ГлавнаяMVPрабочая версия продукта 10преподавателей в первом пилоте 200учеников на старте 2разработчика в команде
О проекте TutorAI
Цифровая платформа непрерывного персонального обучения.
TutorAI объединяет занятия, домашние задания, результаты и решения преподавателя в единый контекст ученика.
План первого пилота01 · ПРОБЛЕМА
Сервисы автоматизируют расписание, но не сохраняют логику обучения.
Репетиторы используют мессенджеры, видеосвязь, таблицы и облачные диски. Каждый инструмент решает отдельную задачу, но ни один не формирует цельную учебную историю.
- 01 Контекст ученика хранится в разных местах
- 02 Подготовка требует ручного поиска информации
- 03 Повторяющиеся трудности сложно отслеживать
- 04 AI не знает историю без ручного пересказа
02 · РЕШЕНИЕ
Все этапы работы с учеником соединяются в один цикл.
ЗанятиеРезультатДомашняя работаПроверкаСледующий шаг
Кабинет преподавателя
Ученики, группы, расписание, задания и результаты.
Кабинет ученика
Занятия, домашняя работа, материалы и обратная связь.
Контекст ученика
Связанная история целей, тем, трудностей и решений.
Аналитика
Динамика результатов и сигналы, которые требуют внимания.
AI-инструменты
Подготовка к уроку, рекомендации и черновики отчётов.
Учебный процесс
От назначения задания до проверки и следующего шага.
03 · КЛЮЧЕВОЕ ОТЛИЧИЕ
AI получает контекст из самого учебного процесса.
TutorAI не позиционируется как CRM с отдельным AI-чатом. В основе продукта — память ученика: цель, уровень, темы, результаты, повторяющиеся ошибки и решения преподавателя.
Проект использует внешние AI-модели и не заявляет разработку собственной фундаментальной языковой модели.
ИСТОЧНИКИЗанятияТемыДЗОценки
STUDENT CONTEXTПамять ученика
история · динамика · сигналы
РЕЗУЛЬТАТBriefАналитикаРекомендации
04 · ТЕКУЩАЯ ГОТОВНОСТЬ
У проекта уже есть работающий технический фундамент.
Базовые продуктовые сценарии реализованы. AI-функции памяти, подготовки и отчётности проходят внутреннюю проверку перед пилотным использованием.
Продуктовые сценарии
Преподаватели, ученики, расписание, занятия, задания, вложения, проверка и результаты.
Надёжность данных
Сохранение контекста, разграничение доступа и защита от повторных операций.
Управляемый AI
Реальный внешний провайдер, маршрутизация запросов и учёт использования и стоимости.
Результаты внутреннего финального прогона подтверждают техническую готовность ключевых сценариев, но не заменяют продуктовую проверку с реальными преподавателями.
05 · ПЕРВЫЙ ПИЛОТ
Проверить TutorAI в ежедневной работе преподавателей.
Планируемый масштаб: до 10 преподавателей, до 200 учеников, индивидуальные занятия и небольшие группы.
Основные гипотезы
- Преподаватели готовы регулярно фиксировать тему и результат занятия.
- Контекст сокращает время восстановления информации перед уроком.
- Память ученика помогает точнее выбирать следующий шаг.
- Ученику удобно получать и сдавать задания в отдельном кабинете.
- AI полезен, когда опирается на реальную учебную историю.
Метрики пилота
- Активация и недельное использование преподавателями
- Доля занятий с заполненной темой и результатом
- Доля выданных и выполненных домашних заданий
- Время подготовки преподавателя к занятию
- Частота использования памяти ученика
- Полезность AI-подсказок по оценке преподавателя
- Стоимость AI-функций на активного ученика
- Критические ошибки и обращения в поддержку
06 · ТЕХНОЛОГИЧЕСКАЯ ОСНОВА
Архитектура, рассчитанная на развитие продукта.
Уроки проходят во внешних сервисах видеосвязи — TutorAI не хранит видео. Основной объём составляют учебные материалы, домашние работы и структурированный контекст.
07 · ЭКОНОМИКА
Подписка за активного ученика — не оплата отдельных AI-запросов.
Показатели ниже являются рабочими ориентирами и будут уточнены по результатам пилота.
ПЛАНИРУЕМЫЙ ТАРИФ300–400 ₽за активного ученика в месяц
- Рабочий ориентир
- ≈ 349 ₽
- Целевая себестоимость
- ≤ 70 ₽
- Бюджет памяти ученика
- ≤ 20 ₽
Модель должна оставаться понятной преподавателю и предсказуемой при росте использования AI.
08 · ДОРОЖНАЯ КАРТА
От рабочего MVP к устойчивому образовательному продукту.
Каждый следующий этап зависит от результатов предыдущего — сначала реальная ценность, затем масштабирование.
Рабочий MVP
Кабинеты, расписание, задания, результаты и базовый контур учебных данных.
Первый пилот
До 10 преподавателей и 200 учеников, сбор метрик и проверка продуктовых гипотез.
AI-контур
Память, подготовка перед уроком, рекомендации, аналитика и отчётность.
Экзамены и команды
ОГЭ/ЕГЭ, движение к цели и инструменты для образовательных команд.
09 · КОМАНДА И ПАРТНЁРСТВО
Два разработчика, один продуктовый фокус.
Имена, роли и профессиональные профили будут добавлены перед публичным запуском. Мы не публикуем вымышленные биографии.
СЕЙЧАС ПРОЕКТУ НУЖНЫ
- Преподаватели для первого пилота
- Образовательные партнёры
- Инфраструктурная и грантовая поддержка
- Экспертиза в EdTech и работе с данными
Мы строим платформу, которая помогает преподавателю помнить путь каждого ученика.
Ближайшая задача — провести пилот, подтвердить ценность на реальных занятиях и подготовить TutorAI к развитию.
Вернуться к продукту