Харитонова П.В. Доцент базовой кафедры менеджмента и информационных технологий ФГБОУ ВО «Братский государственный университет», к.э.н.

Искусственный интеллект как помощник человека: технологические возможности, границы автономии и нравственная ответственность личности

Добрый день, уважаемые участники чтений!

Мы хотим от лица профессорско-преподавательского состава университета, в частности, базовой кафедры менеджмента и информационных технологий, поговорить об искусственном интеллекте, о том, какие возможности он дает, что меняет в экономике и определить границы автономии и нравственной ответственности личности.

Рассматривая данную тему, мы начнем с анализа экономики. Сегодня человечество живет в эпоху, когда технологии стали «невидимыми». В 2026 году нейросеть пишет уникальную выпускную квалификационную работу за считанные минуты. Доставка еды осуществляется по одному клику в телефоне и лучше любого профессионала ретуширует фото искусственный интеллект (ИИ).  И такие удобства для пользователей либо бесплатные, либо стоят относительно недорого. Но проблема от подобного преобразования человеческой жизни существенна. За фасадом этой «магии» скрывается гигантский передел рынка.

До внедрения искусственного интеллекта существовал классический цикл развития экономики. Сейчас мы наблюдаем заслуживающий особого внимания феномен. Цифровые гиганты показывают рекордную прибыль, их капитализация растет, но количество рабочих мест при этом сокращается.

Например, по данным Всемирного экономического форума (отчет 2025 года), 40% компаний планируют сократить персонал (чей труд связан с рутинными процессами) только из-за внедрения искусственного интеллекта (ИИ).

Таким образом, мы сталкиваемся с фундаментальным противоречием: как обеспечить экономический рост и социальную стабильность в условиях, когда главным средством производства становится не станок и не человек, а алгоритм.

После анализа финансовых показателей, мы можем утверждать, что владельцы технических компаний получают больше прибыли, чем золотоискатели. Рынок цифровой экономики сегодня монополизирован сильнее, чем рынок сырой нефти.

Рассмотрим рынок по источнику свердохода, чтобы понимать, кто будет побеждать в долгосрочном периоде. Инфраструктура (чипы, облако) забирают львиную долю прибыли. Это главный бенефициар эпохи цифровой экономики. Вывод в том, что данные начинают цениться больше, чем человек. Однако

На основе эмпирических данных о том, где сегодня сосредоточены денежные потоки, мы можем сформулировать пять конкретных стратегий для человека, желающего сохранить и приумножить стоимость своего труда.

1. Стратегия «Мультиагент». Это не просто умение писать промпт нейросети. Для работы необходимо освоить фреймворки и уметь не общаться с одной нейросетью, а настраивать несколько ИИ, которые спорят друг с другом и проверяют результаты. На таких специалистов уже большой спрос.
2. Стратегия «Инспектор». Главная слабость ИИ — ошибки. Чем больше контента генерируют машины, тем выше спрос на тех, кто проверяет этот контент на адекватность. Еще недавно ИИ отвечал, что у человека 6 пальцев, но его переучили. Переучили люди. Юристы, врачи, экономисты, инженеры, аудиторы становятся не исполнителями, а экспертами, проверяя работу нейросети.
3. Стратегия «Интегратор». Заводы, порты, аэропорты, электростанции зачастую работают на оборудовании 90-х и ранее годов. Чтобы внедрить туда автоматизацию, нужно понимать как работают старые протоколы и как связать их с современными нейросетями. Люди, которые говорят на языке промышленной автоматизации (инженеры КИПиА, АСУ ТП) и языке Data Science сегодня бесценны. Преемников почти нет. Молодые IT-специалисты не хотят «лезть в грязь старых заводов». Это создает гигантские возможности для тех, кто готов совместить классическую инженерию с ИИ.
4. Стратегия «Владелец микрониши». Если человек работает в узкой сфере (например, проектирование систем вентиляции для атомных станций), у него есть опыт и наработки, которых нет в интернете. И в обучающей выборке у бесплатных нейросети наверняка тоже таких компетенций нет. Предлагается создание узкой модели на базе открытого сервиса и продажа к ней доступа внутри своего профессионального сообщества. Это может быть эффективным стартапом сегодня. Владелец такой микрониши становится не просто экспертом, а монополистом знания, упакованного в удобный цифровой сервис.
5. Стратегия «Уход в тактильность». Ирония цифровой экономики в том, что чем больше становится синтетического контента, тем выше ценится все настоящее. Массаж руками, урок игры на фортепиано с педагогом, психотерапия с прямым общением «глаза в глаза», работа электрика, сантехника это лишь малая часть того, что ИИ не может продублировать физически (пока). Сфера услуг переживает ренессанс. Люди устали от общения только с чат-ботами и многие готовы платить за живое общение и физический опыт. Нам представляется, что профессионалы своего дела будут только процветать.

Таким образом, общим знаменателем всех успешных стратегий является отказ от конкуренции с ИИ. Человек все равно выиграет там, где требутется:

• ответственность;
• уникальный физический труд или эмпирический опыт;
• эмпатия и тактильность.

Поговорим далее про непосредственно нейросети. Их очень много. Gemini, Claude, Perplexity или GigaChat, Gamma DeepSeak — это  «рабочий» инструмент для учебных задач. Студенты используют их для черновиков, переработки текста, генерации простого кода и даже презентаций.

У многих возникнет очевидный вопрос о бесплатных нейросетях. Феномен  (DeepSeek, Gemini, Алиса и др.) ставит в тупик классическую экономику и вызывает сомнения в рентабельности исходя из того, что мы описали выше. Предельные издержки одного запроса низкие (в сравнении с человеческим трудом). Запрос к хорошей модели стоит провайдеру доли денежных единиц, а в сумме запросы набирают их миллионы на электричество и амортизацию чипов.

Зачем же тогда компании тратят деньги на обслуживание бесплатных пользователей? Наш анализ выявляет скрытые механизмы монетизации, которые, на первый взгляд, не видны, но формируют финансовую модель отрасли.

1. Дисталляция данных. Бесплатная модель — это «учитель». Пользователь задает ей сложные вопросы, модель выдает качественный ответ, сохраняя его. Когда пользователь пишет уточняющий вопрос или даже исправляет нейросеть, это тоже обучение. И чем больше пользователей, тем точнее будет обучена нейросеть. Люди сами являются тренерами и учителями для ИИ.
2. Монетизация. Получаемые пары «вопрос-ответ» используются для обучения маленьких, более дешевых моделей для бизнеса. В результате компания продает доступ к небольшой модели бизнесу за реальные деньги. Бизнес платит в 10 раз меньше, чем за большую ИИ-модель, но получает высокое качество.
3. Сбор поведенческих данных для рекламы. К примеру, Яндекс не берет с пользователя деньги за поиск информации. Но он берет данные об интересах и показывает рекламу. Чем чаще обращаться к нейросети Алиса, тем точнее Яндекс понимает интересы пользователя. Это об экономике.

Далее поговорим о том, что мы, преподаватели, видим каждый день. Представьте, студенту дано задание написать курсовую или контрольную работу. Раньше для этого он шёл в библиотеку, листал каталоги, конспектировал, затрачивал много времени. Или открывал поиск в интернете, искал среди разных работ подходящую, что-то переделывал, чтобы пройти антиплагиат. Сегодня он открывает нейросеть, задаёт вопрос — и через минуты получает структурированный текст, который опять же с нейросетью можно сделать уникальным. Это существенно экономит часы для другой деятельности. Плохо ли это? Нет. Это не плохо само по себе.

Но давайте задумаемся вот над каким вопросом: что именно экономится? Время на поиск? — да, безусловно. А время на осмысление? На то, чтобы текст стал своим?

Нейросети — это инструмент, как тот же калькулятор. Запрещать его — всё равно что запрещать «идти в ногу со временем». Но разница между инструментом и заменой — это и есть та тонкая грань, которую мы должны как преподаватели учить студентов проводить. По нашему мнению, устные защиты работ обязательны. Только так мы сможем понять, овладел обучающийся компетенциями или нет. Студент, который сгенерировал текст, но не может объяснить его на защите — это не образованный человек, это оператор нейросети. Нейросеть — это помощник, как калькулятор для математика. Но никто не называет калькулятор математиком. Кроме того, нейросети могут придумывать результаты и мы с этим не раз сталкивались. Например, один студент спросил: «Какая статистика по безработице в России из-за ИИ?» — и получил набор чисел со ссылкой на «отчёт 2025 года». Оказалось, что отчёт существует, но цифры в нём — из 2018 года, а «2025» нейросеть просто придумала.

И вот здесь — главный вывод. Нейросеть — это хороший помощник, но не замена. Она помогает найти информацию, структурировать текст, увидеть ошибку. Но она не может проверить себя. Это должен делать человек. Студент, который сдаёт работу, сгенерированную нейросетью без проверки, сдаёт не знание — он сдаёт доверие к алгоритму, который может ошибаться.

И об этом мы, как преподаватели, говорим студентам всегда. Мы ЗА то, чтобы они использовали нейросети, но с умом. Не нужно надеяться полностью на алгоритм. Он еще недостаточно обучен и наши знания превыше, робота нужно проверять.

Для преподавателей нейросеть — это тоже интересный инструмент. Если дать  нейросети задачу: «Разработай план занятия на 80 минут», нейросеть предложит структуру, задания. Но отмечу, что даже при самом удачно написанном промте это не готовое занятие, но очень сильный черновик, который экономит часы подготовки. Можно ли написать при помощи нейросети научную статью? Можно. Но будем честны, она не пишет работу хорошо с точки зрения науки. Генерирует текст, который выглядит как научный, но профессионал чаще отличит его от написанного человеком.

Или другой пример. В сети описывается случай, когда учитель алгебры использовал нейросеть на уроке. Дети решали примеры, а нейросеть подробно объясняла каждый шаг. И учитель заметил: ученики начали сравнивать свой ход решения с ходом нейросети и находить свои ошибки. Вот это — правильное использование в образовании. Не «реши за меня», а «покажи, как ты решаешь, и я проверю себя». Нейросеть здесь работает как тренажёр, а не как шпаргалка.

Честно говоря, искусственный интеллект — это колоссальная помощь для преподавателя. Раньше, чтобы понять, что нового происходит в твоей области, нужно было читать десятки научных статей, журналов, законов, тратить недели, месяцы для подготовки к занятиям. Сегодня можно задать вопрос и получить обзор за пять минут.

Но здесь есть ловушка. Назовем ее «латентная дискриминация» — когда алгоритм воспроизводит исторические предубеждения. И мы с этим не раз сталкивались. В образовании это может проявиться так: нейросеть, обученная на старых текстах, может закреплять устаревшие подходы, а не предлагать новые. Если преподаватель слепо доверяет ИИ, он рискует учить студентов тому, что уже устарело.

Поэтому роль преподавателя не уменьшается — она просто сегодня меняется. Мы в том числе становимся и навигаторами. Мы помогаем студенту понять, где ИИ прав, где он ошибается, и почему. Профессионализм человека проявляется именно в этом — в способности отличить зерно от плевел, даже если последние сгенерированы красиво.

Мы подходим к вопросу, который лежит не в плоскости технологий, а в плоскости нравственности.

Когда студент просит нейросеть написать за него дипломную работу, он обманывает не только преподавателя. Он обманывает себя. Он крадёт у себя время, которое должен был потратить на обучение. Он крадёт у себя навык, который должен был приобрести. И, что самое важное, он крадёт у себя право называться специалистом.

Нейросеть не несёт за это ответственности. Она не знает, что такое честность. Она просто генерирует текст. Ответственность несёт человек. И это — ключевой момент нашего разговора. ИИ может быть орудием труда, а может быть орудием обмана. Выбор делает человек.

Сегодня есть нейросети, которые разговаривают голосом. Они могут поддержать беседу, задать вопрос, выслушать. Для человека, который одинок, это может быть спасением. Для человека в стрессе — возможностью выговориться, когда никого нет рядом или не хочется об этом говорить с реальным человеком. Нейросеть позволяет провести рефлексию: посмотреть на себя со стороны, увидеть свою проблему, подумать.

Но здесь мы подходим к самому главному. Может ли машина заменить человека в нравственном выборе? Считаем, что нейросеть  может имитировать эмпатию, но не может испытывать её. Она может сказать правильные слова, но не может взять на себя ответственность за их последствия. За ответом алгоритма нет ни сердца, ни души, ни готовности прийти на помощь. Это симуляция поддержки. И если человек начинает предпочитать эту симуляцию живому общению — он теряет что-то очень важное.

Поэтому ИИ может быть мостом к разговору с психологом, с другом, со священником. Но не пунктом назначения.

Ни одна из нейросетей не может заменить профессионала, который знает свой предмет не потому, что прочитал сгенерированный текст, а потому, что он думал, исследовал, ошибался и находил истину.

И вот главный вывод. Мы не должны выбирать между эффективностью и человечностью. Мы должны строить систему, где одно усиливает другое. Где ИИ освобождает время для живого общения между людьми, а не заменяет его.

Если нейросеть написала дипломную работу, кто несёт за нее ответственность? Студент, который нажал «сгенерировать»? Преподаватель, который не заметил? Разработчик, который обучил модель? Университет, который разрешил?

С точки зрения закона и с точки зрения нравственности, ответ один: ответственность несёт человек. Тот, кто принял решение использовать алгоритм. Тот, кто подписал работу своим именем. Тот, кто поставил оценку.

Искусственный интеллект не отменяет личную ответственность. Он её, пожалуй, даже обостряет. Потому что теперь у нас есть больше возможностей — а значит, больше искушений. Больше путей к обману — а значит, больше поводов для нравственного выбора.

Есть замечательная метафора. Когда появился автомобиль, люди испугались: он же опасен, он же может убить! И что произошло? Никто не запретил автомобили. Но появились правила дорожного движения, права, страховка, ответственность за вождение в нетрезвом виде. Технология потребовала новой этики.

То же самое происходит сейчас с ИИ. Он не злой и не добрый. Он — инструмент. Но этот инструмент требует от нас новых правил честности. Правил, которые мы должны сформулировать — и в университете, и в обществе.

ИИ даёт студенту огромную свободу. Но эта свобода должна сопровождаться пониманием: за результат отвечаешь ты, а не машина.

Если мы сможем воспитать в студентах это чувство — что нейросеть это не волшебная палочка, а инструмент, за использование которого нужно держать ответ перед своей совестью, — тогда мы решим главную задачу. Не техническую, а человеческую.

Внедрение ИИ в жизнь университета — это проект воспитания. Мы воспитываем студентов не только знаниями, но и тем, как мы сами обращаемся с технологиями. Если мы покажем им, что ИИ — это инструмент, а не замена совести, разума и ответственности, — мы вырастим поколение, которое умеет пользоваться технологиями, не теряя себя. А добиться этого, как представляется нам, можно только благодаря устным беседам со студентами по теме предмета, устным защитам. Да, проще провести тест, но что мы добьемся в итоге?

Нейросеть не делает нас профессионалом. Профессионалом становится человек, который умеет пользоваться нейросетью — и знает, когда её нужно выключить.»

Спасибо за внимание.