Как Skyeng сократил расходы на создание контента для уроков в 4 раза

Генерация учебного контента стала отраслевой нормой: Duolingo в апреле 2025 года выпустил 148 новых языковых курсов, созданных с помощью генеративного AI, меньше чем за год. При этом пользователи ждут персонализацию под свои цели: кому-то нужен английский для IT-собеседований, кому-то — французский для поездки в Альпы. Готовить такие материалы вручную классической редакцией долго и дорого, поэтому EdTech-компании пошли в автоматизацию.

В Skyeng генеративный конвейер запустили еще в конце 2024 года. Чтобы закрыть спрос на персонализацию, команда создала первую версию системы на базе шаблонов: template engine задавал структуру урока с few-shot-примерами, модель заполняла карточки, а ученики выбирали разминки под свои интересы. Тогда система генерировала 900 тысяч персонализированных уроков в месяц и дала +3,5% к ретеншну.

Следом раскатали точечные AI-фичи:

• Разминка на актуальную тему в начале занятия показала 50% применения и добавила 2,5% к ретеншну.
• Уроки целиком под интересы ученика через промпт по хобби или профессии дали максимальный прирост ретеншна на 7,7%, но оказались самыми сложными в поддержке.

Когда поняли, что персонализация драйвит метрики бизнеса, команда решила перестроить сам инженерный подход к производству.

Шаблонная архитектура уперлась в ограничения:

• Ограниченная вариативность: материалы получались однотипными по структуре.
• Высокие расходы: каждый новый формат урока или языковое направление требовали отдельного стандарта. За три квартала библиотека разрослась до 200+ регламентов. Администрирование базы стало стоить дороже производства контента.
• Высокий порог входа: промптинг под жесткие шаблоны требовал экспертизы, которой обладали единичные специалисты.

Расширять подход на новые направления было невыгодно. Целевой процесс переформулировали так: методист ставит ТЗ на естественном языке и получает сверстанный урок в CMS. Всю промежуточную логику берет на себя конвейер.

Оказалось, что главное препятствие лежит вне технологий: процесс создания урока не был описан нигде. В пайплайне контент-продакшна значились роли: выпускающий редактор ставит задачу, методист верстает. Но то, как методист превращает тему в последовательность заданий, жило только в головах экспертов.

Эту экспертизу расписали по шагам, и из описания вырос динамический каркас урока. Он складывается из трех элементов:

• Этапы урока. Состоит из нескольких шагов, которые ученик проходит с преподавателем: разминка и вступление в тему, знакомство с лексикой, закрепление практикой, презентация грамматики, практика, рефлексия и карточки для домашнего задания.
• Активности. Под каждый этап собран набор активностей, их в библиотеке больше 400. Каждая активность состоит из шаблона механики и описания для языковой модели: что это за задание, что делает ученик и когда этот вариант выбирать.
• Зависимости. Грамматика подтягивается по названию из банка теории в карточку презентации, а дальше переиспользуется карточками практики. Отдельная зависимость решает, какая тема пойдет на чтение, а какая на аудирование: так карточки продолжают друг друга без повторов.

ТЗ для такого каркаса пишется естественным языком: тема, грамматика, лексика, уровень ученика по CEFR (международная шкала от A1 до C2). Система парсит его в набор переменных и протягивает их через весь урок.

Секрет — в комбинаторике. Шаблон описывал урок целиком, поэтому под любой новый формат приходилось писать отдельный стандарт. Активность описывает только один шаг. Из 400 таких кубиков можно собрать практически любой урок, не плодя новые сущности в системе.

Модели в конвейере не дообучаются. Вся «настройка» зашита в промптах, описаниях активностей и правилах зависимостей. У такой архитектуры оказался важный стратегический плюс: конвейер вообще не привязан к конкретной нейросети.

Skyeng для конвейера уроков использует динамичный набор моделей и провайдеров. Все это благодаря гибкой архитектуре: входные данные не меняются, промпты переиспользуются, а вся логика остается внутри системы. Контент в любом случае выходит в едином корпоративном стиле с нужными механиками, графикой и системным голосом.

Медиаконтент генерируется параллельно: аудио создается через ElevenLabs, а иллюстрации — через Nano Banana, генератор изображений Google.

Главная проблема автоматической генерации — галлюцинации моделей и мелкие логические ошибки. Если AI ошибается в правиле грамматики или путает ключи в упражнении, ученик теряет доверие к платформе.

Чтобы решить проблему, в конвейер заложили систему проверки с выходом на человека:

• Агент-критик формирует критерии проверки из базы знаний по предмету: правильно ли использована грамматика, нет ли фактических ошибок.
• Агент-корректор получает замечания критика и точечно исправляет содержимое карточки, оставаясь в контексте урока.
• Критик проверяет повторно. Ко второму кругу замечаний, как правило, уже нет. Если они остаются, урок все равно уходит дальше, на проверку человеку.
• Человек закрывает цикл. Контент из общего производства смотрит пруфридер, а уроки под конкретного ученика проверяет преподаватель: он может удалить лишние карточки или перегенерировать урок.

Карточка ходит по кругу «критик — корректор» до тех пор, пока не пройдет валидацию. Чтобы система не зациклилась на сложной задаче, стоит лимит: максимум три попытки исправления. Если за три итерации идеала достичь не удалось, задача помечается как спорная.

Сравнение архитектуры из первого кейса Skyeng о генерации с нынешней показывает, как сместился подход к производству контента:

Skyeng пересобрал работающий генеративный конвейер. Система на шаблонах выдавала 900 тысяч уроков в месяц, но масштабировалась стандартами: их накопилось 200+ за три квартала. Каркас урока с 400 активностями снял это ограничение: полный урок с картинками и аудио создается меньше чем за час и стоит около 80 рублей. Совокупные расходы на контент упали в 4 раза год к году.