Поэтому ИИ при поиске литературы используется для первичного сбора информации, но найденные результаты затем верифицируются вручную. Например, ИИ может подсказать, какие направления исследований сейчас актуальны, или даже предоставить краткий конспект статьи, но финальную проверку — прочитать оригинал статьи, убедиться в корректности ссылок — исследователи оставляют за собой. Из-за необходимости верификации и написания очень подробного промпта некоторые респонденты отмечали, что зачастую включение ИИ на этом этапе может даже замедлять процессы.
66% опрошенных преподавателей и учёных в России постоянно используют ИИ в работе
Об этом говорят результаты исследования Центра научной коммуникации ИТМО, Яндекс Образования и Центра технологий для общества Yandex Cloud — в нём участвовали сотрудники 16 российских вузов, которые совмещают преподавание с научной деятельностью.
10 марта 2026 г.
15 минут чтения
Краткий пересказ YandexGPT
- 84% опрошенных отметили, что использование ИИ ускоряет ключевые этапы исследований: от поиска литературы до обработки данных.
- 58% считают, что подготовка материалов к занятиям вместе с нейросетями стала проще и быстрее.
- 83% опрошенных используют нейросети в преподавательской деятельности — например, для генерации заданий (52%), подготовки презентаций (45%) и автоматизации административных задач (32%).
- 82% преподавателей интегрируют ИИ в профессиональные задачи: для анализа профильных текстов и изображений (54%), обработки больших массивов данных (29%), создания графиков и схем (31%).
- В инженерных и IT-направлениях 25% опрошенных используют ИИ для генерации и отладки кода, 23% — для распознавания изображений, речи и символов.
- В исследовательской работе ИИ чаще всего используют для поиска и анализа научной литературы (69%), работы с текстами (56%), анализа и визуализации данных (47%).
- ИИ помогает быстрее сориентироваться в новых темах, собрать первичную библиографию и заметить актуальные тренды, но верификацию источников, изучение оригиналов статей и интерпретацию результатов учёные оставляют за собой.
84% опрошенных отметили, что использование ИИ ускоряет ключевые этапы исследований: от поиска литературы до обработки данных. Больше половины (58%) считает, что подготовка материалов к занятиям вместе с нейросетями стала проще и быстрее.
В вузах ИИ уже не воспринимается как экспериментальная технология: 83% опрошенных сказали, что используют нейросети в преподавательской деятельности. Например, 52% генерируют задания, кейсы и тесты, 45% готовят презентации и визуализируют информацию, а 32% автоматизируют административные задачи — составляют расписание или официальные письма. Участники опроса отметили, что делегируют нейросетям рутину, а освободившееся время используют для научно-исследовательской, аналитической и методической работы.
Кроме того, 82% преподавателей, принявших участие в опросе, интегрируют ИИ в профессиональные задачи. Так, 54% респондентов используют его для анализа профильных текстов и изображений, 29% — для обработки больших массивов данных, 31% — для создания графиков и схем. В инженерных и IT-направлениях нейросети внедряют и в работу с кодом: для генерации и отладки решений к ним обращаются 25% опрошенных, для распознавания изображений, речи и символов — 23%.
ИИ показал свою пользу и в исследовательской работе. Чаще всего нейросети используют для поиска и анализа научной литературы (69%), работы с текстами (56%), анализа и визуализации данных (47%). Часть опрошенных задействует ИИ в узкоспециализированных областях: от разработки новых материалов и химических соединений до социального, экономического и гуманитарного моделирования.
Участники исследования отмечают, что ИИ помогает быстрее сориентироваться в новых темах, собрать первичную библиографию и заметить актуальные тренды, но верификацию источников, изучение оригиналов статей и интерпретацию результатов учёные оставляют за собой.
При этом большинство респондентов осваивали ИИ-сервисы самостоятельно — лишь 38% проходили обучение. Особенно специалистам не хватает образовательных программ — для тех, кто уже активно использует ИИ, но хочет углубляться в технические детали. Треть преподавателей и исследователей (33%) ждёт от вузов поддержки интеграции ИИ в рабочие процессы: от инфраструктуры до доступа к инструментам.
Кроме того, опрошенные хотят изучать успешные примеры применения ИИ в исследованиях и преподавании. Также есть запрос на новые специализированные решения для образования, в особенности на инструменты, которые могут генерировать задачи по параметрам, персонализировать учебный процесс и создавать проверочные задания с развёрнутой обратной связью.
В статье подробно рассказываем о результатах исследования.
Использование ИИ в научной деятельности
Научная деятельность выигрывает от ИИ прежде всего за счёт ускорения рутинных задач: поиска литературы, анализа данных и написания черновиков — это позволяет сэкономить время и силы.
Поиск и обзор научной литературы
Многие респонденты отмечают, что ИИ существенно ускоряет этап ознакомления с новыми темами и сбора библиографии. Вместо того чтобы тратить часы на ручной поиск статей через классические поисковики и библиотеки, исследователи стали обращаться к специализированным ИИ-сервисам. Наиболее популярны упоминания о ChatGPT и аналогичных больших языковых моделях (Alice AI LLM, DeepSeek, Gemini, GigaChat, Claude) с подключением к интернет-поиску, а также о Perplexity.ai и Elicit. Эти системы позволяют по произвольному запросу найти релевантные источники и суммаризировать их содержимое.
Вместе с тем, отношение к подобным инструментам осторожное. Респонденты понимают, что сгенерированные обзоры могут содержать неточности и выдуманные источники. Были случаи, когда ИИ выдавал убедительно выглядящий список литературы, из которого часть ссылок не существовала — такая галлюцинация особенно опасна на этапе обзора источников.
Анализ данных и программирование
Для исследователей, работающих с данными, модели ИИ стали своеобразными помощниками в программировании. Простой и распространённый сценарий: с помощью LLM написать фрагмент кода или найти ошибку в уже существующем. Даже те, кто уверенно программируют сами, оценили, что ИИ может заметно сэкономить время на рутинных частях кода, погружении в синтаксис незнакомой библиотеки и т. п.
Кроме программирования, ИИ стали привлекать для непосредственного анализа научных данных. Через инструменты с режимом Python™-компилятора исследователи загружают части своих данных и просят систему выполнить базовые шаги: построить корреляционную матрицу, проверить гипотезу на небольшом датасете. Это экономит время на промежуточных этапах эксперимента и позволяет быстро понять, стоит ли развивать ту или иную идею. Разумеется, в таких случаях остро стоит вопрос сохранности данных — несколько респондентов отметили, что никогда бы не загрузили в публичный ИИ-сервис сырые научные данные или важные результаты до публикации.
Те, кто всё же экспериментирует с анализом через внешние модели, стараются либо обезличить и упростить данные, либо используют локальные офлайн-инструменты с открытым кодом.
Написание научных статей и отчётов
Стадия оформления результатов — написание статьи, заявки или отчёта — тоже не обходится без применения ИИ-инструментов. Большинство опрошенных крайне осторожно относятся к идее поручить ИИ написать полноценный научный текст за них: здесь сказывается и вопрос этики (авторство), и недостаточное качество генерации. Однако в роли «умного текстового редактора» ИИ получил широкое признание. Многие респонденты используют те же большие языковые модели для редактуры и улучшения текста: особенно это актуально, когда статья пишется на английском языке.
Ещё один распространённый сценарий — использование ИИ для преодоления творческого ступора. Ряд ученых признались, что иногда сталкиваются с «эффектом белого листа», когда трудно начать изложение или сформулировать новую гипотезу. В таких случаях они обращаются к LLM как к собеседнику: излагают проблему и просят накидать подходы или предположения. Поэтому на этапе брейншторминга ИИ может выступать как генератор дополнительных теорий.
ИИ как со-ученый
Всех респондентов спросили, рассматривают ли они на данном этапе развития искусственный интеллект как со-ученого. Интервьюеры уточняли, помог ли он когда-то модернизировать гипотезу, по-другому интерпретировать полученные результаты или по-новому взглянуть на эксперимент или саму научную работу. Подавляющее большинство респондентов отметили, что не могут сейчас назвать искусственный интеллект своим коллегой, но используют его как ассистента, помощника или очень удобный инструмент для увеличения скорости научной работы.
Эффекты и ограничения
Обобщая опыт применения ИИ в науке, практически все отмечают кратное ускорение рабочих процессов. Рутина, которая раньше занимала дни, теперь может быть сделана за часы или минуты. Скорость — главный выигрыш от ИИ-сервисов на этом этапе. Их влияние на качество воспринимается противоречиво. Многие отмечают, что сейчас не полагаются на ИИ в критичных решениях там, где нужна научная точность.
С другой стороны, есть и примеры реально полезного практического применения: упомянутое улучшение английского языка в статьях, ускорение первичного анализа данных, оформление списков литературы по заданному шаблону и т. д.
Таким образом, в научной деятельности ИИ пока воспринимается скорее как «ускоритель» и черновой помощник, но не как самостоятельный исследователь. Ни один из опрошенных не выразил готовности доверить модели, скажем, постановку научного эксперимента или определение итоговых выводов без человеческой проверки. В то же время все признают, что роль ИИ в науке будет расти и важно уже сейчас выработать подходы к его ответственному использованию.
Использование ИИ в преподавательской деятельности
В преподавательской работе ИИ помогает генерировать учебные материалы и обновлять содержание курсов. Но остро стоят вопросы академической честности: студенты массово используют ИИ, и это вынуждает пересматривать подходы к проверке знаний.
Подготовка учебных материалов
Одна из самых рутинных задач преподавателя — составление методических материалов: лекций, презентаций, заданий для практических занятий, тестов для контроля знаний. Многие респонденты признались, что ИИ уже стал для них подспорьем в генерировании подобных материалов.
В быстро развивающихся областях лекционный материал устаревает уже через год или два, и преподавателю приходится перед каждым новым потоком актуализировать курс. Многие респонденты выразили желание делегировать ИИ эту задачу. Так, одна преподавательница рассказала, что ежегодно читает раздел о новых технологиях МРТ и каждый раз вручную добавляет на слайды информацию о последних исследованиях.
Представители гуманитарных направлений отметили возможность привлекать ИИ для подбора примеров и упражнений. Преподаватель иностранных языков, к примеру, может попросить модель сгенерировать предложения с нужным грамматическим правилом или придумать небольшой текст для чтения.
Создание презентаций и визуальных материалов
Некоторые опрошенные пробовали специальные сервисы для генерации презентаций и отмечали их преимущества. Но большинство высказались о подобных решениях скептически. Несколько преподавателей отметили, что генеративный дизайн слайдов пока даёт слишком общий, «гладкий» контент, лишённый индивидуальности, или неправильно расставляет акценты. Поэтому многие предпочитают либо полностью самостоятельно делать презентации, либо использовать ИИ в ограниченной роли — например, генерировать текстовое содержание, а оформление и расстановку по слайдам выполнить самим.
Оценивание и обратная связь
Автоматизировать проверку работ желают многие преподаватели, но в реальности пока немногие доверяют это ИИ. Причины разные: кто-то сомневается в объективности модели, у кого-то просто не было времени внедрить такой процесс.
Несколько участников рассказали, что экспериментировали с ИИ как с вспомогательным средством проверки. Так, преподаватель дисциплины по машинному обучению пытался стандартизировать формат сдачи расчётных работ, чтобы затем предоставить их модели для проверки, но пришел к выводу, что слишком много усилий уходит на подготовку данных для ИИ и проще просмотреть работы самому.
Впрочем, ситуация стремительно развивается, и запрос на автоматизацию оценивания растёт — особенно в условиях, когда студенты начинают активно использовать ИИ. Российские преподаватели тоже отмечают рост «нечестного» использования ИИ студентами — в первую очередь для написания эссе и рефератов.
При этом часть педагогов пытается повернуть ситуацию в позитивное русло: интегрировать ИИ в учебный процесс осознанно. Несколько участников исследования упомянули, что давали студентам задания с использованием ИИ. Например, сгенерировать текст на заданную тему с помощью модели, а потом его критически проанализировать: найти ошибки, логические пробелы, обсудить в классе недостатки ответа ИИ. Такой подход позволяет, во-первых, отточить у студентов навыки критического мышления, а во-вторых, уменьшает соблазн просто сдать ИИ-текст как свой.
Кроме того, в некоторых вузах уже идут официальные инициативы: например, респондентка из ИТМО упомянула, что для нового набора студентов ввели обязательный курс по промпт-инжинирингу, чтобы обучить их корректному использованию языковых моделей с самого начала обучения.
Использование ИИ в административной деятельности
Административные обязанности в университетах зачастую отнимают у преподавателей и исследователей не меньше времени, чем основная научная и преподавательская работа.
Подготовка заявок, отчётов и иных документов
Все респонденты отметили, что так или иначе регулярно сталкиваются с подготовкой различных документов: грантовых заявок, отчётов по НИР, справок, учебно-методических планов и т. д. Многие документы пишутся по шаблонам с повторяющимися формулировками. Участники признали огромный потенциал генеративных моделей — многие используют LLM для чернового написания таких текстов. Но некоторые отмечают, что не рискуют доверять подготовку важной документации ИИ.
Другой пример — автоматическое заполнение повторяющихся форм — например, списков публикаций по заданному формату, учебных планов и справок о нагрузке. Один из респондентов упомянул, что ещё до появления мощных моделей у него были написаны собственные макросы для автозаполнения типовых форм. Теперь, с приходом LLM, он значительно расширил эти наработки: он загружает в модель исходные данные и просит сгенерировать готовый документ по образцу — ИИ отлично справляется с этой задачей, мгновенно выдавая таблицы и тексты в нужном формате.
Деловая переписка
Интересный разброс мнений наблюдался по поводу использования ИИ для написания писем. Некоторые признаются, что периодически используют подсказки моделей, чтобы сформулировать вежливый ответ на запрос или составить приглашение, особенно если письмо на иностранном языке. Другие же, напротив, принципиально этого не делают. Несколько респондентов высказались категорично и мотивировали это тем, что общение с живым человеком требует личного участия.
Организация встреч и расшифровка записей
Несколько респондентов из числа руководителей лабораторий или проектов упомянули, что значительная часть их рутины связана с планированием мероприятий, созвонов и протоколированием совещаний. Здесь возможностей у ИИ-сервисов тоже много. Самый простой сценарий: использование авторасшифровщиков для аудиозаписей. Инструменты на базе технологии распознавания речи позволяют записать весь разговор и получить текст, который потом легче просмотреть и извлечь ключевые моменты.
Продвинутый сценарий, о котором пока только мечтают некоторые респонденты, — автоматический ассистент календаря и почты. Многим хотелось бы, чтобы ИИ умел сам согласовывать время встреч, напоминать о дедлайнах и сортировать письма. Но на пути этого стоят опасения относительно безопасности передачи личных данных. Почти все опрошенные выразили недоверие к идее предоставить внешней модели доступ к своим корпоративным календарям и почтовым ящикам.
Финансы и договоры
В административной работе исследователей нередко появляются задачи вроде составления сметы по гранту, отслеживания бюджета проекта, работы с договорами. Эти аспекты тоже обсуждались как потенциальное поле для внедрения ИИ. То же относится и к финансам: распределение средств по статьям, контроль расходов по проекту — всё это респонденты рады были бы доверить ИИ.
В целом интерес к помощи ИИ в административных делах высокий. Никто из опрошенных не считает дополнительную бюрократическую нагрузку ценным трудом, поэтому при гарантии безопасности люди были бы не против делегировать ИИ составление однотипных справок, заполнение таблиц, планирование расписания и подготовку шаблонных писем. Пока же этого не случилось, некоторые создают себе небольшие скрипты и макросы, другие просто мирятся с тратой времени. В этом участники усмотрели большой резерв для новых решений: автоматизация менеджерской рутины могла бы повысить эффективность их работы и освободить время для науки и преподавания, особенно об этом говорят руководители лабораторий и научных групп.
Центр технологий для общества Yandex Cloud реализует социально значимые проекты в области образования и науки, здравоохранения, экологии и культуры. Если у вас есть похожие проекты, заполните заявку.
