От бота до тьютора

Образование сегодня — это одна из сфер, где искусственный интеллект перестает быть трендом и становится повседневной практикой. Студенты все чаще учатся с ИИ-тьюторами, научные сотрудники публикуют статьи, подготовленные с помощью языковых моделей, а ИТ-компании обучают специалистов, работающих с ИИ-агентами еще будучи студентами.

Выйти из полноэкранного режима

Развернуть на весь экран

В материале Марина Кошелева, руководитель проектов в сфере образования, науки и культуры Yandex Cloud, рассказывает о ключевых тенденциях ИТ-образования, а также о главных трендах, которые будут определять его в самом ближайшем будущем.

Как ИИ меняет требования к ИТ-подготовке

За последние несколько лет ИТ-образование в России пережило заметную трансформацию. Если еще в 2022 году уход зарубежных вендоров оставил университеты без привычных инструментов и породил неопределенность в использовании цифровых платформ, то в последние два года ключевыми драйверами изменений стали большие языковые модели и мультиагентные системы (составной части так называемого в широких кругах ИИ). То, что раньше воспринималось как отдаленный зарубежный опыт или удел, доступный только крупным ИТ-компаниям, постепенно становится частью практики российских вузов.

Характерный пример — проект Уральского федерального университета, где студенты создали чат-бот, помогающий абитуриентам выбирать образовательные программы и ориентироваться в массиве новой непонятной информации. Еще недавно подобные решения могли разрабатывать только крупные ИТ-компании, обладающие собственной инфраструктурой и штатом специалистов. Теперь же такие задачи решают сами студенты, опираясь на доступные инструменты и облачные платформы. Это можно назвать процессом демократизации технологий: сложные инструменты перестают быть уделом избранных и становятся доступными гораздо более широкому кругу пользователей.

Параллельно появляются конструкторы и платформы для создания агентных систем, что дополнительно ускоряет внедрение ИИ в учебную и научную среду. Благодаря этому образовательные проекты становятся масштабнее, быстрее и технологичнее, а сама ИТ-подготовка ближе к реальным запросам рынка.

Эволюция учебных ассистентов: от простых чат-ботов к полноценным тьюторам

В образовательной среде все чаще звучат несколько понятий в контексте ИИ: «ассистент», «агент» и «ИИ-тьютор». Попробую описать их основные различия.

Агентом обычно называют инструмент, который берет на себя решение конкретной задачи: создание вопросов по учебному материалу, автоматическая проверка тестов, суммаризация лекций или перевод текста. Такие системы работают на базе языковых моделей и дополняются модулями для работы с речью, изображениями или видео, что делает их универсальными помощниками преподавателя.

ИИ-тьютор — более продвинутая форма учебного ассистента. Это не просто бот для справки, а собеседник, который ведет диалог со студентом, помогает понять сложные фрагменты материала и выявляет пробелы в знаниях. В некоторых системах достаточно выделить непонятный абзац, чтобы тьютор объяснил его простыми словами или предложил альтернативное объяснение.

Подобный подход уже используется в «Яндекс Учебнике» или «Яндекс Практикуме». В «Учебнике» ИИ-тьютор помогает школьникам готовиться к экзаменам и разбираться в сложных темах, а в «Практикуме» благодаря ИИ-подсказкам студенты осваивают новый непонятный материал: например, если пользователь сталкивается с трудностью, он может воспользоваться функцией «Уточнить у нейросети», чтобы получить дополнительные пояснения. С простыми вопросами по контенту курса помогает чат-бот с ИИ, а если нужно более экспертное мнение,

можно попросить подключиться живого ментора.

Аналогичная логика работает в тренажерах по программированию: автоматический код-ревью показывает ошибки, дает подсказки и мотивирует попытаться снова, не подсказывая решение напрямую.

Такие инструменты не заменяют преподавателя и не стремятся взять на себя его роль. Их задача — снизить объем рутинной работы, освободив педагогу время для индивидуальной поддержки студентов, развития их мышления и работы с более сложными или индивидуальными вопросами обучения.

Этические и инфраструктурные вызовы

Массовое распространение генеративного ИИ ставит перед образованием не только технологические, но и этические задачи. Один из ключевых вопросов — корректное обращение с данными. При работе с моделями важно не передавать им персональную информацию студентов и другие чувствительные сведения.

Другой важный аспект связан с сохранением критического мышления. Современные модели нередко формулируют ответы убедительно и логично, что создает иллюзию безошибочности. В результате ученик или студент может принять любой ИИ-ответ на веру, не перепроверив его. В крайнем случае привычка доверять машине «по умолчанию» приводит к тому, что человек фактически перестает мыслить самостоятельно. Однако многие эксперты указывают и на противоположную сторону: грамотное использование ИИ, напротив, стимулирует умение формулировать точные вопросы, оценивать корректность ответов и замечать логические несостыковки.

Вопрос цифрового неравенства также остается актуальным. Существует опасение, что неравномерное распространение и развитие сервисов ИИ даст преимущество одним учащимся и усилит существующий разрыв с другими. Но здесь многое определяется мотивацией и образовательными целями самих студентов, а не только инфраструктурой. Чтобы снизить разрыв, компании и государственные структуры развивают программы равного доступа: предоставляют гранты, льготные условия или бесплатные сервисы. Так, часть вендоров, например Yandex Cloud, предоставляют грантовые условия использования, а решения вроде голосового ассистента «Алиса AI» доступны без дополнительной платы. При таком подходе ИИ способен не усиливать неравенство, а, наоборот, помогать сделать образование более доступным и гибким для самых разных групп пользователей.

ИИ как катализатор инклюзивной среды

Искусственный интеллект постепенно становится важным инструментом инклюзивного образования, открывая новые возможности для людей с разными особенностями восприятия. Модели и алгоритмы берут на себя задачи, которые раньше требовали значительных усилий и времени специалистов. Так, в одном из проектов студенты ВШЭ в Санкт-Петербурге использовали нейросеть для адаптации текстов под нужды людей, восстанавливающих речь после инсульта. Модель автоматически создавала последовательности материалов — от самых простых до более сложных, снимая с логопедов рутинную работу по подбору и выстраиванию упражнений. Другой пример связан с технологиями компьютерного зрения для слабовидящих и незрячих пользователей. В сотрудничестве с музеями были проведены эксперименты и опробованы инструменты, способные распознавать и описывать картины вплоть до мельчайших деталей, а затем преобразовывать эти описания в аудиоформат на десятках языков. Для посетителей, которые раньше могли воспринимать экспозицию только через рассказ сопровождающего, такая технология фактически открывает доступ к ранее недоступному опыту.

Подобные решения помогают преодолевать барьеры и делают образовательные и культурные материалы более универсальными. Они дополняют уже существующие подходы, включая «простой язык» (easy language) для людей с когнитивными особенностями, который также может быть адаптирован с помощью ИИ. В итоге искусственный интеллект становится не вспомогательной, а обязательной составляющей современной инклюзивной среды, предлагая каждому пользователю доступные и персонализированные инструменты обучения и взаимодействия.

Интеграция ИИ в научно-исследовательскую деятельность

В академической сфере искусственный интеллект также становится полноценным рабочим инструментом. Большие языковые модели помогают анализировать научную литературу, формулировать гипотезы, сопоставлять данные и обнаруживать слабые места в аргументации, а потом переписывать научный текст. Показательный пример — проект Yandex Cloud и экспертов из «Яндекс Образования». В ходе проекта эксперты научили студентов и научных руководителей использовать нейросеть YandexGPT в трудоемких задачах — для анализа источников, структурирования информации, визуализации данных и работы с текстом в процессе подготовки дипломов. Пилот стартовал в 2024 году для студентов НИУ ВШЭ, а в 2025 году к нему присоединились ИТМО, КФУ, НГТУ, ННГУ, СибГМУ, СКФУ, ТГУ, ТюмГУ, Университет правительства Москвы и УрФУ.

Роль научного руководителя не исчезает, а трансформируется. Научный руководитель становится не столько источником знаний, сколько опытным куратором, который оценивает логику исследования, помогает корректно выстраивать доказательства и направляет работу в нужную сторону.

В распоряжении отраслевых исследователей (биологов, медиков и других) появляются и специализированные «копилоты» — например, инструменты, позволяющие работать с кодом без глубоких навыков программирования. Они адаптируют алгоритмы под конкретные задачи, предлагают решения и объясняют структуру кода.

Мультимодальные модели также активно входят в научную практику: в археологии они выявляют на снимках аномалии рельефа, которые могут указывать на скрытые раскопки, а в медицине анализируют КТ-изображения, обнаруживая детали, трудноразличимые для врача.

Отдельного внимания заслуживает формат «личной научной библиотеки». Пользователь загружает в модель собственные статьи, учебники или архив документов — и получает возможность вести диалог внутри этой базы, будто консультируясь с персональным исследовательским ассистентом. Так работает, например, сервис Yandex B2B Tech «Нейроэксперт», позволяющий задавать вопросы по загруженным PDF и получать точечные ответы. Подобные инструменты не подменяют фундаментальную научную работу, но заметно ускоряют анализ литературы и генерируют новые исследовательские идеи.

Что изменится в обучении в ближайшие десять лет

В перспективе ближайших пяти—десяти лет мы ожидаем, что ИТ-образование станет еще более персонализированным и гибким. Эксперты ожидают появления систем, которые тонко подстраиваются под уровень подготовки студента, его темп и формат восприятия информации. География перестанет быть препятствием: современные онлайн-платформы, высокоскоростной интернет и автоматизированная обратная связь позволят учиться качественно даже в самых удаленных регионах. То, что сегодня требует часов дороги до университета, завтра будет доступно из любой точки страны.

Изменится также и роль преподавателя и научного сотрудника. Он останется ключевой фигурой образовательного процесса, но сосредоточится на задачах, которые не может выполнить алгоритм: постановка исследовательских вопросов, оценка логики мышления, развитие у студентов самостоятельности. Рутины станет меньше — технологий больше. Однако одна вещь неизменна: успешное обучение по-прежнему зависит от личной мотивации. Доступность учебных материалов — от видеолекций до курсов и электронных библиотек — усиливает ответственность студента за собственный прогресс.

Таким образом, ИИ одновременно расширяет доступ к образованию и повышает требования к самостоятельности обучающихся. Будущая образовательная экосистема — это пространство, где технологии служат поддержкой и ускорителем, но не заменяют человеческое участие. На мой взгляд, именно такое сочетание позволит сохранить главное — осознанность выбора, глубину понимания и личную ответственность за собственный путь в ИТ и науке.

Подготовлено при поддержке «Яндекса»