Глобальное исследование использования ИИ в высшем образовании — 2026

45 398 ответов студентов и преподавателей из 35 стран приняли участие в исследовании Digital Education Council

Особенно важны три вывода:
📌 Само использование ИИ еще не означает, что он помогает учиться. Только 5% студентов, столкнувшихся с ИИ в учебных программах, говорят, что он изменил их подход к обучению. Еще 28% отмечают улучшение понимания или результатов.
📌 Интеграция остается фрагментарной: 43% не встречали ИИ ни в одном курсе, и только у 15% он используется во многих дисциплинах.
📌 И студенты, и преподаватели в основном остаются на начальном или среднем уровне AI-грамотности. Исследование также фиксирует первые признаки ослабления некоторых навыков.

Почему это важно
Вопрос для продуктовых команд теперь должен звучать не «Нужно ли добавить ИИ?», а «Какое учебное поведение должен поддерживать ИИ?».

Доступность функции, частота ее использования и влияние на обучение — три разные метрики. Поэтому использование ИИ стоит оценивать вместе с:
• качеством рассуждений;
• переносом навыка на новые задачи;
• способностью выполнить работу без подсказки;
• умением проверять результат ИИ;
• соотношением уверенности и реальной компетентности.


Оставайтесь на связи, здесь пишу про современное образование и управление EdЕech продуктами 💛 @LXnotes

Мысли про ИИ-агентов - по итогам конференции ProductCamp

В прошлую субботу сходила на ProductCamp Amsterdam — не-конференция, где участники сами предлагают темы, голосуют за то, что хотят обсудить, а потом расходятся по нескольким параллельным сессиям. Забавно, что много лет назад я сама использовала такой формат для стратегических сессий и тренингов, а теперь было очень приятно побыть в роли участника.

Оставлю здесь несколько заметок, вдруг пригодятся и вам, особенно если думаете о том, как использовать AI в продуктовой работе.

🗒️ Создание AI-агентов уже не что-то новое, а вполне обычная продуктовая практика
Агентов можно использовать, чтобы автоматизировать рутину, работать с большими объёмами неструктурированных данных или создавать AI-ассистентов для пользователей.

Я ушла с несколькими идеями агентов уже для своих проектов — особенно после сессии о том, как один продакт собрал целую команду из 10 агентов для маркетинга - смотрите фото.

А еще оказалось, что не все используют агентов для ускорения задач и планов на день - коглда собирают контекст из разных почт и месенджеров и получают список задач на день. Потому что не всем это нужно, а еще потому что ИИ прекрасно умеет генерировать ещё больше задач, потом всё равно приходится решать, что из этого вообще стоит делать 😁

🗒️ Контекст решает

Практически любой разговор про AI-агентов в какой-то момент возвращался к одному и тому же: LLM нужно дать хороший (= достаточный) контекст.
Это может быть информация от пользователя, продуктовая документация, правильно размеченные данные или чёткое понимание конкретного процесса, который мы пытаемся воспроизвести с помощью AI. Чем лучше контекст — тем полезнее будет агент.

🗒️ AI-фичи пока чаще остаются частью большого продукта, а не его основой

Мы обсуждали много примеров AI-ассистентов, встроенных в существующие продукты, но гораздо меньше продуктов, где AI действительно является ядром.
Чтобы это работало, продукту нужно накапливать данные о пользователях и от пользователей, а затем использовать весь этот контекст для той самой AI-магии ✨

🗒️ Умение создавать AI-продукты становится must-have навыком для PM
Это была сессия Марины Малых из Semrush, она показывала итоги свего исследования вакансий. И оказалось, что сейчас требуется опыт создания AI-продуктов, а не просто использование в работе.

Каким-то образом почти всё было про AI, но при этом ощущения «опять AI» не возникло 😁


Пост в LinkedIn тут: https://lnkd.in/p/e8y2uVZA - давайте коннектиться там тоже.