Хороший, но недостаточно: экономит ли ИИ время?

Очень часто попадаются юмористические ролики про то, как ИИ «экономит» время.

В посте расскажу про свой кейс «экономии» времени с ИИ, который отлично иллюстрирует те минусы инструмента, которые мешают автоматизации процессов.

👉Коротко о задаче:
Дано:
Есть «поток сознания» в голове (много неструктурированной информации) и пару десятков картинок, иллюстрирующих этот поток.

Задача:
Структурировать информацию и расписать её в таблице (600+ ячеек).

Осмысленно заполнить 600 ячеек — задача не быстрая.

ChatGPT отлично умеет структурировать информацию, а ещё умеет «видеть» картинки.
Логичное решение — объяснить ИИ, какая именно таблица мне нужна, какие поля в ней должны быть, как нужно их заполнять, закинуть весь «поток сознания» с картинками — и пусть структурирует и расписывает.

С первой же итерации результат получился неплохим. Всю огромную таблицу я, естественно, не читал. Пробежался по части таблицы, увидел общие недочёты и попросил ИИ их исправить (после каждой итерации перечитывать весь объём очень долго).

Несколько подобных итераций — и ChatGPT скидывает готовый Excel-файл с листами и удобным форматированием.

Круто? ДА НЕ ТО СЛОВО! Гигантская таблица меньше чем за полдня работы, да ещё мы успели «обсудить», что в таблице может быть не так и что требует улучшений. ChatGPT нашёл логическую ошибку в «потоке сознания» и внёс десяток идей по улучшению таблицы. Большая часть идей — откровенно дебильная, но 2 взял в работу — и это очень ценно.

Начал смотреть таблицу подробнее:
Часть столбцов и строк ИИ сделал практически идеально — проверил, немного подправил, и всё готово. В других было большое количество ошибок, поэтому проще и быстрее просто удалить «плохие столбцы» и заполнить их с нуля (ошибки и неточности разные, парой промптов не получится исправить).

В итоге не факт, что с ИИ у меня вообще получилось сделать работу быстрее.

Результат одновременно кажется и фантастическим, и совершенно бесполезным (не считая 2 классных советов, это было очень полезно). С одной стороны, то, что мы можем закинуть куда-то страницы текста с картинками и получить структурированную таблицу, — просто магия. С другой стороны, допущенные ошибки в составлении таблицы делают её совершенно бесполезной.

У классной таблицы высокая ценность, таблица с ошибками — не нужна и даром (при этом таблица далась совершенно не даром: на составление промпта, итерации, да и просто на то, чтобы перенести десяток страниц текста из головы на бумагу, ушло несколько часов).

С автоматизацией процессов всё ещё сложнее. Там не получится посмотреть работу и что-то доделать руками (иначе какая это автоматизация?). ИИ сделал работу плохо — значит, с этим и будем жить. Работа с промптами и применение современных методов работы с ИИ улучшают качество ответов принципиально, но получится ли «дотянуть» ответ до нужного качества и сколько это будет стоить — большой вопрос.

Упрощая: доверили бы вы задачу студенту-стажёру без контроля результата? Если да — такие задачи совершенно точно можно автоматизировать с ИИ.

Этот кейс хорошо иллюстрирует два тезиса:
🔹нас, скорее всего, не заменят машины, но вот тех, кто не использует ИИ в работе, весьма вероятно заменят те, кто использует (те, кто не пользуется - останутся без 2 классных советов);
🔹ИИ не снимает с вас ответственности за вычитку и контроль качества, а часто даже увеличивает её.

P.S. ИИ — это невероятно мощный инструмент. Но его эффективность всегда упирается вопрос: «Насколько хорошо я умею ставить ему задачи?».

Друзья, у меня для вас новости!

Уже в четвёртый раз выступаю на Learning Elements. В этот раз конференция будет онлайн и полностью про ИИ в обучении.

Планирую рассказать (и надеюсь расскажу 😁) об «умном обучении»: как встроить ИИ в электронные курсы так, чтобы он не просто проверял знания, а помогал формировать реальные умения и вовлекал в процесс. Покажу примеры из практики и разберу простые способы, как интегрировать ИИ в e-learning (да и про сложные способы расскажу).

👉Много классных спикеров и интересных тем (вот тут программа).

👉А еще практикумы.
Например, у Владимира Казакова будет практикум по вайбкодингу. Как мне кажется, тема суперактуальная для всех, кто разрабатывает курсы (да и не только).

Буду рад видеть вас на конференции (она уже на следующей неделе)! Думаю, получится живой разговор о том, как ИИ уже меняет e-learning.

Дебаты
Уже года 4 не участвовал в дебатах, хотя сам формат мне интересен (даже несколько раз проводил подобные мероприятия).

Как это работает: берется спорная тема и две команды. Одна команда отстаивает позицию «ЗА», другая «ПРОТИВ».

Но суть не в ссоре, а в интеллектуальной игре. Часто команды защищают позицию, с которой не согласны или согласны не полностью. Это и есть главный вызов — постараться увидеть любую проблему с разных сторон.

В чем польза для зрителей?
Дебаты — это возможность за короткое время услышать аргументы обеих сторон по сложному вопросу. Вместо одной точки зрения вы получаете сбалансированную картину, которая позволяет посмотреть на проблему объемнее, понимая сильные и слабые стороны каждой позиции.

И вот отличный повод посмотреть на дебаты вживую онлайн!
В этот четверг, участвую в онлайн-батле «Готовые курсы VS разработка» (формат очень похож на дебаты), который проводит сообщество Digital Learning.

Нам с Иваном Булавкиным (начальник центра дистанционных образовательных технологий ПАО «РЖД») предстоит отстоять позицию, что создание своего контента — стратегически вернее и выгоднее, чем покупка готовых решений.

Присоединяйтесь, чтобы услышать железные (со стороны Ивана уж точно, а с моей надеюсь 😁) аргументы и составить свое мнение.
(или просто поддержать)

----------

🗓 25 сентября 11:00 по мск, онлайн, бесплатно.

✍️Регистрация: КЛИК

ℹ️ А вот тут больше информации: КЛИК

Диалоговые тренажеры с ИИ: от первого MVP к комплексной симуляции
2,5 года назад мы создали наш первый MVP диалогового тренажера с ИИ в Articulate Storyline. Тогда сотрудник в роли продавца подбирал тарифы мобильной связи, а в конце получал обратную связь от «глупой» по современным меркам GPT-3.5. Результат был сырым, но очень показательным. Подробный (даже с перебором) разбор того пилотного проекта можно посмотреть ТУТ.

Новый демо-проект, использует современные модели и подходы, выводя идею на новый уровень.

Что сделали сейчас?
Это демонстрационный кейс для банковской сферы (все данные клиентов, банк и ПО вымышлены). Его цель — показать, на что уже способны диалоговые тренажеры с ИИ.

Ключевые фишки проекта:
1. Полный цикл работы оператора. 
Сотрудник колл-центра не просто общается, а выполняет задачи в симуляции «реального» банковского ПО. Он проверяет счета, блокирует и перевыпускает карты, сбрасывает пароли, и.т.д. — все как в реальности.

2. Живой голосовой диалог. 
Взаимодействие с клиентом происходит голосом. ИИ не просто генерирует текст, а проговаривает его, реагируя на слова и вектор беседы оператора.

3. Взаимосвязь действий и диалога. 
Это самая интересная часть системы. При необходимости, можно настроить изменение диалога и поведения клиента в зависимости от совершенных в системе действий, например:
- Если оператор в ПО отправляет клиенту SMS-уведомление, ИИ-клиент его «получает» и тут же упоминает в разговоре.
- Ошибка в проведенной операции (например, ошибочная блокировка карты) сразу меняет контекст беседы: клиент расстраивается, реагирует с недовольством или задает уточняющие вопросы.
- Конечно, возможны и более сложные сценарии, когда клиент «перезванивает через неделю» и продолжает диалог (например, чтобы наглядно продемонстрировать к чему привели ошибки в разговоре, или просто как продолжение сложного.

4. Комплексная оценка. 
Система может фиксировать и оценивать не только то, что сказал оператор, но и что он сделал в интерфейсе, и насколько слаженно прошли оба эти процесса.

За счет такого подхода процесс становится максимально иммерсивыным и позволяет не только получать знания, но и формировать умения, при этом в безопасной среде и без стресса для сотрудника (особенно для новичка).

Что под капотом?
В основе лежат технологии OpenAI: современная языковая модель, преобразование речи в текст и обратно.

Готовый тренажер, при необходимости, упаковывается в SCORM и загружается в любую LMS (статистика передается в LMS точно так же, как в обычном курсе).
(тему о том, что для сложных data-driven проектов будущего нужен xAPI, а не SCORM, оставим на потом)

Сколько это стоит?
Ценообразование в таких проектах — тема отдельного большого разговора.
Если коротко: цена одного диалога зависит от используемых моделей ИИ, его длительности и объема контекстных инструкций для ИИ-персонажа. Чем «умнее» модель, дольше разговор и больше контекст – тем дороже.

В этом конкретном демо-кейсе один диалог обходится примерно в 5 рублей.

Если готовы к небольшим компромиссам – можно снизить цену в 2-3 раза, но все зависит от кейса.

Такой подход создает уникальный гибридный формат обучения. Он находится ровно посередине между стандартным SCORM-курсом, который дает знания, и дорогостоящим тренингом с живым тренером, который дает практику.

Тренажер не заменяет полноценного наставника, но создает безопасную и максимально приближенную к реальности среду, где можно без риска совершать ошибки, отрабатывать сложные сценарии и формировать устойчивые умения, сочетающие в себе и коммуникацию, и работу с цифровыми инструментами.

-----

Это вымышленный кейс.
А о том, как ИИ реально помогает развивать тысячи сотрудников, расскажет руководитель центра по развитию персонала региональной сети и федеральных площадок ПАО «МегаФон» Татьяна Гуськова на конференции Digital Learning 2025!

Когда: 20 ноября 2025 года
Где: Москва, гостиница Аэростар

P.S. Я тоже приеду! Буду рад пообщаться со всеми лично.

Sora 2: не Google конечно, но зато дешевле

Не так давно экспериментировал с Google Veo 3 — лучшей нейросетью для генерации видео. Качество отличное, но бюджетной ее назвать точно не получится. За 200 долларов вы получаете очень ограниченное количество генераций, которых точно не хватит на месяц работы.

И вот теперь попробовал новую нейросеть для генерации видео — Sora 2 от OpenAI. Она пока находится в режиме неполного доступа: чтобы зарегистрироваться, нужно немного заморочиться — получить инвайт на использование и «релоцироваться» в Канаду или США.

Что я вам скажу:
Да, качество совсем не такое, как у Google, иногда происходит что-то странное, картинка подвисает, вернулась проблема с пальцами (только про нее забыли и перестали шутить), и вообще она прямо по всем показателям хуже.

Но!
Совершенно очевидно, что как только она выйдет из ранних тестов и шумиха немного уляжется, Sora 2, скорее всего, будет доступна подписчикам ChatGPT Plus. А он стоит всего 20$! 20 долларов — и у тебя есть ИИ-конвейер для всех задач, в том числе и видео.

Видео из примера было собрано за 2,5 часа (пришлось немного помонтировать). Каждый кусочек получался адекватным с 3-4 попыток. Но! Попыток дается много*, и совершенно ничего не мешает запустить сразу 4 генерации и просто выбрать хороший вариант (у Google так тоже можно делать, если у тебя прямо очень много денег, а тут достаточно иметь 20$).
*сейчас дается 100 генераций в день, говорят, что на подписке Plus будет меньше, но точных цифр не называют.

HeyGen, генерирующий скучных аватаров, которые уже всем надоели, стоит 29$, а тут всего 20$ + генерация картинок и языковая модель. Чудо просто!
(да, я очень впечатлен ценовой политикой)

Почему такой акцент на цене?
200$ — не та сумма, которую готов выкладывать e-learning-специалист из своего кармана каждый месяц, а вот 20$ – совершенно другая история, вполне можно себе позволить, чтобы сделать контент немного интереснее (да или даже просто «поиграться»).

Да, сегодня приходится выбирать между «круто, но дорого» и «хорошо, но доступно». Как мне кажется, для базовых e-learning-задач второго варианта вполне достаточно.

Помните ваш первый вебинар по e-learning, который вас реально зацепил?

Для меня таким стал вебинар SRC Мультимедиа, где Александр Воробьёв показывал свои кейсы в Articulate Storyline.

Вебинар получился очень крутым с кучей практических советов, многие из которых я использовал в работе.

И вот, 28 октября я иду на вебинар к Александру. Мы поговорим про интеграцию ИИ в SCORM, разберем как можно использовать ИИ в курсах и какие преимущества это дает.

Будет много практических кейсов и интересных решений.

🎯 Подробности, время и регистрация — в анонсе Александра ниже. Переходите по ссылке и записывайтесь!

Буду рад всех видеть 😊

Что может искусственный интеллект, если мы разместим его прямо внутри SCORM-пакета и пользователи будут взаимодействовать с ним при прохождении электронного курса?

Обсудим это на 28.10.2025 в 11:00 на вебинаре «Как ИИ внутри SCORM-курса проверяет задания, выступает наставником и формирует умения»

Разберем несколько кейсов реальных возможностей искусственного интеллекта, встроенного в электронный курс:

1️⃣ Как перейти от проверки знаний к проверке понимания материала;

2️⃣ Как сформировать комплексные умения в иммерсивных AI-тренажерах;

3️⃣ Как сделать знания более доступными для всех сотрудников.

Также обсудим:

👉 Может ли ИИ вместо преподавателя быть умным помощником, который выслушивает пользователя и отвечает на все его вопросы по теме курса.

👉 Может ли ИИ в курсе справиться с задачей мотивации процесса обучения.

Удивительно, но все это работает в привычном и стандартном формате SCORM. Вам не нужно менять LMS или подключать сторонние платформы.

Просто загружаете курс в СДО — и он сразу работает со встроенным ИИ-наставником. А дальше вы получаете все данные о взаимодействии с ИИ (прогресс, ответы, аналитику) прямо в вашу LMS.

🔥 Вся мощь искусственного интеллекта в упаковке, которую понимает любая система обучения. Получаем инновации без сложной интеграции 😵‍💫.

Эксперты:
❗️ Алексей Миляев — менеджер проектов по внедрению ИИ-решений в обучении, ПАО «МегаФон».
❗️ Александр Воробьёв — IT/Edtech-предприниматель, SRC Мультимедиа / ARGUMENT.

Приходите, будет интересно.

[Зарегистрироваться на вебинар]

Цена реализма: за что мы платим в голосовых ИИ-тренажёрах и без чего можно обойтись

Недавно я показывал пример диалогового тренажёра для сотрудников вымышленного банка.
В нём сотрудник не просто «кликает» в интерфейсе, а реально разговаривает с ИИ-клиентом голосом — тренируя и навыки общения, и работу в ПО.

Итоговая стоимость одного прохождения такого тренажёра — около 5 рублей.

Разберёмся, из чего складывается эта цифра и как её можно уменьшить.

Из чего состоит тренажёр
Весь процесс общения выглядит просто: сотрудник говорит — ИИ отвечает.
Но под капотом работает сразу три модели искусственного интеллекта:

1. Распознавание речи (Speech-to-Text)
Голос сотрудника отправляется в модель, которая переводит речь в текст.
Без этого языковая модель просто не сможет понять, что сказал человек.

2. Обработка смысла (LLM)
Текст запроса идёт в языковую модель (например, GPT-4.1), которая анализирует ситуацию и формирует ответ.

3. Озвучка (Text-to-Speech)
Текстовый ответ снова превращается в голос — и сотрудник слышит реакцию виртуального клиента.

За каждый этап мы платим отдельно.

Конкретика по деньгам
Приведу цены в долларах (расчёт в рублях будет примерно по курсу 1 $ ≈ 100 ₽).
(цены на ИИ меняются чуть ли каждый день, если читаете этот пост спустя пару месяцев после выхода – лучше уточнить актуальные цены)

1. Распознавание речи — Whisper от OpenAI
• Цена: $0,006 / минута (≈ 0,6 ₽)
• Можно удешевить процесс, используя упрощённую версию (например, gpt-4o-mini-transcribe) — она стоит примерно в два раза дешевле, хотя немного теряет в точности.

2. Языковая модель — GPT-4.1
• Цена (по официальным тарифам OpenAI):
• Input — $2 / млн токенов
(ваши слова + технический промпт)
• Cache — $0,5 / млн
(память ИИ о вашем разговоре (ИИ каждый раз перечитывает ваш разговор с самого начала, чтобы дать релевантный ответ))
• Output — $8 / млн
(слова ИИ)
- 1 млн токенов — это примерно 400–500 тыс. слов, или около 1 200 страниц А4.
- Для коротких диалогов используется считанные сотни токенов, так что стоимость обработки одного запроса — доли цента.

💡 Альтернатива:
• GPT-4.1-mini — примерно в 4–5 раз дешевле, при этом для простых сценариев (например, обработать жалобу клиента) качество более чем достаточным.
• DeepSeek V3.2-Exp — ещё более бюджетный вариант. По ощущениям, чуть проще в логике, но в части «понимания» человеческих эмоций местами даже лучше.

3. Озвучка — OpenAI TTS
• Цена: $15 за 1 млн символов (не токенов!) или примерно $0,015 / минута.
• Качество неплохое.

💡 Как можно экономить?
• Рассмотреть альтернативы OpenAI.
У OpenAI не самое лучшее качество на рынке (хотя хорошее), не самые гибкие настройки и не самая бюджетная цена. Серьезной экономии не будет, но вот в качестве и гибкости можно выиграть.
• Озвучка браузером.
Самый дешевый способ – озвучивать текст средствами браузера. В любом браузере есть «говорилка», которая может озвучивать любой текст. Это бесплатно.

Из минусов такого подхода:
- качество озвучки будет ощутимо хуже, чем в современных моделях.
- в разных браузерах разные голоса и их настройки.
Вам придется писать больше кода (проверять каким браузером пользуется ученик и настраивать голос под каждый браузер). Если сотрудники проходят тренажеры с рабочих компьютеров и у всех один и тот же браузер – не большая проблема, а вот если используют свои смартфоны – придется разбираться, как работает вся эта история в браузерах Oppo, Techno и.т.д. и прописывать этот момент специально под них (либо не заморачиваться и смириться с тем фактом, что у кого-то мужчина будет разговаривать женским роботизированным голосом).

Главное не «дешево», а «осознанно»
Цель не в том, чтобы выжать из моделей каждую копейку, а в том, чтобы осознанно выбирать, за что вы платите:
• Мощный TTS — это инвестиция в реализм.
• Мощная LLM вроде GPT-4 — это инвестиция в глубину сценария и качество обратной связи.

Найти баланс между бюджетом и педагогическим эффектом — вот основная задача.