Почему университетам пора отказаться от лекций в пользу AI-тьюторов

По данным рандомизированного контролируемого исследования 2025 года, приведённого в колонке The Globe and Mail, студенты бакалаврского курса физики Гарварда, работавшие с AI-тьютором, освоили материал за меньшее время, чем контрольная группа с преподавателем, и сообщили о более высокой вовлечённости. На этих результатах строится аргумент Джоэла Блита, доцента Университета Ватерлоо и со-директора Canadian AI Adoption Initiative: AI снимает ключевое ограничение высшего образования — дефицит экспертного времени, и вузам нужно пересобрать модель преподавания, а не накладывать AI поверх существующей.

Снятие ограничения

Классический университет оптимизирован под масштаб: общая лекция, типовые задания, экзамен. Мастер-ориентированное индивидуальное тьюторство эффективнее — это известно десятилетиями, — но экономически недоступно массово. AI-тьюторы закрывают разрыв: диагностируют базу, подбирают примеры, задают наводящие вопросы, генерируют практику, выдают обратную связь в реальном времени. Блит описывает сдвиг роли преподавателя: от транслятора знаний — к ментору, который проектирует учебный опыт, ставит сложные вопросы и ведёт дискуссии.

Реакция системы пока оборонительная. Значимая доля преподавателей вводит прямые запреты на AI в заданиях, опасаясь, что студенты выносят мышление наружу. Блит квалифицирует это как инкрементальную защиту: AI нужно не накладывать поверх текущей модели, а использовать как повод её пересобрать — в сторону мастерства, персонализации и адаптивного темпа. Преподавательское время перераспределяется на самую дефицитную работу — ведение сложных разборов и индивидуальную поддержку.

Практика встраивания: Огайо

В Огайо выбрали интеграцию вместо запрета. По данным Spectrum News, профессор Ohio State Несс Шрофф, курирующий две AI-инициативы университета, занимает позицию fluency: «You — as a student, as an educator, as a professional — are probably going to be better off knowing the capacity of AI and being able to work with it, than if you don't». Шрофф прямо фиксирует неопределённость по рынку труда, но исходит из того, что владение инструментом даёт больше опций, чем его игнорирование.

В Ohio University профессор Джейн Лизи применяет логику в работе со студентами-педагогами. Подход гибкий: в одних заданиях AI используется только как рецензент черновика, в других допускается полная свобода при условии раскрытия метода. Лизи описывает в материале распространённое правило: «Sometimes you'll hear about this 80/20 rule — where 80% of the work has been done by the AI, and 20% is the work that you've put into it». Ключевой принцип, который она закладывает в будущих учителей: не получать готовый ответ, а просить следующий шаг — «don't get it to give you an answer, ask it to give you the next step». Лизи транслирует то же правило в разговорах с собственными детьми и в курсах для взрослых слушателей.

Что отслеживать

Следить стоит за двумя линиями. Первая — публикации новых RCT по конкретным дисциплинам: один гарвардский эксперимент по физике не масштабируется автоматически на гуманитарные и проектные курсы. Вторая — внутренние политики вузов: где AI разрешён с раскрытием метода, где запрещён, где AI-тьютор встроен в LMS и аттестацию. От этих параметров зависит рыночная ценность диплома через 3–5 лет.

Смежный сдвиг виден в других нишах с когнитивной нагрузкой: в профильных обзорах фитнес-приложений для домашних тренировок работает та же логика — инструмент эффективен только при активном участии пользователя. И в обучении, и в тренировках AI снимает рутину, но не заменяет собственное усилие.