90% студентов уже используют ИИ: что ждёт образование дальше

Генеративный искусственный интеллект стал неотъемлемой частью учебных процессов. Его влияние на образование сегодня обсуждает весь мир — преподаватели и студенты, которые всё активнее используют нейросети в повседневной учёбе.

О том, нужно ли бороться с ИИ в образовании или, наоборот, стоит изучать технологию и использовать её, рассказывает Юрий Чехович, кандидат физико-математических наук, эксперт по академической этике и основатель сервиса domate.

По данным онлайн-опроса, проведённого Ассоциацией организаторов студенческих олимпиад России в феврале 2025 года, 85% студентов уже применяют ИИ для решения задач. Чаще всего — для поиска информации (77%), подготовки учебных работ (43%), создания изображений (36%) и презентаций (24%).

На самом деле эти цифры занижены. Аудитория ИИ растёт с каждым месяцем, а статистика быстро устаревает. К тому же не все студенты готовы открыто признаться, что пользуются нейросетями: в университетской среде к ИИ сегодня относятся настороженно, а иногда даже с угрозой санкций.

Тем не менее говорить о том, что большинство студентов в России уже интегрировали ИИ в учёбу, не будет преувеличением. Для вузов это создаёт новые вызовы — как технологические, так и этические. Преподавателям предстоит пересмотреть подход к контролю знаний, а университетам — выработать прозрачные правила использования нейросетей для студентов.

Сегодня студенты всё чаще обращаются к искусственному интеллекту, чтобы быстро написать курсовую, диплом или решить сложные задачи. Самый популярный нейросетевой помощник — ChatGPT, а следующие позиции топа отличаются от страны к стране. Так, в России активно используют «Яндекс GPT», в Китае — DeepSeek, в США — Grok.

Помимо универсальных инструментов, растёт спрос на специализированные сервисы, такие как «Кампус», Deeplom Bot, AIWriteArt и другие платформы, которые помогают создавать академические тексты и изображения. Однако сфера применения ИИ давно вышла за рамки учебных задач — нейросети становятся привычным инструментом для поиска информации, подготовки презентаций, планирования и даже бытовых советов.

И тут возникает главная проблема — доверие к результату. Студенты часто воспринимают ответы ИИ как готовое и верное знание, не проверяя достоверность данных. Между тем алгоритмы всё ещё склонны к ошибкам и «галлюцинациям», то есть выдумыванию фактов. В результате отсутствия должного фактчекинга в учебных и научных работах растёт количество недостоверных интерпретаций и неточностей.

Да, алгоритм может помочь в редактировании текста, он может исправить орфографические и пунктуационные ошибки и даже немного улучшить стиль текста. Пока что нейросети не способны сохранить индивидуальную манеру письма, но прогресс в этой области идёт настолько быстро, что в ближайшие годы ИИ наверняка сможет виртуозно копировать авторский стиль.

Особенно впечатляющие результаты искусственный интеллект демонстрирует в технических дисциплинах. Современные модели решают математические задачи, в том числе олимпиадного уровня, помогают в программировании — от генерации кода до создания прототипов и MVP. Однако полноценная разработка ПО требует понимания архитектуры и среды, а значит, без человеческого участия не обойтись.

В изучении языков нейросети тоже нашли своё место. Да, попытки полностью заменить преподавателя приводят к снижению качества обучения, но отдельные функции, такие как объяснение грамматики, перевод, диалоговая практика, работают вполне неплохо.

ИИ помогает и в естественнонаучных дисциплинах: он способен объяснять сложные формулировки, визуализировать процессы и подсказывать логику решения задач. Тем не менее пока рано утверждать, что с помощью алгоритмов можно полноценно подготовиться к экзамену — для этого нужны масштабные исследования и практические сравнения.

Реакция преподавателей на использование искусственного интеллекта в учёбе неоднозначная — от полного неприятия до заинтересованного одобрения. В одних вузах к генерации относятся как к нарушению академической этики, в других — рассматривают ИИ как инструмент обучения и поощряют его использование.

Полного запрета на применение нейросетей в университетах нет ни в одной стране. Академическая среда скорее ищет баланс, чем ставит жёсткие рамки, и в российских вузах тоже нет единого подхода. Так, в Высшей школе менеджмента СПбГУ, например, запретили использование ИИ для ряда направлений, тогда как в МГПУ и ВШЭ, напротив, стараются встроить технологии в образовательный процесс. Для одних это способ повысить качество обучения, для других — инструмент маркетинга, который помогает выглядеть современно и привлекать абитуриентов.

На практике преподаватели чаще всего оказываются в роли догоняющих: студенты быстрее осваивают нейросети, тогда как педагоги только начинают адаптироваться к новой реальности. Распознать сгенерированный текст становится всё сложнее, ведь алгоритмы стремительно развиваются и учатся имитировать живой человеческий стиль.

В академической среде даже появилось понятие «AI-веганы» — так называют преподавателей, принципиально отказывающихся от любых технологий искусственного интеллекта. Это скорее личная позиция, чем профессиональная стратегия, но она хорошо иллюстрирует то, насколько полярно сегодня отношение к ИИ в образовании.

Для преподавателей искусственный интеллект может стать эффективным инструментом, способным разгрузить повседневные процессы. Алгоритмы уже активно применяются для решения рутинных задач — от подготовки отчётности до составления таблиц и расчётов. Современные модели способны за считанные минуты сгенерировать формулы для Excel, с которыми вручную пришлось бы возиться часами.

ИИ также используют для автоматизации документооборота — написания служебных записок, составления планов и даже подготовки заявок на гранты. В научной среде генеративные модели постепенно становятся частью исследовательской инфраструктуры: помогают формулировать гипотезы, структурировать тексты, а ещё они упрощают коммуникацию с фондами.

Однако есть и неоднозначные этические вопросы. Не все грантодатели допускают участие искусственного интеллекта в подготовке заявок, особенно если это может повлиять на оригинальность идей или достоверность данных. Поэтому главная задача на ближайшие годы — выработать чёткие и прозрачные правила, определяющие, где применение ИИ допустимо, а где его стоит ограничить.

Есть мнение, что искусственный интеллект — это «новый калькулятор», но такое сравнение в корне неверно. Калькулятор выполняет на 100% точные вычисления, если заданы корректные данные. А генеративные нейросети действуют по другому принципу, их цель — не достоверность, а связность и правдоподобие текста. Из-за этого ИИ может уверенно выдавать ложные факты, создавать «галлюцинации» и искажать информацию, сохраняя при этом убедительный тон.

Вторая проблема в том, что технологии слишком упрощают учебный процесс. ИИ предлагает готовые ответы, отсекая необходимость искать и анализировать данные самостоятельно. Это снижает уровень вовлечённости и ослабляет когнитивную подготовку студентов. Когда обучение превращается в пассивное потребление готовых решений, теряется сама суть образования — развитие навыков критического и аналитического мышления.

Если следовать этой логике, общество может столкнуться с новым типом специалистов — технически грамотными, но не умеющими глубоко анализировать и самостоятельно решать задачи. Это противоречит ожиданиям работодателей и академической среды, ведь для них образование — не просто источник знаний, а способ формировать устойчивое и гибкое мышление и применять полученные навыки на практике.

Использование генеративного ИИ в студенческих работах остаётся спорным вопросом. Одним из способов контроля сегодня выступают ИИ-детекторы, но их эффективность падает по мере совершенствования моделей. Современные нейросети умеют устранять многие «детские ошибки», и текст, сгенерированный ИИ, всё сложнее отличить от работы человека. В ближайшие годы существующие детекторы могут утратить практическую ценность, а утверждения, что текст создан нейросетью, становятся всё менее надёжными.

Проблема качества детекторов остаётся нерешённой. На тестовых выборках они показывают высокую точность, но в реальных условиях часто ошибаются. Яркий пример — алгоритм принял отрывок из поэмы Пушкина «Руслан и Людмила» за текст, сгенерированный ИИ. Такие случаи показывают, что технологии контроля пока ограничены и не способны полностью заменить внимательную проверку.

Роль искусственного интеллекта в образовании через 5–10 лет остаётся предметом оживлённых обсуждений. Университетская система окажется под значительным давлением технологий, поскольку традиционные методы оценки знаний — экзамены, тесты и другие формы контроля — постепенно устаревают.

Также интересно наблюдать за тем, как изменится роль преподавателя. Не сведутся ли его функции к чисто модераторским? Пока такой сценарий кажется маловероятным, однако трансформации неизбежны. Очевидно одно: те учебные заведения, которые первыми найдут эффективный способ интеграции ИИ в образовательный процесс, получат заметное стратегическое преимущество.

Подписывайтесь на канал Юрия Чеховича, чтобы следить за трансформацией науки и образования под влиянием ИИ.