Искусственный интеллект в вузах — польза или слишком большие риски?

Александр Викторович Захаров - Канд. экон. наук, доцент, декан факультета Информационных технологий Университета «Синергия». По данным исследования 2023 года компании «Яков и партнеры», около 20% крупнейших компаний РФ используют генеративный искусственный интеллект (ИИ) для своих задач в различных бизнес-функциях. Из них 12% уже определили приоритетные функции и сценарии для внедрения генеративного искусственного интеллекта, а еще треть — точечно экспериментирует с технологией. Изображение от freepik Опыт «Синергии» показывает, что в вузах целесообразно внедрять ИИ во внутренние процессы организации образования, однако с оглядкой на существующие риски. Всего можно выделить несколько направлений использования ИИ. Оптимизация процессов на старте Прием студентов связан с огромным количеством обрабатываемой почти вручную информации и значительным документооборотом. Тем временем ИИ на текущем этапе развития уже способен помочь приемной комиссии посчитать баллы, ранжировать списки поступивших, отправить уведомления и запустить документооборот. Таким образом снижается и нагрузка на сотрудников вуза, и стресс абитуриентов — свои результаты они смогут получить быстро и автоматически — не придется постоянно мониторить выложенные в интернете списки. Вовлечение в обучение Во многих вузах во время обучения со студентом работают тьютор и куратор. Функция тьютора — сопровождать студента по его учебной траектории, вовлекать в образовательный процесс. Функция куратора — вовлечение в культурно-массовые мероприятия, выдача справок, документооборот. И частично работу можно делегировать нейрокуратору и нейротьютору, которые способны самостоятельно отвечать на различные вопросы, связанные с учебным процессом. Благодаря интеграции с большими языковыми моделями, нейрокуратор и нейротьютор получают широкие возможности в понимании естественного языка и генерации текста, что позволяет им эффективно адаптироваться к потребностям и запросам студентов, улучшая их учебный опыт. Для учебного учреждения ключевыми и метриками эффективности нейропомощников могут быть рост NPS (Net Promoter Score), CSI (Customer Satisfaction Index), снижение оттока, снижение нагрузки на «живого» куратора. Профилактика отчислений Одной из распространенных причин отчисления студента, который учится в онлайн-формате, по данным внутренней аналитики «Синергии», является потеря интереса к обучению. Сейчас в университете используется нейросеть, которая анализирует определенные метрики поведения студента (исторические данные и поведенческие индикаторы) и посылает тьютору сигнал, если у студента есть высокая вероятность отчисления. В этом случае тьютор реагирует по проблемным точкам, проводит созвон, коучинг и мотивирует к продолжению обучения. Ключевыми метриками здесь будут LTV (lifetime value), NPS, CSI. Контроль знаний Для контроля знаний обучающихся широко используется система тестирования, и здесь преподаватели регулярно сталкиваются с утечками вопросов и ответов, часть из которых попадает в открытый доступ. Решить проблему можно созданием и использованием нейросети, которая будет генерировать уникальный комплект заданий для студента. В систему можно загрузить файл с лекциями, любую веб-страницу или даже видео с YouTube, на основе которого она сама разработает тестовые материалы. После создания теста запускается система опроса, которая позволяет использовать мобильные телефоны обучающихся как терминалы для прохождения тестирования, а преподаватель видит в онлайн-режиме трансляцию и результаты прохождения. Сочетание подхода использования ИИ и цифровых инструментов в процессе преподавания достаточно серьезно повышает вовлеченность всех обучающихся, с одной стороны, и снижает нагрузку на преподавателей, с другой. Риски в использовании ИИ Несмотря на очевидную пользу ИИ для организации учебного процесса, нельзя игнорировать риски с ним связанные. В первую очередь речь идет о недостатках автоматической проверки заданий и тестов. Так, ИИ может иметь ограниченные возможности в распознавании и оценке творческих заданий, что может привести к неправильной оценке работы. Кроме того, любая технология может иметь сбои, в этом случае оценки и рекомендации системы, скорее всего, будут неправильными. Значительный риск при использовании ИИ — это риск потери человеческого контакта в процессе обучения. ИИ может заменить человеческий фактор в образовании, что способно привести к потере эмоциональной связь между преподавателем и студентом. Другой негативный фактор — риск нарушения конфиденциальности: использование ИИ может потребовать сбора и хранения большого количества личных данных студентов. В таком случае есть риск утечки личных данных. Кроме того, для внедрения ИИ придется потратить время на обучение педагогов и студентов. Тем не менее, несмотря на возможные сложности, я вижу перспективы в использовании ИИ в образовательной среде — будут разрабатываться новые продукты, совершенствоваться системы, а процесс обучения — становиться более эффективным. Конечно, стоит подготовиться к возможным рискам и их минимизировать. Однако сложности — не повод отказываться от прогресса.