
Студент приносит идеально выполненную домашнюю работу. Интерфейс выглядит профессионально, рекламная стратегия подробно расписана, программный код работает без ошибок. Но стоит попросить объяснить принятое решение, как начинаются проблемы.
Почему именно такая структура интерфейса? На основании каких данных выбрана целевая аудитория? Как работает написанная функция? Почему робот должен реагировать на препятствие именно таким образом?
И довольно часто выясняется, что студент не может объяснить результат собственной работы.
Сегодня нейросеть способна выполнить значительную часть учебного задания. Но это ещё не означает, что студент чему-то научился.
Особенно заметна эта проблема в IT-образовании, где результат работы легко оценить визуально или технически. Красивый макет, работающий сайт или готовая маркетинговая стратегия создают впечатление освоенного материала, хотя за ними не всегда стоят знания.
Почему это проблема?
В 2025 году исследователи MIT Media Lab представили исследование Your Brain on ChatGPT, посвящённое использованию искусственного интеллекта при написании эссе.
В эксперименте участвовали 54 человека. Одни писали самостоятельно, другие пользовались поисковыми системами, третьи — ChatGPT.
Исследователи обнаружили различия в характере нейронных связей между группами. Участники, использовавшие ChatGPT, демонстрировали более слабую функциональную связность по ряду показателей ЭЭГ, а также чаще испытывали трудности с воспроизведением содержания собственных текстов.
При этом исследование имеет ограничения: небольшая выборка, конкретный тип задания и предварительный характер результатов. Оно не доказывает, что использование ИИ само по себе снижает интеллектуальные способности.
Но оно поднимает важный педагогический вопрос: что происходит с обучением, когда интеллектуальную работу вместо студента выполняет алгоритм?
Мы в Коргишь считаем, что запрещать использование нейросетей практически бессмысленно. Будущим дизайнерам, маркетологам, разработчикам и инженерам всё равно придётся работать с искусственным интеллектом.
Более того, умение грамотно использовать ИИ постепенно становится частью профессиональных компетенций.
Поэтому задача преподавателя меняется. Нужно не столько контролировать факт использования нейросети, сколько проектировать задания, в которых ИИ помогает студенту думать, а не избавляет его от необходимости думать.
Мы собрали восемь практических подходов для IT-дисциплин. Каждый можно использовать на занятиях или в качестве домашнего задания.
1. Дизайн: не генерируй решение, а научись его обосновывать
Метод: «Я предлагаю — ИИ спрашивает»
Одна из распространённых проблем начинающих UX/UI-дизайнеров — проектирование интерфейса без понимания пользовательских задач.
Студент получает задание создать приложение доставки еды и сразу открывает Figma. Начинает рисовать карточки, кнопки, меню и красивые экраны.
Но почему приложение должно работать именно так? Какие задачи решает пользователь? Какие проблемы существуют в текущем сценарии?
На эти вопросы ответы часто отсутствуют.
Как использовать ИИ
Предложите студенту сначала самостоятельно сформулировать UX-гипотезу, а затем использовать нейросеть в качестве критически настроенного исследователя.
Например, студент считает, что оформление заказа нужно сократить до одного экрана.
Вместо того чтобы попросить ИИ придумать интерфейс, он должен защитить свою гипотезу.
Промпт для студента:
Ты опытный UX-исследователь. Я разрабатываю приложение доставки еды и предлагаю следующее решение: [моя гипотеза].
Не предлагай готовый дизайн. Задавай мне по одному вопросу, который поможет проверить обоснованность моего решения.
Спрашивай о пользователях, их потребностях, сценариях, ограничениях и возможных проблемах. После каждого ответа задавай следующий уточняющий вопрос. Если мои аргументы недостаточно убедительны, объясни, чего в них не хватает.
Что проверяет преподаватель
Не красоту итогового макета, а способность студента аргументировать свои решения.
Попросите представить исходную гипотезу, вопросы нейросети, ответы и итоговое решение. Важно увидеть, какие предположения студент пересмотрел, а какие ещё требуют пользовательского исследования.
Так студент учится не просто рисовать интерфейсы, а проектировать их осознанно.
2. Маркетинг: от красивого отчёта к пониманию цифр
Метод: «Сначала объясни просто, потом профессионально»
Маркетинговая аналитика — ещё одна область, в которой нейросеть способна создать убедительную иллюзию компетентности.
Достаточно загрузить показатели рекламной кампании, и ИИ подготовит отчёт с выводами, рекомендациями и профессиональными терминами.
Но понимает ли студент, почему высокая кликабельность объявления не всегда означает эффективную рекламу? Чем отличается стоимость лида от стоимости привлечения клиента? Как качество данных влияет на выводы?
Как использовать ИИ
Дайте студентам учебный набор данных рекламной кампании: показы, клики, расходы, обращения и продажи.
Задача — разобраться в показателях, самостоятельно определить возможные проблемы и подготовить аналитическое заключение.
Промпт для студента:
Представь, что ты наставник начинающего интернет-маркетолога.
Я изучаю результаты рекламной кампании: [данные].
Сначала объясни мне простыми словами, что означают CTR, CPC, конверсия и CPL и как они связаны между собой.
Затем попроси меня самостоятельно определить, какие показатели указывают на возможные проблемы.
Не делай выводы вместо меня. Проверяй мои объяснения, указывай на логические ошибки и помогай сформулировать профессиональное аналитическое заключение. Не придумывай отсутствующие данные.
Что проверяет преподаватель
Студент должен не просто назвать показатели, но и объяснить их взаимосвязь, отделить факты от гипотез и предложить способы дополнительной проверки.
Например, высокий CTR при низкой конверсии может указывать на проблему с посадочной страницей, несоответствие рекламного обещания ожиданиям аудитории или другие причины. Но без дополнительных данных нельзя утверждать, какая из них верная.
Так формируется аналитическое мышление, а не навык копирования отчётов.
3. Разработка: один алгоритм — три уровня объяснения
Метод: «Одна тема на трёх»
В программировании преподаватель регулярно сталкивается с разным уровнем подготовки студентов.
Один только знакомится с переменными и циклами, другой уже пишет функции, третий пробует разбираться в алгоритмах и архитектуре приложений.
Нейросеть позволяет адаптировать объяснения, сохраняя общую учебную тему.
Как использовать ИИ
Возьмите один небольшой алгоритм, например поиск максимального значения в массиве.
Предложите студентам получить три объяснения: для новичка, для студента с базовыми знаниями и для более подготовленного разработчика.
Промпт для студента:
Объясни алгоритм поиска максимального значения в массиве на JavaScript для трёх уровней подготовки.
Уровень 1: человек только начал изучать программирование. Используй простые аналогии и объясни каждое действие.
Уровень 2: студент знает переменные, условия и циклы. Покажи решение через цикл с пошаговым разбором.
Уровень 3: студент понимает функции, методы массивов и сложность алгоритмов. Покажи альтернативные реализации, сравни их и объясни ограничения.
Все объяснения должны описывать одну и ту же задачу и давать корректный результат.
Затем попросите студентов сравнить полученные объяснения и самостоятельно написать реализацию.
Что проверяет преподаватель
Способность объяснить алгоритм своими словами, выполнить трассировку, проверить результат на разных входных данных и разобраться, почему код работает.
Можно дать дополнительное условие: изменить задачу так, чтобы готовый пример нейросети уже не подходил напрямую.
Это позволяет отделить понимание алгоритма от механического воспроизведения кода.
4. Робототехника: интервью с виртуальным инженером
Метод: «Интервью со специалистом»
В робототехнике важно не только знать компоненты, но и понимать инженерные ограничения.
Студент может собрать робота по инструкции, подключить датчики, загрузить готовую программу и получить работающий прототип.
Но что произойдёт, если изменить освещение, покрытие пола, расстояние до препятствия или напряжение питания?
Как использовать ИИ
Предложите студентам провести интервью с виртуальным инженером, который занимается разработкой автономных мобильных роботов.
Тема — создание робота, который обнаруживает препятствия и объезжает их.
Промпт для студента:
Представь, что ты инженер по робототехнике с опытом разработки автономных мобильных роботов.
Я создаю учебного робота, который должен обнаруживать препятствия и самостоятельно выбирать направление движения.
Я буду задавать тебе вопросы о датчиках, двигателях, алгоритмах движения и возможных ошибках.
Объясняй инженерные решения на уровне начинающего специалиста. Рассказывай об ограничениях каждого подхода. Если для точного ответа не хватает технических характеристик, уточняй их. Не придумывай характеристики оборудования.
Что проверяет преподаватель
Попросите студента подготовить три инженерных решения, которые он принял после разговора с ИИ, и аргументировать каждое.
Например, почему выбран ультразвуковой датчик, каким должно быть минимальное расстояние обнаружения препятствия и как робот будет реагировать на ошибочные измерения.
Затем эти решения необходимо проверить на физическом устройстве или в симуляторе.
Важно объяснить студентам, что виртуальный инженер — это учебная ролевая модель, а не подтверждённый эксперт. Его рекомендации также требуют проверки.
5. Разработка: покажи, как ты думаешь, а не готовый код
Метод: «Покажи, как думал»
Один из наиболее полезных способов применения ИИ при обучении программированию — отладка через наводящие вопросы.
Обычно студент, столкнувшись с ошибкой, копирует код в нейросеть и просит его исправить.
Через несколько секунд он получает работающую версию. Проблема решена, но понимания причин ошибки могло так и не появиться.
А ведь именно отладка помогает развивать техническое мышление.
Как использовать ИИ
Дайте студенту код с ошибкой и предложите найти её в диалоге с нейросетью, не получая готового исправления.
Промпт для студента:
Я изучаю JavaScript и пытаюсь найти ошибку в программе: [код].
Не исправляй код за меня и не показывай готовую версию.
Помоги мне самостоятельно найти проблему. Задавай по одному наводящему вопросу, предлагай проверить значения переменных, последовательность выполнения и возможные причины ошибки.
После каждого моего ответа проверяй рассуждение и переходи к следующему шагу. Если я ошибаюсь, объясняй направление поиска, но не раскрывай решение сразу.
Что проверяет преподаватель
Попросите приложить историю отладки и кратко описать:
В чём заключалась ошибка.
Какие гипотезы студент проверил.
Какая проверка помогла найти причину.
Как он убедился, что исправление действительно работает.
Главное здесь — не количество сообщений в диалоге, а способность воспроизвести логику поиска ошибки без помощи ИИ.
6. Маркетинг: поймай нейросеть на выдумке
Метод: «Проверяй, а не доверяй»
Нейросеть может уверенно назвать несуществующее исследование, придумать статистику рынка или сослаться на источник, который не подтверждает заявленный вывод.
Для маркетинга это особенно важно, поскольку выводы напрямую влияют на бюджеты и управленческие решения.
Поэтому проверка информации должна стать самостоятельной частью обучения.
Как использовать ИИ
Предложите студентам изучить перспективы рынка онлайн-образования или другого выбранного сегмента.
Сначала они получают аналитический обзор от нейросети, а затем проверяют его утверждения по первичным источникам.
Промпт для студента:
Подготовь краткий аналитический обзор российского рынка онлайн-образования.
Выдели основные сегменты, изменения спроса, конкурентные факторы и возможные тенденции.
Для каждого числового утверждения укажи источник, дату исследования и методику, если она доступна. Если проверенного источника нет, прямо укажи, что информация не подтверждена.
Отдельно раздели установленные факты, оценки аналитиков и собственные предположения.
Что проверяет преподаватель
Попросите выбрать пять утверждений нейросети и проверить их самостоятельно.
Результат — небольшая таблица: утверждение, источник, найденное подтверждение или опровержение, вывод студента.
Особенно полезно обсудить ситуации, когда информация формально верная, но относится к другому периоду, региону или аудитории.
Так студенты учатся критически работать не только с нейросетями, но и с исследованиями, отчётами и отраслевой аналитикой.
7. UX/UI-дизайн: охота на ошибки
Метод: «Найди нарушение сам»
При изучении UX начинающие дизайнеры часто запоминают названия принципов, но испытывают трудности с их применением.
Студент знает закон Фиттса, закон Хика, эвристики Нильсена и понятие когнитивной нагрузки. Однако при анализе реального интерфейса не всегда может определить, в чём заключается проблема и как она влияет на пользователя.
Как использовать ИИ
Дайте студенту описание проблемного интерфейса или скриншот с несколькими UX-недостатками.
Нейросеть должна выступить в роли наставника, который помогает находить проблемы, но не перечисляет их сразу.
Промпт для студента:
Ты наставник по UX-дизайну. Я анализирую интерфейс [описание или изображение].
Помоги мне провести эвристический анализ, опираясь на принципы юзабилити, эвристики Нильсена и законы UX.
Не называй все ошибки сразу. Задавай наводящие вопросы о сценариях пользователя, навигации, обратной связи, визуальной иерархии, понятности элементов и возможных затруднениях.
Когда я нахожу проблему, попроси меня объяснить, чем она мешает пользователю и как можно проверить предложенное улучшение.
Что проверяет преподаватель
Студент должен представить выявленные проблемы, их предполагаемое влияние на пользователей и обоснованные варианты исправления.
Важно не принимать каждое замечание нейросети за объективный UX-дефект. Некоторые решения зависят от контекста использования и требуют проверки.
В качестве дополнительного задания можно предложить студенту защитить решение, которое нейросеть ошибочно посчитала нарушением UX-принципов.
Это развивает профессиональное суждение, а не механическое применение правил.
8. Робототехника: объясни сложное простыми словами
Метод: «Правило в образах»
Одна из сложностей робототехники — необходимость одновременно понимать программирование, физику, электронику и механику.
Студенты могут запоминать определения, но не понимать физического смысла процессов.
Например, что такое обратная связь в системе управления и зачем она нужна роботу.
Как использовать ИИ
Предложите студентам получить объяснения одного технического понятия через несколько жизненных аналогий.
Промпт для студента:
Объясни принцип обратной связи в управлении роботом так, как если бы ты рассказывал об этом:
1. Водителю автомобиля, который использует круиз-контроль.
2. Человеку, который регулирует температуру воды в душе.
3. Начинающему инженеру, который программирует движение робота по линии.
Для каждого случая объясни, какая информация измеряется, с чем сравнивается результат и как система корректирует свои действия.
В конце покажи, где аналогии перестают точно описывать техническую систему.
Что проверяет преподаватель
Попросите студента самостоятельно нарисовать схему обратной связи: целевое значение, датчик, контроллер, управляющее воздействие и результат.
Следующий этап — применить схему к конкретной задаче, например роботу, который движется вдоль линии.
Так студент переходит от абстрактного определения к пониманию физического процесса.
Как преподавателю организовать работу с ИИ
Все восемь подходов объединяет один принцип: нейросеть должна помогать студенту продвигаться к решению, но не подменять собой учебную деятельность.
При этом мы считаем важным различать обучение и профессиональную работу.
В реальной разработке вполне допустимо поручить ИИ написание типового кода. В маркетинге — подготовку черновика отчёта. В дизайне — генерацию вариантов интерфейса. Это позволяет экономить время и автоматизировать рутинные процессы.
Но если цель занятия — освоить конкретный навык, полная автоматизация может лишить студента необходимой практики.
Поэтому мы в Коргишь предлагаем преподавателям придерживаться нескольких правил.
Первое. Сначала самостоятельная гипотеза, потом нейросеть.
Перед обращением к ИИ студент должен попробовать сформулировать собственное решение, объяснение или предположение. Даже если оно окажется ошибочным, у него появится отправная точка для анализа.
Второе. Оценивайте не только результат, но и процесс.
История взаимодействия с нейросетью, промежуточные решения, проведённые проверки и исправленные ошибки могут быть не менее информативны, чем итоговая работа.
Но сама по себе длинная переписка ещё не доказывает освоение материала. Поэтому мы рекомендуем дополнять её короткой защитой.
Третье. Проверяйте перенос знаний.
Если студент создал приложение с помощью ИИ, попросите самостоятельно изменить сценарий работы. Если написал код — модифицировать алгоритм. Если подготовил рекламную стратегию — объяснить, что изменится при сокращении бюджета.
Способность применить знания в новых условиях гораздо лучше показывает уровень понимания, чем воспроизведение уже готового решения.
Четвёртое. Развивайте привычку проверять нейросеть.
ИИ может ошибаться в расчётах, ссылках, программном коде и объяснениях. Проверка его ответов должна стать нормальной частью учебного процесса.
И отдельно стоит договориться с группой о правилах использования ИИ: в каких заданиях он разрешён, какие этапы нужно выполнять самостоятельно и как раскрывать его участие. Не стоит загружать в публичные сервисы персональные данные, клиентские материалы или закрытый программный код без соответствующего разрешения.
Что в итоге?
Мы в Коргишь считаем, что сегодня перед IT-образованием стоит задача сложнее, чем просто научить студентов пользоваться нейросетями.
Нужно научить их оставаться компетентными специалистами в условиях, когда значительную часть работы способен выполнить искусственный интеллект.
Дизайнер должен понимать, почему интерфейс удобен.
Маркетолог — уметь интерпретировать цифры и проверять гипотезы.
Разработчик — разбираться в логике программы и находить ошибки.
Инженер — понимать, почему система работает и при каких условиях она перестанет работать.
Нейросеть способна помогать во всех этих задачах. Она может задавать вопросы, объяснять сложное, моделировать ситуации, предлагать альтернативы и выступать виртуальным наставником.
Но принимать решения, проверять гипотезы и отвечать за результат должен сам студент.
Поэтому мы предлагаем сместить акцент с вопроса «Как понять, что домашнюю работу сделал ИИ?» на другой:
«Как спроектировать задание, чтобы использование ИИ развивало мышление студента, а не заменяло его?»
На наш взгляд, именно с этого стоит начинать пересмотр привычных подходов к преподаванию IT-дисциплин.
Именно такой подход к обучению мы считаем перспективным в Коргишь: использовать современные технологии не ради автоматизации самого обучения, а ради более глубокого понимания материала, развития самостоятельности и формирования практических навыков.
Ведь наша цель — не просто помочь студенту получить правильный ответ, а создать условия, в которых он сможет прийти к этому ответу самостоятельно.