Искусственный интеллект в науке и образовании: от точечного внедрения к стратегии измеримого роста

Внедрение искусственного интеллекта перестало быть уделом футурологов или узких исследовательских групп. Сегодня это один из главных государственных приоритетов, от успеха которого напрямую зависит технологический суверенитет страны. В этой связи особую значимость приобретает не просто процесс цифровизации университетов и научных институтов, а создание четких, прозрачных и, что самое важное, работающих механизмов оценки эффективности этого процесса. Как измерить то, что находится на стыке сложной математики, педагогики и фундаментальной науки? Как не допустить формального подхода, когда внедрение ИИ ради «галочки» не приносит реального повышения качества образования и производительности труда? Поиску ответов на эти вопросы была посвящена стратегическая сессия, которую провел глава Минобрнауки России Валерий Фальков. В мероприятии приняли участие представители ректорского корпуса и ведущего научного сообщества — те, кому предстоит не только адаптировать новые технологии, но и задать стандарты их использования на годы вперед.
Стимулирование внедрения этих технологий в отраслях экономики и социальной сферы включено в число ключевых задач Национальной стратегии развития искусственного интеллекта на период до 2030 года, утвержденной Указом Президента России Владимира Путина. Выполнение этой задачи в сфере высшего образования и науки требует системного подхода. Именно поэтому участники стратсессии сосредоточились на разработке ключевых показателей эффективности (КПЭ), призванных обеспечить переход к управляемому и сбалансированному развитию ИИ-технологий. Предлагаемая архитектура КПЭ разделена на три смысловых блока: учебный процесс, научные исследования и операционную деятельность. Такая сегментация, по замыслу разработчиков, позволит создать целостную экосистему, в которой технологии искусственного интеллекта не просто автоматизируют рутину, но и органично поддерживают решение всех стратегически важных задач, оптимизируя процессы без потери эффективности.
В рамках подготовки к внедрению новых механизмов Минобрнауки уже сформировало базовый перечень ключевых показателей эффективности. Однако ведомство намеренно оставило пространство для «настройки снизу»: университетам и научным организациям предложено дополнить этот перечень собственными инициативами, учитывающими их специфику. Дискуссия, развернувшаяся в ходе сессии, показала, что профессиональное сообщество готово к такой работе, но обращает внимание на критически важные детали. Ректор МФТИ Дмитрий Ливанов, чей университет является одним из флагманов технологического образования, акцентировал внимание на практическом эффекте, отметив положительное влияние ИИ на производительность труда именно в административном блоке — той сфере, где перегрузка сотрудников зачастую тормозит развитие. В свою очередь, первый проректор НИУ ВШЭ Леонид Гохберг, обладающий колоссальным опытом в оценке исследовательской деятельности, подчеркнул принципиальную важность методологической чистоты: за каждым показателем измеримости должны стоять выверенные методики расчета и абсолютно прозрачные источники данных. Без этого, по его мнению, даже самые прогрессивные КПЭ рискуют превратиться в инструмент манипуляции статистикой.
Подводя итоги обсуждения, Валерий Фальков обозначил главный критерий успеха предстоящей работы. «Нашей главной задачей становится разработка таких показателей эффективности, которые не станут для университетов и научных организаций формальными к исполнению, новыми строками в отчетах. Мы должны продумать, какие показатели станут реальным стимулом для роста качества образования и производительности труда», — подчеркнул министр. Это заявление задает вектор всей дальнейшей работе: КПЭ должны стать не бременем для отчетности, а навигатором развития.
Представленные на стратегической сессии наработки Фонда «Центр стратегических разработок Северо-Запада», Института системного программирования им. В.П. Иванникова РАН, а также экспертные оценки Высшей школы экономики и МФТИ лягут в основу финальной версии методики.
Выход на новый уровень управления знаниями подразумевает, что внедрение искусственного интеллекта перестает восприниматься как разовая кампания по оснащению вузов программным обеспечением. Переход к системе измеримых КПЭ — это, по сути, формирование нового управленческого контура. Во-первых, трехкомпонентная структура (учеба, наука, операционка) позволяет избежать перекоса, когда технологии внедряются хаотично, лишь в самой «модной» сфере. Во-вторых, акцент на методическую прозрачность, о котором заявили эксперты, гарантирует, что оценки будут объективны, а значит, на их основе можно будет принимать корректные управленческие решения о финансировании и поддержке.
«Наконец, главным выводом стратегической сессии стало понимание: эффективность внедрения ИИ измеряется не количеством закупленных серверов или строчек в отчетах, а реальным высвобождением человеческого капитала. Снятие административной нагрузки с ученых и преподавателей, ускорение обработки данных в лабораториях, персонализация образовательных траекторий для студентов — вот те истинные цели, достижение которых должно подтверждаться новыми показателями. Предоставив университетам и научным организациям право на доработку КПЭ, Минобрнауки сделало ставку на принцип «агентности»: только сами участники образовательного и научного процесса знают, где технологии принесут максимальную пользу, а где их внедрение окажется избыточным. Итогом этой совместной работы станет не просто очередной ведомственный перечень, а полноценная дорожная карта, позволяющая России удерживать лидирующие позиции в гонке интеллектуальных технологий», - прокомментировала заместитель директора Ставропольского филиала Президентской академии Елена Лебедева.