнайку (AI) - постарайся вытащить из себя и других людей как можно больше сути. Диктовка, разговор, доска - что угодно. AI потом усилит, но начальная мысль должна быть твоя. 3. Цени свои оригинальные идеи. Записывай их. Сама в своем эссе утверждает, что в будущем единственным ограничением останутся действительно хорошие идеи. 4. Автоматизируй рутину, не мышление. Массовые, повторяющиеся, document-heavy операции - вот где AI дает кратный рост. Принятие решений - оставь себе. 5. Инвестируй время в понимание предметной области, а не только инструментов. Чтобы лучше понять мир для которого ты строишь. Заметьте, я говорю об этом не с позиции морали (правильно/не правильно). Это просто эффективнее. А еще это снижает тревогу: когда ты разобрался в том, что делаешь, ты спокойнее, ты владеешь этим. AI эту способность у вас не заберет. Просто не отдавайте ее сами. 🔥 ➕ 🔁 @nobilix

Интересные наблюдения

#EdAI 🤖Недавно попробовал Google Stitch как инструмент для быстрых UI‑макетов. Google Stitch — это ИИ-сервис, который позволяет отрисовать интерфейсы приложений за несколько промптов, просто описав их. В целом впечатление такое: для быстрых черновиков интерфейсов это рабочий вариант, особенно когда нужно «пощупать» идею кабинета преподавателя или дашборда для курса без погружения в дизайн‑систему. Классные фичи ✅Можно описать экран текстом — и через пару минут получить набор вариантов, с которыми уже удобно обсуждать логику и сценарии в команде. ✅Также очень удобно, что сделанные экраны можно выделить и для всех разом вносить правки ✅Собранные экраны можно сразу экспортировать в html 🤔Но по мере использования стали проявляться ограничения, о которых важно знать заранее. Во‑первых, сервис официально недоступен из России Во‑вторых, Stitch не очень устойчиво ведёт себя на длинных промптах: если пытаться описать сразу целый сложный интерфейс, заметно растёт количество «галлюцинаций» и странных решений в макете. Лучше разбивать задачу на несколько коротких запросов с чётким фокусом на 1–2 экрана. Отдельная тема — экспорт в Figma. Формально он есть, но работать с такими файлами непросто: структура слоёв получается тяжеловесной, автолейаут часто используется «с перебором», много лишних обёрток, и до аккуратного макета приходится долго «дочищаться» вручную. Плюс Stitch заметно хуже справляется с кириллицей: текст может отображаться некорректно, ломаться по строкам или выбиваться из общей визуальной логики. Мой вывод на данный момент спустя пары часов с сервисом: Stitch подходит как быстрый генератор идей и черновиков для продуктов в образовании, но пока его нельзя воспринимать как готовую замену полноценной дизайн‑работы — особенно если вы делаете русскоязычный интерфейс и планируете активно дорабатывать макет внутри Figma. В следующем посте планирую рассказать о том, как я использовать Perplexity для уточнения запросов к Stitch и таким образом создал конвейер из двух ИИшек, которые очень сильно облегчили мне работу (12 экранов сайта я отрисовал за 2 часа) Ниже представлены скриншоты интерфейса и примеры экранов, которые я сделал с помощью промптов

#EdAI 💸 Сколько на самом деле стоит ИИ в цифровом образовании — на живых примерах Иногда ИИ в EdTech подают либо как «это безумно дорого», либо как «да там копейки, просто подключите API». Правда, как обычно, посередине. ИИ сам по себе стоит относительно разумно — дорожает всё вокруг: видео, озвучка, хранение, инфраструктура. Хочу разобрать это на нескольких понятных сценариях — от одного ролика до целого модуля. Сценарий 1. Один обучающий ролик для онлайн‑курса Представьте, вы делаете короткий обучающий ролик на 5–7 минут: объяснение темы, простая анимация, озвучка, лёгкий фон. Внутри уже живёт целый «зоопарк» ИИ‑инструментов: 🔹 LLM — помогает дописать сценарий, примеры, вопросы 🔹 сервис генерации видео — собирает визуал 🔹 TTS — озвучивает голосом «без микрофона и студии» 🔹 музыка — стоковая или сгенерированная 💰Если смотреть на актуальные цены: - Текст (LLM, например, GPT‑4o‑mini): 3–5 тыс. токенов на один ролик (черновик + правки + финал) → примерно 0.02–0.08$ за текстовую часть. - Видео (Runway/Pika и аналоги): 5–8 клипов по 6–8 секунд. Сейчас многие платформы берут 0.40–1.50$ за 5–10 секунд видео в API‑режиме. → один ролик выходит в районе 3–8$ только на видео. - Озвучка (ElevenLabs и аналоги): 1000–1500 слов — это примерно 7–10 минут речи. По действующим тарифам это 0.10–0.30$ за ролик. - Музыка: Либо сток (если у вас подписка, стоимость размазывается), либо ИИ‑генератор. В обоих случаях обычно выходит 0.10–0.50$ на ролик. - Хранение и доставка (облако + CDN): Для одного видео в нормальном качестве это ещё 0.05–0.15$ — за хранение и трафик. 💸В сумме получаем: → примерно 3.3–9$ за один ролик. То есть «написать сценарий с ИИ» стоит буквально центы, а вот «сделать красивое видео, озвучить и отдать пользователю» — уже доллары. Сценарий 2. Небольшой модуль для школы / вуза Теперь представьте, что вы делаете модуль из 10 таких роликов: короткий курс для студентов или школьников. 💰10 роликов × 3.3–9$ = 33–90$ только на ИИ‑часть и инфраструктуру вокруг неё. И это мы ещё не считаем: - время методиста - дизайн заданий - LMS - проверку и аналитику Здесь хорошо видно, что ИИ — не основной «пожиратель бюджета». Основной вопрос — как вы встроите его в свою юнит‑экономику: какая у вас стоимость привлечения и обучения одного ученика и какую ценность даёт этот модуль. Сценарий 3. Интерактивная практика вместо одной лекции Другой пример. Допустим, преподаватель хочет заменить одну «говорящую голову» на более живой формат: не один длинный вебинар, а: - 3–4 коротких ролика - набор практических задач - несколько интерактивных кейсов с разными уровнями сложности Что здесь может делать ИИ: 🔹 Генерировать варианты задач под разные уровни (А, B, C‑группы студентов) 🔹 Помогать писать разборы типичных ошибок 🔹 Создавать варианты кейсов «по той же теме, но с другими вводными» 🔹 Дополнять курс тестами и вопросами для самопроверки Если считать только ИИ‑часть (без видео), на один такой «пакет практики» уходит: - несколько десятков тысяч токенов (много генераций, проверок, переписываний) → примерно 0.5–3$ за весь комплект заданий. Здесь становится видно, где ИИ особенно выгоден: когда вы масштабируете вариативность, а не просто делаете один «идеальный» курс. 💼Несколько выводов, к которым я пришёл: 🔹 Сам ИИ (LLM) — относительно недорогой. Основная часть бюджета — это видео, озвучка, хранение и поддержание инфраструктуры в рабочем состоянии. 🔹 «Дорого» начинается тогда, когда нет архитектуры. Если делать всё разово, руками и без продуманного пайплайна, вы будете переплачивать за хаос, а не за точечное использование ИИ.

Читаю книгу «Разработка приложений на базе GPT-4 и ChatGPT» — захотелось прочитать что-то более системное и фундаментальное, чем прикладные курсы по ИИ (хотя без них тоже никуда!) Дочитал до 60 страницы, и если опустить технические подробности и инсайты, самое главное, что меня удивило, хоть и кажется вполне себе очевидным — всеми нами любимый GPT появился ещё в 2017 году! Да, конечно, тогда он не мог считать текст с картинки, проанализировать его и тут же сделать презентацию, но факт в том, что он был. Удивительно осознавать, что в мою жизнь, да и жизнь людей вокруг эта технология добралась только пару-тройку лет назад. Небольшое напоминание о том, как важно, как говорят в Лаборатории в Вышке «ловить слабые сигналы трендов», чтобы быть готовым к их развертыванию :)

Всем привет! Конец декабря, январь и начало февраля (😳) выдались насыщенными, за это время я успел: ⁃ встретить Новый год и провести время с семьей и близкими ⁃ сдать две сессии на 4-5 ⁃ сделать 2 новых бота (один из них - впервые для меня на Python) ⁃ выбраться с девушкой за город и покататься на лошадях ⁃ почти закончить осваивать основы SQL 🫡 ⁃ освоить навык написания ТЗ для разработчиков, порулить командой из бэкендера, фронтендера и дизайнера и поставить несколько десяток задач в Гитлабе ⁃ понять, как связаны 1С и Битрикс и как они могут терять связь между собой (и как её вернуть)😋 ⁃ разобраться в архитектуре 3-х сайтов и выявить ошибки ⁃ написать свою первую документацию к API ⁃ провести 3 когнитивных интервью для валидации опросника по использованию ИИ💼 ⁃ продвинуться в технической реализации своего этнокультурного проекта (но всё ещё на уровне прототипа)😌 ⁃ впервые встать на сноуборд и упасть поехать ⁃ понять, что в Яндекс.Лавке вкусная еда ⁃ разработать концепцию ДПО по социальному предпринимательству И ещё много-много домашних дел🙏 Сейчас из того, чем бы хотел поделиться: думаю сделать для сестры бот, помогающий в изучении английского. Честно, пока не совсем понимаю, как он должен работать, но знаю, что должен помогать 😂 Буду делиться процессом создания — и другими новостями (надеюсь, в режиме онлайн, а не постфактум) Всем хорошего дня и до связи👨‍💻

#EdAI 🤩Конкурс инноваций в образовании - это 1500 заявок. 1500 заявок — это 3000+ участников. 3000+ участников — это около 6000 файлов: сертификаты и документы с персональной обратной связью для каждого. Их нужно не просто где‑то хранить, а доставить каждому адресно. 🤩Вручную это очень трудоёмкая задача, поэтому я решил собрать чат-бота на n8n, который берет на себя эту раздачу. С какими сложностями пришлось столкнуться: 🔹 Полное отсутствие опыта в классическом кодинге — я не разработчик и не пишу сложные скрипты каждый день 🔹 Непонимание архитектуры: как именно должен «думать» бот, какие шаги выполняет, в какой последовательности, где хранить логику 🔹 Технические проблемы с Google Drive: нестабильность доступа, ограничения и ошибки при массовой работе с файлами Как удалось с этим справиться: Во‑первых, я опирался на ИИ как на «партнёра по разработке»: максимально детально формулировал задачи, описывал, что именно должно происходить на каждом шаге, и просил сгенерировать фрагменты кода или готовые куски логики для n8n. Кстати, часто ИИ понимал проблему, даже если я просто присылал ему скриншот. Затем адаптировал и тестировал их под свою задачу. Во‑вторых, отдельно сел и просто логически прорисовал архитектуру бота: как участник взаимодействует с ним, какие данные передаёт, как бот находит нужный файл, как отправляет его в ответ. Нарисовал схему, после чего последовательно перенёс её в n8n: узлы, ветвления, проверки. Наконец, когда стало ясно, что Google Drive создаёт больше проблем, чем решает, заменил хранилище на Яндекс Диск — и поток стал заметно стабильнее. Инсайты, которые вынес из этого процесса: 🤩Даже без глубокого знания кода можно выстраивать рабочие решения, если разбить задачу на понятные шаги и уметь формулировать запросы к ИИ и к самому себе 🤩Облако — это не абстракция, а очень конкретные ограничения и особенности; иногда смена провайдера (с Google Drive на Яндекс Диск) — более эффективное решение, чем попытки бесконечно «чинить» текущий стек 🤩И, наверное, главное: автоматизация — это не про «минимум работы», а про уважение к участникам. Когда каждый получает свой сертификат и свою обратную связь без потерь и задержек (почти), это тоже часть образовательного опыта и культуры конкурса. Если интересно, могу в отдельном посте разобрать, как именно выглядит схема бота в n8n и какие узлы стали ключевыми. Ставьте реакцию 👾 Бота можно потыкать тут - @kivo2025_certificates_bot Для теста можно использовать мои ФИО - Селимов Тимур Сергеевич.

#выступления 🖼 На днях выступал на форуме «Технологии в образовании» в Вышке — совместном событии Альтаирики и Лаборатории инноваций в образовании. Собралось более 800 директоров и учителей со всей России (более 30 регионов!) 🚀 Структура форума была интересной: 🔹 Панельные дискуссии с экспертами об ИИ и VR в образовании 🔹 Практические мастер-классы (я проводил один из них) 🔹 Экспериментальная зона — прямое тестирование VR-решений Что обсуждалось на форуме: 🔹 ИИ — это инструмент для снижения нагрузки на учителей, а не их замена 🔹 Роль педагога трансформируется: от передачи знаний к роли менеджера и вдохновителя 🔹 Результаты тестирования подтвердили: VR повышает эффективность запоминания материала 🔹 Главный барьер — не технологии, а компетенции и методика внедрения в школах О моём мастер-классе: «Как начинать применять ИИ в свой работе: от первого промпта к первым результатам» Провёл сессию по основам промптинга и практическому применению ИИ для создания образовательных материалов. Целью было разобраться вместе: как работают эти инструменты и как их можно адаптировать под конкретные образовательные задачи. Участники работали в мини-группах по четыре человека, проходя через серию практических задач. Сначала мы вместе разобрались, что такое промпт. Сначала мы включили компьютеры. - было не просто. Затем участники тестировали разные ИИ-агентов (Алиса, ГигаЧат) на четырёх последовательных промптах: 🔹 Первый промпт — введение в ИИ простыми словами 🔹 Второй промпт — как ИИ может помочь конкретно в работе учителя 🔹 Третий промпт — принципы составления хороших промптов с примерами 🔹 Четвёртый промпт — самостоятельная попытка подготовить три задания для следующего урока После каждого этапа группы сравнивали ответы разных агентов и обсуждали результаты. Я также поделился принципом fine-tuning — когда результат ИИ не подходит, нужно добавить контекст, уточнить цель задания, описать уровень учеников, временные рамки. Фраза «А что, так можно было?» звучала неоднократно. Это был важный момент осознания — когда педагоги увидели реальные возможности инструментов на практике. Когда мы вместе разбирались с конкретными примерами применения — как сэкономить время на проверке работ, создании персонализированных заданий, разработке контента — появлялось новое понимание потенциала технологий. Встреча с педагогами из разных регионов показала, что есть серьёзный интерес к практическому освоению новых инструментов. Это вдохновляет — движение в сторону образовательных инноваций стремительно! ❔ Если у вас есть вопросы про внедрение ИИ в образовательный процесс или вы хотите разобраться с промптингом — пишите в комментариях, с удовольствием обсужу. К слову, в комментариях также оставил презентацию, которую составил для выступления :)