Дата публикации: 01 апреля 2026
Источник: Институт статистических исследований и экономики знаний (ИСИЭЗ) Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ)
Категории: Образование, Наука, Искусственный интеллект, Инновации
Сигналы: Trend, Watch
Описание-резюме отчета
Отчет, подготовленный ИСИЭЗ НИУ ВШЭ, продолжает серию публикаций «Будущее науки» и посвящен вопросам применения искусственного интеллекта (ИИ) в российской науке. Он основан на 30 экспертных интервью с ведущими российскими учеными и предоставляет глубокий анализ текущего состояния, мотивов, эффектов, рисков и барьеров использования ИИ, а также необходимых мер поддержки. Отчет релевантен для ученых, руководителей научных организаций и вузов, а также для органов управления, ответственных за интеграцию ИИ в науку.
Сама суть
Применение ИИ в российской науке пока носит ограниченный и неоднородный характер, хотя базовый опыт работы с ИИ-сервисами есть у многих ученых. Мотивация к использованию ИИ прагматична (экономия времени, обработка данных) и личностна (интерес к новому), но освоение происходит преимущественно через самообразование. Ключевые позитивные эффекты включают экономию времени, снижение расходов и новые возможности для анализа данных, в то время как основные риски связаны с утратой критического мышления. Главные барьеры — низкое качество отечественных ИИ-решений, ограниченность данных и инфраструктурные проблемы.
Ключевые инсайты для СЕО
Что работает
- Экономия времени и снижение рутинной нагрузки: Зарубежные ИИ-сервисы эффективно используются для технических задач, таких как редактирование, перевод текста и систематизация информации, освобождая время ученых для творческих задач.
- Улучшение качества англоязычных текстов: ИИ значительно повышает конкурентоспособность российских научных работ на международной арене, преодолевая языковой барьер.
- Новые возможности для анализа данных: ИИ незаменим для обработки больших объемов данных, анализа комплексных и разнородных данных, а также для моделирования, что открывает путь к новым открытиям.
Что НЕ работает
- Низкое качество отечественных ИИ-моделей: Российские аналоги уступают зарубежным по качеству работы с англоязычными текстами, интерфейсу, поиску информации и визуальной генерации, что отталкивает пользователей.
- Проблема ограниченности и качества данных: Сложность сбора, недостаточные объемы, необходимость обработки и институциональные барьеры обмена данными серьезно ограничивают применение ИИ во всех областях науки.
- Нехватка компетенций и медиаторов: Отсутствие специалистов, способных соединить научную предметную область с ИИ-технологиями, препятствует эффективному внедрению ИИ-решений.
Радар возможностей и ловушек
| Возможности | Ловушки |
|---|---|
| Автоматизация рутинных задач для повышения продуктивности | Риск утраты критического мышления и творческого потенциала у ученых |
| Ускоренный и углубленный анализ больших и сложных данных | Увеличение потока некачественных научных публикаций и связанной с этим нагрузки |
| Снижение финансовых и временных затрат на вспомогательные процессы | Усиление неравенства между научными областями и учеными по доступу и компетенциям ИИ |
| Повышение конкурентоспособности российских ученых на международной арене за счет качества публикаций | Технические барьеры (дороговизна доступа, санкции, отсутствие мощностей) к передовым ИИ-технологиям |
| Развитие междисциплинарных команд для создания и внедрения ИИ-решений | Технологическая апатия и предубежденность части научного сообщества к ИИ |
Что это значит для бизнеса
- Для разработчиков ИИ-решений: Необходимо сосредоточиться на улучшении качества отечественных моделей, особенно в работе с академическим английским и генерации визуального контента, а также на создании удобных и доступных интерфейсов. Важно развивать специализированные решения, учитывающие особенности конкретных научных областей и необходимость работы с ограниченными датасетами.
- Для научных организаций и вузов: Следует инвестировать в программы обучения и повышения квалификации по работе с ИИ, создавать междисциплинарные команды с ИИ-специалистами и «медиаторами». Необходим долгосрочный план по улучшению инфраструктуры и доступу к мощным вычислительным ресурсам, а также проработка политики обмена и обработки данных.
- Для государственных органов и фондов: Важно обеспечить долгосрочное и стабильное финансирование для освоения ИИ-технологий, а также создать правовые рамки для допустимого использования ИИ, включая вопросы интеллектуальной собственности и конфиденциальности данных. Необходимо стимулировать сотрудничество между наукой и бизнесом для разработки и внедрения эффективных ИИ-решений.
Вопросы для управленческой команды
- Как мы можем адаптировать наши образовательные программы и исследовательские проекты для более активного и эффективного использования ИИ, учитывая его текущие ограничения?
- Какие меры мы можем предпринять для улучшения доступа к качественным ИИ-решениям (как зарубежным, так и отечественным) и развития необходимых компетенций внутри нашей организации?
- Как мы можем стимулировать создание и участие в консорциумах по обмену данными, чтобы преодолеть барьеры, связанные с их ограниченностью и качеством?
Stratsessions Signals
- Trend: Стремительный рост использования ИИ в науке, особенно для автоматизации рутинных задач, улучшения качества публикаций и расширения возможностей анализа данных.
- Watch: Высокая зависимость от зарубежных ИИ-решений и необходимость развития конкурентоспособных отечественных аналогов.
- Watch: Необходимость баланса между использованием ИИ и сохранением критического мышления, предотвращение деградации научных навыков.
Для кого полезно
- СЕО и топ-менеджеры в образовательной и научной сферах
- Директора по стратегическому развитию и инновациям в R&D-подразделениях
- Разработчики ИИ-технологий и стартапы, ориентированные на научный сектор
Call to Action
- Заказать разбор для своей отрасли
- Подпишитесь на Stratsessions Digest: 5 отчетов → 5 идей → 5 минут