В статье предложена экономико-управленческая модель применения генеративного искусственного интеллекта при формировании банка оценочных средств по авиационному английскому языку. Актуальность обусловлена вступлением в силу документа ИКАО Doc 10197, сместившего требования к конструкту языкового теста в сторону радиообменного контекста и нештатных ситуаций, а также высокой стоимостью традиционной разработки заданий, достигающей по отраслевым оценкам 500-2000 долларов США за задание. Цель состоит в построении расчетной модели, связывающей технологию специфицированной генерации заданий с удельной себестоимостью и структурой трудозатрат организации. Предложен протокол генерации из шести блоков спецификации и шесть критериев экспертной отбраковки, приведены прототипы заданий с привязкой к дескрипторам шкалы ИКАО. Введены показатели удельной себестоимости, точки безубыточности партии и критической доли брака. Расчет показал, что технология окупается начиная с партии в 16 заданий, снижает себестоимость на 53 процента при партии в 100 заданий и становится нецелесообразной при доле брака свыше 72,4 процента. Новизна заключается в формализации связи между технологией генерации оценочных средств и структурой трудозатрат образовательной организации.
The article proposes an economic and managerial model for applying generative artificial intelligence to the development of assessment item banks in aviation English. The relevance stems from ICAO Doc 10197, which shifted test construct requirements towards radiotelephony context and non-routine situations, and from the high unit cost of conventional item development, estimated at USD 500-2000 per item. The aim is to build a computational model linking specification-driven item generation with the unit cost and labour input structure of an organisation. A generation protocol is proposed, comprising six specification blocks and a six-criterion expert rejection loop, together with item prototypes mapped to ICAO rating scale descriptors. Indicators of unit cost, batch break-even point and critical rejection rate are introduced. The calculation shows that the technology breaks even from a batch of 16 items, delivers a 53 per cent reduction in unit cost for a batch of 100 items and becomes unjustified when the rejection rate exceeds 72.4 per cent. The novelty lies in formalising the link between item generation technology and the labour input structure of an educational organisation.