Университетский суверенитет

Университетские кризисы вызваны, во‑первых, всеобщей суверенизацией и изменениями государственных технологических политик; во‑вторых, тем, что их позиции как бастионов знания и гарантов светлого будущего пошатнулись. Один из последних серьезных ударов по этим позициям нанесли студенты, начав активно пользоваться ИИ.

Турбулентные технологии
В мире произошел сдвиг государственных политик от поддержки науки и технологий к развитию промышленности и продуктов. За последние пять лет новые стратегии развития промышленности, в том числе военной, приняли ЕС (общеевропейская Стратегия развития промышленности, European Chips Act, стратегия развития оборонно-­промышленного комплекса, план перевооружения Readiness 2030), США (Science and Chips Act, новая стратегия национальной обороны и пр.), Китай (концепция «Индустрии будущего», план на 15‑ю пятилетку), а также многие другие страны и регионы.

И хотя университеты — ​безусловно важная составляющая научно-­технологической и инновационной экосистемы, помимо них на этом поле играет множество других институций и организаций. А борьбы за государственные деньги еще никто не отменял — ​и университеты в этой борьбе проигрывают.

Университетская наука давно и системно недофинансируется, причем по всему миру: в зависимости от страны, объем «научных» денег, выделяемых исследователю из госсектора/бизнеса, может до пяти раз превышать финансирование его коллеги из университета (а Россия с очень равномерным распределением финансирования — ​исключение из общего правила).

Американские университеты, например, субсидируют свои R&D из средств, полученных из других источников. В 2013 году на каждый доллар государственных денег, вложенных в исследования и разработки, университеты тратили 38 центов собственных средств; в 2023 году — ​уже 46 центов; общий объем средств, которые университеты достали из своего кармана и вложили в R&D, в том же 2023 году составил около $ 28 млрд (на $ 60 млрд госфинансирования).

Сегодня есть основания говорить о классическом «кольце депрессии»: уже не важно, что было вначале: недостаточное финансирование или слишком маленький (чтобы заинтересовать государство) научный задел/регалии; в большинстве стран мира университеты продолжают недополучать деньги — ​и, соответственно, теряют специалистов, недовкладываются в оборудование и пр.

Недофинансирование науки — ​следствие того, что университеты находятся в положении летучих мышей: между птицами и грызунами. Будучи объектами как научно-­технологической, так и образовательной политики, они подвергаются неиллюзорным административным и политическим рискам: им легко попасть в ситуацию перетягивания политического одеяла (от науки к промышленности) или провалиться в финансовую яму между министерствами и ведомствами.

Во многих странах, особенно делающих ставку на промышленно-­технологический суверенитет, государственное управление университетами разделено: образовательную функцию курируют и развивают министерства образования, научно-­технологическую — ​министерства технологического развития/промышленности (в Китае — ​министерства образования, науки и технологий, промышленности и информатизации; в Германии — ​министерства образования, семьи, пожилых граждан, женщин и молодежи, исследований, технологий и космоса; в Республике Корея — ​министерства образования и будущего, науки и ИКТ).

Как следствие, «большая» государственная политика по отношению к университетам кренится то в одну, то в другую сторону в зависимости от государственных приоритетов, влиятельности министерств, руководителей и пр. Это очень хорошо видно на примере Китая и его рамочного плана развития системы образования: вроде бы речь идет о школах, университетах и пожизненном образовании, но при этом добрая половина плана посвящена технологическому развитию.

Ориентация на технологический, промышленный и прочий суверенитет может приводить не только к тому, что университеты в какой-то стране начинают получать больше денег на R&D и образование, но и к тому, что государства начинают искать и/или создавать научные и технологические организации, проекты и команды новых форматов, тем самым подогревая конкуренцию за «научно-­исследовательские» деньги.

И как ни странно, это происходит не только в Китае с его «венчурной» наукой и экспериментальными форматами финансирования, но и в США.

Например, одно из самых заметных американских новшеств последних лет — так называемые сфокусированные исследовательские организации (focused research organizations, FRO) — ​стартапы, работающие над решением узких научных проблем и получающие деньги от коммерческого сектора. Основная особенность FRO в том, что это сугубо временные истории: у каждой организации есть конечная технологическая/исследовательская цель, есть план работы и есть бюджет. После достижения поставленной цели FRO ликвидируется, а занятые в ней исследователи могут вернуться в академию, создать новую компанию, запустить свой спин-офф и пр.

FRO как формат быстрого решения конкретных исследовательских задач используется с 2022 года. В 2025 году он стал прототипом для одного из организационных экспериментов Национального научного фонда США в рамках программы лабораторий с государственной поддержкой X-Labs: одна из линий предназначена для финансирования полностью независимых и действующих вне научных организаций временных лабораторий/научных коллективов, работающих над расшивкой «бутылочных горлышек» в самых разных областях: материаловедении, новой энергетике, биотехнологиях и пр.

А в 2026 году политическое недовольство «традиционными» исследовательскими организациями, в том числе университетами, в США дошло до того, что президентский офис по развитию науки и технологий в своем программном докладе президенту США Д. Трампу (Science: A New Golden Age) прямым текстом заявил: ни университеты, ни национальные лаборатории/R&D-центры, ни исследовательские подразделения частных корпораций не в состоянии справиться со всеми технологическими задачами, стоящими перед страной, поэтому США нужны научные организации принципиально нового типа, в том числе работающие по модели FRO и/или X-Labs.

Варианты ответа
Самый прямолинейный и очевидный ответ университетов на требования государства (с повсеместной опорой на собственные силы/технологическим суверенитетом) — ​это, конечно, работа напрямую с высокотехнологичной промышленностью и, соответственно, ориентация на: а) создание совместных с предприятиями оргструктур и б) прикладные разработки.

В этой логике работают многие университеты Китая, в том числе Цинхуа, в котором действует 131 R&D-центр «корпорация — ​университет», причем центры и лаборатории создаются совместно не только с китайскими, но и с глобальными компаниями (Mercedes-­Benz, Toyota, Mitsubishi Heavy Industries, Shell, Nissan, Bosch, AstraZeneca и др.).

Кто-то может сказать, что в этом нет ничего нового и что российские околотехнологические университеты делают то же самое. Но есть нюансы: например, в университете Цинхуа 80% новых патентов относятся к критическим/стратегически важным индустриям, входящим в госприоритеты; за последние пять лет университет коммерциализировал 770+ технологий, привлекших в общей сложности порядка $ 450 млн инвестиций. Ну и разница между очередной «базовой кафедрой предприятия n» и R&D-центром с коллективом, состоящим из сотни исследователей, и гарантированным пятилетним бюджетом очевидна.

Второй вариант ответа на вызов техсуверенитета и технологического развития — ​сверхкрупные междисциплинарные проекты, реализуемые только на базе университетов, поскольку там сконцентрированы необходимые ресурсы (люди, оборудование, задел, партнерские связи и пр.). Этот вариант, как правило, используют условные западные университеты, в первую очередь в США. Как и в случае с промышленными партнерствами и Китаем, по понятным — ​и внешним по отношению к университетам — ​причинам.

Относительно четкие государственные приоритеты в области технологического развития появились в США только в 2023 году, а первые попытки контролировать федеральные гранты и привязывать их к приоритетам государства были сделаны в 2026‑м (когда Административно-­бюджетное управление администрации президента сформировало проект новых правил распределения финансирования, к которому академическое сообщество США за три месяца накатало 200+ тыс. предложений и претензий).

Проще говоря, у американских университетов сохранились привычка и, главное, возможность формировать собственную научно-­исследовательскую повестку и ориентироваться не на Белый дом, а на крупные корпорации, заинтересованные в соответствующих исследовательских направлениях.

У этого формата масса плюсов: возможность получить уникальные результаты за счет совместной работы нескольких научных групп мирового уровня; понятное [политическое] позиционирование для государственных грантодателей, потенциальных спонсоров из числа благотворительных фондов, инвесторов и пр.

Нужно отметить, что междисциплинарные проекты такого масштаба — ​отдельная управленческая проблема: в университетах, как в любых крупных организациях, есть свои функциональные колодцы, группы влияния и строки бюджета, и любая попытка примирить интересы нескольких исследовательских команд в таких условиях превращается в упражнение «рак пятится назад, а щука тянет в воду». Именно поэтому «стратегические» инициативы, требующие совместной работы разных подразделений, чаще всего подчиняют напрямую первому лицу (ректору, президенту университета и пр.) и заодно выводят за контур оргструктур.

Третий вариант ответа — ​концентрация университета не столько на конкретных направлениях R&D, сколько на инновационной/предпринимательской инфраструктуре. Это особенно актуально в условиях, когда политические и технологические приоритеты государства могут меняться со скоростью твита, а крупный бизнес еще не до конца определился, в чем его счастье.

При этом инновационная инфраструктура включает механизмы и инструменты, работающие со всем жизненным циклом технологий и компаний/стартапов: центры по работе с интеллектуальной собственностью (патентование, оформление ноу-хау, лицензионные соглашения и пр.), акселераторы для сотрудников и студентов (доведение идей до продаваемого вида), образовательные курсы и программы для потенциальных предпринимателей и, самое важное, собственные фонды университетов (stand alone, спонсорские или созданные в партнерстве с внешними инвесторами), позволяющие университетским спин-оффам не бегать за деньгами по рынку, а спокойно доводить разработки до proof-of-concept или более поздних стадий.

Позволить себе такую роскошь могут, конечно, только университеты [условной] первой лиги — ​уже упоминавшийся MIT, Йельский университет, Принстон, Гарвард и пр. Но в последние несколько лет собственные фонды постепенно становятся безальтернативным инструментом (как минимум в США): традиционный венчур вынужденно зациклен на ИИ; корпоративные фонды подходят к сделкам всё осторожнее и осторожнее, то же касается остальных инвесторов; так что спасение утопающих и коммерциализация результатов R&D становятся делом не столько внешних инновационных экосистем, сколько самих университетов.

Наконец, есть еще один вариант решения проблемы технологической (и любой другой) неопределенности: некоторые университеты не только развивают «большие» R&D и собственные системы производства стартапов, но и трансформируют свои системы стратегического планирования в духе «суть не в том, что университету нужна стратегия, а в том, что в условиях турбулентности стратегия должна постоянно обновляться». Плеяда крупных междисциплинарных R&D проектов, появившихся в большинстве университетов первой лиги за последние три-четыре года, — ​отчасти следствие этого подхода.

Естественно, ни один из вариантов работы в условиях технологической суверенизации не уникален и не решает всех проблем университетов. Как правило, все они сосуществуют: у университета Цинхуа есть не только заказчики из индустрии, но и крупные междисциплинарные проекты; у MIT — ​разветвленная система собственных фондов для финансирования стартапов; у Имперского колледжа Лондона — ​Институт deep tech предпринимательства, созданный специально для работы со стартапами, развивающими «глубокие технологии». Уникальное предложение университетов в части развития технологий — ​для государства или бизнеса — ​возникает именно на стыке R&D, партнерств и инновационной инфраструктуры.

Но несмотря на технологическую и R&D-­уникальность, абсолютно все университеты столкнулись и вынуждены разбираться с универсальной околотехнологической проблемой, а именно — ​с искусственным интеллектом и с тем, что́ он делает с высшим образованием.

И вот тут готовых решений нет и пока не предвидится.

Искусственная неопределенность
Студенты используют ИИ массово и повсеместно. Только в Соединенных Штатах регулярно (ежедневно или еженедельно) ИИ-сервисами и инструментами пользуются 42% студентов. Самая большая доля активных пользователей приходится на образовательные программы и курсы, связанные с технологиями (57% всех обучающихся на профильных программах), дополнительным образованием (52%), бизнес-­образованием (51%) и инженерным делом (49%).

Последствия налицо: резко потеряли смысл домашние задания, особенно связанные с написанием текстов. Распространение И И как одного из рабочих инструментов ведет к размонтированию социальных практик, принятых в системе высшего образования. В частности, Массачусетский технологический институт, исследовавший влияние ИИ на жизнь и обучение своих студентов, выяснил, что за последние три года заметно снизилась посещаемость очных занятий, студенты стали гораздо реже участвовать в онлайн-­дискуссиях, обсуждениях и работе неформальных очных учебных групп.

При этом университеты, по мнению студентов, не спешат поддерживать использование ИИ: или прямо это запрещают, или, еще хуже, вообще никак не комментируют и не регламентируют этот вопрос. Отсутствие четких правил мало кому добавляет уверенности: 80% студентов чувствуют беспокойство, сдавая работы, выполненные с использованием ИИ; половина студентов опасается, что использование ИИ для выполнения заданий могут счесть прямым обманом, а еще 42% уверены в этом… что, впрочем, не мешает им продолжать пользоваться ИИ, надеясь на лучшее.

Как показывают опросы, отношение к ИИ и активность его использования зависят от специальности. Две трети студентов, чья специализация связана с искусством или гуманитарными дисциплинами, говорят: нам было бы очень стыдно, если бы кто-то узнал или заподозрил, что мы используем ИИ для выполнения заданий. А среди студентов бизнес-­программ доля особо стеснительных составляет 45%.

Ситуация с регламентированием использования ИИ в университетах проблематична не только в США, но и во многих других странах. По данным ЮНЕСКО, в 2025 году в среднем по миру только 19% университетов утвердили и довели до студентов/сотрудников официальные документы (принципы, ви`дение, политику и пр.) по поводу ИИ; еще 42% разрабатывали гайдлайны.

ИИ-затруднения университетов понятны, в первую очередь в плане отношения ко всему этому преподавателей.

В частности, налицо студенческо-­преподавательский разрыв между восприятием ИИ и его плюсов/минусов. Студенты относятся к использованию ИИ-сервисов и чат-ботов позитивно: многие отмечают, что ИИ помогает оптимизировать рутинные задачи и решать более сложные. В то же время каждый пятый студент озабочен тем, что справляться с учебой без помощи ИИ стало гораздо сложнее и что использование ИИ ведет к ухудшению памяти/усвоения материала.

Преподаватели, в свою очередь, видят позитив в том, что ИИ (теоретически) может сделать образование в целом и образовательный процесс в частности более эффективными и доступными, но опасаются, что слишком активное использование ИИ отрицательно скажется на когнитивном/интеллектуальном развитии студентов. В среднем по миру этого боится каждый третий университетский преподаватель, а в США и Канаде — ​каждый второй.

При этом спектр преподавательских опасений, связанных с последствиями использования ИИ, очень широк. Самое распространенное из них (95%) — ​то, что студенты начнут слишком полагаться на ИИ-сервисы без должной степени критичности. И заодно, что ИИ сильно снизит способность студентов к критическому мышлению (90%).

Позитива гораздо меньше, он пока сугубо теоретический и относится к пространству возможностей: индивидуализация обучения (61%), совершенствование исследовательских навыков (41%) и пр. При этом наименьшее доверие вызывают столь любимые ИИ-вендорами лозунги про «креативность» — ​то, что ИИ поможет студентам развивать навыки креатива, готовы допустить только 27% преподавателей.

Это сказывается на практиках включения ИИ (как инструмента) в учебные курсы и программы в университетах, оставляющих это на усмотрение преподавателей. Если чуть меньше трети преподавателей относятся к ИИ нейтрально, то 22% просят студентов использовать ИИ как можно меньше, а еще 18% запрещают обращаться к нему.

Отношение к ИИ сильно варьируется в зависимости от репутации университета и качества образования, которое он предлагает. Как показал опрос 3+ тыс. преподавателей США, в среднем негативно относятся к использованию ИИ в высшем образовании 45% преподавателей, причем в университетах с самыми жесткими критериями отбора доля ИИ-пессимистов составляет 51%, а в университетах «свободного доступа» — ​только 36%.

Опасения преподавателей небезосновательны: как показывают исследования, у студентов, использующих ChatGPT для написания эссе, на 55% снижается общая активность мозга и на 40% — ​гамма-­активность. ИИ заметно ухудшает способности решать задачи и критически мыслить (чем моложе человек, тем заметнее снижение).

И, к сожалению, проблема ИИ для университетов не ограничивается его влиянием на образовательный процесс.

В университетах — ​помимо студентов и преподавателей — ​работают исследователи и административный персонал; неконтролируемое использование сторонних ИИ-сервисов и инструментов может привести к катастрофическим (с юридической точки зрения) последствиям, от ущерба для научной репутации отдельных ученых до коллективных исков из-за утечки личных данных. И если у преподавателей и студентов уровень доверия к результатам, выдаваемым ИИ, не слишком высок (не проверяют результаты выдачи 38% студентов и 30% преподавателей), то административный персонал куда «доверчивее» (на ИИ-выдачу без проверки полагаются 46% администраторов).

При этом корпоративный стандарт обращения с ИИ еще не сформировался, и разброс внутриуниверситетских политик в этой области очень велик. Часть университетов (например, Принстон, Гарвард и MIT) отдает регулирование и контроль над использованием ИИ на откуп отдельным подразделениям; некоторые (Оксфорд, Йель) централизуют управление, используя комбинацию из общеуниверситетских гайдлайнов и списков запрещенных/разрешенных к использованию ИИ-сервисов.

Понятно, что единое регулирование ИИ в высшем образовании, скорее всего, будет вводиться на государственном уровне, как это уже происходит в отдельных штатах США, ЕС (в рамочном EU AI Act высшее образование обозначено как зона высоких ИИ-рисков) и Китае (госпрограмма Ai Plus Education предусматривает внедрение ИИ в образовательные программы школ и университетов).

Отдельный непраздный вопрос в этой связи: будет ли у университетов возможность вставить хоть слово в эту регуляторную дискуссию, поскольку единые принципы и правила использования ИИ в высшем образовании скорее повредят, чем помогут.

Помимо регулирования, есть еще одна, менее очевидная и более критичная, проблема ИИ-суверенитета отдельных университетов и заодно — ​академического сообщества в ­целом.

Эта тема активно обсуждается в США и ЕС. В России ситуация в целом похожая: самые крупные и (предположительно) эффективные LLM принадлежат крупным вендорам, которых в стране примерно полтора. При этом практически все ИИ-сервисы и решения — ​«черный ящик», выдающий невоспроизводимые результаты, полученные бог весть на каких основаниях.

И это еще полбеды. Вторая ее половина в том, что любимая IT-компаниями бизнес-­модель «что угодно как сервис»/подписка создает неустранимую зависимость университетов от внешних решений и, по сути, лишает их контроля над цифровой инфраструктурой, которая в какой-то момент может стать критической как для образования, так и для научно-­исследовательской деятельности. Последствия легко представить: многие зарубежные ИИ-вендоры взвинчивают цены на свои услуги, и заметная доля организаций начинает вкладываться в доработку имеющихся на рынке опенсорсных решений, поскольку это понятная долгосрочная инвестиция, а не непредсказуемые операционные расходы.

Наконец, у проблемы «ИИ и образование» есть еще одна сторона, как ни странно, мало связанная с ИИ как таковым.

Появление и распространение искусственного интеллекта не столько создало новые проблемы для университетов, сколько обострило старые. Снижение концентрации внимания и клиповое мышление студентов, повсеместное использование гаджетов для мухлежа на экзаменах, зацикленность на оценках (вместо навыков и знаний), инфляция дипломов и недоверие широкой публики к высшему образованию как гарантии лучшей жизни — ​всё это было задолго до ИИ. А нынешняя ситуация просто поставила вопрос: «Что со всем этим делать?» — ​ребром, не более того.

И внятных ответов на этот вопрос пока нет ни у кого — ​ни у государств, ни у университетов, ни у тех, кому в этих университетах приходится учиться. Есть лишь философские и концептуальные.