A X5 Tech contou como desenvolveu em 7 dias um serviço de AI para a preparação para exames internacionais

O time do ExamLab Bot no intensivo AI Talent Camp montou um serviço de AI funcional em uma semana para professores de exames internacionais. O sistema transforma currículos e prazos em uma trajetória de aprendizado personalizada e reduz o tempo de preparação do plano de 3–4 horas para aproximadamente dois minutos.

Qual Era o Problema

A ideia surgiu de uma dor muito específica dos professores de IB e A-Level. Para aceitar um novo aluno, eles precisam fazer mais do que simplesmente ler o currículo—precisam transformá-lo em um plano detalhado que abrange 20–30 semanas, levando em conta a data do exame, o cronograma, os tópicos já cobertos e o nível atual. Se uma aula é adiada ou um aluno fica atrasado, o plano precisa ser recalculado do zero.

Cerca de quatro horas de trabalho administrativo rotineiro são gastas em cada aluno, e é esse trabalho, não o ensino propriamente dito, que limita o crescimento. Como resultado, muitos professores não criam trajetórias personalizadas completas: alguns ensinam por intuição, alguns usam um modelo único para todos, alguns simplesmente recusam novos alunos. Para um segmento onde aulas com um especialista de topo custam 30.

000–40.000 rublos por mês, isso representa uma perda direta de receita.

O time do ExamLab Bot decidiu automatizar justamente a camada organizacional repetitiva: construção de planos, gerenciamento de restrições, atualizações de progresso e rastreamento de metas.

Como Construíram o MVP

Em sete dias, o time deliberadamente reduziu o escopo a duas funções-chave: construir uma trajetória personalizada para a meta, prazo e nível do aluno, depois ajustá-la conforme o aluno progride e o professor fornece feedback. Escolheram um bot do Telegram como interface para evitar gastar tempo no pesado desenvolvimento do web frontend. Google Sheets se tornou a representação funcional do plano, e o agendamento foi sincronizado através do Google Calendar. Como resultado, em vez de 3–4 horas de preparação manual, a geração do plano leva cerca de dois minutos.

• professor ou administrador define o objetivo, prazo, nível, tempo disponível e prioridades
• o bot gera um plano de aprendizado detalhado para todo o período
• o plano é salvo no Google Sheets e os eventos são adicionados ao Google Calendar
• conforme o progresso muda, a IA recalcula a trajetória sem reconstruir do zero

Tecnicamente, o serviço foi construído em torno de um esquema multi-agente. Um orquestrador Python coordena agentes com papéis diferentes: um trata de estratégia e alocação de tempo, outro trata de detalhes de aulas, tarefas de casa e testes, um terceiro trata do processamento em lote de programas longos, e uma camada separada valida estrutura, datas e completude de cobertura. O stack utilizou Python 3.11+, asyncio, aiogram, SQLAlchemy, PostgreSQL e a API OpenRouter. Abandonaram LangChain e LangGraph em favor de chamadas de API diretas: isso torna mais simples controlar prompts, lógica de retry e velocidade de desenvolvimento.

"Um produto mínimo funcional com um pipeline limpo é mais valioso do

que tentar fazer tudo."

Por Que Terminaram em Uma Semana

O intensivo em si foi estruturado como um ciclo curto de produto, não um hackathon típico com demos pelo bem de demos. Dia após dia, o time passou de descoberta e definição de problema através de avaliação de riscos e PoC para MVP, feedback do usuário e apresentação final. Mentores constantemente lembravam que o objetivo não era um demo polido no palco, mas uma base para um produto de IA real que pudesse ser desenvolvido adiante. Isso forçou decisões arquitetônicas rápidas, eliminação de features desnecessárias e foco em cenários funcionais em vez de ideias impressionantes.

Os autores do projeto enfatizam especificamente que a velocidade não veio da mágica das ferramentas de IA por si só. A interface, cenários de interação com professores, e até a escolha do segmento inicial de usuários mudaram várias vezes durante a semana. Apostar em uma versão mínima funcional e testes rápidos em cenários reais se mostrou mais útil do que tentar projetar antecipadamente o sistema perfeito. O próximo passo é testes beta fechados com 10–15 professores, seguido pela expansão das ofertas de exames e adição de preparação para o exame de conclusão do ensino médio russo (ЕГЭ).

O Que Isso Significa

O caso ExamLab Bot mostra que em EdTech agora, produtos de IA estreitos com métricas de valor claras funcionam melhor. Aqui, essa métrica era tempo: horas de preparação manual se tornaram minutos, e professores ganharam a oportunidade de escalar sua prática sem aumento de carga administrativa. Esta é uma lição importante para outros times também: interfaces simples, integrações diretas e validação frequente com usuários frequentemente entregam mais do que um stack tecnológico complexo e uma longa lista de features.