X5 Tech shared how it built an AI service for international exam preparation in 7 days

Команда ExamLab Bot на интенсиве AI Talent Camp собрала за неделю рабочий AI-сервис для преподавателей международных экзаменов. Система превращает syllabus и дедлайны в персональную учебную траекторию и сокращает подготовку плана с 3–4 часов примерно до двух минут.

Какая была проблема В основе идеи — очень конкретная боль преподавателей IB и A-Level.

Чтобы взять нового ученика, им нужно не просто прочитать syllabus, а превратить его в детальный план на 20–30 недель с учётом дедлайна экзамена, расписания, уже пройденных тем и текущего уровня. Если занятие переносится или студент отстаёт, план приходится пересчитывать заново. На одного ученика уходит около четырёх часов рутинной подготовки, и именно эта работа, а не само преподавание, ограничивает рост.

Из-за этого многие преподаватели вообще не ведут полноценные персональные траектории: кто-то работает по интуиции, кто-то использует один шаблон на всех, кто-то просто отказывается от новых учеников. Для сегмента, где обучение у сильного эксперта стоит 30–40 тысяч рублей в месяц, это означает прямую потерю выручки. Команда ExamLab Bot решила автоматизировать именно повторяющийся организационный слой: построение плана, учёт ограничений, обновление по прогрессу и контроль движения к цели.

Как устроили MVP

За семь дней команда сознательно сузила задачу до двух ключевых функций: построение персональной траектории под цель, срок и уровень ученика, а затем её корректировка по мере прогресса и обратной связи преподавателя. В качестве интерфейса выбрали Telegram-бота, чтобы не тратить время на тяжёлый веб-фронт. Рабочим представлением плана стали Google Sheets, а расписание синхронизировали через Google Calendar.

В результате вместо 3–4 часов ручной подготовки генерация плана занимает около двух минут. преподаватель или администратор задаёт цель, дедлайн, уровень, доступное время и приоритеты бот генерирует детальный учебный план на весь период план сохраняется в Google Sheets, а события уходят в Google Calendar при изменении прогресса AI пересчитывает траекторию без пересборки с нуля Технически сервис построили вокруг мультиагентной схемы. Python-оркестратор координирует агентов с разными ролями: один отвечает за стратегию и распределение времени, второй — за детализацию уроков, домашних заданий и тестов, третий — за пакетную обработку длинных программ, а отдельный слой проверяет структуру, даты и полноту покрытия.

В стеке использовали Python 3.11+, asyncio, aiogram, SQLAlchemy, PostgreSQL и OpenRouter API. От LangChain и LangGraph отказались в пользу прямых вызовов: так проще контролировать промпты, retry-логику и скорость разработки.

«Работающий минимальный продукт с чистым пайплайном ценнее, чем

попытка объять необъятное».

Почему уложились в неделю

Сам интенсив был устроен как короткий продуктовый цикл, а не как обычный хакатон с демо ради демо. По дням команда прошла путь от discovery и постановки задачи через оценку рисков и PoC к MVP, пользовательскому фидбэку и финальной защите. Менторы постоянно напоминали, что цель — не красивая сцена, а задел под реальный AI-продукт, который можно развивать дальше.

Это заставляло быстро принимать архитектурные решения, отказываться от лишних функций и держаться за рабочий сценарий, а не за эффектные идеи. Авторы проекта отдельно подчёркивают, что скорость дала не магия AI-инструментов сама по себе. Интерфейс, сценарии взаимодействия с преподавателем и даже выбор первого сегмента пользователей несколько раз менялись по ходу недели.

Ставка на минимальную рабочую версию и быстрые проверки на реальных сценариях оказалась полезнее, чем попытка заранее спроектировать идеальную систему. Следующий шаг — закрытое бета-тестирование на 10–15 преподавателях, а затем расширение набора экзаменов и добавление подготовки к ЕГЭ.

Что это значит

Кейс ExamLab Bot показывает, что в EdTech сейчас лучше всего работают узкие AI-продукты с понятной метрикой пользы. Здесь такой метрикой стало время: часы ручной подготовки превратились в минуты, а у преподавателя появился шанс масштабировать практику без роста административной нагрузки. Важный вывод и для других команд: простые интерфейсы, прямые интеграции и частая проверка на пользователях часто дают больше, чем сложный стек и длинный список фич.