Автор Тони Ван
В наши дни AI (Искусственный Интеллект) — две самые популярные буквы алфавита, и это неудивительно: едва ли проходит день без каких-либо серьезных достижений в основных базовых моделях или запуска новых, мощных приложений, основанных на них.
В этом году наш портфель и исследования выявили более 280 образовательных инструментов, которые включают генеративный искусственный интеллект в качестве основного механизма своего продукта — и это, вероятно, только поверхностное исследование. Каждую неделю мы видим новые возможности нашего AI + Learning Catalyst, нашего пайплайна инструментов для обучения AI на начальном этапе.
Подпиткой этому потоку является тот факт, что генеративный ИИ сам по себе демократизировал разработку программного обеспечения, позволяя гораздо большему количеству людей стать разработчиками. Знание небольшого кода и подсказок теперь может иметь большое значение для создания чего-то полезного. Проще говоря: если что-то можно описать, то, вероятно, его можно и построить. В нашем процессе мы видели опытных инженеров, разработчиков и дизайнеров продуктов, а также студентов колледжей и преподавателей, создающих образовательное программное обеспечение.
Чтобы лучше представить ситуацию, мы распределили эти инструменты по шести основным и 15 дополнительным категориям. Примечание: эта организация — скорее стартовая, иллюстративная попытка показать разнообразие инструментов, которые мы видели. Реальность такова, что генеративный ИИ заставляет нас постоянно переосмысливать и перерисовывать традиционные границы образовательного ландшафта.
Некоторые категории привлекли чрезмерное внимание и усилия. Инструменты обучения и репетиторства на основе искусственного интеллекта, которые предлагают не только ответы, но и персонализированные объяснения, остаются на вершине рейтинга. Инструменты рабочего процесса, которые экономят время, особенно помощники учителей и «вторые пилоты», которые помогают создавать планы уроков, задания и оценки, также получили широкое распространение. Некоторые из них разработаны бывшими преподавателями на основе собственного опыта и болевых точек.
Другие категории обладают огромным потенциалом воздействия, но используют меньше инструментов (по крайней мере, на данный момент). Возьмем, к примеру, исследование. Многие инновации, меняющие мир, начинались как исследования, и бесчисленные продукты и технологии (включая сам искусственный интеллект) продолжают получать пользу от новейших исследований. Тем не менее, такие знания часто скрыты за платным доступом или недоступны иным образом. Нас воодушевило появление таких инструментов, как Elicit, которые могут выявлять, обобщать и распространять наиболее актуальную информацию и тем самым ускорять процесс применения исследований в практике и продуктах.
Соответствует ли популярность категорий уровню инвестиций в них? Пока существует слабая корреляция. Инструменты развития карьеры и навыков позволили собрать более крупные суммы денег, что соответствует макротенденциям в финансировании рынков рабочей силы и корпоративного обучения.
В представленной ссылке на презентацию мы углубимся в каждую из категорий, рассматривая общие области применения и дифференцирующие факторы, а также карту новых участников, финансируемых стартапов и действующих компаний в каждой области.
Ключевые соображения
ИИ развивается быстрыми темпами, и существуют реальные опасения, что инструменты быстро устареют или превзойдут свой класс. (См.: Jasper). Тем не менее, существуют основополагающие бизнес- и педагогические принципы построения успешных компаний в области образовательных технологий, о которых стоит помнить.
Исследования как конкурентное преимущество. Базовые модели ИИ быстро развиваются, равно как и стратегии и методы точной настройки и подсказок. «Чтобы оставаться конкурентоспособными, важно следить за новейшими исследованиями», — недавно поделился с нами генеральный директор Replit Амджад Масад.
Наличие собственных данных для точной настройки и обучения LLM является еще одним преимуществом, и здесь действующие компании могут иметь преимущество. Но новички в сфере искусственного интеллекта, которые создают восхитительный пользовательский опыт и создают запоминающиеся продукты, могут наверстать упущенное в получении пользовательских данных.
Эмпатия является ключом к созданию нового «прилипчивого» поведения. Разработчики, которые глубоко понимают рабочие процессы своих пользователей и могут быть дополнены искусственным интеллектом, будут иметь преимущество. Неудивительно, что некоторые пилоты-учители созданы самими бывшими учителями. Директор школы создал MagicSchool — планировщик уроков и генератор оценок; еще пара директоров работает над EnlightenAI, инструментом оценки эссе с помощью искусственного интеллекта. Существует множество утомительной, повторяющейся работы, которую можно и нужно передать на аутсорсинг. «Продавайте работу, а не программное обеспечение», — пишет генеральный партнер Benchmark Сара Тавель.
Еще одним вопросом является то, как новые инструменты искусственного интеллекта интегрируются с существующим программным обеспечением в школах и на рабочих местах. Эти инструменты часто устарели и заслуживают перемен, но наборы корпоративных технологий часто укоренились и не могут быть быстро заменены.
На первом месте стоит результативная педагогика. Мы долгое время считали, что лучшие инструменты в области образовательных технологий — это те, которые основаны на исследованиях в области образования, а ИИ, который обеспечивает и масштабирует проверенные педагогические практики, является наиболее эффективным. На преподавателей ИИ возлагаются большие надежды, и они вполне могут справиться с содержанием и доставкой инструкций. Но насколько хорошо они могут мотивировать, вдохновлять и понимать сложности молодых, развивающихся умов?
Ключевые показатели сохраняют свою значимость. Но ориентиры могут измениться. По мере того, как новизна и новизна генеративного искусственного интеллекта исчезает, удержание пользователей становится важным признаком того, извлекает ли выгоду инструмент из того, что он является изящным трюком, или действительно обеспечивает длительную ценность. Хотя ИИ быстро меняется, основы бизнеса остаются неизменными. Простота использования, удовлетворенность клиентов, сохранение доходов и здоровая экономичность — все это остается решающим фактором.
Однако генеративный ИИ может также перекалибровать лучшие в своем классе тесты. Например, общее эмпирическое правило хорошего соотношения LTV и CAC составляет 3:1. Но учитывая, что ИИ снижает затраты на продажи, маркетинг и разработку контента, что в целом ускоряет время вывода продукта на рынок, является ли это по-прежнему правильным ориентиром? С ростом внедрения инструментов повышения производительности на основе искусственного интеллекта каждая компания переоснащает свои внутренние рабочие процессы, чтобы сократить расходы и повысить операционную эффективность.