Czy awatar AI może zastÄ…pić profesora uniwersyteckiego? WewnÄ…trz instruktorów AI 2026

W październiku 2025 r. główny architekt uczenia w online'owej studiach magisterskich z informatyki Georgia Tech przedstawił swoim studentom nowego asystenta. TA nazywał się DAI-vid, wyglądał dokładnie jak profesor David Joyner, brzmiał dokładnie jak David Joyner i był dostępny 24 godziny na dobę w siedemnastu językach. Między DAI-videm a ludzkim profesorem była jedna różnica: DAI-vid był awatarem AI, dostrojonym na latach nagranych wykładów i konsultacji Joynera, wdrożonym na platformie edX, by obsługiwać pytania studentów, które wcześniej czekały na odpowiedź człowieka.

DAI-vid nie był wyjątkiem. Pod koniec roku akademickiego 2025-2026 awatary AI jako instruktorzy zostały wdrożone na Boise State University (cały asynchroniczny kurs prowadzony przez awatar AI ludzkiego instruktora), University of Miami (profesor CS z 24/7 wielojęzyczną wersją AI siebie), University of Virginia (awatary wdrożone w Cognitive Science-Based Learning Hub od jesieni 2025), Morehouse College (cyfrowe awatary przypominające każdego profesora jako asystenci dydaktyczni) i rosnącej liście platform edukacji online eksperymentujących z tym samym modelem. Section AI uruchomił to, co nazwał «pierwszym awatarem AI jako profesorem» na swojej platformie edukacji biznesowej. Sieć Alpha School z Teksasu, pobierająca do 75 000 dolarów rocznie za zapis K-8, prowadzi całe nauczanie akademickie przez oprogramowanie AI przez dwie godziny dziennie bez nauczycieli — tylko dorosłych «przewodników» do nadzoru i motywacji.

Prowokacyjne pytanie nie brzmi już, czy awatar AI może uczyć. Uczy, w tej chwili, w rozpoznawalnych instytucjach dla płacących studentów. Pytaniem, które ma znaczenie, jest to, czy awatar AI może zastąpić ludzkiego profesora w sensownym znaczeniu — nie tylko dostarczać treści, ale produkować uczenie się, mentorstwo, osąd i rodzaje intelektualnej transformacji, które dyplom uniwersytecki ma certyfikować. Ten artykuł patrzy na dowody z pierwszej fali wdrożeń, gdzie awatary AI naprawdę się wyróżniają, gdzie systematycznie zawodzą i jak realistyczna rola dla nich wygląda w 2026 i później.

Co naprawdę się dzieje: trasa po instruktorach AI 2026

Wdrożenia klastrują się w trzy kategorie, każda z innymi celami i ograniczeniami.

• Asystent dydaktyczny AI. Ludzki profesor pozostaje odpowiedzialny za kurs. Awatar AI obsługuje pytania studentów poza godzinami zajęć, odpowiada na podstawowe wyjaśnienia, prowadzi studentów przez materiał wstępny i wyłania priorytetowe sprawy dla ludzkiego profesora. To dominujący model w 2026. Przykłady: awatar profesora CS na University of Miami, cyfrowe awatary wykładowców Morehouse i DAI-vid Joynera na Georgia Tech. Zgłaszane zadowolenie studentów jest wysokie; awatary redukują wąskie gardło czasu profesora bez usuwania człowieka z pętli.
• Instruktor AI rekorder. Awatar jest główną dydaktyczną obecnością dla całego kursu, często z ludzkim wykładowcą nadzorującym projekt programu i ocenianie na poziomie projektu, a nie dostarczania. Applications of Artificial Intelligence Boise State to najczęściej cytowany przykład: asynchroniczny kurs etyki AI prowadzony w pełni przez awatar AI zbudowany z wcześniejszego nauczania instruktora. Section AI prowadzi podobny model na swojej platformie edukacji biznesowej. Te wdrożenia są nowsze (większość to faza pilotażowa w 2026), a dane o wynikach uczenia są wstępne.
• Instytucja AI-zastępuje-wykładowców. Sieć Alpha School to widoczny przykład. Model: studenci robią dwie godziny nauczania akademickiego dziennie na adaptacyjnym oprogramowaniu AI, bez tradycyjnych nauczycieli. Dorośli w budynku (zwani «przewodnikami») zapewniają motywację, nadzór behawioralny i pozaakademickie wzbogacenie. Czesne wynosi 40 000-75 000 dolarów rocznie, a sieć rozszerzyła się do wielu miast w 2025-2026 r. Alpha twierdzi, że studenci uczą się «2X w 2 godziny». Twierdzenie zostało zakwestionowane. Niezależna weryfikacja wyników uczenia nie została opublikowana do połowy 2026 r.

Każdy z tych modeli jest testowany w produkcji właśnie teraz. Wnioski poniżej pochodzą z pierwszej fali wdrożeń, badań wyników uczenia, które nadrobiły systemy tutoringu AI (szczególnie praca Khan Academy z Khanmigo, najbliższy analog na skalę) i operacyjnych realiów widocznych dla wykładowców i studentów w instytucjach prowadzących te programy.

Gdzie awatary AI naprawdę się wyróżniają

Byłoby intelektualnie nieuczciwe odrzucić awatary AI hurtowo. Naprawdę przewyższają ludzkich instruktorów w kilku konkretnych wymiarach, i każda uczciwa analiza musi się od tego zacząć.

• Dostępność. Awatar AI jest obudzony o 2 nad ranem, gdy student wreszcie zabiera się za zadanie na termin o północy. Żaden ludzki asystent dydaktyczny nie może temu sprostać bez wypalenia. Skrócony czas oczekiwania na pomoc to jeden z najsilniejszych predyktorów wytrwałości studentów w kursach online, a awatary AI dramatycznie go poprawiają.
• Wielojęzyczny zasięg. DAI-vid na Georgia Tech działa w siedemnastu językach. Dla studentów międzynarodowych w programach anglojęzycznych różnica między zadaniem pytania w ojczystym języku a przetłumaczeniem swojego zmieszania na drugi to różnica między otrzymaniem pomocy a jej brakiem. Awatary AI usuwają tę barierę w sposób, w jaki ludzcy wykładowcy realistycznie nie mogą.
• Cierpliwość na skalę. Awatar AI odpowie na to samo fundamentalne pytanie po raz tysięczny z tą samą troską, którą dał pierwszemu pytającemu. Ludzcy instruktorzy, jakkolwiek życzliwi, nie mają tej cechy. Dla kursów wprowadzających, gdzie ta sama garstka nieporozumień powraca w każdym semestrze, awatar przeprowadzający każdego zmieszanego studenta przez standardowe wyjaśnienie ma prawdziwą wartość pedagogiczną.
• Spersonalizowane tempo. Dane Khanmigo Khan Academy, najbliższy wielkoskalowy analog, pokazują wyraźne zyski z tego. Pilot 2026 r. z 15 000 studentów w 200 szkołach wykazał, że studenci, którzy korzystali z Khanmigo przez co najmniej 30 minut tygodniowo, pokazywali zyski w nauce równoważne dodatkowym 2-3 tygodniom tradycyjnego nauczania. Badanie SRI International z 2025 r. wykazało 23% szybsze opanowanie pojęć algebry w porównaniu z tradycyjnym nauczaniem wideo.
• Korekta bez zażenowania. Student, który nigdy nie podniósłby ręki, by przyznać, że nie zrozumiał warunku wstępnego, zapyta awatar AI bez wahania. To prawdziwa korzyść pedagogiczna, szczególnie dla studentów, których kulturowe tło lub osobowość czynią publiczne szukanie pomocy kosztownym.
• Spójność. Awatar daje tę samą odpowiedź na pytanie Q dzisiaj, którą dał sześć miesięcy temu i którą da za sześć miesięcy. Ludzcy instruktorzy dryfują, rozwijają martwe punkty lub po prostu mają złe dni. Dla dostarczania treści spójność to cecha.

Każda z tych to prawowita zaleta. Pytaniem nie jest, czy awatary AI mogą robić użyteczne rzeczy w edukacji. Wyraźnie mogą. Pytaniem jest, czy to, czego nie potrafią, nadal ma znaczenie wystarczające, by ludzki profesor nie mógł być usunięty.

Gdzie awatary AI systematycznie zawodzą

Tryby porażki nie są losowe. Klastrują się w pięciu obszarach, a każdy wskazuje na coś, co ludzki profesor wyjątkowo zapewnia.

• Osąd w niejednoznaczności. Studentka przychodzi na konsultacje z mglistym niepokojem o swój temat pracy magisterskiej i sugestią, że może nie nadaje się do studiów doktoranckich. Ludzki profesor czyta sytuację, zadaje dwa konkretne pytania, rozpoznaje, że rzeczywistym problemem jest zapaść pewności siebie po surowej krytyce promotora, i interweniuje pedagogicznie i osobiście. Awatar AI obsługuje powierzchowne pytanie (metodologia tematu pracy magisterskiej) kompetentnie i całkowicie chybia w punkt rzeczywistej interwencji. Studentka opuszcza konsultacje technicznie poinformowana i osobiście niepomocnięta.
• Mentorstwo, które kumuluje się w czasie. Prawdziwe mentorstwo to kumulatywny rezultat dziesiątek małych interakcji przez miesiące i lata — profesor pamiętający, że ten student zainteresował się systemami rozproszonymi na CS3, polecił konkretną pracę na CS4 i jest teraz w pozycji, by zasugerować okazję badawczą na ostatnim roku. Awatary AI poprawiają się w pamięci konwersacji, ale międzykontekstowa, międzyroczna, międzydomenowa integracja, którą ludzcy mentorzy wykonują niezawodnie, pozostaje poza zasięgiem. Absolwenci, którzy dostają pracę, dostają się do najlepszych programów doktoranckich i dostają nietypowe okazje, są nieproporcjonalnie tymi, których ludzki mentor zobaczył i wspierał. Żaden awatar tego jeszcze nie zrobił.
• Skalibrowany autorytet. Gdy student podejmuje główną decyzję — zmienić kierunek, porzucić kurs, wziąć rok wolnego — waga rekomendacji ludzkiego profesora pochodzi częściowo z faktu, że profesor ma skórę w grze. Zobaczy tego studenta ponownie. Będzie zażenowany, jeśli jego rada okazała się zła. Jest odpowiedzialny przed kolegami. Rekomendacja awatara nie niesie tej samej wagi, nawet gdy jest technicznie lepsza, bo student wie, że awatar nie poczuje konsekwencji. To nie błąd do inżynierii wokół; to cecha ludzkiej odpowiedzialności, której AI nie może odtworzyć.
• Czytanie sali. Część najważniejszego nauczania zachodzi, gdy instruktor zauważa, że klasa jest zmieszana o trzecim kroku wczorajszego wyprowadzenia, że zaangażowanie właśnie spadło, że mądry student z tyłu ma pytanie, którego boi się zadać. To rzeczywiste, wielokanałowe postrzeganie dynamiki grupy. Awatary AI w 2026 r. nie robią tego w ogóle. Obsługują zakolejkowane zapytania jeden-do-jednego.
• Generowanie nowej wiedzy. Model uniwersytetu badawczego opiera się na twierdzeniu, że ludzie uczący są również ludźmi prowadzącymi badania produkujące następną generację wiedzy. Awatary AI trenowane na przeszłej pracy nie mogą generować badań, które jeszcze nie istnieją. Uniwersytet, który w pełni zastępuje swoich wykładowców awatarami wyszkolonymi na pracy minionych wykładowców, sprowadził się do instytucji dystrybucji wiedzy. Przestał być instytucją produkującą wiedzę.

To nie są filozoficzne obawy wynalezione, by bronić stanowisk wykładowców. To operacyjne powody, dla których każde poważne wdrożenie w 2026 r. ustrukturyzowało awatar AI jako uzupełnienie do wykładowców, a nie ich zastępstwo. Nawet najbardziej agresywne wdrożenia — awatar pełnego kursu Boise State, program K-8 Alpha School — zachowują ludzką strukturę na poziomie powyżej awatara (projektant programu, przewodnik, nadzór instytucjonalny). Pytaniem nie jest, czy trzymać ludzi w pętli. Jest, na jakiej wysokości ludzie powinni działać.

Badania nad wynikami uczenia: co naprawdę wiemy

Empiryczne dowody na tutoring AI są naprawdę interesujące i bardziej zniuansowane, niż zazwyczaj przedstawiają zwolennicy lub sceptycy. Trzy odkrycia wyróżniają się z ostatnich 18 miesięcy opublikowanych badań.

Dowody Khanmigo są najbardziej rygorystyczne. Infrastruktura testowa Khan Academy jest najbliższym, co dziedzina ma do przemysłowo-skalowego RCT dla tutoringu AI. Ich wewnętrzne odkrycia (opublikowane w kwietniu 2026 r. w How Khan Academy Is Building a Better AI Tutor) zawierają rygorystyczne testy A/B na setkach tysięcy wątków tutoringowych. Odkrycia są pozytywne, ale skromne: włączenie logów rozmów poprawiło zaangażowanie poznawcze o 5,09% (99,4% pewność), streszczanie historii rozwiązywania problemów studenta poprawiło poprawność następnego pytania o 3,4%. To prawdziwe zyski i kumulują się, ale to nie są liczby «2X uczenia», które czasem twierdzą materiały marketingowe.

Walidacja zewnętrzna jest mieszana. Pilot MSU oprogramowania tutoringu AI na początku 2025 r. wykazał znaczące zyski w nauce we wszystkich warunkach, ale brak statystycznie znaczących różnic między grupami AI i nie-AI pod względem wyników uczenia. Studenci postrzegali AI pozytywnie, ale percepcja nie zawsze przekładała się na mierzalne zyski w wynikach.

Największe twierdzenia są najmniej zweryfikowane. Nagłówkowe twierdzenie Alpha School «2X w 2 godziny» opiera się w całości na wewnętrznych analizach, które nie przeszły niezależnego audytu lub recenzji. Badacze z biuletynu DeepLearning.ai zauważyli brak weryfikacji zewnętrznej w swojej analizie ze stycznia 2026 r. CBC News pokryło kanadyjskich ekspertów edukacji wzywających do ostrożności wobec modelu. Twierdzenie może okazać się prawdziwe, częściowo prawdziwe lub marketingowo zawyżone; co ma znaczenie teraz, to to, że instytucje podejmujące decyzje o nauczaniu kierowanym przez AI nie mają rygorystycznych danych o wynikach, na których te decyzje by się opierały.

Uczciwe odczytanie dowodów w połowie 2026 r.: tutoring AI produkuje małe-do-umiarkowanych mierzalne zyski w nauce w kontrolowanych testach, zyski wydają się wystarczająco solidne, by uzasadnić ciągłe inwestycje, a największe wymarketowane twierdzenia wyprzedzają dowody je wspierające. AI jako uzupełnienie: empirycznie poparte. AI jako zastępstwo: nadal spekulatywne.

Dlaczego uczciwa odpowiedź to «jeszcze nie i być może nigdy»

Gdy badacze w tej przestrzeni rozmawiają prywatnie o trajektorii edukacji kierowanej przez AI, rozmowa często skręca w stronę rozróżnienia między dwoma rodzajami nauczania. Pierwszy rodzaj to dostarczanie treści i rutynowa korekta: wyjaśnianie pojęcia, prowadzenie studenta przez procedurę, odpowiadanie na powszechne pytania, cierpliwe powtarzanie tego samego wyjaśnienia. AI już jest w tym bardzo dobre i będzie lepsze.

Drugi rodzaj to intelektualna transformacja: pomaganie studentowi w uformowaniu tożsamości myśliciela w dyscyplinie, rozpoznawanie potencjału, którego student jeszcze w sobie nie rozpoznaje, nawigowanie po niejednoznacznych przejściach, gdzie uczeń przechodzi z kompetentnego do oryginalnego, łączenie ich ze społeczną tkanką swojej dziedziny. To jest to, co dobre uniwersytety zawsze robiły w najlepszym wydaniu, i to jest to, czego AI w 2026 r. nie robi w ogóle. Interesujące pytanie to, czy kiedykolwiek to zrobi, czy też praca transformacji jest konstytutywnie zależna od człowieka, który sam jest członkiem intelektualnej społeczności, do której student jest wprowadzany.

Nasz własny pogląd po osiemnastu miesiącach uważnej obserwacji wdrożeń: praca transformacji jest konstytutywnie ludzka, a wdrożenia, które odnoszą sukces długoterminowo, będą tymi, które to dobrze rozumieją. Udany uniwersytet 2030 będzie intensywnie używać AI do dostarczania treści, korekty, harmonogramowania, wielojęzycznego zasięgu i 24/7 dostępności. Zachowa ludzkich wykładowców dla rzeczy wymagających osądu, odpowiedzialności, mentorstwa i obecności. Nieudana wersja — wersja, której oczekujemy widzieć w widocznej porażce w nadchodzących latach — to wersja próbująca usunąć ludzkiego profesora całkowicie, optymalizująca pod koszt i odkrywająca w pięcioletnich badaniach kohortowych, że absolwenci są technicznie poinformowani, ale zawodowo nieuformowani.

Model hybrydowy, który faktycznie się wyłania

To, co działa w 2026 r., to warstwowy podział pracy między AI a ludzkimi wykładowcami. Wzorzec jest spójny w instytucjach uzyskujących dobre wyniki.

• Poziom 1 (awatar AI obsługuje autonomicznie): Rutynowe pytania o treść, korekta warunków wstępnych, wyjaśnienia techniczne, harmonogramowanie, przeprowadzenie przez standardowe procedury, podstawowa informacja zwrotna o szkicach. Dostępne 24/7 w wielu językach. Awatar zgłasza zapytania, których nie mógł pewnie obsłużyć, ludzkiemu profesorowi.
• Poziom 2 (awatar AI obsługuje z ludzkim przeglądem): Wstępna informacja zwrotna o zadaniach (awatar produkuje szkic krytyki, ludzki profesor przegląda i edytuje przed wysłaniem). Ocenianie ustrukturyzowanych zadań, gdzie AI obsługuje stosowanie rubryki, a człowiek ratyfikuje. Triaż konsultacji, gdzie awatar obsługuje powszechne pytania i przekazuje naprawdę nowatorskie.
• Poziom 3 (tylko ludzki profesor): Osobiste rozmowy mentorskie. Wsparcie głównych decyzji (zmiana kierunku, rekomendacje do studiów doktoranckich, porady zawodowe). Nadzór nad projektami badawczymi. Interwencja kryzysowa. Trudne przypadki wymagające odpowiedzialności i osądu.
• Poziom 4 (ludzki profesor z AI jako narzędziem): Projektowanie programu (AI pomaga w szkicowaniu, człowiek decyduje), badania (AI pomaga w przeglądzie literatury, człowiek produkuje faktyczne badania), projektowanie oceniania (AI pomaga generować problemy, człowiek kuruje i waliduje).

Ten podział pracy mnoży przepustowość pojedynczego profesora około 5-10× dla zadań dostarczania treści, zachowując pracę tylko ludzką tam, gdzie ma znaczenie. Kilka instytucji zgłasza zdolność do obsługi znacznie większych proporcji student-wykładowca bez degradacji jakości, przenosząc Poziom 1 i większość Poziomu 2 do obsługi AI. Oszczędności kosztów pojawiają się jako albo niższe czesne, albo lepsze proporcje wykładowca-student w pracy Poziomu 3, albo obie. To model, który wygra w nadchodzących pięciu latach.

Czego ten model nie robi — nie zastępuje ludzkiego profesora. Restrukturyzuje to, na co ludzki profesor poświęca czas. Studenci kończący te programy wchodzą w interakcję z ludzkim profesorem inaczej niż studenci 2020 r.: mniej czasu na dostarczanie treści, więcej czasu na osobistą, osądzającą, transformacyjną pracę, którą ludzki profesor jest wyjątkowo upozycjonowany robić. To nie jest degradacja. Dla większości studentów to znaczący upgrade.

Co to oznacza dla programów decydujących właśnie teraz

Jeśli jesteś administratorem lub kierownikiem katedry rozważającym wdrożenie awatara AI, trzy praktyczne wskazówki z ostatniego roku obserwacji rozwoju tych decyzji.

• Zacznij od Poziomu 1, nie Poziomu 3. Wdrożenia, które się udały, zaczęły się od awatara obsługującego rutynowe pytania o treść poza godzinami zajęć. Wdrożenia, które miały trudności, zaczęły się od awatara przejmującego ocenianie, oceny lub funkcje mentorskie, zanim podstawowa technologia była gotowa. Sekwencjonuj wdrożenie tak, by awatar zarabiał rozszerzoną odpowiedzialność na podstawie obserwowanej wydajności, a nie teoretycznej zdolności.
• Buduj warstwę weryfikacji obok awatara. Jeśli awatar ma pomagać studentom z kodem, instytucja musi być w stanie zweryfikować, które przesyłki są faktycznie pracą studenta, a które awatara. Narzędzia takie jak Plagly.ai służą tej roli weryfikacji dla pracy pisemnej i kodu, a instytucja wdrażająca tutoring AI bez wdrażania weryfikacji wystawia się na niepowodzenia oceniania, których później nie może zdiagnozować.
• Zaplanuj rozmowę z wykładowcami z rozmysłem. Wdrożenia awatarów udają się, gdy wykładowcy są partnerami w projekcie, i zawodzą, gdy są im prezentowani awatary jako fait accompli. Wykładowcy wiedzą o nauczaniu rzeczy, których nie wie zespół technologiczny. Traktuj ekspertyzę wykładowców jako wkład we wdrożenie, a nie opór do przezwyciężenia. Instytucje, które zrobiły to w 2025-2026 r., to te z udanymi wdrożeniami teraz.

Fundamentalne pytanie nie brzmi, czy AI będzie na uniwersytecie. Jest. Już jest. Pytaniem jest, jaką rolę odgrywa i jaką rolę odgrywają ludzcy wykładowcy, a instytucje podejmujące przemyślane decyzje o tym podziale pracy przewyższą instytucje sięgające do któregokolwiek ekstremum. Odpowiedź na «czy awatar AI może zastąpić uniwersyteckiego profesora» w 2026 r. jest uczciwa: może zastąpić część tego, co robi profesor, nie może zastąpić najważniejszej części, a uniwersytety, które zinternalizują obie połowy tego zdania, będą produkować lepiej wykształconych absolwentów niż uniwersytety internalizujące tylko jedną.

Często zadawane pytania

Czy awatar AI może zastąpić profesora w pełni online, asynchronicznym kursie, gdzie mentorstwo jest już minimalne?

W zasadzie tak, a kilka programów pilotażowych testuje to w 2026 r. Sukces zależy mocno od tego, czy kurs jest głównie dostarczaniem treści (awatar może obsłużyć) czy obejmuje istotną informację zwrotną i intelektualną transformację (awatar obsługuje część, człowiek nadal potrzebny). Wdrożenie Boise State jest najbardziej obserwowanym przykładem. Uczciwa odpowiedź w połowie 2026 r. to to, że mamy obiecujące dane pilotażowe, ale jeszcze nie wieloletnie dane o wynikach absolwentów. Programy wdrażające ten model powinny zobowiązać się do długitudinalnego śledzenia i być gotowe na korektę kursu na podstawie tego, co rzeczywiście pokazują wyniki absolwentów.

Czy awatary AI zmniejszą koszty uniwersytetu?

Prawdopodobnie tak dla dostarczania treści i rutynowego wsparcia, ale oszczędności są mniejsze, niż sugerują prezentacje dostawców, bo praca ludzka, której awatar nie może wykonać, to praca, która skaluje się najgorzej. Największe koszty uniwersytetu intensywnego badawczo to infrastruktura badawcza i czas starszych wykładowców, żadnego z których awatar nie zastępuje. Instytucja intensywna w nauczaniu może zobaczyć znaczącą redukcję kosztów na rutynowym nauczaniu, ale realistyczny scenariusz to około 15-30% redukcja kosztów dydaktycznych dla typowych programów licencjackich, a nie cyfry 50%+ czasem cytowane w analizach branżowych. Oszczędności pojawiają się głównie jako lepsze proporcje wykładowca-student w pracy Poziomu 3, a nie jako nagłówkowe obniżki czesnego.

Co dzieje się z uczciwością akademicką na kursie prowadzonym przez awatar AI?

Staje się ważniejsza, nie mniejsza, i wymaga innych narzędzi. Gdy awatar AI jest głównym instruktorem, instytucja potrzebuje mechanizmów weryfikacji, które mogą odróżnić pracę studenta od wyjścia awatara, innego użycia AI przez studenta i kombinacji obu. Narzędzia wykrywania takie jak Plagly.ai stają się operacyjnie krytyczne, a nie opcjonalne. Instytucje prowadzące kursy kierowane przez AI bez zintegrowanej weryfikacji prowadzą ryzyko, którego większość jeszcze jasno nie przemyślała.

Czy studenci są zadowoleni z instruktorów awatarów AI?

Zgłaszane zadowolenie jest wysokie, szczególnie dla przypadków użycia Poziomu 1 (dostępność 24/7, wielojęzyczne wsparcie, cierpliwa korekta). Zadowolenie spada, gdy awatar jest proszony o robienie pracy, w której nie jest dobry — istotna informacja zwrotna o pracy twórczej, rozmowy mentorskie, decyzje osądowe o kierunku akademickim. Jakościowe odkrycia Khanmigo konsekwentnie pokazują, że studenci postrzegają AI pozytywnie za to, co dobrze robi. Jeszcze nie pokazują studentów preferujących AI nad ludzkimi wykładowcami w pracy, którą ludzie robią wyjątkowo dobrze. Ten wzorzec prawdopodobnie pozostanie stabilny przez lata.

Czy «uniwersytet AI» działający w pełni na AI odniesie sukces?

Jakaś wersja tego zostanie poważnie spróbowana w nadchodzących latach, a jakaś wersja tego wyprodukuje absolwentów, którzy okażą się w porządku, a niektóra nie. Wariacja przyjdzie z tego, co instytucja robi z zasobami ludzkimi uwolnionymi przez to, że AI obsługuje rutynowe nauczanie. Instytucje, które reinwestują tę pojemność w głębsze mentorstwo, więcej okazji badawczych dla studentów i bardziej wyrafinowaną pracę transformacyjną, wyprodukują doskonałych absolwentów. Instytucje, które używają pojemności AI głównie do cięcia kosztów i zwiększania zapisów, wyprodukują absolwentów technicznie poinformowanych i zawodowo nieuformowanych, i odkryją konsekwencje w pięcio-do-dziesięcioletnich badaniach wyników absolwentów. Technologia nie jest czynnikiem determinującym. Decyzje instytucjonalne wokół technologii są.