Платформа для обучения иностранных сотрудников «Алабуги» русскому языку с помощью ИИ

Главное о кейсе

Для ОЭЗ «Алабуга», где работают более 43 000 человек, мы создали корпоративную платформу для обучения иностранных сотрудников русскому языку и профессиональной лексике с помощиью ИИ.
Она объединяет входное тестирование, курсы, словарь, 31 тип взаимодействия с учебным материалом, включая 13 устных. В центре системы — управляемый ИИ-репетитор: он отвечает по материалам назначенного курса и предлагает задания, заранее проверенные методистом.
Команде доступны отчёты и прогнозная аналитика, которая помогает отслеживать, как продвигаются группы и кто рискует не успеть к дедлайну.
Первый курс, „Базовый русский“, включает 6 модулей, 62 урока и 1 133 задания. На платформе учится уже 7 221 человек. Система работает внутри закрытой инфраструктуры Алабуги и сохраняет прогресс даже при нестабильной связи.
–––––––––––––––––
More than 43,000 people work across Alabuga Special Economic Zone. We created an AI-based platform that helps international employees learn Russian and job-specific vocabulary.
The platform combines placement testing, courses, and a dictionary. It supports 31 ways to interact with learning materials, including 13 spoken-response formats. At its core is a controlled AI tutor that answers questions using materials from the employee’s assigned course and recommends exercises approved by an instructional designer.
The learning team has access to reports and predictive analytics to track group progress and see which subgroups may miss a course deadline.
The first course, Basic Russian, includes 6 modules, 62 lessons, and 1,133 exercises. It has 7,221 learners. The platform runs within Alabuga’s secure infrastructure and preserves learning progress when the connection is unstable.

Как проект изменил жизнь пользователей

Платформа собрала обучение в понятный маршрут. После входного тестирования сотрудник получает последовательную программу, которая помогает в реальной жизни и снимает стресс и неопределенность при адаптации в новой стране.

Сотрудник видит новое слово, слышит его произношение, пробует использовать во фразе, а затем тренирует рабочий диалог с ИИ-репетитором — текстом или голосом. Если занятие прервала смена или нестабильная связь, ответы сохранятся: начинать сначала не придётся.
При этом, сотрудник остается мотивированным: за пройденные модули он получает награды в профиле, а после завершения курса HR может выпустить именной сертификат.
Команда тоже смогла выдохнуть: платформа показывает, кто выбился из темпа и где именно возникли сложности. Здесь же можно сформировать отчёт, изменить программу или обновить знания ИИ. Всё это без участия разработчиков.
–––––––––––––––––
The Platform gives employees a clear learning path. Based on the placement test results, each employee is assigned a learning program suited to their level. It helps them prepare for situations at work and in everyday life as they adapt to a new country.
Employees see new words, hear their pronunciation, practice using them in phrases, and then practice workplace conversations with the AI tutor by text or voice. If a shift or an unstable connection interrupts a lesson, their answers are saved so they can continue without starting over.
Employees receive profile rewards for completing modules. After an employee completes a course, HR can issue a certificate in their name.
The platform shows the learning team who has fallen behind and where difficulties have arisen. The team can generate reports, update a program, or revise the AI knowledge base without developer support.

Бизнес-задача и ее решение

Какая стояла задача.
Прежний формат языковой подготовки иностранных сотрудников плохо масштабировался: все обучающие материалы находились в разных местах. Каждый новый поток добавлял работы HR-ам, которым нужно было вручную собирать отчёты, и методистам, поддерживающим самостоятельно курсы и словари. Отсутствие четкой структуры и плана мешало иностранцам фокусироваться на обучении и быстро выходить на нужную эффективность.
«Алабуге» нужна была собственная система, чтобы масштабировать обучение без пропорционального роста административной нагрузки.
Какое было решение.
Мы не стали переносить разрозненные курсы в очередную LMS и добавлять к ней отдельный ИИ-чат. Вместо этого разработали единую платформу, в которой учебная программа, языковая практика, управление содержанием и результатами работают как один процесс.
ИИ-репетитора связали с назначенным курсом, а для голосовой практики подготовили рабочие и бытовые сценарии. Позже добавили генератор учебных модулей из документов компании и аналитику, которая показывает ход обучения и прогнозирует сроки завершения программ.
Для защиты учебных материалов и данных сотрудников платформу развернули в закрытом контуре.
–––––––––––––––––
The challenge. Alabuga’s previous language training setup was difficult to scale. Learning materials were spread across different services. Each new cohort added manual reporting work for HR and course and dictionary maintenance for instructional designers. Without a clear structure and plan, international employees struggled to focus on learning and reach the required level of job readiness.
Alabuga needed its own system to scale training without a proportional increase in administrative workload.
The solution. We built one platform where the curriculum, language practice, content management, and learning outcomes work as a single process. We linked the AI tutor to each employee’s assigned course and created workplace and everyday scenarios for voice practice. Later, we added a tool that generates learning modules from company documents, along with analytics that track progress and forecast course completion dates.
To protect learning materials and employee data, we deployed the platform within a secure environment.

Крафт (мастерство), реализация, технические детали

Разработку вели поэтапно. В основные решения вошли:
Одно учебное ядро для 31 механики. Разные задания мы подключили к общему ядру: оно задаёт порядок, сохраняет прогресс и рассчитывает результат. Благодаря этому новые механики можно добавлять, не разрабатывая заново логику прохождения курса. Методист собирает урок из форматов как из блоков. Сейчас ядро поддерживает 31 формат, включая 13 заданий с устным ответом.
Собственный RAG-контур. Мы разделили учебные материалы на смысловые фрагменты и связали их с соответствующими курсами. Когда сотрудник задаёт вопрос, система ищет подходящие фрагменты только в назначенном ему курсе и передаёт их модели как контекст для ответа.
Непрерывный голосовой диалог. Чтобы сотрудник не ждал, модель отвечает постепенно, сохраняя естественный темп разговора. Сотрудник может перебить его и задать уточняющий вопрос. Система различает речь сотрудника и собственный голос, а при обрыве связи приложение переподключается.
Диагностика голосовой практики. Мы добавили возможность сообщить о проблеме прямо из окна репетитора. К обращению прикладывается история текущего чата, а администратор может открыть историю занятия и определить, на каком этапе возникла ошибка.
Генератор курсов. Он извлекает содержание из обычных файлов, а текст в сканах распознаёт с помощью OCR. Система учитывает структуру документа и собирает черновик учебного модуля. Каждый созданный фрагмент остаётся связан с источником.
Алгоритм прогноза к дедлайну. Мы заложили в него эталонную траекторию курса и 3 способа расчёта темпа группы (медианная, эталонная и модальная). Платформа сравнивает фактический прогресс с эталонной траекторией и прогнозирует дату завершения курса для каждой подгруппы.
Инфраструктура и доступ. Доступ к разделам и данным платформы зависит от роли пользователя, а сама платформа развернута в закрытом контуре.
–––––––––––––––––
Development was completed in stages. The key solutions included:
One learning engine for 31 formats. We connected different exercise types to a shared engine that controls their order, saves responses, and calculates results. This makes it possible to add new formats without rebuilding the course logic. Instructional designers assemble lessons from reusable blocks. The engine supports 31 formats, including 13 spoken-response exercises.
A custom RAG pipeline. We divided learning materials into meaningful passages and linked them to their respective courses. When an employee asks a question, the system retrieves relevant passages from their assigned course and passes them to the model as context for its answer.
Real-time voice dialogue. To avoid making employees wait for a complete response, the tutor responds gradually and maintains a natural conversational pace. Employees can interrupt the tutor to ask a follow-up question. The system distinguishes the employee’s speech from the tutor’s own voice. If the connection drops, the app reconnects.
Voice practice diagnostics. Employees can report a problem directly from the tutor window. The report includes the current chat history, and an administrator can review the session history to identify where the issue occurred.
Course generator. The tool extracts content from standard files and uses OCR to recognize text in scans. It accounts for document structure and creates a draft learning module. Each generated passage remains linked to its source.
Deadline forecasting algorithm. We based the algorithm on a target course trajectory and three ways of calculating group pace: median, benchmark, and mode. The platform compares actual progress with the target trajectory and forecasts when each subgroup will complete the course.
Infrastructure and access. Access to platform sections and data depends on the user’s role.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Изначально репетитор должен был сам генерировать упражнения. От гипотезы отказались: такие задания сложно контролировать и однозначно проверять.
К тестированию подключали иностранных сотрудников «Алабуги». Мы смотрели, смогут ли они без переводчика начать обучение и поговорить с ИИ-репетитором.
Качество распознавания тоже проверяли на реальной речи пользователей. Оказалось, что модель, хорошо распознающая речь носителя, не всегда справляется с акцентом и неуверенным темпом человека, который только учит язык. Результаты теста учитывали при выборе модели и настройке голосовых сценариев.
–––––––––––––––––
We initially considered having the tutor generate exercises during conversations. We abandoned this approach because generated exercises are difficult to control and grade consistently.
We tested the platform with Alabuga’s international employees to see whether they could start learning and speak with the AI tutor without an interpreter.
We also tested speech recognition using real learner speech. We found that a model that recognizes native speakers well may struggle with accents and hesitant speech from people learning the language. These findings informed our model selection and the design of the voice scenarios.

Прочая информация о кейсе

Сейчас мы масштабируем платформу и локализируем на другие языки. Для каждой новой версии адаптируем и интерфейс, и учебные материалы, и работу ИИ с особенностями языка и речи.

Скриншоты