Весенний семестр 2025 года ознаменовался продолжением экспериментального проекта GPT BKP — инициативы Яндекс.Образования и факультета компьютерных наук Высшей школы экономики (ВШЭ), направленной на интеграцию генеративного ИИ в процесс подготовки выпускных квалификационных работ. Проект предлагает новый подход к проведению научных исследований и созданию академических текстов, когда GPT-технологии становятся инструментом для работы с контентом, формулировки научных гипотез и анализа данных и оптимизации рутинных задач, стоящих перед научными работниками, преподавателями и студентами высшей школы. Еще одной целью проекта стало усиление исследовательского потенциала студентов через симбиоз искусственного интеллекта и экспертной оценки. Руководитель направления стратегического развития высшего образования в Яндекс Образовании Кирилл Баранников отметил, что за прошедший год искусственный интеллект стал полноценным компаньоном в решении образовательных задач, а ИИ-компетенции — неотъемлемым требованием для выпускников на современном рынке труда. «В Яндекс Образовании мы ставим перед собой масштабную цель — помогать университетам развивать ИИ-грамотность и формировать востребованные навыки у будущих специалистов и преподавателей. В этом году проект по применению ИИ в дипломах охватил несколько сотен студентов и более десятка университетов. Особенно ценно, что студенты воспринимают нейроинструменты как партнеров по мышлению, а не замену себе. Мы намерены и дальше помогать вузам находить оптимальные способы интеграции современных технологий», — заявил Кирилл Баранников. Суть проекта заключалась в практическом применении YandexGPT (равно как и других моделей) студентами на всех этапах работы над выпускными квалификационными работами, от поиска литературы и формулировки гипотез до структурирования текста, визуализации данных и подготовки презентаций. Параллельно для студентов и научных руководителей был организован цикл онлайн-лекций от экспертов Яндекс.Образования и ВШЭ, посвященных эффективному и этичному использованию ИИ в исследованиях. По итогам этого обучения научные руководители, выполнившие несложные формальные условия участия, получили удостоверения о повышении квалификации, подтверждающие их новые компетенции. Масштаб второго сезона проекта впечатляет: были задействованы 11 российских университетов. Среди участников Нижегородский государственный университет, Сибирский государственный медицинский университет, Университет правительства Москвы, ИТМО, Уральский федеральный университет, Казанский федеральный университет, Новосибирский государственный технический университет, Северо-Кавказский федеральный университет, Томский государственный университет, Тюменский государственный университет. К работе привлекли 255 научных руководителей нетехнических специальностей и 522 студентов из областей от журналистики и социологии до медицины и востоковедения. Такой охват демонстрирует запрос на ИИ-инструменты в гуманитарных и социальных науках. Для получения объективных данных о результатах участия в проекте организаторы проводили входной опрос преподавателей и студентов, а затем — опрос по итогам обучения. Полученные данные демонстрируют не только интерес академического сообщества к ИИ, но показывают возможность быстрого «подключения» к использованию его возможностей. Так, ключевым результатом стало формирование у участников практических навыков работы с ИИ. Студенты отметили рост компетенцией в промт-инжиниринге (70%), верификации AI-текстов (54%) и структурировании информации (46%). Преподаватели, в свою очередь, освоили методы интеграции ИИ в учебный процесс: 75% улучшили навыки генерации учебных материалов, а 59% — оптимизировали обработку больших данных. Это подтверждает, что новые технологии способны сократить административную нагрузку, высвобождая время для научного руководства. Исследование выявило и барьеры. До старта проекта 57% студентов опасались снижения самостоятельности, а 53% — негативной реакции преподавателей. Однако после практики фокус сместился на технические сложности: 66% студентов столкнулись с «галлюцинациями» ИИ, а 63% — с проблемой достоверных ссылок. Примечательно, что опасения потери академической автономии снизились на 35%, что указывает на переоценку роли ИИ в сторону применения как ассистента, а не замены исследователя. Влияние технологий на качество работ оказалось значимым: 46% участников отметили умеренный вклад ИИ, а 34% — системное воздействие на все этапы работы. Лишь 4% сочли его бесполезным. Прогресс в навыках иллюстрирует динамика самооценки: если до проекта 20% оценивали владение ИИ как «выше среднего», то после таких стало 34%. Это свидетельствует о быстром освоении инструментов даже новичками. Проект выявил неожиданные дисбалансы. Руководители в два раза чаще студентов фиксировали трудности в построении логики текста (72% vs 39%) и выборе тем (50% vs 11%). Это подчеркивает необходимость совместной методологической работы, где ИИ выступает мостом между ожиданиями преподавателей и возможностями учащихся. В целом, программа охватывала важнейшие направления в сфере применения ИИ. Это основы работы больших языковых моделей, механизмы генерации текстов, изображений, музыки, феномен «галлюцинаций» ИИ, отличия ИИ от человеческого мышления. Преподаватели изучали функционал помощника на базе YandexGPT, использование ИИ как научного консультанта: формулирование тем ВКР, постановку целей, генерацию гипотез, поиск и анализ источников. Далее, ИИ рассматривался как инструмент для работы с научной литературой, анализировались методы фактчекинга информации, выявления ИИ-контента и юридические аспекты использования ИИ (авторское право, цитирование). Оценивалась практика применения YandexGPT для мозгового штурма, написания и редактуры текстов, обработки таблиц, суммаризации, подготовки презентаций. Из «продвинутых» направлений давались методы анализа данных (количественные и качественные, включая сентимент-анализ), создание RAG-ассистентов и построение собственных программных комплексов на базе API YandexGPT. «В работе над ВКР со студентами мы формулировали гипотезы, готовили промты и синхронизировали ответы моделей. Участие в проекте дало мне много нового, несмотря на то, что я — продвинутый пользователь ИИ. В PR, рекламе и медиа ИИ — неотъемлемая часть работы, его нужно изучать и студентам, и преподавателям. Я предложил создать виртуальный кабинет-лабораторию для работы с YandexGPT в вузах, нами было разработано техническое задание, концепция и дизайн интерфейса. Надеюсь, проект будет успешным. Такие программы важны для высшей школы — они помогают апробировать технологии и выработать стандарты их применения. ИИ должен стать инструментом повышения качества образования», — рассказал участник программы Евгений Потапов, научный руководитель ВКР, член Российской ассоциации по связям с общественностью. Программы, подобные GPT BKP, критически важны для формирования общего интеллектуального поля в высшей школе. Они позволяют не только апробировать технологии, но и вырабатывать консенсусные стандарты и этические нормы их применения силами самого академического сообщества, включая необходимые изменения на законодательном уровне. Это ключевой шаг к тому, чтобы интеграция ИИ в высшую школу служила не хаотичным экспериментом, а осознанным инструментом повышения качества образования и исследовательской деятельности, отвечающим реальным запросам преподавателей и студентов. «Важная характеристика современного университета — умение смотреть вперед. Мы видим новую, сквозную и весьма перспективную технологию, которую, безусловно, стоит понимать и применять. Поэтому подобный опыт научной работы может быть полезен для студентов как технических, так и гуманитарных направлений. Кроме того, опыт применения технологий ИИ необходим и сотрудникам университета — он позволит им выйти на новый уровень в образовательной и исследовательской деятельности», — прокомментировал итоги проекта и.о. ректора Уральского Федерального Университета Илья Обабков. Опыт GPT BKP открывает путь для этой трансформации. Уже сейчас Яндекс.Образование предлагает вузам открытые инструменты вроде YandexGPT и Neuroexpert для анализа документов. Для руководителей, рассматривающих интеграцию ИИ, проект стал доказательством: технологии не угрожают академичности, а создают ресурс для глубокой исследовательской работы при условии осознанного применения и преодоления технических барьеров.
