W EduTech Masters szukacie innowacji. Co w kontekście napływających zgłoszeń najbardziej Cię zaskakuje? Czy projekty zrodzone na uczelniach lepiej rozumieją dziś twarde realia rynkowe?
Organizując pierwszą edycję konkursu, świadomie zdecydowaliśmy, jako jednostka uniwersytecka, że nie zamykamy się wyłącznie w murach akademickich. Zaprosiliśmy wszystkich, którzy myślą o zmienianiu współczesnej edukacji – od rozwiązań dla przedszkolaków, po narzędzia dla dorosłych. Chcieliśmy wiedzieć wszystko o tym sektorze.
I największym zaskoczeniem było to, że ta otwarta formuła zadziałała idealnie. Dostaliśmy pełne spektrum projektów: od wirtualnych korepetytorów dla ósmoklasistów, przez cyfrowe paszporty umiejętności, aż po immersyjną naukę języków w VR, a nawet… strefę drzemki na kampusie.
Ogromne zaskoczenie przyniosło też porównanie pierwszej edycji z początku 2025 roku z drugą z początku 2026 roku. Zwłaszcza w obszarze projektów studenckich. W pierwszej edycji czuć było ogromny pośpiech i zachłyśnięcie się nową technologią – formularze aplikacyjne bywały bezrefleksyjnie wypełniane przez LLM-y, a autorzy chcieli po prostu „robić personalizację przez AI”, nie mając na to konkretnego pomysłu. W drugiej edycji zobaczyliśmy już dojrzałe myślenie produktowe. Studenci zaczęli od problemu, a nie od technologii. Nie pisali już o abstrakcyjnym AI, tylko mówili: „tracę godziny na szukanie informacji w dziekanacie” – i w odpowiedzi tworzyli Merito AI, asystenta zintegrowanego z planem zajęć, albo systemy nawigacji po zakamarkach kampusu. Dla nas to przy okazji kapitalne źródło wiedzy o ich realnych bolączkach.
Jeśli zaś chodzi o drugą część pytania – różnica między studentami a dojrzałymi startupami wciąż jest wyraźna. Kiedy czytam zgłoszenia zespołów takich jak Willway, Red Blue Team czy Outcome Skills, od razu widzę myślenie kategoriami modeli subskrypcyjnych, przychodów i kosztów pozyskania klienta. W zgłoszeniach studenckich rzadko pojawia się odpowiedź na pytanie: „kto za to zapłaci, ile i dlaczego akurat tyle?”. To jednak zupełnie naturalne. Dlatego w konkursie oceniamy te grupy osobno, stosując szwedzki model KTH Innovation Readiness Level, który mierzy dojrzałość pomysłu w wielu wymiarach jednocześnie, a nie tylko „fajność” samej idei. Podsumowując: uczelnie coraz lepiej uczą rozpoznawania potrzeb rynku, ale monetyzacji wciąż uczymy się wszyscy.
Obecnie niemal każdy pitch deck startupu zawiera skrót „AI”. Czy wśród zgłoszeń widzisz projekty, które faktycznie rewolucjonizują pedagogikę poprzez głęboką personalizację, czy większość to raczej proste nakładki na istniejące modele językowe?
Powiem szczerze: spora część zgłoszeń to rzeczywiście relatywnie proste rozwiązania bazujące na schemacie: interfejs czatu plus prompt i gotowe. Nawet solidna baza źródeł niewiele tu zmienia, jeśli pod spodem nie stoi żadna konkretna metoda. Rynek bardzo szybko zweryfikuje takie pomysły, bo przewagę technologiczną opartą na samym prompcie można skopiować w jeden weekend, albo i szybciej.
Na szczęście jest też grupa projektów, które idą znacznie głębiej. Nie szukamy wyroczni ani baz pytań z gotowymi odpowiedziami. Chcemy dać studentom wędkę, a nie rybę. Szukamy rozwiązań, które pomagają zrozumieć zagadnienie, a nie tylko podają na tacy rozwiązanie, o którym użytkownik zapomni szybciej niż złota rybka.
Świetnym przykładem są projekty takie jak Powtarzaj.online czy EduChat – one prowadzą ucznia przez materiał w formie dialogu i z zasady nie dają gotowych odpowiedzi, lecz naprowadzają na właściwy tok myślenia, bazując przy tym na sprawdzonych materiałach źródłowych. Z kolei EduSensAI stawia na active recall (aktywne przypominanie) oraz metodę sokratejską, działając bezpośrednio na WhatsAppie, co zbija barierę wejścia do zera. Warto też wspomnieć o Elechos, który bardzo szczegółowo analizuje błędy ucznia w matematyce po to, by zrozumieć jego sposób rozumowania i zidentyfikować brakujące mikroumiejętności. To jest personalizacja z prawdziwego zdarzenia, a nie kosmetyka.
Spoglądając na zgłoszenia z perspektywy rynkowej – gdzie twórcy widzą dziś największy potencjał biznesowy i innowacyjny?
Wyodrębniłbym pięć wyraźnych typów projektów, które idealnie pokrywają się z globalnymi trendami w edtechu:
- Po pierwsze: most między edukacją a rynkiem pracy. To niesamowicie silny nurt. Projekty takie jak Dyplom PLUS czy MeritoPilot tworzą cyfrowe portfolio i „paszporty umiejętności”. Inne, jak CaseForge czy Student2Work, łączą studentów z realnymi zleceniami od firm, a Outcome Skills i SkillBridge AI mapują programy studiów bezpośrednio pod wymagania pracodawców. To idealna odpowiedź na globalny trend skills-based hiring – firmy coraz częściej patrzą na konkretne kompetencje, a nie na samą nazwę dyplomu. Uczelnia, która rozwiąże to systemowo, zyska ogromną przewagę rekrutacyjną. Ale nie mówmy im tego (śmiech).
- Po drugie: personalizacja nauki i mikrolearning. Próba okiełznania nawyków z mediów społecznościowych. Projekt Willway pozycjonuje się wprost jako „TikTok dla edukacji”, a EduScroll próbuje przekuć nawyk bezrefleksyjnego scrollowania telefonu w naukę zmapowaną na program studiów.
- Po trzecie: technologie dla samych instytucji (B2B). Kierunek mocno niedoceniany, a szkoda. Projekty takie jak Banach czy EduSphere AI przewidują ryzyko rezygnacji studenta ze studiów, zanim problem stanie się nieodwracalny. Tzw. dropout to dla każdej uczelni potężna, realna strata finansowa, więc stoi za tym bardzo konkretny, policzalny business case.
- Po czwarte: immersja. Przenoszenie regularnej dydaktyki do wirtualnej rzeczywistości. uTopiVR tworzy wirtualne klasy, a Red Blue Team uczy cyberbezpieczeństwa poprzez wcielanie się w role atakującego i obrońcy w cyfrowym środowisku.
- Po piąte: dobrostan (ang. well-being). Narzędzia takie jak ECHO pomagają rozpoznawać przeciążenie cyfrowe, a CogniFlow analizuje poziom zmęczenia poznawczego podczas intensywnej nauki. To już nie jest niszowa ciekawostka, to odpowiedź na realny kryzys pokoleniowy.
Gdzie Twoim zdaniem przebiega granica między technologią, która faktycznie wspiera nasz rozwój, a technologią, która po prostu rozleniwia nas intelektualnie?
A jaki mamy limit znaków w tym wywiadzie? (śmiech). Bardzo lubię takie filozoficzne pytania, bo ten problem jest znacznie szerszy i nie dotyczy tylko edukacji. Żyjemy w czasach, które przyzwyczaiły nas do tego, że wszystko dostajemy natychmiast, bez wysiłku i w ciągłym pośpiechu. Młode pokolenia mierzą się z tym wyzwaniem znacznie mocniej niż ludzie w moim wieku, którzy pamiętają jeszcze, ile cierpliwości wymagało wgranie gry z kaseciaka na Commodore 64 albo odczekanie całego tygodnia na kolejny odcinek serialu w telewizji. Przez ten wszechobecny pośpiech staliśmy się potwornie podatni na wybieranie dróg na skróty – również przy pisaniu prac dyplomowych czy zdawaniu egzaminów.
Tymczasem proces nauki tak nie działa. Nauka z definicji nie jest łatwa i – można powiedzieć – musi trochę boleć. Musimy włożyć realny wysiłek w to, żeby coś trwale przyswoić. Jeśli piszemy prace za pomocą AI, na końcu tej drogi dostaniemy dyplom, ale nie wiedzę. Trafnie podsumował to mój kolega z zespołu, Mikołaj Świderski, mówiąc, że uniwersytet stwarza jedynie potencjał, a ze studiów wyniesiemy dokładnie tyle wiedzy i doświadczenia, ile sami zdecydujemy się z nich wziąć.
Dlatego wspomniana granica leży w tym, czy technologia wykonuje zadanie całkowicie za Ciebie – co nas ewidentnie rozleniwia – czy też wspiera Cię w procesie, który wciąż kosztuje Cię sporo wysiłku. Uczenie się wymaga „tarcia”. Zapamiętujemy i rozumiemy wtedy, gdy mózg zmuszony jest do ciężkiej pracy: musi sformułować myśl, przypomnieć sobie fakt, popełnić błąd i samemu go naprawić. Narzędzie, które generuje gotowy esej na jedno kliknięcie, usuwa to tarcie całkowicie. Wynik jest natychmiastowy, ale pusty wewnętrznie.
Technologia optymalizująca robi coś odwrotnego: usuwa tarcie zbędne, techniczne (np. żmudne przeszukiwanie baz danych), ale zachowuje lub wręcz stymuluje tarcie produktywne. Twórcy aplikacji takich jak Powtarzaj.online, Knowlee EDU czy EduChat jasno deklarują: ich narzędzia nie dają gotowych odpowiedzi. One zadają pytania kontrolne, naprowadzają i wyjaśniają błędy. EduStream oddaje kontrolę wykładowcy, by AI działało jako inteligentny asystent, a nie automat do odrabiania lekcji. Z kolei EduBoost sięga po sprawdzoną metodę Feynmana i dialog sokratejski – techniki, które z definicji wymagają wysiłku. Taki tutor jest jak świetny, wymagający korepetytor, a nie jak bezmyślna ściąga.
Na koniec powiem przewrotnie: ten kryzys egzaminów w dobie AI może paradoksalnie wyjść uczelniom na dobre. Zmusi nas do innowacyjności i… powrotu do korzeni. Przyszłość weryfikacji wiedzy należy do projektów zespołowych, egzaminów ustnych oraz sesji, w trakcie których rozwiązuje się skomplikowane problemy na żywo, w formule przypominającej hackathony. To trudniejsze logistycznie dla dużych uczelni, ale czy to powinno nas powstrzymywać?
Polski rynek edukacyjny, zwłaszcza ten publiczny, uchodzi za skostniały i mało elastyczny. Czy to rzeczywiście największa bariera dla młodych innowatorów?
Ja patrzę na to zupełnie inaczej. W mojej ocenie ta rzekoma „małoelastyczność” to w dużej mierze stereotyp, który coraz słabiej przystaje do rzeczywistości. Polski rynek edtech ma na koncie spektakularne wdrożenia na skalę światową, o których warto głośno przypominać.
Zacznijmy od dziedzictwa, z którego mało kto zdaje sobie sprawę: poznańskie SuperMemo już w latach 80. opracowało i skomercjalizowało algorytm powtórek w optymalnych odstępach czasu. To dokładnie ten sam mechanizm, na którym bazuje dziś globalne Anki czy słynne Duolingo. Nasze rodzime Brainly (zaczynające jako zadane.pl) stało się jedną z największych społeczności edukacyjnych na świecie. Z kolei Librus i Vulcan przeprowadziły bodaj najbardziej masową i skuteczną cyfryzację w polskiej sferze publicznej – z tych e-dzienników korzystają dziś miliony uczniów, rodziców i nauczycieli. Mamy też Photon Education (laureata pierwszej edycji naszego konkursu), którego roboty i platforma Classwise trafiły do tysięcy szkół w kraju i za granicą, a także platformy językowe jak Tutlo, Fluentbe, systemy dla przedszkoli LiveKid czy rozwijających się międzynarodowo Gigantów Programowania. Na tle Europy wypadamy naprawdę świetnie. Dla porównania: rynek niemiecki, nominalnie znacznie większy i bogatszy, jest w cyfryzacji edukacji potwornie konserwatywny i tam bariera wejścia dla innowacji jest nieporównywalnie twardsza niż u nas.
Ten sam ogromny potencjał widzę w zgłoszeniach do EduTech Masters. Projekty takie jak Studentspeak, WillWay, Space to Grow, TechniSchools, Hey Feelings, Revas czy ChatHeroes już teraz mogą pochwalić się bazami użytkowników idącymi w tysiące. Oni udowadniają, że te bariery da się rozbijać.
Oczywiście edtech to rynek specyficzny i trudny, ale w Polsce da się wprowadzać innowacje. W Centrum Innowacji Uniwersytetu WSB Merito chcemy być realnym partnerem dla takich twórców. Oprócz platformy do promocji czy nagród finansowych na opłacenie bieżących rachunków, oferujemy coś znacznie cenniejszego: dostęp do ogromnego klienta, jakim jest cała Grupa Merito. Finansowanie od funduszy Venture Capital jest modne i świetnie wygląda w mediach, ale na koniec dnia celem każdego startupowca jest po prostu płacący klient.
Na co najbardziej zwracasz uwagę jako juror, kiedy analizujesz finałowe projekty? Szukasz idealnego produktu czy raczej charyzmatycznego zespołu?
Formalnie nasza ocena opiera się na bardzo obiektywnym modelu KTH Innovation Readiness Level, zaadaptowanym przez naszego głównego eksperta Jarka Chojeckiego do realiów rynku edukacyjnego. Badamy sześć kluczowych wymiarów: zrozumienie potrzeb klienta, dojrzałość produktu, model biznesowy, zespół, ochronę własności intelektualnej oraz finanse i gotowość inwestycyjną. W finale dochodzi do tego siódmy punkt, czyli jakość samego pitchu.
Jednak poza suchą tabelą, jak w każdym konkursie, szukamy tego specyficznego „błysku foundera”. Pewności siebie, charyzmy i autentyczności, które pozwolą nam uwierzyć, że ten konkretny lider po prostu dowiezie temat do końca. Takie piorunujące wrażenie zrobili na nas Aron z Founders Path oraz Natasza z Elechos – zwycięzcy pierwszej i drugiej edycji w swoich kategoriach.
Szukamy też po prostu rozwiązań, które odpowiadają na nasze wewnętrzne, uniwersyteckie potrzeby. Ostatnio precyzyjnie zamknęliśmy je w punktach w ramach programu Mazovian Makers, którego jesteśmy partnerem. Oprócz nowoczesnych narzędzi dydaktycznych, kluczowymi wyzwaniami są dla nas retencja studentów oraz budowanie więzi z uczelnią. Szukamy systemów opartych na analizie danych, które na podstawie zachowań (aktywności na platformach, powtarzających się zaległości, wzorców komunikacji) pozwolą nam bardzo wcześnie – zwłaszcza na kluczowym, pierwszym roku – zidentyfikować osoby zagrożone rezygnacją ze studiów. Szukamy też rozwiązań ułatwiających integrację peer-to-peer, networking zawodowy i przenoszących autentyczny klimat „życia kampusowego” do przestrzeni cyfrowej.
Na koniec wrócę do tego, co podkreślam jak mantrę: kluczowa jest metodyka. Nie zależy nam na sztucznej inteligencji, która bezdusznie mieli dane, by wypluć suchy wynik. Jeśli autor pomysłu przychodzi do nas, wie, czym jest taksonomia Blooma i potrafi logicznie uzasadnić, jak zaimplementował ją w swoim kodzie – jego aplikacja automatycznie przeskakuje na samą górę naszej listy. Chcesz być na tej liście? 🙂
