Привет, Хабр! С вами снова продуктовая команда Кэмпа. И сегодня мы хотим разобрать архитектурный вопрос, с которым мы сталкиваемся: строить продукт на автономных ИИ-агентах или на многошаговом pipeline?

В последние 3 года автономные ИИ-агенты стали одним из главных трендов индустрии. Идея выглядит почти идеально: дать модели цель, подключить инструменты — дальше агент сам строит план, принимает решения, вызывает API, анализирует результаты и доводит задачу до конца.

Но когда мы в Кэмпе начали переносить подобные архитектуры в реальные пользовательские сценарии, то полностью автономный агент начинал конфликтовать с продуктовой логикой. Если система всё делает сама и пользователь получает готовый результат, но не понимает, как он был получен и почему модель приняла именно такие решения. В образовательном сценарии это снижает вовлеченность и убирает главный эффект — обучение через взаимодействие.

В этой статье разберём, почему автономные агенты далеко не всегда подходят для пользовательского продукта, и почему в Кэмпе мы сделали ставку на многошаговый pipeline-подход.

Привет, Хабр! На связи продуктовая команда Кэмпа — ИИ-напарника для студентов.

За последние годы вокруг ИИ в образовании сформировался устойчивый нарратив: главное — это качество результата. Насколько точно модель отвечает, насколько хорошо генерирует текст, насколько можно доверять итоговому материалу.

Но на практике мы довольно быстро уперлись в другую проблему. Оказалось, что даже качественный результат почти не гарантирует, что пользователь хоть что-то понял и запомнил.

Привет, Хабр! С вами продуктовая команда Кэмпа — ИИ-напарника для студентов. 

Мы работаем с образовательными сценариями и ИИ-инструментами уже 6 лет и видим устойчивый сдвиг: меняется не только то, как студенты учатся, но и то, как вузы пытаются проверять знания.

Письменные работы — отчеты, эссе, расчёты — перестают быть надежным гарантом знания и понимания. И это запускает более глубокий сдвиг: от проверки результата — к проверке мышления через диалог, устную защиту и кейсовые форматы

Презентации — это боль, с которой сталкивался почти каждый во время обучения. Защита курсовой, доклад на семинаре, презентация проекта, питч стартапа или даже обычный реферат — в какой-то момент все равно приходится открывать PowerPoint и вручную двигать текстовые блоки до 3 часов ночи.

В Кэмпе этот процесс можно сильно ускорить. AI-генератор презентаций сам анализирует документ, собирает структуру, генерирует слайды и помогает привести все к нормальному визуалу без бесконечной возни с дизайном.

В статье мы разберем весь флоу пошагово — от загрузки документа до финального редактирования.

Roadmap работы с презентациями

Генератор презентаций в Кэмпе помогает превратить почти любой материал в готовую презентацию. Типовые сценарии выглядят примерно так:

Иллюзия участия в AI-инструментах: как мы теряем пользователя внутри собственного продукта

Мы в Кэмпе уже более 6 лет работаем над AI-инструментами для образования и фиксируем устойчивый эффект: пользователь воспринимает результат генерации как «свой», даже если его реальное участие в процессе было минимальным.

При этом проблема не в том, что AI делает слишком много, а в том, что пользователь перестает понимать, что именно он сделал внутри процесса генерации самостоятельно. Это не поведенческая особенность аудитории, а продуктовая проблема, которая напрямую влияет на то, чему пользователь реально учится и как он закрепляет знания. 

В этой статье мы разберем этот эффект как продуктовую проблему: откуда берется ощущение «я сделал сам», как оно связано с архитектурой AI-интерфейсов и как вернуть пользователя в процесс, а не просто ускорять результат.

Привет, Хабр. На связи Костя, CEO Кэмпа.

Я много общаюсь со студентами и преподавателями и параллельно с командой делаю ИИ-продукты для обеих сторон. По сути, каждый день пытаюсь собрать в одной точке всех участников образовательного процесса и понять, как встроить AI так, чтобы всем было комфортно.

Мне стало интересно посмотреть чуть дальше: а кто он — студент будущего? Я заметил три сдвига в обучении, которые начинают менять роль студента  Они лежат на поверхности, но, как показывает практика, не всегда очевидны.

Хочу поделиться наблюдениями и выводами — на основе того, что вижу в продукте и слышу на интервью.

Привет, Хабр. На связи тим-лид разработки Кэмпа.

Это третья статья цикла о релизе нового генератора презентаций в Кэмпе. Ранее разбирали, почему первая версия не взлетела, и что сейчас под капотом. Ниже расскажу, почему мы с командой решили собирать редактор с нуля.

Изначально мы его рассматривали как отдельную часть системы, а не как надстройку поверх генератора.Такой подход выбрали потому, что презентация должна существовать как управляемый документ: с возможностью ручных правок, экспорта в PPTX и дальнейшего расширения логики. Если начать с генератора, редактор неизбежно будет подстраиваться под уже существующие ограничения, а не задавать правила работы документа.

Генерация презентации — это не один запрос к модели, а последовательность связанных этапов. Система обрабатывает входные данные, строит структуру, генерирует слайды и формирует состояние, с которым дальше работает редактор. Каждый шаг влияет на следующий.

В первой статье мы разбирали, почему старая версия генератора не взлетела и какие продуктовые гипотезы пришлось пересобрать.

Это вторая статья цикла о релизе нового генератора презентаций в Кэмпе. В этом материале тим-лид разработки покажет инженерную сторону: как устроен пайплайн, как разделены этапы и с какими системными ограничениями мы столкнулись.

Искусственный интеллект уже меняет привычные процессы во всех сферах — от медицины до производства. Образование здесь не исключение.

Студенты и преподаватели активно используют AI. Правда вместо оптимизации это приводит к хаосу: нет единых правил использования, внутри кафедр и комиссий позиции на этот счёт расходятся, преподаватель вынужден тратить время на контроль, а не на формирование навыков у студентов.

Параллельно растёт другая нагрузка: большие потоки, несколько дисциплин, разные цифровые системы в каждом вузе. В этой среде не хватает одного — надёжного ассистента, который возьмёт на себя рутину и даст прозрачную картину по работе студентов.

Мы в Кэмпе планируем решить эту задачу: превратить AI в рабочий инструмент преподавателя — для автоматизации проверки, снижения рутины и фокуса на обучении и развитии студентов.

Наш хед и продакт-менеджеры поговорили с преподавателями из разных вузов и разобрали их повседневные процессы. Выделили 3 основные проблемы, о которых расскажем в порядке важности по убыванию.

Осенью мы запустили генератор презентаций как продолжение текстовых работ и решения задач. Наша логика была такой: если Кэмп умеет собирать структуру и писать текст, то собрать слайды — технический вопрос.

Генерация работала. Пользователи — не возвращались.

Стало понятно, что «собрать слайды по теме» — это не то же самое, что сделать рабочий инструмент для презентаций. Чтобы разобраться, где именно мы ошиблись, пришлось разложить процесс по слоям: от продуктовой гипотезы до архитектуры.

Эта статья — первая в цикле о релизе нового генератора презентаций. Наши продакт-менеджеры поделились, почему старая версия не взлетела, и что пришлось пересобрать.

Во второй поговорим о технической архитектуре генератора, а третью отдельно посвятим ИИ-редактору.

Привет, Хабр! Меня зовут Костя Петров, я руковожу командой Кэмпа — AI-напарника для студентов.

Несколько лет назад я пришёл в Кампус (так раньше назывался Кэмп) с задачей запустить один сервис. Тогда к искусственному интеллекту относились скорее как к опции «на будущее». Обсуждали аккуратно, без спешки: сначала сделаем базовый продукт, а AI добавим как-нибудь потом.

Но «потом» наступило быстрее, чем мы ожидали.

За короткое время AI из дополнительной функции превратился в фактор, который полностью меняет логику продукта, пользовательские ожидания и сам рынок. Стало очевидно: двигаться в прежней модели — значит постепенно терять релевантность.

С тех пор мы несколько раз пересобирали продукт и его стратегию. Где-то сработали вовремя, где-то опоздали, где-то спорили внутри команды и проходили через сопротивление — в том числе своё собственное.

В этой статье я хочу рассказать, как изначально задумывался Кэмп, какие ошибки мы допустили, какие решения пересмотрели и к чему пришли сегодня.