The post has been translated automatically. Original language: Russian
Why Adding ChatGPT to a School LMS Is Not Enough
Artificial intelligence is gradually becoming a common part of digital products. Education platforms are no exception: we are seeing AI assistants for teachers, automatic task generation, data analysis, and automation of routine processes.
This can make adding AI to a school LMS seem simple: connect a language model, add a chat window, and the job is done.
But if we want AI to become a real part of the LMS, that is not enough.
Why isn't a simple AI chat enough?
Imagine a teacher asking:
"Which students in my class are performing worse this term?"
ChatGPT alone cannot answer this question. It does not know who the teacher is, which classes they teach, or what grades their students have received.
To provide an answer, the system first needs to understand the context:
· who is asking the question;
· what data they are allowed to access;
· which class they mean;
· where the grades are stored;
· which periods should be compared.
In other words, AI needs to be connected to the data inside the LMS.
This is where real integration begins.
AI needs the school's knowledge
A lot of school information exists outside the electronic gradebook.
This may include internal policies, staff instructions, teaching materials, curricula, and other documents.
For example, an employee asks:
"How many days in advance should I submit a leave request?"
A regular language model might provide a general answer that has nothing to do with the rules of that particular school.
One way to solve this problem is RAG.
Despite the technical name, the basic idea is simple. Before answering a question, the system searches internal documents for relevant information and provides it to the AI.
Think of it as an open-book approach: the AI answers not only using general knowledge but also using information from a specific organization.
Not just answering, but taking action
The next step is allowing AI to work with the LMS itself.
For example, a teacher writes:
"Show me my schedule for tomorrow."
The system understands the request, retrieves the schedule from the LMS, and shows it to the user.
Another example:
"Create a support ticket: the projector in room 305 isn't working."
AI can identify the problem category, prepare the description, and, after confirmation, create a Help Desk ticket.
To the user, this still looks like a simple conversation. Behind the scenes, however, AI is working with specific LMS functions and APIs.
This creates an important difference.
AI no longer just explains how to do something. It can help do it inside the system.
What about access permissions?
This is one of the most important questions.
Suppose a student writes:
"Show me everyone's grades in my class."
If the student cannot access this information through the regular LMS interface, AI should not provide it either.
The same principle applies to teachers, parents, administrators, and other users.
AI should operate with the same permissions as the person using it.
If a teacher only has access to certain classes, AI should only be able to work with those classes. If a parent can only see information about their own child, AI should not be able to retrieve data about other students.
In other words, AI should never become a way to bypass LMS restrictions.
How does it all work together?
In a simplified form, the process might look like this:
User → AI assistant → LMS → data and functions → response
But several important things happen between these steps.
The system identifies the user and their permissions. It understands the request. If necessary, it searches internal documents or calls an LMS function. It retrieves only the data the user is allowed to access. Only then does AI turn the result into a clear response.
For example:
"Show me the students in my class whose performance has declined."
The system could:
1. identify the teacher's class;
2. check their permissions;
3. retrieve grades for two periods;
4. compare the results;
5. provide the results to the AI;
6. generate a clear response.
In this scenario, the language model is important, but it is only one part of the solution.
From chatbot to AI assistant
This is the key difference between a basic AI chat and deeper LMS integration.
A chatbot mainly answers questions.
An AI assistant understands the user's context, can work with system data, and helps complete specific tasks.
For example:
"Prepare an attendance report for my class for September and show me which students have started missing more lessons."
Instead of manually opening the gradebook, selecting a period, applying filters, and comparing the numbers, the user simply describes the result they need.
The system determines which data is required.
A new interface for the LMS
Most information systems today work in a similar way: menus, sections, buttons, tables, and filters.
To complete a task, users need to know where to go and what to click.
AI offers a different approach.
Instead of searching for the right function, a user could simply write:
"Show me my schedule for this week."
"Find students with a high number of absences."
"Prepare a class report."
"Create a technical support ticket."
The user no longer always needs to know where a function is located. They only need to explain what result they want.
That is why the future of AI in an LMS is not simply adding a ChatGPT window.
The real value appears when AI understands the user's context, works securely with data, has access to internal knowledge, and can use the platform's functions.
At that point, AI is no longer an extra tool added to the LMS. It becomes a new way of interacting with it.
Почему школьной LMS недостаточно просто добавить ChatGPT
Искусственный интеллект постепенно становится привычной частью цифровых продуктов. Образовательные платформы тоже не остаются в стороне: появляются AI-помощники для учителей, генерация заданий, анализ данных и автоматизация рутинных процессов.
Поэтому может показаться, что добавить AI в школьную LMS довольно просто: подключить языковую модель, сделать окно чата – и готово.
Но если мы хотим, чтобы AI действительно стал частью LMS, этого недостаточно.
Почему обычного AI-чата мало?
Представим простой запрос учителя:
«Какие ученики моего класса стали учиться хуже в этой четверти?»
ChatGPT сам по себе не сможет ответить на этот вопрос. Он не знает, кто этот учитель, какие классы у него есть и какие оценки получили его ученики.
Чтобы дать ответ, системе сначала нужно понять контекст:
- кто задает вопрос;
- какие данные ему доступны;
- о каком классе идет речь;
- где находятся оценки;
- за какой период их сравнивать.
То есть AI должен быть связан с данными самой LMS.
Именно здесь начинается настоящая интеграция.
AI нужны знания школы
В школе много информации хранится не только в электронном журнале.
Это могут быть внутренние инструкции, положения, методические материалы, учебные программы и другие документы.
Например, сотрудник спрашивает:
«За сколько дней нужно подать заявление на отсутствие?»
Обычная языковая модель может дать общий ответ, который вообще не относится к правилам конкретной школы.
Один из способов решить эту проблему – RAG.
Несмотря на сложное название, принцип достаточно простой: перед тем как ответить, система сначала ищет нужную информацию во внутренних документах и передает ее AI.
Получается своего рода открытая книга: AI отвечает не только на основе общих знаний, но и с учетом информации конкретной организации.
Не только отвечать, но и выполнять действия
Следующий шаг – дать AI возможность работать с функциями самой LMS.
Например, учитель пишет:
«Покажи мое расписание на завтра».
Система понимает запрос, получает расписание из LMS и показывает его пользователю.
Другой пример:
«Создай заявку: в кабинете 305 не работает проектор».
AI может определить категорию проблемы, подготовить описание и после подтверждения создать обращение в Help Desk.
Для пользователя все выглядит как обычный диалог. Но внутри AI обращается к определенным функциям и API системы.
И здесь появляется важное отличие.
AI уже не просто рассказывает, как выполнить действие, а помогает выполнить его внутри системы.
А что с правами доступа?
Это один из самых важных вопросов.
Допустим, ученик напишет:
«Покажи оценки всего класса».
Если такой информации нет у него в обычном интерфейсе LMS, ее не должен показывать и AI.
То же самое касается учителей, родителей, администрации и других пользователей.
Поэтому AI должен работать с теми же правами доступа, что и сам пользователь.
Если учителю доступны только определенные классы, AI тоже может работать только с этими классами. Если родитель видит информацию только о своем ребенке, AI не должен получать данные других учеников.
Другими словами, AI не должен становиться способом обойти ограничения LMS.
Как все это работает вместе?
В упрощенном виде процесс можно представить так:
Пользователь → AI-помощник → LMS → данные и функции → ответ
Но между этими этапами происходит несколько важных вещей.
Система определяет пользователя и его права. Понимает запрос. При необходимости ищет информацию во внутренних документах или обращается к функциям LMS. Получает только разрешенные данные. И уже после этого AI формирует понятный ответ.
Например:
«Покажи учеников моего класса, у которых снизилась успеваемость».
Система может:
- определить класс учителя;
- проверить его права;
- получить оценки за два периода;
- сравнить результаты;
- передать результат AI;
- сформировать понятный ответ.
В таком сценарии языковая модель – важная, но далеко не единственная часть решения.
От чат-бота к AI-помощнику
В этом и заключается основная разница между обычным AI-чатом и глубокой интеграцией с LMS.
Чат-бот в основном отвечает на вопросы.
AI-помощник уже понимает контекст пользователя, может работать с данными системы и помогать выполнять конкретные задачи.
Например:
«Подготовь отчет по посещаемости моего класса за сентябрь и покажи учеников, у которых стало больше пропусков».
Вместо того чтобы вручную открывать журнал, выбирать период, применять фильтры и сравнивать показатели, пользователь просто описывает необходимый результат.
А система сама определяет, какие данные для этого нужны.
LMS может получить новый интерфейс
Сегодня большинство информационных систем устроено примерно одинаково: меню, разделы, кнопки, таблицы, фильтры.
Чтобы выполнить задачу, пользователь должен знать, куда зайти и что нажать.
AI предлагает другой подход.
Вместо поиска нужной функции пользователь может просто написать:
«Покажи мое расписание на неделю».
«Найди учеников с большим количеством пропусков».
«Подготовь отчет по классу».
«Создай заявку в техническую поддержку».
То есть человеку уже не всегда нужно знать, где находится функция. Достаточно объяснить системе, что он хочет получить.
Именно поэтому будущее AI в LMS – это не просто отдельное окно с ChatGPT.
Настоящая ценность появляется тогда, когда AI понимает контекст пользователя, безопасно работает с данными, знает внутренние документы и может использовать функции самой платформы.
Тогда AI становится не дополнением к LMS, а новым способом взаимодействия с ней.
Share
