Сегодня эффективное использование технологий искусственного интеллекта в образовании становятся актуальными проблемами в различных сферах деятельности. Научно-педагогические исследования должны быть направлены на разработки в области цифровизации образования. В данной статье рассматриваются возможности персонализации адаптивного обучения  ориентированого на результат с помощью исскуственного интеллекта. Целью статьи является изучение методов использования технологий искусственного интеллекта для анализа данных преподавателем и применения большой языковой модели (LLM) для выработки рекомендаций для определенных групп учащихся. Такие методы позволяют преподавателю выявлять учащихся относящихся к группе риска, заранее находить пробелы в знаниях и преобразовывать контент образовательных платформ для интеграции учебных материалов и проверки усвоения знаний. В этом исследовании приняли участие 100 студентов, результаты их наблюдений и активность участия в учебном процессе были проанализированы с помощью алгоритма кластери-зации K-Means и выявлены три кластера с разным уровнем знаний и потребностями. Затем  LLM  формирует стратегии обучения с помощью рекомендаций по выбору учебного контента для каждого кластера. На основании этих рекомендаций преподаватель проссматривает и дополняет учебные материалы, внедряет их в образовательные платформы и дает обратную связь. Это повышает эффективность эффективность персонализации обучения на своем этапе. Реализация такого подхода позволит повысить вовлеченность студентов на основе возможностей искусственного интеллекта и педагогического опыта, поддержать их, значительно улучшить качество образования, повысить интерес к обучению и обеспечить своевременную и точную реакци. преподавателя на потребности студента.