Як Preply автоматизує Lesson Insights: OpenAI, transcript-grounded feedback і human-led навчання

У language learning якість залежить не лише від змісту уроку, а від регулярного feedback, видимості прогресу й правильно підібраної практики між сесіями. Для tutor це означає багато адміністративної роботи: notes, corrections, vocabulary lists, homework і пояснення «що робити далі». Preply побудувала Lesson Insights як AI-layer навколо human lesson, а не як заміну 1:1 викладача.

За consent learner lesson audio транскрибується. Наприкінці або одразу після уроку система аналізує transcript і готує structured report: summary, grammar corrections, vocabulary highlights/translations, pronunciation feedback і recommended next steps. Ці insights далі можуть використовуватися для personalized self-learning exercises. Важлива архітектурна риса — AI має grounded evidence у конкретному lesson transcript, а tutor і learner можуть разом переглянути результат.

OpenAI повідомляє, що 75% English-language learners активно користуються Lesson Insights, понад 70% tutors використовують feature, а satisfaction становить 4.7/5 на більш ніж 300 тис. ratings. Це product/provider-reported engagement evidence. Воно не доводить, що learning outcomes автоматично кращі на 4.7/5 або що AI causally підвищує fluency.

Trigger — lesson lifecycle event із valid consent. Preply описує, що insight generation планується за кілька хвилин до завершення lesson, щоб результат був готовий для спільного review. Input — lesson audio/transcript, learner language, goals, relevant lesson context і permitted historical progress signals. AI stage — transcription-aware extraction, error identification, categorization, explanation, summarization і generation of targeted practice candidates.

Integrations — classroom/lesson service, consent/permissions, transcription pipeline, learner profile, chat thread, exercise engine, telemetry та feedback/rating collection. Output — structured lesson report і suggested exercises, а не педагогічне рішення «за tutor». У reproduction architecture важливо versionувати transcript, prompt/model, feedback schema і learner context, щоб quality issue можна було відтворити.

• Trigger → eligible lesson + active learner/tutor consent;
• Input → transcript + goals + limited historical context;
• AI → extract, classify, explain, summarize, suggest practice;
• Integrations → classroom, permissions, chat, learner profile, exercise engine;
• Output → reviewable insights + personalized practice candidates.

Reproduction flow: `consent check → capture/transcribe → transcript quality gate → AI analysis → structured output validation → sensitive/uncertain-content checks → deliver to tutor/learner → feedback → personalized exercise generation`. Якщо transcript низької якості або мова/акцент не підтримується достатньо добре, система має знижувати confidence, пропускати конкретний insight або просити human correction, а не винаходити pronunciation error із білого шуму.

Autonomy A3: pipeline автоматично обробляє lesson evidence і доставляє personalized artifacts, але tutor залишається центральним human layer для instruction, context і correction. User controls важливі не декоративно: Preply Help Center описує, що Lesson Insights можна увімкнути або вимкнути через Permissions; це означає, що recording/transcription pipeline повинен технічно виконувати revocation, а не лише показувати toggle.

HITL варто розділяти на два рівні. Перший — everyday pedagogical review: tutor може поправити interpretation або пояснити nuance. Другий — product quality audit: sampled lessons перевіряються domain graders на grammar accuracy, pedagogical usefulness, harmful bias, inappropriate feedback і leakage sensitive conversation details.

Failure modes: consent race condition; transcript приписує слова не тій людині; code-switching ламає grammar analysis; accent помилково позначається як pronunciation defect; model invents correction absent in transcript; old learner goal підтягується після його зміни; sensitive personal content із lesson потрапляє в summary; generated homework повторює вже засвоєний матеріал або суперечить tutor plan.

Controls: explicit permission state before capture, data minimization, retention/deletion policy, speaker attribution, transcript confidence, structured schema, evidence span linking, language-specific evals, age/safety policy де релевантно, profanity/sensitive-topic handling і clear distinction між observed evidence та inference. Для exercise generation — difficulty bounds, duplicate detection, curriculum constraints і tutor override.

Особливо важливо не ототожнювати «personalized» з «зберігати все назавжди». Longitudinal learner model має мати provenance та TTL/retention rules: що взято з конкретного transcript, що підтверджено tutor, що є inferred proficiency signal, що користувач видалив. Інакше помилка одного уроку стане довгоживучою пам’яттю, яка впевнено персоналізує наступні двадцять.

Frequency природно прив’язана до кожного eligible lesson. Це bursty global workload із піками за timezone і тривалістю lesson. Scaling architecture потребує asynchronous transcription/analysis queue, backpressure, retry policy, per-language capacity planning і latency SLO так, щоб report був готовий у корисний момент, але не за рахунок пропуску quality gates.

Cost = transcription/audio processing + LLM analysis + learner-context retrieval/storage + exercise generation + delivery + observability/evals + human quality sampling. Оптимізуйте не лише tokens: transcript можна сегментувати, deduplicate context, кешувати stable learner metadata, запускати дорогі graders на sampled/high-risk cases. KPI — insight delivery latency, supported-claim rate, correction precision, tutor override rate, exercise acceptance/completion, repeat engagement, opt-out rate, privacy incidents і cost per useful lesson artifact.

Reported 4.7/5 satisfaction і long-term engagement — сильні product signals, але для education потрібен окремий outcome layer: чи learner краще запам’ятовує target vocabulary, менше повторює ті самі errors, швидше досягає proficiency milestones. Engagement без learning outcome може просто означати, що summary приємно читати.

Eval dataset має бути stratified за мовою, рівнем, accent, lesson type, code-switching, noisy audio, tutor/learner talk ratio і sensitive topics. Stage 1 перевіряє transcript fidelity; stage 2 — evidence extraction; stage 3 — grammar/vocabulary/pronunciation correctness; stage 4 — pedagogical usefulness і calibrated uncertainty; stage 5 — downstream exercise relevance. Якщо upstream transcript помилковий, downstream model не повинен отримувати високий score за красиве пояснення неправильно почутих слів.

Grader mix: deterministic checks для schema, timestamps, consent state, evidence links і forbidden leakage; language/domain model graders для taxonomy та explanation; human tutors для pedagogical validity. Потрібні explicit no-answer/low-confidence cases. Critical blocker — feedback, який приписує learner помилку, якої в transcript немає, або розкриває sensitive content поза intended audience.

Rollout: `offline historical consented corpus → shadow generation → tutor-only preview → learner-visible with feedback → exercise-engine integration → longitudinal personalization`. Новий model/prompt/transcription engine проходить replay на fixed suite перед canary. Production complaint або tutor correction, якщо вона системна, мінімізується до regression case.

Потрібні legal basis/consent, reliable audio/transcription, identity/speaker mapping, learning taxonomy, curriculum ownership, multilingual eval set, tutor feedback channel і deletion/retention mechanics. Патерн підходить language learning, coaching, tutoring, sales training, call coaching та інших сценаріям, де є повторювані human sessions і корисний post-session feedback.

Почніть з одного artifact — наприклад summary + 3 evidence-backed corrections. Не запускайте одразу «повністю персональний AI curriculum». Зберіть 500–1000 consented sessions, зробіть tutor-labeled eval slices, виміряйте hallucinated corrections, useful insight rate і reviewer effort. Лише після стабільної якості додавайте homework, longitudinal memory і adaptive planning.

Сильна неочевидна альтернатива — витрачати model budget не на ще довший summary, а на verification: другий pass, який перевіряє, чи кожен correction має конкретний transcript evidence span. Для learning product це часто дає більше довіри, ніж ще один абзац «мотиваційного персоналізованого» тексту.