Мышление в эпоху ИИ: от автоматизации к реляционному университету

When Cognitive Labor Changes: From AI Automation to the Relational University

Клуб ректоров, Астана, 2 октября 2026.

Чем наш случай отличается

why higher education is different

В банке, в юридической фирме, в редакции ИИ автоматизирует производство продукта, и продукт остаётся в-основном прежним: отчёт, договор, статья. В университете продукт это изменение человека, а текст, который студент сдаёт, никогда не был продуктом. Он был доказательсвом обученности. ИИ автоматизировал свидетельство, а не продукт. Удар пришёлся не по периферии, где экономят, а по сердцевине, где доказывают.

Столетний прокси рухнул

the collapsed proxy

Сто лет связный письменный текст служил прокси мышления: эссе, курсовая, письменный экзамен. Хорошо написанныый текст теперь дёшев в производстве и дёшев в подделке. Студенты пользуются ИИ независимо от того, разрешено ли это. Детекторы и кодексы чести охраняют задания, построенные для мира до ИИ. Проблема в самих заданиях, а не в студентах.

Почему ждать нельзя

why waiting is not an option

Вставить ИИ в старую программу значит разрушить её: копирование и вставка почти ничему не учат.

Игнорировать ИИ не значит остановить его использование.

Выпускник, не умеющий работать с ИИ, выходит на рынок, который ожидает именно этого.

Каждый семестр промедления это новый выпускной курс, подготовленный для мира, которого больше нет.

Это задача проектирования, а не надзора (a design problem, not a compliance problem).

Труд состоит из задач, а не из должностей

task-based framework, Acemoglu and Restrepo

Вытеснение/

displacement

Производительность

productivity gain

Восстановление/reinstatement

Признак задачи, которую поглощает ИИ: определённые исходные, повторяющаяся структура, внимание вместо суждения. Исполнитель/Implementer

Признак задачи, которая остаётся: конкретный человек, неустойчивый контекст, ответственность перед реальными людьми. Целеполагатель/Executive

Дивиденд ИИ

the AI dividend

Подготовка материалов, оболочка курса, ответы на вопросы о сроках и правилах, первичная проверка работ: всё это уходит к ИИ или ускоряется в разы. Проверка студенчесуих работ сокращается примерно на три четверти. Освобождённые часы преподавателя и есть дивиденд.

В промышленности восстановленные задачи новые и требуют переобучения. В образовании они пока старые: индивидуальная обратная связь, наставничество, требовательный разговор. Теория требовала их со времён Дьюи, экономика труда их запрещала.

Двойной поворот

the Double Pivot

Первый поворот — в содержании

От процедурного знания к концептуальному; перестать оценивать то, что ИИ делает хорошо, и начать оценивать то, что он делает плохо.

Второй поворот — во времени преподавателя

От проверки механики к развитию сложных умений.

Курс, рассчитанный на ИИ (the AI-native course), не труднее и не легче прежнего. Он иначе нацелен: присутствие ИИ в нём предполагается, а не отражается.

Что ИИ умеет и чего не умеет

Делает хорошо

Процедурное производство: оценивать бессмысленно.

Делает частично

Концептуальное суждение: ненадёжно.

Не делает

Реляционная и этическая работа, ответственность перед реальными людьми.

Отсутствует

Намерение, решение о том, что стоит делать и зачем.

Новые результаты обучения: выбор задачи, достойной решения; постановка задачи как спецификация; бдительность; правка и надзор над ИИ; знание, что делегировать машине, а что нет; след человеческого решения в продукте (decision footprint).

Второе пришествие аутентичного оценивания

the second coming of authentic assessment

Старая идея: деятельные занятия (occupations) у Дьюи, Уиггинс в 1980-е. Зкщектный подход. Подход был дорог и упирался в пробелы в умениях и знаниях. ИИ перевернул расчёт: традиционное задание теперь дёшево подделать, аутентичное почти невозможно.

Общий рисунок

Реальная площадка, реальные заинтересованные стороны, реальные ограничения, реальное суждение.

Что оценивать

Качество критики машинного текста, обоснованность решений, след процесса, ответственность перед реальной аудиторией.

Цена аутентичности была проблемой; теперь она достоинство.

Одна технология, два университета

the fork

Слева

ИИ проверяет работы, группы растут, ставки сокращаются, опыт студента обезличивается; технология работает, бюджет сходится, дефицит отношений углубляется. Это "так себе" автоматизация (so-so automation): вытеснение без восстановления.

Справа

Те же часы возвращаются в контакт и в исследование, а нагрузка, расписание и найм это фиксируют.

Технология одна и та же. Разница в решении.

Искушение и правило

the temptation and the rule

Три соблазна

Сократить штат, увеличить нагрузку, заполнить освободившиеся часы отчётностью — каждый шаг затягивает то самое узкое место, ради которого внедрялась технология.

Правило

Дивиденд реинвестируется в исследование и в отношения (reinvest the dividend in research and relations).

Исследование

Студенты включаются в исследовательские группы, прикладные и творческие проекты.

Отношения

Они строятся вокруг того, чего студент уже хочет: лаборатория, сеть, ремесло, дверь куда-то.

С чего начать и последняя фраза

where to begin

Сначала подарить преподавателям время: инструменты, которые возвращают часы, до всяких требований. Не вся программа сразу: один курс, одно задание; проверить самое высокое по ставкам задание на вопрос, какое умение оно доказывает и не автоматизировал ли его ИИ.

Инструменты готовы, метод передаваем, время возвратимо.

ИИ не изобретает реляционный университет, он снимает ограничение, которое не давало ему возникнуть. Впервые за полвека это ограничение стало предметом переговоров (negotiab

ДИСКУССИЯ

Дискуссия

Ссылка не эту презентацию https://bit.ly/4di6wxB

Alexander M. Sidorkin sidorkin@csus.edu | sidorkin.net