Интернет дал человеку доступ к практически неограниченному объему информации. До его появления знания приходилось добывать буквально вручную: искать книги, выписывать цитаты и сопоставлять источники. Интернет радикально упростил этот процесс, но оставил человеку важную работу — поиск, фильтрацию и интерпретацию информации. Если ответов на вопрос миллион, все равно приходится самостоятельно решать, каким из них доверять и как собрать из разрозненных фрагментов цельную картину.
Генеративный ИИ сделал следующий шаг. Теперь он не просто помогает найти информацию, а сразу выдает готовый результат: объяснение, конспект, аргументацию, решение задачи или даже целую статью. По запросу «объясни мне преобразования Фурье» можно за несколько секунд получить ответ, на который раньше ушли бы часы работы с учебниками и поисковиками.
С технической точки зрения это огромный прорыв. Но, как говорится, есть нюанс. Если раньше мы были вынуждены активно участвовать в процессе получения знания, то теперь появился соблазн передать часть этой работы ИИ, доверившись готовому ответу: не проверить данные, не разбирать выводы по шагам, не строить собственное понимание, а просто принять как данность. Глобально мы к этому не были готовы.
Один мой товарищ любит повторять, что образование — это форма насилия. И я с ним согласна. Задачи решают не потому, что хочется, а потому, что только через повторяющееся когнитивное усилие формируется и тренируется нейронная «мышца». И чем проще становится обход этого усилия, тем выше требования к намерению самого человека учиться. Здесь-то и начинаются сложности.
Предлагаю обсудить, как генеративный ИИ постепенно усиливает кризис доверия в системе образования…
Когда меняется рынок труда, меняется и образование
Генеративный ИИ неизбежно меняет рынок труда, творчество, программирование, аналитику и десятки других сфер. Образование не существует само по себе. Это всего лишь часть рынка, первый его этап, обеспечивающий подготовку рабочих рук для текущего экономического уклада. Меняется характер работы — изменяется и образование. Так происходило после индустриализации, так происходило с появлением компьютеров, а сейчас происходит с распространением ИИ.
На протяжении столетий образование строилось на идее, что один преподаватель «справляется» с целой аудиторией. Сначала он предлагает отобранный материал, то есть передает знания, заставляет «прокачивать когнитивную мышцу» 20–30, а то и пару сотен учеников. Затем проверяет эти знания. А чтобы сэкономить время, делает это довольно поверхностно через письменные экзамены, рефераты и тому подобное — то есть формы, которые ничего не говорят о намерении студента (лишь о его доступе к информации). Это был допустимый компромисс между качеством проверки и затратами времени преподавателя.
Привычные методы оценки знаний основаны на потоковом потреблении и проверке информации: подразумевается, что поток человек обрабатывал сам. Но сегодня многие задания, которые раньше считались проверкой знаний — домашние работы, письменные ответы на вопросы экзамена — можно выполнить при помощи нескольких запросов к Google в «режиме ИИ». Полученные в качестве ответа на запрос формулировки можно даже в голову не загружать, а сразу выдать преподавателю — и уйти с «чистой совестью».
Тот факт, что такими простыми методами нельзя проверить намерение, всегда было слабым местом образования — все, кто учились в вузах, могут вспомнить десятки историй об успешном списывании, когда ничего не понимающий в предмете сокурсник каким-то чудом выходил с зачетом. Обиднее всего было, если вы сами перед этим сидели неделю над конспектами.
Получается, ИИ не столько создал проблему, сколько обнажил слабость системы, которая существовала задолго до него — сделал видимой уязвимость: система проверки знаний во многом держалась на предположении, что результат работы автоматически связан с человеком, который ее сдал. И образование — лишь одна из первых сфер, где кризис доверия стал настолько заметен. Похожие процессы уже происходят в open source, найме и создании контента.
Грядут большие изменения
Мы привыкли рассуждать категориями профессий. Врач, инженер, программист, редактор, преподаватель. Но ИИ — это не самостоятельная профессия, а роль внутри — помощник, консультант, генератор черновиков и исполнитель отдельных рутинных задач одновременно. Как он меняет другие профессии, так он воздействует и на преподавание.
С ИИ каждый ученик получает персонального помощника, который готов объяснять материал бесконечно долго, подстраиваться под уровень подготовки, отвечать на любые вопросы и не раздражаться даже после десятого повторения. Для обучения это огромный плюс — это снимает часть нагрузки с преподавателя.
Но вторая сторона системы образования — проверка знаний — трещит по швам, потому что становится все сложнее понять, где заканчивается помощь и начинается выполнение работы вместо ученика, что именно прошло через его голову. Факт конкретного знания больше не котируется, потому что у всех есть доступ к «готовой» информации (кстати, на рынке труда это тоже отлично видно). Нужно учиться серийно оценивать глубинное понимание, которое до сих пор держалось только на субъективном ощущении преподавателя. Как это сделать — вопрос открытый. Но есть ощущение, что мы пришли бы к этому вопросу и без ИИ, просто большие языковые модели ускорили развитие кризиса старой системы.
Принстон как показатель
Очень хорошо эти процессы иллюстрирует история с Принстоном. Весной 2026 года университет отказался от одной из самых известных своих традиций — преподаватели и студенты поддержали возвращение наблюдателей на экзамены.
На первый взгляд новость выглядит сугубо технической, но на самом деле это значимый показатель обвала доверия как механизма организации образовательного процесса.
Более 130 лет система работала почти без внешнего контроля. И вдруг оказалось, что это больше не работает. Особенно важно, что изменения пошли снизу, — это не решение администрации, которая «закручивает гайки», а обращение студентов и преподавательского состава, которые акцентируют, что все сломалось.
Нюансы Принстона
Для понимания ситуации надо отметить, что в Принстоне все работает несколько не так, как в привычных нам российских вузах.
С XIX века в университете работал кодекс чести (Honor Code), по которому письменные экзамены сдавали без наблюдателей: сидит аудитория и спокойно решает задания, пока преподаватели занимаются своими делами где-то за стенкой. Предполагалось, что студенты сами соблюдают правила и сообщают о нарушениях, если такие происходят. Система была поводом для гордости и демонстрировала высокий уровень доверия внутри академического сообщества.
Если происходило нарушение, академическое сообщество разбиралось с ним самостоятельно. Со стороны это может напоминать систему доносов, но для самого Принстона кодекс чести был чем-то гораздо большим. Он демонстрировал высокий уровень самоорганизации студентов. По сути, университет признавал их полноценными участниками образовательного процесса, а не объектами постоянного контроля. Это позволяло обслуживать большое количество учащихся с меньшими административными затратами и одновременно воспитывало понимание того, что качество образования зависит не только от преподавателей, но и от поведения самих студентов. Списывание, разумеется, существовало всегда. Но система держалась на негласном согласии большинства участников соблюдать правила игры.
По данным прошлогоднего опроса 500 студентов того же Принстона, около 30% списывали на экзаменах, а 45% знали о нарушениях, но не заявили о них. Лишь 0,4% сообщили о списывании.
Эти цифры говорят не столько о влиянии ИИ, сколько о более глубоком процессе. Система, которая десятилетиями существовала благодаря внутренней дисциплине и осознанию ценности образования, постепенно перестала получать поддержку от самих участников. Генеративный ИИ лишь сделал эту проблему намного заметнее. Когда интеллектуальный аутсорсинг оказался на расстоянии одного запроса, стало ясно, что прежний уровень доверия больше не выдерживает нагрузку.
История Принстона — это не столько про списывание, сколько про то, как один из самых известных университетов мира был вынужден признать: механизмы самоорганизации, которые работали больше века, перестали работать в новых условиях.
Университет (да и школа) в ловушке
История Принстона показывает: проблема уже вышла за пределы отдельных преподавателей и курсов. Если даже система, построенная на столетиях академического доверия, начала давать сбой — значит, речь идет о более глубоких изменениях.
Очевидного решения, что делать, не существует. Генеративный ИИ не создал проблему с нуля, а ускорил кризис, который назревал давно. Образование уже много лет критикуют за отрыв от реальных требований рынка труда, но сейчас система все хуже понимает, как вообще проверять знания и навыки студентов.
С одной стороны, ИИ повышает продуктивность и ускоряет обучение. Он упрощает поиск информации, помогает разбираться в сложных темах, снижает порог входа в новые области знаний и особенно полезен для сильных и мотивированных студентов. Вопрос самостоятельности мышления пока оставим за кадром.
С другой стороны, он разрушает механизмы проверки результатов. Университетам все меньше нужно проверять результат и все больше — сам процесс мышления. Не то, может ли студент написать хороший текст, а понимает ли он, что именно в нем написано. Не может ли он получить правильный ответ, а способен ли объяснить, как к нему пришел.
Университеты уже не могут запретить ИИ, потому что он уже стал частью реального мира и будущей работы студентов. Но и встроить его в старую систему оценивания они тоже не могут — потому что эта система была построена для эпохи, когда мыслительный процесс нельзя было мгновенно делегировать машине.
Развивать инструменты детектирования ИИ — на мой взгляд, тупиковый путь. В США около 43% учителей средней и старшей школы (в переводе на наши классы) уже используют инструменты детектирования ИИ. Но каждый такой инструмент поиска обхода со временем приводит просто к совершенствованию самого обхода. Это бесконечная «гонка вооружений».
Другие учебные заведения начинают возвращаться к старым форматам проверки знаний: устным экзаменам, очным контрольным, письменным работам без компьютеров и смартфонов. Даже забавно, что одна из самых современных технологий подталкивает образование к практикам, которые существовали задолго до появления интернета. Однако эти методы плохо масштабируются — очный экзамен требует гораздо больше преподавательского времени.
Проблема повсеместная
ИИ привел к кризису не только в университетском образовании. Оно просто оказалось одной из сфер, где «заболело» раньше и очевиднее.
Кажется, главный вопрос образования будущего уже не связан с передачей знаний. С этим как раз становится проще: доступ к информации никогда не был таким дешевым, быстрым и персонализированным. ИИ разрушает важную связь между результатом оценочных форматов и человеком, который якобы этот результат произвел. Раньше сам факт появления результата уже служил доказательством определенной компетентности и проделанной умственной работы. Если студент написал работу, значит, он как минимум изучил тему. Если разработчик прислал код в open-source-проект, значит, он разобрался в кодовой базе. Если автор написал статью, значит, он провел исследование и сформулировал собственные выводы. ИИ поставил все эти предположения под сомнение, поскольку выполненная работа никак не отражает намерение.
Выше мы обсудили образование, но в open source происходит все то же самое: проекты жалуются на поток сгенерированных ИИ пул-реквестов. Формально они выглядят как полноценный вклад в проект: есть код, описание изменений, комментарии и документация. Но при проверке оказывается, что автор вообще не запускал код самостоятельно. Как и в образовании, это индикатор кризиса доверия — наличие результата больше не означает автоматический рост доверия к его «автору».
Кажется, главный вопрос образования будущего уже не связан с передачей знаний. С этим как раз все становится проще. Главный вопрос — как убедиться, что человек действительно учился сам? Думал, а не имитировал?
