Трошки про школу та ШІ

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Минулого тижня OECD опублікувала PISA 2025 (ну, давайте, оріть з назви, я знаю, що ви хочете) — і там знайшовся датапоінт, який пояснює дещо важливе одним реченням: AI, який робить роботу за тебе, робить тебе гіршим. AI, якого ти перевіряєш, робить тебе кращим. Різниця не в тому, скільки ти ним користуєшся, а в тому, хто в цьому симбіозі головний.

П’ятнадцятирічні школярі вже проходять той самий урок, який ми в IT досі вчимо методом боляче набитих ґуль.

Що сталося

PISA раз на три роки тестує 15-річних школярів у читанні, математиці й природничих науках. Раунд 2025-го, опублікований 8 вересня 2026-го, охопив понад 760 тисяч учнів у 91 країні. Середній бал з читання впав на 28 пунктів з 2015 року, з математики — на 22. Кожен п’ятий підліток тепер не досягає базового рівня одразу з трьох предметів.

Українська частина — просідання по читанню й математиці порівняно з 2022-м, розрив із середнім по ОЕСР понад 30 балів у кожному предметі. Застереження: ці цифри я бачила поки що лише в переказах медіа, не в первинному country note від OECD, тож до офіційного звіту по Україні сприймайте їх як орієнтовні. Вибірка цього разу охопила лише 17 з 27 українських юрисдикцій — частина територій під окупацією чи в зоні бойових дій фізично випала з дослідження.

Розрив із середнім показником країн ОЕСР залишається значним:
• природничі науки — мінус 34 бали;
• читання — мінус 43 бали;
• математика — мінус 32 бали.

Найбільш тривожний показник — частка учнів, які не досягають базового рівня одразу з трьох предметів. В Україні таких 29,3%, тоді як у середньому по ОЕСР — 19,7%.

Тобто майже кожен третій український 15-річний учень має труднощі з базовими завданнями одразу з читання, математики та природничих наук.

Йдеться не про складну академічну теорію. Учням нижче базового рівня може бути важко зрозуміти простий текст, прочитати базовий графік або пов’язати одиниці вимірювання з ціною.

Є й помітний гендерний розрив. В Україні дівчата значно випереджають хлопців у читанні — 434 бали проти 402, тобто різниця становить 32 бали. У математиці навпаки: хлопці мають 435 балів проти 427 у дівчат. У природничих науках різниця мінімальна: 450 балів у дівчат і 446 у хлопців.

Мене в цьому звіті зацікавила не загальна деградація, а розділ про AI.

Цифри, які ламають зручний наратив

Учні, які не використовували AI для написання тексту, скорочення чи попереднього пошуку інформації, показали найвищі результати з природничих наук серед усіх груп. Розрив був найбільшим на самаризації текстів: щоденні користувачі AI відставали від тих, хто взагалі ним не користувався, майже на 30 балів.

Виняток один. Серед тих, хто використовував AI приблизно раз на тиждень саме «щоб допомогти вчитися» — не написати за них, а пояснити, потренувати, перевірити розуміння — результати були найвищі, вищі навіть за тих, хто AI взагалі не торкався. І ще нюанс: серед активних користувачів кращі результати показували ті, кого окремо навчили оцінювати якість AI-згенерованої інформації.

Тобто змінна, яка визначає результат, — не частота використання. Це роль, яку AI грає в парі з людиною: виконавець чи тренажер.

Той самий урок, тільки з естімаціями замість домашки

Кілька місяців тому я писала про роботу з Rovo, корпоративним AI-агентом Atlassian. Ми підключили агента до попередньої оцінки нової ініціативи: на вхід — опис задачі, історичні тікети як приклади, правила естімації. На виході — структурований драфт з числами й посиланнями на конкретні тікети. Виглядало переконливо. Настільки, що перший імпульс був — прийняти й піти далі.

Ми перевірили. І знайшли: агент бачив обмежений фрагмент з приблизно 50 тікетів, приклади брав не найрелевантніші, а ті, що потрапили в контекст, а правила естімації читав як звичайний текст, а не як алгоритм. Розбіжність із коректною оцінкою сягала 30-40%.

Якби ми взяли AI-драфт як фінальний — це був би режим «AI написав за нас», той самий, що в дослідженні корелює з гіршими результатами. Ми використали його як відправну точку для перевірки — режим «AI як тренажер для критичного мислення», той, що дає найкращий результат.

Різниця між цими режимами непомітна на виході — в обох ви отримуєте гарно структурований документ з числами. Різниця з’являється тільки в процесі, і саме там школярі й дорослі BA роблять однакову помилку: пропускають крок перевірки, бо AI звучить впевнено, а перевірка забирає час, якого нема.

Чому помірність це оманлива метрика

«Користуйтеся в міру» звучить як універсальна порада, яку можна дати про що завгодно, спорт, алкоголь, солодке. Але річ не в кількості дотиків до інструменту за день, а в тому, хто виконує розумову роботу. Можна користуватися AI щодня в режимі тренажера — якщо щоразу перевіряти. А можна скористатися ним раз на тиждень, але саме той раз бездумно скопіювати драфт у фінальний документ — і це вже режим виконавця, навіть при мінімальній частоті.

У BA-роботі це підступно, бо наш продукт це переважно текст: вимоги, оцінки, комунікація зі стейкхолдерами. AI генерує текст, який виглядає компетентно за замовчуванням. Виглядає, ага.

Що з цим робити

Універсального рецепта нема навіть у авторів PISA — вони самі пишуть, що зв’язок складний і залежить від того, як саме використовують інструмент. Але в нашій команді працює таке:

• Верифікація фінальних артефактів — окремим кроком від генерації, бажано іншою людиною або хоча б після паузи.
• Навчання команди — це не «як писати промпт», а навичка розпізнавання типових помилок AI: обрізана вибірка даних, вигадані деталі, впевнений тон при неправильному розрахунку.
• Швидкість, яку дає AI, вища за швидкість перевірки. Якщо економите на першому й пропускаєте друге — ви не заощаджуєте час, а переносите ризик помилки на пізніший, дорожчий етап.

Питання без відповіді

PISA виміряла школярів, яких цілеспрямовано навчали оцінювати якість AI-контенту, і показала, що це працює. У дорослих професійних командах такого навчання здебільшого нема — ми просто отримали доступ до інструменту й вирішили, що вміння ним користуватися прийде само. Судячи з мого досвіду з естімаціями через Rovo, воно не приходить.

Чи є у вашій команді формалізований процес перевірки AI-ауткаму, чи це поки тримається на тому, що хтось один занадто параноїдальний, щоб довіряти красивому драфту з першого разу?