Развитие искусственного интеллекта может изменить привычную систему оценки выпускных работ в российских вузах. В Минобрнауки допустили, что письменные дипломные работы со временем могут уступить место устным экзаменам, потому что нейросети всё чаще помогают студентам писать тексты, структурировать материалы, подбирать формулировки и создавать внешне убедительные исследования. В такой ситуации преподавателям становится сложнее понять, где находится самостоятельный труд студента, а где — результат работы ИИ-инструмента.
Министр науки и высшего образования Валерий Фальков заявил, что устная оценка может стать способом объективнее проверить реальные знания и компетенции выпускника. Смысл такого подхода заключается в том, что готовый текст можно написать, отредактировать или значительно улучшить с помощью нейросети, но живой разговор с комиссией требует понимания темы. Если студент действительно разбирается в своей работе, он сможет объяснить логику исследования, ответить на уточняющие вопросы, защитить выводы и показать, как он пришёл к результату.
Главная проблема письменных дипломов в эпоху ИИ состоит в том, что текст перестаёт быть достаточным доказательством самостоятельной подготовки. Нейросеть может сгенерировать план, написать главы, предложить список аргументов, сделать выводы и даже имитировать академический стиль. При этом внешне такая работа может выглядеть аккуратно и убедительно. Но качество оформления ещё не означает, что студент действительно понимает предмет, умеет анализировать источники и способен применять знания самостоятельно.
Системы антиплагиата тоже оказываются ограниченным инструментом. Они хорошо работают против прямого копирования чужих текстов, но хуже справляются с материалами, которые были переписаны или сгенерированы заново. ИИ может создавать уникальный по формальным признакам текст, который не совпадает с опубликованными источниками, но при этом не является результатом полноценной исследовательской работы студента. Поэтому антиплагиат всё чаще нужно рассматривать только как вспомогательный механизм, а не как главный способ оценки.
Устный экзамен в такой ситуации возвращает высшее образование к более старой, но устойчивой форме проверки. Преподаватель и комиссия могут задавать вопросы не только по готовому тексту, но и по методологии, источникам, расчётам, выводам, слабым местам работы и практическому значению темы. Если студент не писал работу сам или плохо понимает её содержание, это обычно быстро становится заметно. Нейросеть может подготовить текст, но не может вместо человека уверенно пройти живую защиту, если знаний нет.
При этом речь не обязательно идёт о полном отказе от дипломов во всех специальностях. Вероятнее, система оценки будет постепенно усложняться. Письменная работа может сохраниться как один из элементов, но её вес может уменьшиться, а устная защита, собеседование, практические задания, проектная демонстрация и проверка процесса подготовки станут важнее. Такой подход позволит оценивать не только итоговый документ, но и способность выпускника думать, объяснять, спорить и применять знания.
ИИ также меняет роль научного руководителя. Если раньше руководитель оценивал черновики, структуру и содержание текста, то теперь ему придётся внимательнее смотреть на сам процесс работы студента. Важно понимать, как формулировалась тема, какие источники анализировались, какие решения принимались самостоятельно, где студент использовал ИИ как инструмент, а где мог попытаться выдать машинную работу за собственную. Это потребует новых правил и большей вовлечённости преподавателей.
Особенно сложным станет вопрос допустимого использования ИИ. Полный запрет нейросетей в вузах выглядит малореалистичным, потому что они уже стали частью учебной и профессиональной среды. Студенты могут использовать ИИ для поиска идей, редактирования языка, объяснения сложных тем, проверки структуры и подготовки к защите. Проблема начинается там, где нейросеть заменяет самостоятельное мышление, а студент перестаёт понимать собственную работу.
Поэтому вузам понадобится не только менять формат экзаменов, но и вводить ясные правила. Нужно объяснять, когда использование ИИ допустимо, как его указывать, какие части работы должны быть выполнены самостоятельно и какие действия считаются подлогом. Без таких правил преподаватели и студенты будут жить в зоне неопределённости: одни будут полностью запрещать ИИ, другие — закрывать глаза, третьи — использовать его без всякой прозрачности.
Фальков также отметил, что в ближайшие годы в университеты придёт поколение, для которого искусственный интеллект будет нормой с рождения. Это важная мысль: вузы будут обучать людей, которые не воспринимают ИИ как новое чудо или внешнюю технологию. Для них нейросети станут обычной частью информационной среды, как поиск, мессенджеры или онлайн-карты. Поэтому образовательная система не сможет один раз принять правила и больше их не менять. Подходы к обучению и оценке знаний придётся пересматривать почти ежегодно.
Главный вызов для университетов заключается в том, чтобы не бороться с ИИ вслепую, а перестроить систему оценки под новую реальность. Если студент может сгенерировать текст за минуты, значит, проверять нужно не только текст. Нужно проверять понимание, способность рассуждать, работать с источниками, объяснять решения, применять знания и отвечать за собственные выводы. В этом смысле устный экзамен может стать не шагом назад, а способом вернуть в образование то, что сложнее всего автоматизировать, — живое мышление.
Для студентов такая трансформация тоже будет серьёзной. Формально красивый диплом перестанет быть достаточной защитой. Нужно будет действительно разбираться в теме, понимать каждую главу, уметь объяснить выбор методов, отвечать на вопросы комиссии и признавать ограничения своей работы. Это может повысить требования, но одновременно сделать оценку честнее: тот, кто действительно учился и работал над темой, получит возможность показать знания не только через текст.
Для преподавателей новая модель потребует больше времени и ответственности. Устная оценка сложнее автоматической проверки файла. Нужно готовить вопросы, учитывать специфику темы, отличать нервозность студента от незнания, фиксировать критерии и не превращать экзамен в субъективное впечатление. Поэтому переход к устным форматам должен сопровождаться методическими рекомендациями, подготовкой комиссий и понятными стандартами оценки.
Главный смысл обсуждения заключается в том, что ИИ заставляет высшее образование возвращаться к вопросу: что именно должен уметь выпускник? Если главной целью был написанный документ, нейросеть уже может сильно помочь или заменить значительную часть работы. Если цель — сформированная компетентность, способность мыслить и защищать решения, то оценка должна становиться более живой, диалоговой и практической. Именно поэтому устные экзамены снова оказываются в центре внимания.