Как российские университеты адаптируются к эпохе искусственного интеллекта

Весной 2025 года Институт образования НИУ ВШЭ провел серию глубинных интервью с проректорами ведущих российских университетов, чтобы выяснить, как они адаптируются к вызовам генеративного искусственного интеллекта (GenAI). Исследование стало первым в России, классифицировавшим институциональные стратегии вузов в эпоху ИИ.

Главный вывод: система высшего образования столкнулась с новой технологической реальностью, но пока реагирует стихийно, без единой логики.

Шесть стратегий: от активного внедрения до полного игнорирования

Исследование Института образования ВШЭ зафиксировало шесть различных моделей поведения вузов по отношению к генеративному ИИ. Каждая отражает разные уровни осознанности, готовности к изменениям и институциональной гибкости:

1. Активное внедрение (меньшинство лидеров)

Характеристики: Университеты поощряют преподавателей за использование ИИ и запускают курсы цифровой грамотности Подход: Проактивный, инновационный Результат: Создание центров ИИ-компетенций, цифровые тьюторы для студентов

2. Регламентация (формальный контроль)

Характеристики: Разработка внутренних инструкций и нормативов по использованию ИИ Подход: Формализованный, но ограниченный Результат: Четкие правила, но медленное развитие

3. Избирательный подход (точечное применение)

Характеристики: ИИ разрешён только в ряде дисциплин или образовательных модулей Подход: Осторожный, выборочный Результат: Часто встречается в технических вузах

4. Ограничения (защитная реакция)

Характеристики: Категорические запреты на использование ИИ в заданиях Подход: Консервативный, ожидание федеральных рекомендаций Результат: Сохранение статус-кво

5. Эксперименты (осторожное тестирование)

Характеристики: Создание пилотных зон, тестирование цифровых ассистентов Подход: Исследовательский, но без масштабирования Результат: Локальные успехи без системных изменений

6. Выжидание (пассивная позиция)

Характеристики: Отсутствие активных действий, наблюдение за ситуацией Подход: Самый массовый, но наименее перспективный Результат: Отставание от технологических трендов

Генерационное неравенство: студенты обгоняют преподавателей

Ключевое открытие исследования: уровень использования GenAI среди студентов значительно выше, чем среди преподавателей. Учащиеся быстро осваивают нейросети для выполнения заданий, а преподаватели только начинают разбираться в новых инструментах.

Это создает серьезные проблемы:

• Генерационное неравенство в цифровой компетентности.
• Фрагментацию практик — разные подходы на разных факультетах.
• Отсутствие общей методической базы для оценки знаний.

Результат: преподавание становится «лоскутным» — от активного применения ИИ до полного запрета в рамках одного университета.

Экспертные оценки: что говорят исследователи

Евгений Терентьев, директор Института образования ВШЭ: «Когда университет не заявляет позицию по ИИ — это уже решение. И оно опасно. Система реагирует на ИИ ситуативно, а не последовательно. Это её главная уязвимость».

Наталья Смирнова, эксперт в области цифрового обучения: «Мы столкнулись с тем, что преподаватели часто боятся использовать ИИ из-за отсутствия рамок и поддержки».

Преподаватель Томского государственного университета: «Оценка знаний должна меняться. Если ответ можно сгенерировать, то нужно спрашивать то, что требует мышления».

Практические примеры адаптации

Несколько университетов уже запустили полезные инициативы:

Центры ИИ-компетенций для обучения преподавателей работе с нейросетями.

Цифровые тьюторы — ИИ-помощники, которые помогают студентам с навигацией по учебной нагрузке.

Новые форматы заданий — вместо традиционных рефератов проекты с акцентом на критическое мышление и анализ.

Адаптированная система оценки — учет возможностей ИИ при разработке контрольных заданий.

Вызовы для системы образования

Исследование выявило ключевые проблемы российского высшего образования в контексте ИИ:

Отсутствие единых стандартов использования ИИ в образовательном процессе.

Неготовность преподавателей к работе с новыми технологиями.

Консервативность системы — медленная реакция на технологические изменения.

Недостаток ресурсов для массового обучения преподавательского состава.

Международный контекст

Российские вузы не уникальны в своих затруднениях. Университеты по всему миру сталкиваются с аналогичными вызовами:

• В США и Европе также нет единых подходов к ИИ в образовании.
• Ведущие университеты экспериментируют с разными моделями.
• Международные образовательные организации разрабатывают рекомендации.

Перспективы развития ситуации

Краткосрочные тренды (1-2 года):

• Появление федеральных рекомендаций по использованию ИИ.
• Рост числа университетов с активной позицией.
• Развитие программ повышения квалификации для преподавателей.

Долгосрочные изменения (3-5 лет):

• Формирование новых стандартов образования с учетом ИИ.
• Трансформация методов оценки знаний.
• Интеграция ИИ-инструментов в образовательные платформы.

Возможности для профессионального развития

Для тех, кто планирует карьеру в сфере образования или EdTech, исследование ВШЭ показывает востребованные направления:

• Педагогика и цифровые технологии — специалисты по интеграции ИИ в образовательный процесс.
• Разработка ИИ-решений для образования — создание специализированных инструментов для вузов.
• Цифровая трансформация в образовании — консультирование университетов по стратегии внедрения технологий.
• Оценка образовательных результатов в эпоху GenAI — разработка новых методов контроля знаний.

Альтернативы для изучения области:

Если вас интересует пересечение ИИ и образования, стоит обратить внимание на развивающиеся специализации:

• Курсы по EdTech и образовательным технологиям помогут понять, как цифровые инструменты трансформируют обучение.
• Программы по педагогическому дизайну научат создавать эффективные образовательные программы с учетом новых технологий.
• Изучение машинного обучения и ИИ даст техническую базу для понимания возможностей и ограничений технологий в образовании.

Исследование ВШЭ показывает критическую важность ИИ-компетенций для современного образования — как для преподавателей, так и для разработчиков образовательных решений. Университеты активно ищут специалистов, которые понимают возможности и ограничения искусственного интеллекта в обучении. Если вы хотите развиваться в этой перспективной области, стоит начать с качественной подготовки. В нашей подборке курсов по искусственному интеллекту представлены лучшие программы от ведущих школ: от основ машинного обучения до специализированных курсов по ИИ в образовании, разработке чат-ботов и внедрению нейросетей в бизнес-процессы.

Практические рекомендации для вузов

На основе исследования можно сформулировать ключевые шаги для университетов:

1. Сформулировать четкую позицию по использованию ИИ в образовательном процессе.
2. Обучить преподавателей основам работы с ИИ-инструментами.
3. Пересмотреть систему оценки знаний с учетом возможностей генеративного ИИ.
4. Создать пилотные проекты для тестирования новых подходов.
5. Обеспечить техническую поддержку внедрения ИИ-решений.

Влияние на качество образования

Потенциальные преимущества интеграции ИИ:

• Персонализация обучения.
• Автоматизация рутинных задач преподавателей.
• Развитие критического мышления студентов.
• Новые форматы взаимодействия.

Возможные риски:

• Снижение самостоятельности студентов.
• Потеря традиционных навыков.
• Увеличение неравенства в доступе к технологиям.
• Этические вопросы использования ИИ.

Главное: образование на перепутье

Исследование ВШЭ фиксирует переломный момент в развитии российского высшего образования. Университеты стоят перед выбором: адаптироваться к ИИ-реальности или остаться в стороне от технологической революции.

Шесть выявленных стратегий показывают разнообразие подходов, но отсутствие системности. Успех будет за теми вузами, которые сумеют сбалансировать инновации с качеством образования, не потеряв при этом фундаментальные ценности университетского образования.

Время стихийной реакции заканчивается — нужны осознанные стратегии и системные решения.