Более 20 тыс. российских педагогов прошли программу «Яндекса» по ИИ в образовании, а доля учителей, использующих нейросети при подготовке к занятиям, выросла с 46% до 74%. Для IT-аудитории здесь важна не школьная лирика, а сигнал масштаба: генеративные инструменты в России выходят из режима любопытного эксперимента и заходят в одну из самых консервативных систем — массовую школу.
О результатах программы сообщает Habr / Новости со ссылкой на пресс-службу «Яндекса», поэтому все показатели — это данные самой компании, а не внешний аудит. К обучению подключились педагоги из разных регионов страны, а проводили его вместе с региональными институтами развития образования и педагогическими вузами. Старт был в 2025 году: тогда курс прошли более 7 тыс. учителей информатики из 47 регионов. В 2026-м программу расширили на преподавателей всех предметов. Это важный сдвиг. Одно дело, когда с нейросетями работает профильный предметник, и совсем другое — когда инструмент начинают примерять учителя истории, литературы, биологии и начальной школы. Тут уже речь не о нишевом эксперименте, а о попытке сделать навык массовым.
Самый показательный срез — не общее число участников, а изменение глубины использования. Доля учителей, которые умеют работать сразу с четырьмя и более нейросетями, выросла с 11% до 37%. Одновременно доля тех, кто не пользуется ни одной, сократилась с 16% до 2%. Для любого продакта это почти учебниковая картина: снижается порог входа, а пользователь переходит от разового теста к набору рабочих инструментов. В переводе на практический язык это означает, что учитель уже не просто просит одну модель сделать план урока, а начинает сравнивать ответы, подбирать подходящие сервисы под конкретную задачу и выстраивать свой привычный рабочий набор. А это уже совсем другая стадия зрелости.
Не менее важен сдвиг в отношении к тому, как нейросетями пользуются школьники. После обучения 72% участников сказали, что не запрещают ученикам такие инструменты, а объясняют, как проверять достоверность сгенерированной информации. До начала программы такого подхода придерживались 55% педагогов. Доля полного запрета ИИ при выполнении домашних заданий снизилась с 14% до 6%. Школа, похоже, довольно быстро проходит ту же стадию, которую раньше прошли компании: красивый запрет в регламенте проигрывает более приземленной модели «пользуйся, но проверяй». Для отрасли это важный момент, потому что навык верификации здесь ценнее любого восторга от первой удачной генерации.
Сама программа была собрана без лишней футурологии: вебинары, самостоятельное изучение материалов, разбор практических кейсов и готовые сценарии уроков. Педагогов учили не абстрактному будущему, а довольно земным задачам: как быстрее готовить учебные материалы, создавать иллюстрации и презентации, разбирать ограничения технологии и не путать уверенный тон модели с правдой. Отдельный блок посвятили ответственному использованию ИИ в образовании и проверке достоверности сгенерированного контента. Для разработчиков EdTech и корпоративных AI-продуктов вывод здесь прямой: массовый пользователь лучше принимает не умную модель вообще, а упакованный сценарий с понятной задачей, рамками и списком того, что нужно перепроверить вручную.
Контекст тоже говорит о многом. Еще год назад программа была адресной и шла через учителей информатики, то есть через аудиторию, которая и без того ближе всего к цифровым экспериментам. Теперь перед нами горизонтальное расширение: ИИ в образовании перестает быть темой для отдельного энтузиаста или методиста и становится частью школьной повседневности. Для рынка это означает смену запроса. Когда в процесс заходят учителя всех предметов, им нужен не только быстрый текст или красивая картинка, но и более понятные шаблоны, локальный контекст, прозрачность ограничений и предсказуемый результат. Иначе инструмент остается эффектным демо, но не становится рабочей привычкой.
Для разработчиков, продактов и HR в IT тут есть еще один практический вывод. Массовое обучение всегда быстро отделяет настоящую полезность инструмента от красивой презентации. Когда десятки тысяч пользователей начинают применять нейросети регулярно, на первый план выходят предсказуемость результата, объяснимость ошибок, удобство проверки и возможность встроить сервис в уже существующий процесс без отдельного мини-курса на каждый чих. Корпоративные университеты и внутренние AI-команды сталкиваются с тем же самым: внедрение ломается не на модели как таковой, а на отсутствии методики. Если у человека есть сценарий, чек-лист и понятные границы допустимого, освоение идет заметно быстрее, чем после разовой лекции о том, что нейросети теперь везде.
Следующий рубеж для школ — уже не количество выданных сертификатов, а правила игры. Если нейросети становятся рабочим инструментом учителя и ученика, системе придется договариваться, где заканчивается помощь и начинается имитация самостоятельной работы, кто отвечает за ошибки в сгенерированном материале и какие данные вообще допустимо отдавать внешним сервисам. Именно на этом этапе и станет понятно, останется ли ИИ в образовании удобным ускорителем для рутины или превратится в еще один источник организационного шума, который потом будут разбирать вручную.