Рек­то­ры ву­зов и уче­ные в ходе стра­те­ги­че­ской сес­сии об­су­ди­ли пер­спек­ти­вы ИИ в на­уч­но-об­ра­зо­ва­тель­ной сфе­ре. Ми­но­бр­на­у­ки под­го­то­ви­ло ба­зо­вый пе­ре­чень клю­че­вых по­ка­за­те­лей эф­фек­тив­но­сти внед­ре­ния тех­но­ло­гий ИИ, а уни­вер­си­те­там и на­уч­ным ор­га­ни­за­ци­ям пред­ло­же­но до­пол­нить его иде­я­ми. По сло­вам ми­ни­стра на­у­ки и выс­ше­го об­ра­зо­ва­ния Ва­ле­рия Фаль­ко­ва, про­во­див­ше­го страт­сес­сию, пред­сто­ит про­ду­мать, ка­кие по­ка­за­те­ли ста­нут ре­аль­ным сти­му­лом для ро­ста ка­че­ства об­ра­зо­ва­ния и про­из­во­ди­тель­но­сти тру­да.

Текущий этап использования вузами искусственного интеллекта можно охарактеризовать как переходный и довольно неравномерный. С одной стороны, базовые инструменты ИИ уже широко используются. Генеративные модели, аналитические системы, автоматизация процессов – все это активно применяется как в образовательной, так и в научной деятельности. Преподаватели готовят материалы быстрее, студенты получают дополнительную поддержку, исследователи ускоряют работу с данными и литературой. Но если говорить о глубокой интеграции, здесь ситуация иная. Комплексные решения, такие как электронная информационно-образовательная среда или ИИ-тьюторы, пока остаются, скорее, пилотными проектами в отдельных университетах.

Что касается процессов, которые можно реализовывать с применением ИИ, то в образовании это прежде всего персонализация (но здесь не только ИИ в чистом виде, но еще и большая работа по математическим моделям). Можно адаптировать обучение под конкретного студента: темп, формат, сложность. Плюс автоматизация – генерация материалов, тестов, кейсов, проверка заданий, поддержка студентов через нейропомощников. В науке – ускорение обзора литературы, помощь в нахождении закономерности в данных, формулирование гипотез и подготовка черновиков публикаций. Фактически сокращается путь от идеи до результата. В управлении – оптимизация расписаний, прогнозирование набора, автоматизация документооборота, аналитика эффективности. Если обобщить, то ИИ забирает на себя рутину и часть аналитики, высвобождая время для более творческой и стратегической работы.

Исходя из опыта европейских университетов, могу сказать, что у них ИИ уже вызвал системные изменения. Среди ключевых возможностей – переход к персонализированному обучению и ускорение исследований. Европейские вузы не просто внедряют инструменты, они изменяют свои бизнес-процессы. Например, пересматривают форматы оценки (в сторону увеличения количества устных экзаменов и форматов проектной работы), официально разрешают использование ИИ с четкими правилами и прозрачностью, внедряют курсы по ИИ-грамотности для студентов и преподавателей. У российских университетов есть точечные внедрения, но подавляющему большинству наших вузов эти этапы еще только предстоит пройти.

Из-за вышесказанного появляются ключевые вызовы. Это трансформация академической честности, необходимость массового повышения квалификации и приобретения новых навыков преподавателями, вопрос цифрового суверенитета и зависимость от внешних платформ с большими языковыми моделями.

По моему мнению, выиграют в итоге те университеты, которые не борются с ИИ, а встраивают его в образовательную модель на уровне политики, процессов и культуры.