Форсайт «ИИ в высшем образовании»: тревоги много, ответов мало

Обсуждение влияния ИИ на высшее образование оказалось одновременно тревожным и терапевтичным. Тревожным — потому что большая часть звучавших трендов была связана с угрозами: расслоение по уровню доступа к технологиям, структурные изменения рынка труда, страх разучиться думать и потерять своё место в мире. А терапевтичным — потому что для многих участников оказалось важно проговорить эти опасения, поделиться скрытыми страхами и вместе поискать возможные решения. В этом смысле форсайт неожиданно стал пространством открытого разговора.

Среди участников были представители вузов, крупных банков и стартапов — люди с разным опытом, взглядами и профессиональным бэкграундом. Почти все сошлись в одном: изменения в образовании в ближайшие годы будут сильными, быстрыми, глубокими и неизбежными.

В ходе форсайта мы разделились на шесть групп и работали в двух направлениях: формулировали ключевые тренды ближайших нескольких лет и предлагали возможные ответы на них.

В результате появилась карта трендов «ИИ в высшем образовании». Тренды можно условно разнести по двум осям. По горизонтали — доступ к технологиям: от концентрации в руках немногих до демократизации. По вертикали — влияние ИИ на человека: от усиления навыков до их деградации. Размер слова на карте отражает, насколько заметно тренд звучал в обсуждении.

Карта показала смещение дискуссии в сторону рисков: тревожная, «красная» половина трендов оказалась плотнее. Участники чаще говорили о рисках — падении критического мышления, усиливающемся цифровом неравенстве, расслоении по доступу к ИИ, сломе привычной модели вуза, — чем о возможностях.

В верхней половине собрались сценарии, где ИИ усиливает человека, а не вытесняет его. По мере того как технологии берут на себя рутину, возрастает ценность того, что невозможно автоматизировать: живой наставник, эмпатия, забота о состоянии учащегося, индивидуальное сопровождение обучения. Отдельно зафиксировали важный сдвиг: умение работать с ИИ становится новым базовым навыком — тот, кто умеет поставить задачу модели и критически оценить её ответ, выигрывает у того, кто этого не умеет.

Нижняя половина карты отражает ключевые опасения. Их два типа. Первый — про мышление: мы быстро генерируем контент и плохо его усваиваем, критическое мышление слабеет и у детей, и у взрослых, а доверие к ответу модели растёт быстрее, чем привычка его проверять. Второй — про социальное неравенство: доступ к сильным инструментам и топовым живым наставникам достаётся немногим, усиливая разрыв между центром и периферией. Сюда же попал слом привычного устройства вуза — оценка, диплом и роль преподавателя меняются разом.

Один из самых частых страхов звучал просто: «ИИ нас отупляет». Но дело не в искусственном интеллекте: он не списывает за студента — он лишь делает списывание возможным. А позволяет списывание та система оценки, которая до сих пор проверяет память и усидчивость, то есть ровно то, что модель закрывает за секунду. Мы напугались инструмента и не заметили, что сломалась линейка, которой мерили знание.

Отсюда главный вывод: существующая модель оценки знаний требует пересборки. В центре должны оказаться не воспроизведение информации, а способность мыслить, работать в команде, находить ошибки в работе ИИ и аргументировать собственную позицию. Запретом телефонов в школах и вузах или ограничением доступа к ИИ тут не обойтись — нужно собирать новую систему оценки.

Отдельной темой стала «ИИ-грамотность» как новая базовая компетенция на всех уровнях образования. Громко звучали призывы вовлечь государство и Министерство науки и высшего образования, чтобы создать единые профстандарты. Но осталось загадкой, кто именно будет писать стандарты для настолько новой и динамичной отрасли. Звучала и альтернативная позиция: вместо жёсткой регламентации важнее создать среду и дать инфраструктуру — лучшие практики возникнут сами, так же как сегодня школьники и студенты осваивают базовые компьютерные навыки без отдельных стандартов и, вероятно, освоят ИИ-инструменты быстрее преподавателей и регуляторов.

Большинство вузов сегодня воспринимают ИИ как внешнюю подписку на ChatGPT или аналог, а вопрос ставят просто — запрещать или разрешать. Но реальное использование ИИ лежит в другой плоскости: нужны инвестиции в собственные вычислительные мощности — серверы с GPU, локальные модели и накопление собственных данных. Именно своя инфраструктура позволяет вузу создавать инструменты для исследований, преподавателей и студентов. Невозможно представить развитие науки в отрыве от вычислительных мощностей, которые на наших глазах становятся дефицитным ресурсом и отличают лидеров от отстающих. Только собственные ИИ-решения, локальные модели и собственные данные дают преимущество в долгосрочной перспективе.

Прозвучавшие на форсайте сквозные темы — не набор отдельных идей, а устойчивые линии напряжения, которые повторялись в разных группах и отражают более глубокие изменения. Речь идёт не о частных прогнозах, а о процессах, которые уже перестраивают саму логику высшей школы. Форсайт был не про технологии как таковые — он был про сдвиг системы координат. ИИ в образовании перестаёт быть инструментом и становится фактором, который меняет способ мышления, структуру неравенства, модель университета и само понимание «образованности». И главный вопрос пока остаётся без ответа: кто и как будет измерять знание в новой реальности.

Шесть сквозных тем. Если обобщить обсуждение, видны шесть повторяющихся мотивов.

1. Деградация мышления. Самый громкий мотив, прозвучал у четырёх групп независимо. Главный страх — что человек разучится думать: мы быстро создаём контент и плохо его усваиваем, критическое мышление слабеет, доверие к ответу модели растёт быстрее, чем привычка его проверять. Ответ — учить осознанному усилию вместо лёгкого пути, возвращать живое общение, наставничество и офлайн-форматы, развивать привычку проверять ИИ. Открытый вопрос: никто не назвал способа отличить, где ИИ помогает учиться, а где думает за студента.

2. Расслоение по доступу к ИИ. Второй по частоте мотив, у пяти групп из шести. Образование расходится на два слоя — тех, кто владеет сильными инструментами, и тех, кто остаётся на обочине; возникает образ «цифрового феодализма». Ответ — переобучение и грамотность как способ выровнять разрыв, доведение технологий до регионов, свои локальные модели в вузах как база для НИОКР. Открытый вопрос: чем сократить разрыв между лидерами и отстающими и где взять вычислительные мощности.

3. Слом института высшего образования. Три опоры вуза требуют перестройки одновременно: оценка (эссе и домашние работы теперь пишет модель), диплом (сам по себе перестаёт что-либо доказывать) и передача знаний. Большинство этих трендов зал датировал 2027 годом. Ответ — менять педагогический дизайн, превращать вуз в место встречи и сообщества, развивать наставничество и гибкие короткие программы. Главный открытый вопрос: чем измерять обучение, когда ИИ обесценил тесты и экзамены, а очный экзамен без ИИ проверяет навык, которого в реальной работе уже не будет.

4. Премия за ручной труд («новая роскошь»). Чем дешевле ИИ-контент, тем дороже человеческий вклад: личный наставник, ручная редактура, эмпатия, вовлечённость. Одна из групп вспомнила «Алмазный век» Нила Стивенсона — но в романе решающим оказался не артефакт-книга, а живая женщина, годами озвучивавшая её для героини. Ответ — отдать боту рутину и вернуть человеку время на то, что нельзя сгенерировать. Открытый вопрос: как усилить человеческое, не убив его той же автоматизацией, и как сделать премиальное доступным.

5. Новая грамотность как валюта. Умение работать с ИИ — постановка задачи, проверка результата — становится тем, что покупает работодатель; это самый частый ответ зала (около девяти раз). Ответ — урок работы с ИИ на всех уровнях, профессиональный стандарт и сертификация, модель компетенций преподавателя, где владение ИИ — базовое условие. Открытый вопрос: что считать грамотностью, кто учит самих преподавателей и не превращается ли «грамотность» в умение быстрее получать готовый ответ.

6. Регулирование и суверенитет. Рамка, внутри которой происходит всё остальное. Государство усиливает регулирование, этические принципы участники пометили как общее условие для всех трендов; растёт желание опираться на свои инструменты и мощности. Ответ — этические регламенты применения и обучения моделей на родном языке, своя инфраструктура и локальные модели. Открытый вопрос: кто пишет регламенты и как совместить суверенитет с тем, что сильнейшие модели приходят извне.

Итог. Форсайт показал отрасль, которая остро чувствует опасность и тянется к привычным ответам: учить, объединять, регулировать. Всё это нужно, но самый срочный вопрос — оценка знаний и соответствие программ рынку — остался без решения. Кто соберёт новый подход взамен неработающего, тот и определит, каким станет высшее образование после ИИ. Остальные будут писать регламенты.

Константин Антоневич — руководитель направления искусственного интеллекта в компании «7 Красных линий». Колонка отражает личную позицию автора.