Статья посвящена исследованию возможностей генеративного искусственного интеллекта (ИИ) для решения задач оценки письменных работ и предоставления обратной связи на них. Поставлена цель определить возможности и ограничения генеративного ИИ при его использовании для проверки письменно-речевой продукции обучающихся и формулировки обратной связи на нее. Для достижения цели осуществлен систематический обзор двадцати двух оригинальных исследований, проведенных в российском и зарубежном контекстах, результаты которых были опубликованы в 2022-2025 годах. Выявлено, что результаты критериального оценивания генеративными моделями согласуются с оценками преподавателей, причем генеративный ИИ превосходит проверяющих в способности оценить язык и аргументацию. На надежность этой оценки, однако, негативное влияние оказывают нестабильность оценивания, галлюцинации генеративных моделей и их ограниченная способность учитывать особенности контекста. Несмотря на детальность и конструктивность обратной связи от генеративного ИИ, она недостаточно конкретна и избыточна, что может затруднить ее восприятие обучающимися. Обратная связь от генеративной модели таргетирует преимущественно локальные недостатки, в то время как проверяющие преподаватели обращают внимание на глобальные проблемы, такие как неполное соответствие содержания заданной теме или нарушения в логике изложения. В отличие от преподавателей, генеративный ИИ дает шаблонную обратную связь, не используя косвенные формулировки и наводящие вопросы, способствующие развитию умений саморегуляции. Тем не менее, эти недостатки можно скорректировать последующими запросами к генеративной модели. Также выявлено, что обучающиеся открыты к получению обратной связи от генеративного ИИ, однако предпочитают получать ее от преподавателей и сверстников. Результаты обсуждаются в контексте использования генеративных моделей для проверки письменных работ и формулировки обратной связи преподавателями иностранного языка. Выводы подчеркивают необходимость критического подхода к использованию генеративных моделей в оценивании письменных работ, а также важность подготовки преподавателей для эффективного взаимодействия с этими технологиями.