X5 Tech conta como um serviço de IA para preparação para exames internacionais foi criado em 7 dias

A equipe do ExamLab Bot desenvolveu em uma semana, durante o programa intensivo AI Talent Camp, um serviço de IA funcional para professores de exames internacionais. O sistema transforma o syllabus e os prazos em uma trilha de estudos personalizada e reduz o tempo de preparação do plano de 3–4 horas para cerca de dois minutos.

Qual era o problema A ideia parte de uma dor bem concreta de professores de IB e A-Level.

Para aceitar um novo aluno, ler o syllabus não basta: eles precisam convertê-lo em um plano detalhado de 20–30 semanas, levando em conta o prazo do exame, a agenda, os tópicos já estudados e o nível atual do estudante. Se uma aula é remarcada ou o aluno fica para trás, o plano precisa ser recalculado do zero. Cada aluno consome cerca de quatro horas de preparação rotineira, e é esse trabalho, e não o ensino em si, que limita o crescimento.

Por isso, muitos professores simplesmente não mantêm trilhas personalizadas completas: alguns trabalham na intuição, outros usam o mesmo modelo para todos e há quem simplesmente recuse novos alunos. Em um segmento no qual as aulas com um especialista forte custam 30–40 mil rublos por mês, isso significa perda direta de receita. A equipe do ExamLab Bot decidiu automatizar justamente a camada organizacional repetitiva: montagem do plano, consideração das restrições, atualização conforme o progresso e acompanhamento do avanço rumo à meta.

Como o MVP foi construído

Em sete dias, a equipe reduziu deliberadamente o escopo a duas funções principais: montar uma trilha personalizada de acordo com a meta, o prazo e o nível do aluno e, depois, ajustá-la conforme o progresso e o feedback do professor. A interface escolhida foi um bot no Telegram, para não gastar tempo com um front-end web pesado. O Google Sheets virou a representação de trabalho do plano, e a agenda foi sincronizada via Google Calendar.

Com isso, em vez de 3–4 horas de preparação manual, a geração do plano leva cerca de dois minutos. o professor ou administrador define a meta, o prazo, o nível, o tempo disponível e as prioridades o bot gera um plano de estudos detalhado para todo o período o plano é salvo no Google Sheets, e os eventos vão para o Google Calendar quando o progresso muda, a IA recalcula a trilha sem precisar refazê-la do zero Do ponto de vista técnico, o serviço foi construído sobre uma arquitetura multiagente. Um orquestrador em Python coordena agentes com papéis diferentes: um cuida da estratégia e da distribuição do tempo; outro, do detalhamento de aulas, lições de casa e testes; um terceiro, do processamento em lote de programas longos; e uma camada separada verifica a estrutura, as datas e a completude da cobertura.

A stack inclui Python 3.11+, asyncio, aiogram, SQLAlchemy, PostgreSQL e OpenRouter API. A equipe abriu mão de LangChain e LangGraph em favor de chamadas diretas: assim fica mais fácil controlar os prompts, a lógica de retry e a velocidade de desenvolvimento.

«Um produto mínimo que funciona, com um pipeline limpo, vale mais do

que a tentativa de abraçar o mundo».

Por que deu certo em uma semana O próprio intensivo foi estruturado

como um ciclo curto de produto, e não como um hackathon comum, com demo pela demo. Dia a dia, a equipe percorreu o caminho do discovery e da definição do problema, passando pela avaliação de riscos e pelo PoC, até o MVP, o feedback de usuários e a apresentação final. Os mentores lembravam o tempo todo que o objetivo não era um palco bonito, e sim uma base para um produto de IA real, que pudesse continuar evoluindo.

Isso obrigava a tomar decisões de arquitetura rapidamente, cortar funções supérfluas e se apegar ao cenário funcional, e não a ideias chamativas. Os autores do projeto ressaltam que a velocidade não veio da mágica das ferramentas de IA por si só. A interface, os fluxos de interação com o professor e até a escolha do primeiro segmento de usuários mudaram várias vezes ao longo da semana.

Apostar em uma versão mínima funcional e em testes rápidos com cenários reais se mostrou mais útil do que tentar projetar de antemão um sistema ideal. O próximo passo é um beta fechado com 10–15 professores e, depois, a ampliação da lista de exames e a inclusão da preparação para o ЕГЭ.

O que isso significa O caso do

ExamLab Bot mostra que, hoje, os produtos que funcionam melhor em EdTech são os de IA com foco estreito e uma métrica de valor clara. Aqui, essa métrica foi o tempo: horas de preparação manual viraram minutos, e o professor ganhou a chance de escalar sua prática sem aumentar a carga administrativa. Há uma lição importante também para outras equipes: interfaces simples, integrações diretas e validação frequente com usuários muitas vezes rendem mais do que uma stack complexa e uma longa lista de funcionalidades.