Почему гуманитариям пора перестать бояться ИИ

Если вы работаете с текстами, смыслами, исследованиями или контентом и до сих пор считаете, что ИИ — это «для айтишников», плохая новость: рынок так не думает.

О том, почему гуманитариям нельзя игнорировать этот инструмент, рассказал Юрий Чехович, кандидат физико-математических наук, эксперт в области академической этики, машинного обучения и ИИ, заведующий лабораторией №42 в ИПУ РАН и основатель сервиса интеллектуальной проверки академических работ Domate.📌

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

Искусственный интеллект — не конкурент гуманитарным профессиям, а самый мощный инструмент, который у них когда-либо был. И чтобы он действительно стал опорой, редакторам, исследователям, дизайнерам и авторам контента нужно всего лишь научиться работать с нейросетями так же уверенно, как с Word или Google Docs.

Да, миф о том, что ИИ — это для технарей, довольно живуч. Многие убеждены, что он создан для программистов и инженеров, а филологу, историку или журналисту там делать нечего. Но на практике всё иначе. В ряде сфер именно гуманитарии осваивают нейросети быстрее просто потому, что их повседневная работа напрямую связана с текстами, смыслами и интерпретацией. Парадокс в том, что специалисты с техническим бэкграундом часто относятся к ИИ осторожно и даже предвзято, так как лучше понимают, как устроены модели, где проходят границы их возможностей и в чём ограничения. Такое знание внутренней механики делает их более критичными к результатам алгоритмов.

Ещё три года назад медиа активно трубили о том, что нейросети «уничтожат» веб-дизайнеров, журналистов, программистов и копирайтеров. Заголовки были громкими, но, как часто бывает в новостях, драматизация превалировала над фактами. Реальность оказалась проще: ни одна из этих профессий не исчезла. Инструменты действительно стали мощнее, работа — эффективнее, но количество проектов не уменьшилось, даже наоборот, выросло. Удешевление ресурсов, как показывает история, чаще увеличивает их использование, а не сокращает потребность в специалистах.

На примере разработчиков программного обеспечения — программистов: есть специалисты разных уровней — джуны (могут решать задачи под присмотром более опытных специалистов), мидлы (могут решать задачи, но не берутся за проекты) и сеньоры (могут самостоятельно выполнять проекты, раздавая задачи менее опытным специалистам). Появление инструментов вроде Cursor или Copilot действительно повысило эффективность сеньоров и мидлов. Но это привело к другому эффекту: вход в профессию для новичков, джунов, стал сложнее. Младших специалистов сейчас берут реже, но не потому, что они больше не нужны, а потому, что ими сложнее заниматься. ИИ не учит архитектуре, инженерному мышлению и подходам к разработке.

Но вот что важно: сеньоры не появляются из воздуха — это те самые джуны, которые пришли в профессию несколько лет назад, причем не в пропорции один к одному. Только один из 5 или 10 новичков вырастает до старшего специалиста. Если сегодня ограничить приток новичков, через 3–5 лет мы получим дефицит квалифицированных разработчиков. В отрасли этот цикл уже заметен.

Современные алгоритмы отлично справляются с информацией — текстом, аргументацией, структурой, смыслом, — а это как раз зона комфорта гуманитариев. Там, где важно интерпретировать данные, формулировать идеи, объяснять сложные концепции и мысли, специалисты с гуманитарным образованием, использующие ИИ, однозначно выигрывают.

В ближайшие годы именно гуманитарные навыки, такие как критическое мышление, работа с источниками, логика и описание нарратива, станут ключом к тому, чтобы использовать ИИ осознанно, а не вслепую. Это касается журналистики, образования, коммуникаций, права, социологии, менеджмента и науки. Да, отличное владение сервисами искусственного интеллекта пока не является обязательным, но ситуация быстро меняется: инструменты на базе ИИ становятся такой же привычной частью рабочего процесса, как «гуглёж» в сети. Можно прогнозировать, что скоро в нашем языке появятся и новые глаголы, обозначающие действия с нейросетями.

ИИ помогает гуманитариям структурировать и обрабатывать информацию: позволяет быстро погрузиться в незнакомую тему, собрать первичную базу знаний и заменить часть рутинного поиска. Сегодня специалисты используют Perplexity, DeepSeek, ChatGPT, «Яндекс GPT» и другие инструменты для анализа материала. Базовые функции включают орфографическую и стилистическую проверку, первичную редактуру и перевод текстов. В языковых парах вроде «русский–английский» качество перевода достаточно высокое.

Но возможности не ограничиваются только текстом. Алгоритмы активно применяются для работы с изображениями, аудио и видео, что вызывает тревогу у дизайнеров, иллюстраторов, композиторов и монтажёров, опасающихся автоматизации и изменений рынка. Можно расслабиться, по крайней мере пока: опыт прошлых десятилетий показывает, что страхи о массовом исчезновении профессий из-за технологий обычно преувеличены. Например, в 1990-х предсказывали массовую утрату работы бухгалтерами из-за компьютеризации, но квалифицированные специалисты остались востребованы. Насколько оправданы нынешние тревоги — вопрос открытый, но очевидно одно: искусственный интеллект уже стал инструментом, который меняет способы производства контента во многих областях.

Хотим мы этого или нет, но в ближайшие годы большая часть текстов так или иначе будет создаваться с помощью ИИ. Форма помощи может быть разной: от примеров официальных писем и изучения структуры документов до поиска информации по новой теме. Для студентов это особенно полезно в тех областях деятельности, где нужно быстро разобраться в незнакомом материале и понять его специфику, а иногда — объяснить ее простым языком.

Использование ИИ для работы с текстовой структурой, стилем, поиском данных или формированием черновиков — оправданная практика, если она не заменяет личный вклад автора. Проблемы начинаются, когда нейросети становятся инструментом обхода правил. Например, если студент перефразирует чужой текст, чтобы скрыть источник — это прямое нарушение академической этики. Важен и контекст задания: если преподаватель запрещает ИИ, любое его использование автоматически становится нарушением. Еще один риск — безоговорочная вера результатам моделей. Это похоже на ситуацию, когда студент открывает первую ссылку в поисковике и принимает её за истину. Любой текст, созданный ИИ, требует фактчекинга.

При этом современные нейросети уже вполне могут выступать в роли «репетитора» или функционального ассистента. Если у студента есть готовый текст — эссе, глава диплома или аналитическая записка — алгоритм может дать замечания, задать уточняющие вопросы и подсказать варианты решений. Это позволяет взглянуть на материал под новым углом и улучшить качество работы.

Сложнее ситуация при изучении абсолютно новой темы. Здесь ИИ пока нельзя считать полностью надёжным источником знаний, так как модель может выдавать убедительно оформленные, но ложные факты. В знакомой области человек способен распознать ошибки, логические несостыковки и неточности, но в новой сфере внутренний фильтр не работает. Использовать ИИ для первичного погружения в тему можно, но с осторожностью: важно запрашивать источники, проверять ссылки и подтверждать данные.

На практике сгенерированные ссылки нередко оказываются нерелевантными или вовсе не содержат нужной информации, что может привести к серьёзным проблемам впоследствии. Яркий пример — случай с издательством Springer Nature: книга Mastering Machine Learning: From Basics to Advanced была отозвана после проверки, показавшей, что 25 из 46 цитат оказались вымышленными — типичный след контента, сгенерированного нейросетью.

Граница между добросовестным использованием ИИ и нарушением академической этики проходит не столько по факту работы с инструментом, сколько по результату. Главное здесь — довести текст до такого вида, чтобы он не содержал следов машинной генерации. Если в работе остаются фрагменты переписки с чат-ботом или лексически странные формулировки, явно сгенерированные нейросетью, такое использование технологии можно назвать неэтичным и даже неграмотным.

Академическое мошенничество, кстати, может выглядеть технически идеальным. Например, в тех случаях, когда ИИ используется для маскировки плагиата через перефразирование — формально текст выглядит уникальным, но с точки зрения этики такая работа недопустима. Проверка на плагиат и детекция ИИ — разные вещи. Систему, оценивающую только совпадения, легко обмануть перефразированием, а инструменты распознавания машинного текста пока отстают от генеративных моделей. К слову, существуют даже сервисы, которые «очеловечивают» текст, убирая типичные признаки машинной генерации.

Поэтому самый надёжный способ избежать каких-либо рисков при использовании искусственного интеллекта — работать с текстом осознанно: вычитывать, редактировать и самостоятельно погружаться в смысл материала. Чем больше автор понимает и перерабатывает информацию, тем меньше остаётся формальных признаков машинного текста.

Интересный нюанс: иногда даже полностью написанный человеком текст алгоритмы могут ошибочно классифицировать как сгенерированный. Это показывает, что детекторы ИИ пока не идеальны, а единственный по-настоящему безопасный способ для автора работать с текстом — оставаться ответственным и внимательным.

Мой прогноз таков: массовых увольнений и исчезновения профессий не будет, а вот трансформация ролей, скорее всего, произойдет. Основное внимание будет направлено на специалистов, которые умеют интегрировать новые инструменты в свою работу — сокращать сроки, снижать затраты и повышать качество результатов с помощью ИИ.

Наверняка даже появятся «погонщики ИИ», но полностью заменить людей они не смогут. Даже самое продвинутое совещание, где десятки моделей решают разнообразные задачи, всё равно нуждается в человеке: кто-то должен понимать контекст, принимать решения и оценивать результат. Живой специалист по-прежнему отличает хорошее от плохого и предсказывает, «зайдет» ли креатив аудитории. ИИ поможет повысить вероятность успешного решения задачи, но работать в категориях «сделай классно» или «сделай смешно» он пока не умеет. Так что в этих областях решающими остаются человеческий вкус, опыт и насмотренность.

Точного рецепта пока нет, но ясно одно: студенты должны учиться не только пользоваться нейросетями, но и развивать soft skills. Важно уметь постоянно осваивать новые инструменты, адаптировать их под свои задачи и учиться работать с инновациями. Иными словами, современным студентам нужно быть готовыми к непрерывному обучению.

Вторая ключевая компетенция — критическое отношение к результатам, сформулированным машинными алгоритмами. Даже если вы не эксперт в теме, проверка фактов обязательна. Экспертность не освобождает от ошибок, а нейросети всё ещё могут выдавать неточные данные, галлюцинировать или вовсе подменять факты. Пять лет назад мир ожидал, что к 2025 году ИИ станет «полноценным интеллектом», которому можно безоговорочно доверять. По прошествии лет мы видим, что модели ускорились, но ошибки никуда не делись.

Думаю, что путь к надёжным результатам лежит через минимизацию галлюцинаций. Если бизнес увидит экономическую выгоду в этом направлении, нейросети будут переобучены и смогут признавать свои ограничения, сообщая «нет уверенности в результате, обязательно проверь» или «мне нужно уточнение задачи, чтобы ответить». То есть в большей степени вести себя как человек, который сомневается и проверяет факты. Но пока таких систем нет, поэтому ответственность за достоверность информации продолжает оставаться на человеке.

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