Статья посвящена изучению возможности разработки эффективных упражнений по объектно-ориентированному программированию с использованием ChatGPT, которые обеспечивали бы глубокое понимание и применение концепций объектно-ориентированного программирования, а также определения технологических этапов процесса их генерации. Используя OpenAI Copilot в качестве большой языковой модели, мы создаем упражнения по программированию (включая примеры решений и тестовые примеры), оценивая их качественно и количественно. Результаты исследования показывают, что большая часть автоматически генерируемого контента является одновременно новым и корректно сформулированным, а в некоторых случаях полностью готовым к использованию. Для генерации упражнений были разработаны прайминги в качестве входных данных для Copilot. Они представляют собой шаблоны, описывающие концепции объектно-ориентированного программирования, структуры данных и ключевые слова для формулировки условий задач. Наш анализ показывает, что массовые модели генеративного машинного обучения представляют значительную ценность в качестве инструмента для преподавателей, хотя по-прежнему существует необходимость в некотором контроле для обеспечения качества сгенерированного контента до того, как он будет предоставлен учащимся.