Agent AI, który sprawdza zadania domowe z matematyki i fizyki – wdrożenie w ciągu 14 dni dla Szkoły Maturzystów

Kim jest klient?

Szkoła Maturzystów to kursy przygotowujące do matury prowadzone przez dr Łukasza Jarosińskiego, doktora AGH. Przez 15 lat ukończyło je ponad 5 000 maturzystów. Średni wynik kursantów z matury rozszerzonej z matematyki i fizyki wynosi około 80%, przy średniej ogólnokrajowej wynoszącej około 35%. System nauczania Łukasza został opublikowany w recenzowanym czasopiśmie naukowym.

Jakie wyzwanie należało rozwiązać?

Metoda Łukasza opiera się na zadaniach domowych. Po każdej lekcji uczeń otrzymuje zadanie domowe ułożone metodą przeplataną – według badań najskuteczniejszą, ale jednocześnie najbardziej pracochłonną w realizacji. Zadanie domowe działa tylko wtedy, gdy zostanie sprawdzone i omówione, a przy ponad pięciu tysiącach kursantów sprawdzanie jest tym, co rośnie wraz ze szkołą.

Sam Łukasz nazwał to w swoich referencjach „żmudnym procesem weryfikacji i oceny zadań domowych”.

Czym zajmuje się agent?

Stworzyliśmy system automatycznej oceny zadań domowych z matematyki i fizyki na poziomie licealnym w zakresie rozszerzonym, wykorzystujący modele sztucznej inteligencji do analizy rozwiązań ucznia i generowania informacji zwrotnej. Dostarczyliśmy go w formie API.

System przyjmuje na wejściu cztery elementy: zdjęcie lub skan rozwiązania, treść zadania, kryteria oceniania oraz identyfikator użytkownika.

W trakcie analizy system interpretuje rozwiązanie ucznia, ocenia jego poprawność, identyfikuje błędy oraz nieprawidłowości w toku rozumowania oraz określa zgodność rozwiązania z przekazanymi kryteriami oceniania. Ocena opiera się zatem na kryteriach, a nie na samej poprawnej odpowiedzi.

Pomiędzy zadaniami system zapamiętuje błędy danego użytkownika: rozpoznaje te, które powtarzają się w kolejnych zadaniach, i uwzględnia historię błędów przy każdej kolejnej ocenie.

W wyniku generuje odpowiedź zawierającą ocenę poprawności, wskazanie błędów, informację o błędach powtarzających się oraz zalecenia i wskazówki dotyczące poprawy.

Te dwa ostatnie elementy odróżniają to rozwiązanie od zwykłego sprawdzenia zadania. Uczeń nie otrzymuje serii niezależnych ocen – otrzymuje informację o tym, jakie błędy popełnia systematycznie. Zazwyczaj dysponuje nią tylko nauczyciel, który pamięta jego poprzednie prace.

Co znalazło się w zakresie, a czego świadomie nie było?

Oprócz samego systemu dostarczyliśmy trzy zestawy dokumentacji: dokumentację API, dokumentację integracyjną oraz dokumentację techniczną obejmującą architekturę, wdrażanie i utrzymanie. Uruchomiliśmy system w środowisku produkcyjnym.

Umowa wyraźnie określa, do czego służy ta dokumentacja: ma ona umożliwić dalszy rozwój systemu przez podmiot zewnętrzny. Nie jest to deklaracja dobrej woli, lecz zapisane zobowiązanie – klient nie jest od nas zależny i w każdej chwili może rozwijać ten system z kimkolwiek.

Zakres nie obejmował interfejsu użytkownika ani aplikacji klienckiej, obsługi użytkowników końcowych, ani rozwoju funkcjonalnego po zakończeniu projektu. Szkoła Maturzystów posiada własną platformę e-learningową oraz własnego wykonawcę strony internetowej, więc nie było powodu, aby budować drugą warstwę obok już istniejącej. Naszym zadaniem był silnik oceniania.

Uważamy, że w przypadku klienta, który ma już dojrzały produkt, jest to właściwe podejście: wkraczamy tam, gdzie faktycznie brakuje kompetencji, i nie powielamy tego, co klient już zrealizował.

Jak wyglądała współpraca?

Realizacja zajęła 14 dni kalendarzowych. Prace prowadzili Mateusz Cieśliński i Jakub Dulas – bezpośrednio, bez pośredników między klientem a osobami, które tworzyły system. W referencjach Łukasz odnotował, że projekt został zrealizowany zgodnie z ustalonym harmonogramem.

Wdrożenie objęte jest 12-miesięczną gwarancją, a terminy reakcji i usunięcia usterek zależą od wagi błędu – od błędów krytycznych po drobne. Utrzymanie obejmuje monitorowanie działania systemu, usuwanie błędów, aktualizacje zabezpieczeń oraz kwartalny przegląd jakości działania modułu AI.

Ten ostatni punkt umieściliśmy w umowie świadomie i uważamy, że powinien on stanowić standard przy wdrożeniach opartych na modelach AI. Klasyczny system albo działa, albo nie. Moduł AI może działać, a jednocześnie działać coraz gorzej – dlatego jego jakość należy sprawdzać cyklicznie, zamiast czekać na zgłoszenie od klienta.

Co powiedział klient?

„Wdrożone rozwiązanie znacznie usprawniło naszą pracę, co pozwoliło zautomatyzować żmudny proces weryfikacji i oceny zadań domowych, oszczędzając czas i podnosząc jakość informacji zwrotnej przekazywanej uczniom.” – dr Łukasz Jarosiński, Szkoła Maturzystów (referencje, kwiecień 2026 r.)

Dla kogo ten model się sprawdza?

Dla firm, w których pracownicy wykonują powtarzalną ocenę merytoryczną: czytają prace innych osób, porównują je z kryteriami i sporządzają uzasadnienie. Szkoły i platformy edukacyjne, ale nie tylko – wszędzie tam, gdzie istnieje proces oceny, obowiązują kryteria i ma powstać uzasadniona odpowiedź.

Warunek jest jeden i wynika bezpośrednio z tego, jak działa ten system: kryteria oceny muszą istnieć i dać się przekazać. W tym wdrożeniu kryteria oceny stanowią jeden z czterech elementów wejściowych – bez nich nie ma czego stosować. Jeśli w firmie ocena istnieje wyłącznie w głowie jednej osoby i nikt nigdy jej nie spisał, projekt zaczyna się od spisania kryteriów, a nie od kodu.