EdTech 2026: ключевые тренды и вызовы для рынка образования

Камила Налбандян, Product Lead EdTech Alpina Digital
Российский EdTech замедлился до 10–12% роста и вошёл в фазу зрелости. Глобально — то же самое: венчурное финансирование на минимуме за десятилетие, а сделка Coursera + Udemy запускает консолидацию каталогов. Ниже — восемь трендов 2026 года (от AI-native продуктов до суверенизации инфраструктуры), пять вызовов (от качества AI-контента до кадрового разрыва) и семь прогнозов до 2027-го. Главный вывод: выигрывают не те, кто добавил AI-фичу, а те, кто перестроил продуктовую логику, научился доказывать outcome и заложил compliance в архитектуру с первого дня.

За 2025 год рынок EdTech в России замедлился: темпы роста снизились с 16% YoY в Q1 до 10–12% в Q3, количество M&A-сделок сократилось в четыре раза, а крупнейшие игроки начали публично демонстрировать выход в прибыль не через рост, а через сокращение издержек. По данным EDTechs.ru, рынок вошёл в фазу зрелости, где главный вопрос — уже не «как быстро нарастить аудиторию», а «как доказать результат платящему клиенту».

Глобально картина похожая. HolonIQ фиксирует падение венчурного финансирования EdTech примерно до 2,4 млрд долларов в год, а сделка Coursera и Udemy показывает, что рынок каталогов начинает консолидироваться. Это не кризис EdTech. Скорее, разворот от экономики роста к экономике эффективности.

Ниже — восемь трендов, которые меняют продуктовую логику в 2026-м, пять вызовов, на которых рынок будет спотыкаться, и семь ставок до 2027 года, под которыми я готова подписаться.

Сначала — цифры. Интерпретации — сразу после. В основе этого текста — обзоры EDTechs.ru, Smart Ranking, HolonIQ 2026 Global Education Outlook, TalentLMS 2026 L&D Report, McKinsey State of AI 2025, BCG The Widening Gap, Anthropic Economic Index, а также публичная отчётность Coursera и профильные публикации российских деловых медиа.

Объём российского EdTech-рынка по итогам 2025 года оценивается в 154–160 млрд рублей. Smart Ranking даёт 154 млрд рублей и рост около 12% год к году. Это заметное замедление относительно почти 20% годом ранее.

Темпы роста по кварталам, по данным EDTechs.ru, выглядели так: 16% → 10% → 12% YoY. Количество M&A-сделок сократилось до четырёх за год против 16 в 2024-м и 38 в 2020-м. Крупнейшая сделка — стратегическое слияние «Просвещения» и Eduson.

GetCourse как индикатор массового рынка онлайн-обучения показал снижение совокупной выручки школ с 137,7 до 130,5 млрд рублей за 10 месяцев года. Это минус 5% год к году. При этом доля повторных продаж выросла до 58% — рынок всё чаще живёт не за счёт нового привлечения, а за счёт удержания.

Наиболее показательный маркер зрелости рынка — экономика крупных игроков. Как минимум один из лидеров рынка показал двузначное снижение выручки при одновременном выходе в прибыль — за счёт сокращения расходов, а не роста. Это важный сигнал: даже у больших брендов прежняя модель роста уже не работает как раньше.

Сегмент детского образования впервые в Q3 2025 обогнал ДПО: 13,7 млрд рублей за квартал, плюс 9% год к году. Хоумскулинг прибавил около 27% YoY и почти достиг 70 тысяч учеников у топ-25 платформ. Одновременно усилился регуляторный контур: число лицензий Рособрнадзора в EdTech за один только Q3 2025 превысило 1140.

По данным HolonIQ, глобальные инвестиции в EdTech снизились примерно до 2,4 млрд долларов в год — минимального уровня за десятилетие. При этом деньги не исчезли, а перераспределились: от массового B2C к workforce training, корпоративному обучению и инфраструктурным решениям.

В 2025 году в мире было закрыто около 360 сделок M&A и проведено восемь IPO, по данным HolonIQ 2026 Global Education Outlook. Coursera показала выручку около 757 млн долларов за 2025 финансовый год и дала прогноз на 2026-й в диапазоне 805–815 млн. А объявленное слияние Coursera и Udemy стоимостью около 2,5 млрд долларов стало сильным символическим сигналом: рынок каталогов консолидируется.

При этом общие расходы на образование в мире продолжают расти. По HolonIQ, глобальный рынок образования — это около 7,3 трлн долларов, из которых digital занимает менее 4%. Пространство для роста всё ещё огромное, но характер этого роста меняется.

Главная характеристика 2025 года — фокус на эффективности.

Самая частая ошибка последних двух лет — приклеить чат-бот к старому курсу и назвать это AI-продуктом. На лендинге появляется кнопка «AI-помощник», в LMS — виджет вопросов, в маркетинге — формулировка «персонализированное обучение с ИИ». Но если убрать этот слой, продукт почти не изменится.

Это и есть AI-фасад: он почти не меняет фундаментальную логику продукта.

AI-native продукт устроен иначе. Он перестраивает саму архитектуру: диагностику, поддержку, траекторию, оценку результата и способ взаимодействия с контентом. Именно поэтому кейсы вроде Khanmigo так важны: это не «чат поверх Khan Academy», а попытка построить новый учебный интерфейс, где ИИ не выдаёт готовый ответ, а ведёт ученика через шаги.

На глобальном уровне похожую логику демонстрирует и Coursera со связкой Coach, Role Play и Course Builder. Это уже не поддержка курса, а динамическая сборка образовательного опыта под задачу и пользователя.

Для российского рынка вывод довольно прямой. В 2026 году выиграют не те, кто добавил AI-фичу, а те, кто сумел переписать продуктовую логику под AI. И это полностью совпадает с рамкой McKinsey State of AI: реальную ценность получают компании, которые не украшают существующие процессы, а перестраивают их.

Полугодовой курс как основной формат обучения — артефакт эпохи MOOC. Рабочая реальность 2026 года другая: человек учится в момент задачи, а не в специально выделенный слот «на развитие».

Именно поэтому идея learning in the flow of work перестала быть модным термином и стала практической продуктовой нормой. TalentLMS 2026 L&D Report фиксирует это как один из ключевых сдвигов в корпоративном обучении. Там же — цифры про рост интереса к skills-based learning и ожидания HR от GenAI.

С точки зрения продукта это означает простой, хотя и болезненный вывод: метрика completion rate больше не объясняет, полезно ли обучение. На её место приходит другая — time-to-first-application: сколько прошло от запроса до первого действия в рабочем инструменте.

Это меняет всё: каталог из тысячи длинных курсов проигрывает библиотеке микромодулей и AI-ассистенту, встроенному в рабочий процесс. На практике это значит, что центр тяжести мягко, но уверенно смещается из LMS в Slack-боты, knowledge-ассистенты, расширения и AI-слои внутри уже привычных систем.

До недавнего времени 1:1-поддержка была дорогой привилегией: репетитор, наставник, тьютор, куратор. AI-tutor меняет саму экономику этого формата.

Кейс Khanmigo важен не потому, что это красивый demo-case, а потому, что он переводит AI-tutor из категории «фича» в категорию отдельного продукта. Для российского рынка это особенно важно: здесь очень большой объём образовательного спроса до сих пор закрывается частными репетиторами, а не платформами.

Но рынок пока системно недооценивает две критичные вещи. Первая — безопасность. Если продукт работает с детьми, уязвимой аудиторией или чувствительными темами, он не может выходить без тестирования на опасные сценарии и без жёстких правил поведения. Вторая — эскалация. Качественный AI-tutor — это почти всегда связка «AI первого контакта + человек в сложных случаях».

Поэтому в 2026 году самостоятельная категория «AI-репетитор» в России почти наверняка появится. Но выиграют не те, кто первым сделает Telegram-бота, а те, кто научится держать память, outcome, безопасность и эскалационный контур.

Один из самых заметных сдвигов корпоративного рынка — переход от логики «покупаем курс» к логике «покупаем измеримый навык». TalentLMS показывает, что компании всё чаще двигаются в сторону skills-based learning и skills-based hiring.

Для EdTech это меняет не только упаковку продукта, но и саму экономику решения. Заказчику всё менее интересно покупать «курс по Python» или «программу по AI». Ему интересно купить способность команды выполнить конкретную задачу: автоматизировать рутину, сократить время подготовки материалов, ускорить онбординг, повысить конверсию в продажах.

Это приближает EdTech к модели outcome-based pricing, пусть пока и не в чистом виде. И ровно здесь возникает главный барьер: у большинства игроков нет инфраструктуры, чтобы этот outcome измерять. Поэтому старые каталоги проигрывают решениям, которые умеют связывать обучение с рабочими системами, KPI и бизнес-результатом.

Тренировка коммуникативных и прикладных навыков — переговоров, продаж, сложных разговоров, медицинского интервью, публичных выступлений — долго оставалась слабым местом цифрового образования. Формально этот сегмент огромен, но продуктово он был плохо оцифрован.

Сейчас ситуация заметно меняется. Coursera Role Play и аналогичные AI-сценарии в языковых продуктах показывают, что симуляции становятся не игрушкой, а рабочим форматом масштабируемой практики.

Для российского рынка здесь открывается особое окно. Локальный продукт, который научится делать качественную симуляцию на русском языке с реальным отраслевым контекстом, может занять нишу, которую глобальным платформам будет трудно забрать и культурно, и юридически.

Если контент можно генерировать на лету под задачу пользователя, каталог перестаёт быть дефицитом. А если каталог перестаёт быть дефицитом, он перестаёт быть главным активом.

Именно поэтому сделка Coursera + Udemy так важна как символ. Это не просто слияние двух игроков. Это знак того, что рынок каталогов входит в фазу консолидации и пересборки под новую экономику.

На российском рынке похожая логика уже читается по косвенным признакам: сжимается премиальный сегмент, меняется средний чек, B2C-форматы становятся менее устойчивыми, а корпоративные контракты — более важными. В этой модели ценность смещается от «объёма контента» к «скорости и качеству генерации релевантного опыта».

Российский рынок EdTech нельзя анализировать без контекста регуляторики. «Коммерсант» и «Ведомости» показывают, что в стране формируется отдельная нормативная рамка для AI: сертификация моделей, требования к данным, ограничения на использование иностранных сервисов в чувствительных средах.

Для части игроков это действительно выглядит как угроза. Но для локальных платформ это одновременно и защитный ров. В корпоративном сегменте уже сейчас нельзя просто взять и встроить в продукт любую внешнюю модель без оглядки на данные, хостинг, compliance и внутренние политики клиента.

Поэтому в России преимущество получают не просто AI-платформы, а платформы с локальным compliance-контуром, возможностью переключать модели и контролировать, куда идут данные. Это не «техническая деталь». Это уже часть продуктовой стратегии.

Одна из самых полезных рамок для разговора про AI в корпоративном обучении — правило 70/20/10: 70% успеха трансформации завязано на людях и процессах, 20% — на инфраструктуре и только 10% — на самих инструментах.

На практике большинство компаний до сих пор инвестируют наоборот. Они покупают лицензии, но не перестраивают процессы, не переобучают команды и не меняют критерии эффективности. Именно поэтому разрыв между usage и impact становится таким заметным.

Мы в Альпине проверяем это на себе. В направлении «Альпина Обучение» мы и запустили курс по генеративному AI с практикой на собственной платформе, и встроили AI-инструменты в писательский практикум, где студенты используют нейросети не как тему для изучения, а как рабочий инструмент для редактуры и подготовки текста. 70/20/10 — но все три компонента уже на месте.

Этот разрыв последовательно фиксируют и McKinsey State of AI, и BCG The Widening Gap. Для EdTech вывод прямой: в 2026 продавать «курс про AI» — слабая позиция. Сильная — помогать клиенту встроить AI в процессы и довести это до измеримого эффекта.

Первый системный вызов, о который многие спотыкаются, — качество. Stanford Accelerator for Learning уже обсуждает кризис оценки в образовании: если AI может помогать генерировать ответы, старые формы проверки знаний перестают работать как раньше.

К этому добавляется проблема галлюцинаций и нестабильного качества генерации. Полезным ориентиром по теме остаётся Vectara Hallucination Leaderboard, хотя любой benchmark здесь нужно читать аккуратно. Главный вывод не в том, что одна модель «лучше навсегда», а в том, что качество AI-контента зависит от задачи, данных, retrieval-логики и архитектуры продукта.

Completion rate, NPS и time-on-platform перестают быть достаточными. Они могут показывать вовлечённость, но всё хуже отражают реальный эффект.

Старые метрики

Новые метрики

Completion rate (% завершивших курс)

Time-to-first-application (время до первого применения)

Time-on-platform (часы на платформе)

Hours saved (экономия рабочего времени)

NPS (удовлетворённость)

Skill delta (измеримый прирост навыка)

Число выданных сертификатов

Доля применивших навык в работе

Количество курсов в каталоге

Скорость онбординга / снижение нагрузки на экспертов

В EdTech 2026 вопрос звучит так: что изменилось в работе, поведении, скорости выполнения задачи или уровне навыка после обучения? И именно поэтому outcome-метрики и signal-based evaluation становятся частью закупочного контура.

Если продукт жёстко завязан на одну иностранную модель, у него почти автоматически возникают проблемы в корпоративном сегменте России. Причина — не идеология, а практический compliance.

Поэтому в B2B выиграют не самые «умные» интерфейсы, а платформы, которые спокойно живут в реальности ограничений: on-premise, список допустимых моделей, контроль доступа, управление данными и проверяемая архитектура.

Каждый второй продукт обещает «AI-персонализацию», «AI-коуча» и «умный чат». В результате рынок быстро уходит в усталость от одинаковых обещаний.

Дифференциация смещается с уровня набора фичей на уровень доверия, характера продукта, объяснимости и тонкости опыта. Кто лучше объясняет границы AI, ошибки и логику работы — тому начинают доверять больше.

Рынку не хватает специалистов на стыке педагогики, продукта и AI. Найти человека, который одновременно понимает образовательную методологию, продуктовые метрики и устройство LLM-инструментов, всё ещё очень сложно.

Поэтому ближайшие два года рынок будет закрывать эту дыру гибридными командами. А затем почти наверняка появится отдельная роль — AI Learning Designer.

Все прогнозы ниже — моя оценка, а не пророчество. Но это оценка, которая опирается не только на локальные сигналы российского рынка, но и на глобальную рамку: HolonIQ фиксирует переход EdTech от истории роста к истории эффективности, McKinsey State of AI 2025 показывает, что AI уже широко внедрён, но масштабируемую ценность получают немногие, а BCG в исследовании The Widening Gap прямо говорит о растущем разрыве между компаниями, которые встроили AI в ядро бизнеса, и теми, кто остался на стадии экспериментов.

Mainstream-версия звучит так: рынок просел, но ещё восстановится за счёт B2C. Моя ставка другая: в ближайшие 12–18 месяцев рынок будет консолидироваться, потому что одновременно держать дорогой B2C-каталог, внедрять AI-логику и конкурировать за корпоративный сегмент смогут не все.

Глобальный контекст это подтверждает: HolonIQ показывает спад венчурного финансирования и смещение интереса в сторону инфраструктурных и workforce-решений. На российском рынке это повышает вероятность крупной сделки или серии сборок активов вокруг нескольких сильных платформ.

Идея, что контент — король, слабеет. В мире, где генеративные модели могут быстро собирать объяснения, задания, симуляции и обратную связь, ценность смещается от объёма контента к архитектуре опыта: как устроен ассессмент, как строится траектория, как доказывается результат.

К 2027-му крупные игроки будут не расширять каталоги, а сокращать и перепаковывать их в адаптивные программы с AI-tutor и динамическим контентом.

Российский B2C EdTech уже не даёт той предсказуемости, которая была в 2020–2022 годах. Это видно по замедлению темпов роста рынка, снижению активности в M&A и перестройке экономики крупнейших игроков.

Глобально картина похожа. HolonIQ и TalentLMS 2026 L&D Report показывают, что ключевой спрос смещается в skills-based learning, workforce enablement и обучение в потоке работы. А BCG добавляет критичный слой: деньги продолжают идти в AI, но ощутимая ценность (material value) возникает только там, где обучение связано с реальными процессами, KPI и P&L (отчёт о прибылях и убытках).

Пока на рынке много решений, которые называются AI-тьютором, но по сути остаются FAQ-ботом с красивой обложкой. Однако окно для самостоятельной категории уже открыто: Stanford Accelerator for Learning обсуждает AI-tutor как реальный образовательный интерфейс, а кейс Khanmigo стал первой по-настоящему видимой моделью этого класса.

Российский рынок почти наверняка повторит этот паттерн в более локальной форме: сначала — школьные и экзаменационные сценарии, затем — предметные нишевые помощники. Но выиграют те, кто научится держать память, безопасность, эскалацию и outcome-метрики. По McKinsey и Anthropic Economic Index ценность всё больше создают не одиночные промпты, а устойчивые AI-workflow и инструменты, встроенные в регулярную практику.

Разговоры про «глобальную экспансию» российских EdTech звучат красиво, но на горизонте 2026–2027 реалистичнее смотреть на СНГ: Казахстан, Узбекистан, Армению и другие рынки с русскоязычной аудиторией и растущим интересом к AI-обучению.

Это также согласуется с логикой регуляторного разведения рынков. «Коммерсант» и «Ведомости» показывают, что в России формируется отдельная нормативная рамка для AI, а значит локальные игроки будут естественным образом масштабироваться туда, где регуляторная, языковая и культурная среда ближе.

Самый поверхностный страх рынка — «AI заменит преподавателей». Более реалистичный сценарий другой: AI не убирает ядро экспертной роли, но радикально перестраивает периферию — ассистентов, кураторов, редакторов, модераторов, младших методистов.

Anthropic Economic Index (март 2026) показывает, что AI всё чаще используется как регулярный рабочий инструмент, а не как разовый эксперимент. Для EdTech это означает перекомпоновку ролей (rebundling): один сильный методист или преподаватель с AI-ассистентом сможет делать объём работы, который раньше требовал нескольких помощников.

Мы видим это на собственном продукте. В нашем курсе-практикуме «Мастерская писателя» ядро — живые редакторы и главреды «Альпины», но в модуле по саморедактуре студенты работают с AI-инструментами на платформе Alpina для правки, стилистической проверки и подготовки рукописи. Человек задаёт экспертную рамку — AI берёт на себя рутину редактуры. Это и есть rebundling в действии.

Пока массовая логика звучит так: все всё равно пользуются глобальными платформами через VPN и серые схемы. Но это логика снизу, а не логика корпораций. На уровне large enterprise всё решают юридические и compliance-контуры.

Именно поэтому я считаю вероятным сценарий, в котором один из крупнейших работодателей в России публично откажется от глобальных EdTech-платформ и обоснует это через ФЗ-152, готовящийся закон об AI и внутренние требования к данным. Этот прогноз поддерживается совокупностью сигналов: «Коммерсант» описывает контуры будущего регулирования, «Ведомости» — дискуссию о данных для обучения моделей, а McKinsey отдельно отмечает рост роли AI-compliance-специалистов в компаниях.

Первая рекомендация — не строить дифференциацию вокруг «собственной модели», если у компании нет действительно уникального ресурса для этого. McKinsey State of AI 2025 показывает, что основную ценность создают не сами foundation-модели, а глубина перестройки процессов и интеграции в реальную работу. Для EdTech это означает более прагматичную стратегию: брать доступные модели и строить преимущество на данных, продуктовой логике, UX и доверии.

Вторая рекомендация — выбрать одну outcome-метрику и подчинить ей продукт. Это может быть time-to-first-application, hours saved, сертифицированный навык или доля пользователей, которые применили навык в рабочем процессе. BCG The Widening Gap подтверждает: рынок быстро делится на тех, кто показывает реальную финансовую и операционную ценность, и тех, кто демонстрирует только usage.

Третья рекомендация — закладывать compliance в архитектуру с первого дня. Не как юридическую надстройку «потом», а как продуктовый слой: переключаемые модели, локальное развёртывание, контроль над провайдерами, понятная политика работы с данными. Чем позже это достраивается, тем выше шанс, что B2B-сегмент будет потерян ещё до первых крупных продаж.

Четвёртая рекомендация — дифференцироваться через характер и доверие, а не через набор AI-фич. В 2026 году фичи копируются быстро, а вот последовательная идентичность AI-продукта, его поведенческие границы и объяснимость становятся отдельным активом.

Главный сдвиг — покупать нужно не курсы, а эффект. TalentLMS 2026 L&D Report показывает движение компаний в сторону skills-based learning и GenAI-поддержки, а BCG — что между внедрением AI и извлечением ценности лежит огромный разрыв. Поэтому главный вопрос к вендору в 2026 году — не «сколько у вас курсов», а «какую измеримую проблему вы решаете и как это будет видно в наших процессах».

Практически это означает, что при оценке решения нужно просить демонстрацию метрик: time-to-first-application, экономия времени, доля сотрудников, которые применили новый навык в работе, скорость онбординга, снижение нагрузки на экспертов. Старые метрики вроде completion rate или time-on-platform уже недостаточны, особенно там, где AI может ускорить прохождение без реального освоения.

Второй вывод: внутренний AI-тьютор или AI-ассистент, обученный на документах компании и встроенный в рабочие инструменты, часто полезнее внешнего LMS-портала с большим каталогом. Это совпадает с тем, что TalentLMS называет learning in the flow of work.

Третий вывод — vendor evaluation теперь должен включать полноценный compliance-чек. Регуляторная рамка AI в России будет только ужесточаться. Значит, вопросы «где хостится модель», «можно ли отключить иностранных провайдеров», «есть ли on-premise-вариант», «что происходит с данными сотрудников» — это уже не детали закупки, а критерии жизнеспособности решения.

И наконец, имеет смысл перевернуть бюджетную логику в сторону 70/20/10: больше на обучение людей и изменение процессов, меньше — на сами лицензии.

Главный вывод: в EdTech 2026 стоит смотреть не на громкость бренда, а на то, насколько компания встроена в новый контур создания ценности. HolonIQ показывает охлаждение венчурного рынка EdTech и смещение интереса в сторону infrastructure и workforce-решений. Это делает более перспективными не массовые B2C-игры, а специализированные B2B-решения с понятной экономикой.

Хороший фильтр — три вопроса. Первый: есть ли у компании доля B2B-выручки, которая уже показывает устойчивость, а не только надежду на рост. Второй: умеет ли продукт доказывать outcome, а не просто usage. Третий: есть ли у компании compliance-ров и архитектура, позволяющая работать в среде с ограничениями по моделям и данным.

На российском рынке к этому добавляется локальный фактор. Регуляторика не просто создаёт риск — она создаёт защитный ров для тех, кто успел адаптировать продуктовую архитектуру. Поэтому ставка на игроков, которые совмещают AI-native логику, B2B-фокус и compliance-готовность, сегодня выглядит ощутимо сильнее, чем ставка на очередной массовый каталог курсов.