Университеты, по его оценке, больше не обладают исключительным доступом к знаниям, а значит, прежняя схема, в которой преподаватель главным образом передает информацию, требует пересмотра. Для абитуриентов и студентов это означает смещение внимания с формального набора дисциплин на содержание учебного процесса и способы проверки полученных навыков.
От передачи знаний к проверке решений
Хисюков связывает изменение роли преподавателя с распространением нейросетей, способных быстро формировать ответы, объяснения и тексты. В такой среде самостоятельная работа студента перестает автоматически свидетельствовать о том, что он сам освоил материал: результат может быть подготовлен с использованием языковой модели, но это не подтверждает понимание задачи и корректность вывода.
По словам эксперта, студентов необходимо учить проверять ответы нейросетей, анализировать факты, формулировать запросы и самостоятельно принимать решения. В этой конструкции искусственный интеллект рассматривается не как замена учебному процессу, а как инструмент, требующий контроля со стороны пользователя. Ключевым результатом обучения становится не доступ к информации как таковой, а способность оценить ее качество и применимость.
Для выбора образовательной программы это создает несколько практических критериев. В учебном плане стоит искать не только дисциплины, перечисленные в стандарте, но и формы работы, где требуется объяснить ход решения, сопоставить несколько источников, защитить проект или обосновать выбор метода. Такие задания позволяют оценить не объем сгенерированного текста, а уровень самостоятельного анализа. При этом конкретные требования к использованию нейросетей должны быть заранее сформулированы образовательной организацией: в приведенном комментарии эксперта не говорится о единой нормативной модели для всех вузов.
Скорость обновления программ и риск устаревших навыков
Life.ru передает еще один тезис Хисюкова: технологии обновляются каждые несколько месяцев, тогда как образовательные программы традиционно пересматриваются значительно медленнее. На этом основании эксперт предупреждает о риске выпуска специалистов, чьи навыки могут устареть еще до окончания обучения.
Это утверждение не означает, что любая базовая университетская подготовка теряет значение. Скорее, меняется соотношение между фундаментальными знаниями и прикладными инструментами. Если программа строится вокруг конкретных сервисов, платформ или узкого набора операций, ее актуальность сильнее зависит от темпов технологических изменений. Если же обучение включает анализ, постановку задач и работу с предметной областью, обновление инструментов не отменяет саму основу подготовки.
При сравнении вузов, факультетов и курсов целесообразно отдельно проверять, как часто обновляются рабочие программы, кто участвует в оценке выпускных работ и связаны ли учебные проекты с реальными профессиональными задачами. Данные об этом не приведены в сообщении о позиции Хисюкова, поэтому речь идет не о зафиксированном требовании системы, а о критериях, которые следуют из обозначенной проблемы.
Практическая экспертиза как один из ответов
Другой материал, опубликованный yamal1.ru, описывает участие специалистов «Газпромнефть-СМ» в государственных экзаменационных комиссиях ведущих вузов Омской области. Эксперты компании оценивали выпускные квалификационные работы по направлениям, связанным с химией, химической технологией и нефтегазовым делом, в том числе по актуальности для промышленности и практической ценности предложенных решений.
Этот пример показывает один из возможных способов сократить разрыв между учебной программой и требованиями отрасли: оценивать подготовку не только внутри академической среды, но и с участием практиков. В материале также говорится о профильных лекциях, мастер-классах, экскурсиях и стажировках, однако сам по себе такой формат не гарантирует качества программы. Для абитуриента существеннее проверить, какую роль специалисты компаний действительно играют в обучении: ограничиваются ли они разовыми выступлениями или участвуют в проектной работе, аттестации и формировании заданий.
Вопрос о влиянии ИИ на высшее образование, таким образом, сводится не к замене преподавателя нейросетью. Он касается распределения ответственности между студентом, вузом и работодателем: студент должен уметь проверять результат, вуз — своевременно обновлять содержание и методы оценки, а профессиональная среда — формулировать требования к прикладным компетенциям. Дальнейшее развитие модели будет зависеть от того, насколько быстро эти три элемента окажутся согласованы между собой.