Привет! Меня зовут Артем Русов. Уже 6 лет я занимаюсь обучением будущих тестировщиков, а также повышением квалификации действующих специалистов. За это время прошел долгий путь от видео в плейлистах на Youtube до курсов бестселлеров на площадках Stepik и Udemy.
В этой статье хотел бы обсудить как внедрение ИИ-контента в привычные обучающие подходы на примере моих курсов меняет и улучшает их. Сразу отмечу, что это статья больше методическая и направлена на широкую аудиторию людей, которые проводят внутреннее и внешнее обучение, а не только на технарей.
Мой путь по работе с ИИ для курсов начался в 2023 году, когда без глубоких знаний программирования, а только используя ChatGPT, я создал песочницу для своего основного курса “Тестирование ПО с нуля. Теория + практика. Продвинутый курс с ИИ” на Stepik с фронтом и бэком, с документацией, с макетами, с базой данных.
Тогда для ручного тестировщика, это, казалось, магией, а для преподавателя открывало огромные перспективы по внедрению того, что ты не можешь сделать без посредника, команды и навыков разработки. Да и сейчас это никак не потеряло актуальность.
В чем плюсы своей песочницы?
-
Вы создаете приложение, которое полностью соответствует программе курса.
-
Вы не зависите от окончания поддержки сторонних бесплатных песочниц.
-
Для тестирования: вы можете создать ровно те баги, которые нужны для отработки навыков.
-
Вы можете быстро фиксить проблемы в ПО.
-
Студент работает не в изолированной среде тренажера, а в полноценной системе, близкой к реальному проекту.
-
Вы создаете добавочную ценность для своего продукта.
Такие песочницы можно использовать для корпоративного обучения или для тестовых заданий, проектируя прикладные задачи, которе точечно проверяют кандидата.
Создавая приложение, вы прокачиваете собственную экспертизу и понимание того, как все работает изнутри. Опыт в найме не давал мне возможности копаться глубоко в коде и некоторые вещи я делал достаточно поверхностно, до конца не понимая для чего. С появлением собственных продуктов я сильно прокачался.
Важный совет: если вы не разбираетесь в программировании, серверах и настройках CI/CD, то делайте пометки по всем своим действиям, чтобы потом легко восстановить алгоритм. И код мы храним в Github, чтобы всегда можно было откатить изменения.
После этого мне в голову пришла идея создания наборов тренажеров по разным аспектам тестирования, начиная с анализа требований и тест-дизайна и заканчивая симуляцией багов с оценкой в Devtools, написанием SQL-скриптов и поиску ошибок в документации. С автоматической проверкой, прямо в браузере, без установки дополнительного ПО.
Отмечу, что генераций в ChatGPT может быть много, если вы не знаете, как работает код, но все достижимо. Настойчивость решает все.
Сейчас я разрабатываю новую версию тренажеров в Gemini, где помимо уже созданных мною заданий, студент может генерировать сколько угодно новых в том же интерфейсе, по тому же шаблону, нажатием одной кнопки. И здесь уже надо покопаться в том, чтобы они работали в условиях большого количества пользователей и запросов. Значит в дело входят API-ключи и облачные платформы по типу Together AI. Чуть сложнее, но со всем можно разобраться.
Параллельно этому осваиваю RAG и работу с собственными базами знаний, чтобы студент мог искать информацию по проверенным источникам и полагался только на их контекст.
В обучении важно не навредить, а ИИ все еще не может гарантировать 100% верный ответ, так что рамки нужны.
Также мой коллега, Алексей Коледачкин разработал инструмент, который позволяет создавать задания с оценкой от ИИ, где выставляется балл и дается обратная связь от LLM. Все это делается через админку, а потом в красивом виде через iframe вставляется на платформу. Студент не просто выбирает ответ из заранее обозначенных вариантов, а должен написать развернутый комментарий и объяснить свою позицию.
Например, сейчас активно использую это в своих курсах на Stepik. Фидбэк положительный, что означает только одно – мы на верном пути.
А еще я открыл для себя геймификацию и генерацию изображений для курсов со своим сеттингом и историей. Передаю привет Ване Стародубцеву (автору серии курсов “Лучший по Python”), который вдохновил на это. Уже давно мой маскот и логотип – артишок. И в 2026 году я превратил его в персонажа Арти, который путешествует по древним цивилизациям и тестирует API. В курсе есть сюжет, отличительный визуал и песочница с учетом той цивилизации, в которой проходит история. Все картинки в курсе генерировал через Nana Banana и вышло очень не плохо. Кстати, песочница для этих курсов публичная и бесплатная.
В планах внедрить ИИ-элементы в каждый мой продукт. Но есть одно но: я не отказываюсь от использования классических форматов заданий. Те же тесты, задачи на сопоставление, восстановление хронологии, замена пропусков продолжают жить в курсах. Генерация текста также не является бесконтрольной. Даже если использую ИИ для этого, то все тексты вычитываю, корректирую и делаю фактчекинг. Ссылки на источники тоже важны.
К сожалению, многие авторы не придерживаются такой позиции и просто массово генерируют ИИ-слоп. Так делать не надо. Каждое действие должно быть методически обоснованным, за каждый кусок текста должен нести ответственность автор курса.
Рекомендация: для тех, кто не любит курсы, но хотел бы использовать ИИ в самообучении, советую обратить на бесплатный инструмент от Google NotebookLM, который позволяет на основе своей базы знаний создавать крутые обучающий материалы: видео, тексты, тесты, интеллектуальные карты и многое другое.
Я рассказал, что сам использую и подумываю внедрить в свои продукты. Еще больше кейсов можно найти у меня в ТГ-канале. У вас это может быть то же самое или нечто абсолютно другое. Не бойтесь экспериментировать, изучайте конкурентов, слушайте своих студентов, но главное внедряйте это новое с четким пониманием: для чего вы это делаете?
Автор: artsiom-rusau
