Университеты в эпоху ИИ: новые специальности или трансформация старых?
Последнее обновление: 08 мая 2026 года / 4 минуты на чтение
Появятся ли новые университетские специальности на фоне развития искусственного интеллекта или изменятся существующие поговорим в этой статье.
Искусственный интеллект становится новым востребованным направлением в вузах всего мира. Американский институт МТИ (Massachusetts Institute of Technology, MIT) ещё в 2022 году запустил образовательную программу «Искусственный интеллект и принятие решений». В университете Южной Флориды уже в 2025 году 3 тысячи студентов поступили на факультет искусственного интеллекта и кибербезопасности.
Российские вузы не отстают. Так, в 2025 году в МГУ открылся факультет искусственного интеллекта, где будут готовить специалистов по проектированию, разработке и интеграции интеллектуальных систем.
Во всех случаях показательно одно: ИИ не выступает самостоятельной областью изучения, а сочетается с уже существующими дисциплинами. Другими словами, речь идёт не о внедрении новых специальностей, а о трансформации существующих. Мы читаем новости о появлении направлений «искусственный интеллект и здравоохранение», «искусственный интеллект и дизайн», «искусственный интеллект и анализ политики» и т.д. К традиционным направлениям добавляется приставка «ИИ», добавляя новый методологический слой для образовательного направления. И в этом нет ничего плохого.
История показывает, что попытки решить даже нерешаемые задачи нередко приводят к прорывным результатам. Классический пример — алхимия. Поиск философского камня как центральная, утопическая по современным представлениям цель, стимулировал развитие экспериментальных методов работы с веществами. Именно из алхимических практик постепенно сформировалась химия как научная дисциплина.
И тем не менее есть очевидный кандидат, который теоретически может стать чем-то принципиально новым для высшего образования — направление, связанное с так называемым промпт-инжинирингом. Если сам термин «промпт-инжиниринг» пользуется популярностью, логично предположить, что может оформиться и соответствующая образовательная программа. Вопрос в том, станет ли это самостоятельной профессией или останется прикладным навыком, то есть частью более широких компетенций.
Сегодня вокруг написания промптов активно формируется рынок курсов, тем не менее совсем не обязательно, что из этого интереса разовьётся полноценная профессия. В своё время существовали позиции вроде «оператор ЭВМ» или «оператор компьютера» — это была отдельная специализация. В 21 веке цифровая грамотность — базовый навык, который встроен практически в любую профессию. Сам по себе он редко выступает как самостоятельная карьерная траектория. По аналогии можно предположить, что и работа с ИИ (а именно — умение формулировать запросы и интерпретировать их выводы) со временем станет универсальной компетенцией. Наверняка она будет особенно востребована в программировании, дизайне, медиа, работе с текстом, изображением, звуком и видео, но, вероятно, не как изолированная специальность, а как обязательная часть профессионального набора.
Отличное владение генеративными инструментами не отменяет необходимости фундаментальной подготовки. Напротив, базовые навыки — умение снимать и монтировать видео, писать музыку, проектировать что-либо останутся ключевыми. Искусственный интеллект сможет усилить профессионала, но точно не заменит его профильную экспертизу и талант.
Российские вузы не отстают. Так, в 2025 году в МГУ открылся факультет искусственного интеллекта, где будут готовить специалистов по проектированию, разработке и интеграции интеллектуальных систем.
Во всех случаях показательно одно: ИИ не выступает самостоятельной областью изучения, а сочетается с уже существующими дисциплинами. Другими словами, речь идёт не о внедрении новых специальностей, а о трансформации существующих. Мы читаем новости о появлении направлений «искусственный интеллект и здравоохранение», «искусственный интеллект и дизайн», «искусственный интеллект и анализ политики» и т.д. К традиционным направлениям добавляется приставка «ИИ», добавляя новый методологический слой для образовательного направления. И в этом нет ничего плохого.
История показывает, что попытки решить даже нерешаемые задачи нередко приводят к прорывным результатам. Классический пример — алхимия. Поиск философского камня как центральная, утопическая по современным представлениям цель, стимулировал развитие экспериментальных методов работы с веществами. Именно из алхимических практик постепенно сформировалась химия как научная дисциплина.
И тем не менее есть очевидный кандидат, который теоретически может стать чем-то принципиально новым для высшего образования — направление, связанное с так называемым промпт-инжинирингом. Если сам термин «промпт-инжиниринг» пользуется популярностью, логично предположить, что может оформиться и соответствующая образовательная программа. Вопрос в том, станет ли это самостоятельной профессией или останется прикладным навыком, то есть частью более широких компетенций.
Сегодня вокруг написания промптов активно формируется рынок курсов, тем не менее совсем не обязательно, что из этого интереса разовьётся полноценная профессия. В своё время существовали позиции вроде «оператор ЭВМ» или «оператор компьютера» — это была отдельная специализация. В 21 веке цифровая грамотность — базовый навык, который встроен практически в любую профессию. Сам по себе он редко выступает как самостоятельная карьерная траектория. По аналогии можно предположить, что и работа с ИИ (а именно — умение формулировать запросы и интерпретировать их выводы) со временем станет универсальной компетенцией. Наверняка она будет особенно востребована в программировании, дизайне, медиа, работе с текстом, изображением, звуком и видео, но, вероятно, не как изолированная специальность, а как обязательная часть профессионального набора.
Отличное владение генеративными инструментами не отменяет необходимости фундаментальной подготовки. Напротив, базовые навыки — умение снимать и монтировать видео, писать музыку, проектировать что-либо останутся ключевыми. Искусственный интеллект сможет усилить профессионала, но точно не заменит его профильную экспертизу и талант.
Как меняются вузы с развитием ИИ
Как трансформируются существующие специальности
Сегодня мы наблюдаем трансформацию существующих областей знания, и, вероятно, процесс будет ускоряться. Тем не менее о радикальных переменах пока не приходится говорить: фундаментальные знания по-прежнему представляют собой основу всему.
В случае медицины, например, базовая профессиональная подготовка врача остаётся неизменной по своей структуре и длительности: многолетнее обучение, клиническая практика, ординатура. Добавление курсов по использованию алгоритмов машинного обучения в диагностике или анализе медицинских данных не отменяет фундаментальных требований к квалификации. ИИ здесь становится таким же инструментом, как несколько десятилетий назад стали компьютерная томография или цифровые системы хранения данных. Это адаптация профессии к технологической среде, а не создание принципиально новой специальности.
Это справедливо и для широкого круга специальностей, например политологии, дизайна или журналистики. Специалист по «анализу политики с применением ИИ» в первую очередь остаётся политологом: он обязан разбираться в институтах, процессах и теориях, а алгоритмические методы лишь расширяют его аналитический инструментарий. То же касается дизайна, медиа и других гуманитарных направлений.
Показательно, что обсуждение новых ролей часто сводится к идее «редактора ИИ» — то есть эксперта, способного оперативно выявлять галлюцинации или другие логические ошибки и искажения в материалах, созданных с помощью алгоритмов. Однако и здесь возникает вопрос масштабируемости: если задача может быть формализована, то в перспективе она, вероятно, будет автоматизирована. Живой эксперт слишком дорого стоит и его нельзя масштабировать, тогда как алгоритмическое решение при наличии ресурсов можно тиражировать практически безгранично.
Таким образом, сегодняшняя волна «ИИ-специальностей» во многом отражает институциональную и маркетинговую реакцию университетов на технологический тренд. Вместо появления принципиально новых профессий мы наблюдаем перестройку образовательных программ, где искусственный интеллект становится обязательным элементом профессиональной подготовки — междисциплинарным инструментом, который проникает в существующие области знания и в какой-то мере меняет их практику.
В случае медицины, например, базовая профессиональная подготовка врача остаётся неизменной по своей структуре и длительности: многолетнее обучение, клиническая практика, ординатура. Добавление курсов по использованию алгоритмов машинного обучения в диагностике или анализе медицинских данных не отменяет фундаментальных требований к квалификации. ИИ здесь становится таким же инструментом, как несколько десятилетий назад стали компьютерная томография или цифровые системы хранения данных. Это адаптация профессии к технологической среде, а не создание принципиально новой специальности.
Это справедливо и для широкого круга специальностей, например политологии, дизайна или журналистики. Специалист по «анализу политики с применением ИИ» в первую очередь остаётся политологом: он обязан разбираться в институтах, процессах и теориях, а алгоритмические методы лишь расширяют его аналитический инструментарий. То же касается дизайна, медиа и других гуманитарных направлений.
Показательно, что обсуждение новых ролей часто сводится к идее «редактора ИИ» — то есть эксперта, способного оперативно выявлять галлюцинации или другие логические ошибки и искажения в материалах, созданных с помощью алгоритмов. Однако и здесь возникает вопрос масштабируемости: если задача может быть формализована, то в перспективе она, вероятно, будет автоматизирована. Живой эксперт слишком дорого стоит и его нельзя масштабировать, тогда как алгоритмическое решение при наличии ресурсов можно тиражировать практически безгранично.
Таким образом, сегодняшняя волна «ИИ-специальностей» во многом отражает институциональную и маркетинговую реакцию университетов на технологический тренд. Вместо появления принципиально новых профессий мы наблюдаем перестройку образовательных программ, где искусственный интеллект становится обязательным элементом профессиональной подготовки — междисциплинарным инструментом, который проникает в существующие области знания и в какой-то мере меняет их практику.
Какими навыками сегодня должны обладать студенты
Для технических специальностей вопрос навыков, связанных с развитием ИИ-технологий, остаётся во многом открытым. Эта среда меняется быстрее, чем обновляются образовательные стандарты, и предсказать, какие именно компетенции окажутся ключевыми через 5–10 лет, крайне сложно. Кроме того, очевидно, что в ряде профессий изменения носят эволюционный характер.
Однако есть области, где трансформация происходит стремительно. При этом акцент постепенно смещается от накопления знаний о каких-либо фактах к способности работать с ними. Конкретную информацию сегодня можно получить за считанные секунды — будь то физическая константа или базовый алгоритм решения математической задачи. Доступность данных сегодня уже не является конкурентным преимуществом.
А вот навыки интерпретации, критической оценки и практического применения знаний становятся гораздо более значимыми. Существуют компетенции, которые невозможно заменить мгновенным запросом к алгоритму. К ним можно отнести освоение сложных видов деятельности от игры на музыкальном инструменте до проведения хирургических операций — подобные вещи требуют длительной практики и повторяемости. Во множестве профессиональных областей регулярные тренировки, формирование профессионального чутья и личной ответственности за результат являются принципиальными.
На этом фоне университеты начинают пересматривать образовательную политику. Так, в ВШЭ уже разрабатывают рекомендации для студентов по использованию генеративных моделей и формируют новые регламенты работы с ИИ. Это сигнал к тому, что навыки взаимодействия с интеллектуальными системами, включая грамотную постановку задач и оценку полученных результатов, сегодня рассматриваются как необходимый элемент подготовки специалиста.
Однако есть области, где трансформация происходит стремительно. При этом акцент постепенно смещается от накопления знаний о каких-либо фактах к способности работать с ними. Конкретную информацию сегодня можно получить за считанные секунды — будь то физическая константа или базовый алгоритм решения математической задачи. Доступность данных сегодня уже не является конкурентным преимуществом.
А вот навыки интерпретации, критической оценки и практического применения знаний становятся гораздо более значимыми. Существуют компетенции, которые невозможно заменить мгновенным запросом к алгоритму. К ним можно отнести освоение сложных видов деятельности от игры на музыкальном инструменте до проведения хирургических операций — подобные вещи требуют длительной практики и повторяемости. Во множестве профессиональных областей регулярные тренировки, формирование профессионального чутья и личной ответственности за результат являются принципиальными.
На этом фоне университеты начинают пересматривать образовательную политику. Так, в ВШЭ уже разрабатывают рекомендации для студентов по использованию генеративных моделей и формируют новые регламенты работы с ИИ. Это сигнал к тому, что навыки взаимодействия с интеллектуальными системами, включая грамотную постановку задач и оценку полученных результатов, сегодня рассматриваются как необходимый элемент подготовки специалиста.
Есть ли риски для тех, кто сегодня выбирает специальности с приставкой «ИИ»
Заключение
Один из обсуждаемых сегодня вопросов в сфере высшего образования звучит так: возможен ли в ближайшие годы переизбыток специалистов по искусственному интеллекту, которые не смогут найти применение своим компетенциям? Риск перепроизводства кадров формулируется шире: речь идёт не только об ИИ, но и об ИТ-сфере в целом — разработчиках, инженерах программного обеспечения, аналитиках данных. На фоне стремительного роста инвестиций в генеративные инструменты периодически можно встретить мнение о формировании «пузыря» — завышенных прогнозов коммерческой отдачи от ИИ-технологий. История цифровой экономики уже сталкивалась с подобным — можно вспомнить кризис доткомов на рубеже середины 90-х — начала 00-х. Однако даже после резкого падения капитализации рынок тогда не исчез: потребность в цифровых продуктах и инфраструктуре продолжила расти.
Подобную логику можно применить и к ИИ. Снижение барьеров входа — удешевление разработки, автоматизация рутинных задач — не ведёт к сокращению спроса на специалистов. Напротив, по мере удешевления технологий увеличивается количество проектов, сервисов и приложений. Сфера применения генеративных моделей расширяется и тем самым компенсирует рост производительности инструментов.
При этом в обществе заметна и другая тенденция — так называемый эффект «ИИ-усталости». Объявления на площадках для соискателей всё чаще требуют опыта работы с ИИ, а маркетинг стремится применять этот термин к продуктам даже из самых неожиданных и далёких от интеллектуальных категорий. Это вызывает определенное недоверие у аудитории и даже демонстративный отказ от «ИИ-брендинга». Подобные реакции типичны для этапа стремительного внедрения технологии: за короткий период она из специализированного инструмента превращается в массовый феномен. Но по мере накопления опыта так или иначе будет происходить институционализация технологии — от стадии эксперимента и «игры» к этапу прагматического использования.
Подобную логику можно применить и к ИИ. Снижение барьеров входа — удешевление разработки, автоматизация рутинных задач — не ведёт к сокращению спроса на специалистов. Напротив, по мере удешевления технологий увеличивается количество проектов, сервисов и приложений. Сфера применения генеративных моделей расширяется и тем самым компенсирует рост производительности инструментов.
При этом в обществе заметна и другая тенденция — так называемый эффект «ИИ-усталости». Объявления на площадках для соискателей всё чаще требуют опыта работы с ИИ, а маркетинг стремится применять этот термин к продуктам даже из самых неожиданных и далёких от интеллектуальных категорий. Это вызывает определенное недоверие у аудитории и даже демонстративный отказ от «ИИ-брендинга». Подобные реакции типичны для этапа стремительного внедрения технологии: за короткий период она из специализированного инструмента превращается в массовый феномен. Но по мере накопления опыта так или иначе будет происходить институционализация технологии — от стадии эксперимента и «игры» к этапу прагматического использования.
Можно говорить не столько о рождении принципиально новых профессий, сколько о глубокой перестройке и трансформации существующих направлений. Университеты, вероятно, не станут массово создавать совершенно новые факультеты, а скорее будут переосмыслять образовательные программы, интегрируя в них работу с ИИ как обязательный элемент подготовки специалистов будущего.
Искусственный интеллект постепенно перестаёт быть отдельным направлением и становится базовой инфраструктурной технологией — так же, как когда-то компьютеры и интернет. Университетам важно своевременно реагировать на перемены и не избегать ИИ, а встраивать его в образовательные процессы и в существующие дисциплины.
Статья написана по материалам интервью с Чеховичем Юрием Викторовичем, кандидатом физико-математических наук, экспертом в области академической этики, машинного обучения и ИИ, заведующим лабораторией №42 в ИПУ РАН и основателем сервиса интеллектуальной проверки академических работ «Думейт».
Искусственный интеллект постепенно перестаёт быть отдельным направлением и становится базовой инфраструктурной технологией — так же, как когда-то компьютеры и интернет. Университетам важно своевременно реагировать на перемены и не избегать ИИ, а встраивать его в образовательные процессы и в существующие дисциплины.
Статья написана по материалам интервью с Чеховичем Юрием Викторовичем, кандидатом физико-математических наук, экспертом в области академической этики, машинного обучения и ИИ, заведующим лабораторией №42 в ИПУ РАН и основателем сервиса интеллектуальной проверки академических работ «Думейт».
Используя искусственный интеллект при подготовке своей статьи, эссе, курсовой работы или диплома, не забудьте проверить свою работу перед сдачей. В Думейт проверить работу можно бесплатно. Перейти к проверке
Популярные статьи блога
Получайте свежие новости в нашей рассылке!