Почему ИИ не ускоряет выход EdTech-продуктов на рынок: главные причины

Вопрос, который сегодня тихо занимает умы многих лидеров образовательных технологий: если ИИ помогает писать код в два раза быстрее, почему продукты выходят на рынок с той же скоростью, что и раньше?

Короткий ответ: написание кода никогда не было самым медленным этапом. Особенно в EdTech.

Разберемся, куда на самом деле уходит время, и почему AI-инструменты пока не стали панацеей для ускорения релизов – как в мире, так и в России. 

Мировая практика: AI ускоряет задачи, а не процессы

Глобальные исследования подтверждают этот разрыв. McKinsey проанализировала почти 300 публичных компаний и выяснила: только топ-20% организаций добились значимого ускорения вывода продуктов на рынок за счет AI – на 16–30%. Остальные не увидели серьезных изменений, несмотря на внедрение инструментов.

Проблема в том, что AI эффективен в узком круге инженерных задач: генерации кода, рефакторинге, создании тестов, документации и поиске багов. Но все остальное – продуктовый discovery, сбор требований, дизайн-ревью, оценка безопасности, интеграции – по-прежнему требует человеческого участия и времени.

В EdTech к этому добавляются специфические барьеры: соответствие образовательным стандартам, нормативные согласования, тестирование доступности и учет мнений множества стейкхолдеров. Код может быть готов вдвое быстрее, но продукт в классы от этого не попадает.

Российский контекст: стагнация и новые приоритеты

В России ситуация накладывается на общее замедление рынка. По данным Smart Ranking, в первом полугодии 2026 года совокупная выручка 100 крупнейших EdTech-компаний выросла на 12% год к году и достигла 73,6 млрд рублей . Однако во втором квартале темпы заметно снизились – отдельные сегменты практически перестали расти .

Рынок фактически вошел в фазу стагнации. Компании смещают фокус с агрессивного привлечения новых клиентов на удержание существующей аудитории . И на этом фоне активно внедряют AI – но не для ускорения релизов, а для решения других задач.

Где в России AI реально помогает

Согласно карте кейсов Smart Ranking, российские EdTech-компании используют ИИ в пяти основных направлениях :

Автоматизация – самый популярный сценарий (15 кейсов из 33). Skillbox внедрил проверку домашних заданий и консультации студентов, снизив нагрузку на преподавателей. В Karpov Courses оптимизировали работу поддержки через ИИ в LMS.

Аналитика – школы вроде Maximum Education и «Профилум» используют AI для анализа успеваемости и прогнозирования результатов.

Генерация контента – «Инфоурок» и другие платформы автоматизируют создание учебных материалов.

Персонализация – «Дом знаний» с помощью «Графа знаний» выявляет пробелы учеников и строит индивидуальные траектории, например для подготовки к ЕГЭ .

Речевая диагностика – «Логопотам» и Novator применяют AI для анализа речи детей.

В 29 из 33 кейсов компании сообщили о положительном влиянии ИИ на маркетинговые или продуктовые метрики. В 14 случаях – и об улучшении финансовых показателей . Но масштаб эффектов разный, и говорить о четком тренде роста доходов за счет ИИ пока рано.

Вайб-кодинг: скорость любой ценой?

Отдельный тренд, набирающий обороты в России, – вайб-кодинг, когда код пишет нейросеть, а человек только формулирует задачи и проверяет результат. Альфа-Банк первым в стране начал переход на эту модель в enterprise-разработке . Инженеры описывают задачи обычными словами, AI генерирует код, и это уже позволило ускорить выпуск обновлений.

Однако в отрасли есть и скептики. Гендиректор «НТЦ Аргус» Александр Гольдштейн считает, что вайб-кодинг не дает значимого экономического эффекта для крупного бизнеса и несет риски для безопасности . Михаил Петухов из Black Mesa IT придерживается правила «80 на 20»: 80% делает нейросеть, 20% проверяет человек . И приводит пример, когда злоумышленники с помощью промпт-инъекции взломали AI-систему и украли базу клиентов стоматологии.

Для EdTech этот опыт особенно показателен. Если код генерирует AI, его все равно нужно проверять на уязвимости, соответствие нормам и корректность работы с персональными данными. А это – время.

Нерешенные вопросы: compliance и безопасность

Главный барьер, который AI пока не снимает, – соответствие законодательству. Недавняя проверка 109 образовательных платформ показала: почти все нарушают 152-ФЗ «О персональных данных» . Медианный балл соответствия – всего 50 из 100. У детских платформ – 38,6 .

Ключевые проблемы:

• Трекеры и рекламные пиксели загружаются до получения согласия пользователя у 96% платформ .
• Данные уходят в среднем в четыре зарубежных сервиса, а у отдельных платформ – в 14 сразу .
• 79% детских платформ не имеют корректно оформленного согласия на обработку данных несовершеннолетних .
• 78% платформ с рекомендательными технологиями не опубликовали обязательные правила их применения .

Штрафы за эти нарушения – от 300 до 700 тысяч рублей для юридических лиц . И это не считая рисков блокировки и потери доверия.

Кроме того, с 1 марта 2026 года вступили в силу изменения к статье 16 закона «Об образовании» . При реализации образовательных программ с применением электронного обучения школы обязаны использовать государственные информационные системы и многофункциональный сервис обмена информацией . AI не помогает с интеграцией в эти системы – это требует отдельной работы.

Куда на самом деле уходит время

Обобщая: в EdTech время уходит не на код, а на:

• Согласования с compliance и юридическими отделами – проверка соответствия 152-ФЗ и другим нормам.
• Интеграцию с государственными и школьными системами – LMS, электронные дневники, ЕСИА.
• Тестирование доступности – продукты должны работать для учеников с особыми потребностями и на разных устройствах.
• Педагогическую валидацию – соответствие реальным учебным стандартам, а не функциональным требованиям.
• Маркетинг в условиях стагнации – привлечение клиентов в охлаждающемся рынке стоит дороже и требует больше усилий .
• Качество и безопасность – поспешный релиз в образовании обходится особенно дорого: риски утечек данных, плохой пользовательский опыт, сбои интеграций.

Что дальше?

AI в EdTech – это не про скорость релизов. Это про эффективность там, где она действительно нужна: автоматизация рутины, персонализация обучения, аналитика, снижение нагрузки на преподавателей. Именно эти задачи сегодня решают российские компании.

Но путь до реального класса по-прежнему лежит через людей, нормы и системы. AI не может подписать акт соответствия, подтвердить, что продукт работает для ребенка с дислексией, или договориться с IT-отделом школы об интеграции.

Поэтому главный вопрос для EdTech-лидеров звучит не «Как ускорить разработку с помощью AI?», а «Как использовать AI, чтобы команды тратили меньше времени на рутину и больше – на то, что действительно требует человеческого участия?»

И ответ на этот вопрос уже есть в российских кейсах. Осталось масштабировать.