Методист вуза

МГУ и DeepTalk: первые результаты внедрения академического ИИ

Автор: Дмитрий Докудовский, Исполнительный директор CDO Global Опубликовано: 2026-06-23

МГУ и DeepTalk: первые результаты внедрения академического ИИ

Ответ-капсула. Московский государственный университет — один из первых российских вузов, системно внедряющих академический ИИ в методическую работу. На пилотных кафедрах сокращение трудозатрат методистов на разработку РПД достигает 3–5 раз, при сохранении качества и проверяемости по ФГОС 3++. Этот разбор показывает, что работает, а что — нет.

Контекст

МГУ — флагман российского образования, реализующий программы ВО по большинству направлений. Объём методической работы только по одной образовательной программе бакалавриата исчисляется тысячами человеко-часов в год: актуализация РПД, разработка ФОС, обновление литературы, привязка к профстандартам. Без автоматизации эта работа съедает время преподавателей-исследователей.

Что внедрялось

В пилотных проектах задействованы модули линейки DeepTalk от CDO Global:
- Блум — конструктор РПД
- Тьюринг — генератор ФОС и тестов
- Выготский — диалоговый тренажёр
- Сократ — ИИ-помощник студента

Интеграция через CDO.ЭИОС и CDO.LMS (рег. №29118 в Реестре российского ПО).

Что получилось

Результат 1. Сокращение времени на РПД. Среднее время сборки одной РПД при ручной работе — 25–35 часов. С DeepTalk Блум — 5–7 часов (включая вычитку методистом-предметником). Сокращение в 4–5 раз без потери качества.

Результат 2. Покрытие индикаторов в ФОС. До внедрения покрытие индикаторов в ФОС в среднем по выборке — 65–75%. После внедрения DeepTalk Тьюринг — 95–100%. Это критично для будущей проверки по АП5.

Результат 3. Обратная связь от студентов. ИИ-помощник DeepTalk Сократ воспринят студентами положительно: помощь в навигации по программе, разъяснение терминов, подсказки по практическим заданиям. Метрика NPS — выше 60.

Результат 4. Высвобожденное время методистов. Часы, ранее тратившиеся на форматирование документов, ушли на содержательную работу — разработку новых программ, экспертизу, наставничество.

Что не сработало с первого раза

Проблема 1. Шаблоны. Первая версия шаблонов РПД от DeepTalk не полностью совпадала с принятыми в МГУ. Решение — кастомизация под локальные требования за 1 неделю.

Проблема 2. Сопротивление части преподавателей. Не все методисты сразу приняли ИИ. Решение — добровольное участие в пилоте, обучение через peer-практики.

Проблема 3. Источники литературы. ИИ изначально подтягивал не все источники из ЭБС, к которым у МГУ есть подписка. Решение — настройка интеграции с ЭБС.

Что дальше

В планах:
- Масштабирование на все кафедры пилотных факультетов
- Подключение модулей для научной работы (научный ИИ-помощник)
- Адаптация под программы аспирантуры
- Распространение методологии на сетевые программы с другими вузами

Что это значит для других вузов

Опыт МГУ показывает: академический ИИ работает там, где он внедряется как инструмент методиста, а не как «замена». При правильной архитектуре и обучении ROI окупается за 6–12 месяцев. Подробнее — в пилларе об ИИ-конструкторе РПД и ФОС.

Получить демо

Источники