Четыре тренда CES 2026: как искусственный интеллект переоборудует класс
На выставке потребительских технологий CES 2026 в Лас-Вегасе эксперты по образовательным инновациям поспешили к одному выводу: класс будущего переживает революцию. Урсула Сальдивар, директор инновационных технологий в Tecnológico de Monterrey, за время посещения выставки выделила четыре технологических сдвига, которые уже не просто обсуждаются, но активно тестируются в реальных школах и университетах.
Эти четыре направления — искусственный интеллект, гиперперсонализация обучения, проектное (опытное) обучение и гибридные образовательные модели — стали фокусом обсуждения на панелях, организованных экспертами мексиканского университета и представителями мировой tech-индустрии.
Как работает персонализация: от ошибок ученика к будущему уроку
Механизм гиперперсонализации обучения выглядит просто, но мощно. Система отслеживает каждое действие ученика: какой ответ он дал, сколько времени потратил на задачу, где произошла ошибка. На основе этих данных алгоритм в режиме реального времени подбирает следующий фрагмент материала, адаптируя сложность ровно под его уровень и темп обучения.
Конкретный пример из американских школ: ученик пятого класса решает задачу на дроби. После трёх неверных ответов вместо того, чтобы повторить упражнение или предложить новую задачу той же сложности, адаптивный учебник включает короткое видео с визуализацией, объясняющей концепцию наглядно. Затем система предлагает более простое упражнение. Если ученик его решает, сложность постепенно растёт — но не скачком, а слитно. Таким образом, нет ни разочарования от резких неудач, ни скуки от слишком лёгкого материала.
Что показывают пилоты? Осторожный оптимизм
Предварительные результаты пилотных программ в самом Tecnológico de Monterrey фиксируют рост вовлечённости учащихся на 20–30 %. Однако исследователи сознательно подчёркивают важное ограничение: это данные организации-разработчика, а не независимые рандомизированные контролируемые исследования (РКИ), которые считаются золотым стандартом доказательности в образовании.
Критики и эксперты в области образования отмечают серьёзный пробел: долгосрочные исследования практически отсутствуют. Неизвестно, сохраняется ли эффект персонализации через год использования. Неясно, как меняется роль учителя при масштабировании — превращается ли педагог в наблюдателя или остаётся ключевым участником процесса. И главное: удерживает ли персонализация учеников в образовании на длинной дистанции, или они привыкают к постоянной адаптации и теряют мотивацию к преодолению трудностей.
Проблема, которую технология не решает: цифровой разрыв
За оптимистичными цифрами роста вовлечённости скрывается более тёмная картина. Гибридные модели и ИИ-инструменты требуют трёх условий: надёжного, высокоскоростного интернета, современных устройств (планшеты, ноутбуки) и электроэнергии. Эти ресурсы доступны далеко не всем школам, особенно в странах с развивающейся экономикой или в сельских регионах богатых стран.
Результат парадоксален: технология, созданная для индивидуализации обучения, рискует усилить существующий разрыв между ресурсными школами (которые могут себе позволить полный набор инструментов) и обычными учебными заведениями (остающимися при традиционных методах). Вместо сокращения неравенства, персонализация через ИИ может его углубить — если она останется привилегией избранных.
Вопрос, который стоит перед образованием
За быстрым внедрением ИИ в класс стоит одно фундаментальное беспокойство: что произойдёт, если школы начнут полагаться на алгоритмы куда больше, чем на живой человеческий контакт между учеником и учителем? Технология может оптимизировать передачу знаний, но может ли она заменить наставничество, спонтанный диалог, неожиданное озарение, которое случается в классе? На эти вопросы ответы ещё впереди.
