ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК ИНСТРУМЕНТ ТРАНСФОРМАЦИИ ИНЖЕНЕРНОГО ОБРАЗОВАНИЯ В УСЛОВИЯХ ЦИФРОВОЙ ЭКОНОМИКИ

Наукосфера. №10 (2), 2025 Педагогические науки ISSN 2542-0402 98 http://nauko-sfera.ru/ ПЕДАГОГИЧЕСКИЕ НАУКИ УДК 378 DOI 10.5281/zenodo.17529670 Научная статья ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК ИНСТРУМЕНТ ТРАНСФОРМАЦИИ ИНЖЕНЕРНОГО ОБРАЗОВАНИЯ В УСЛОВИЯХ ЦИФРОВОЙ ЭКОНОМИКИ ARTIFICIAL INTELLIGENCE AS A TOOL FOR THE TRANSFORMATION OF ENGINEERING EDUCATION IN THE CONDITIONS OF DIGITAL ECONOMY ШАНТАЕВ ЭДУАРД БОРИСОВИЧ, директор, Федеральное государственное автономное учреждение «Цифровые индустриальные технологии». ВЕРШИНИНА АЛИНА ВИТАЛЬЕВНА, заместитель начальника отдела реализации программ в сфере искусственного интеллекта, Федеральное государственное автономное учреждение «Цифровые индустриальные технологии». SHANTAEV EDUARD BORISOVICH, director, Federal State Autonomous Institution "Digital Industrial Technologies". VERSHININA ALINA VITALEVNA, Deputy Head of the Artificial Intelligence Program Implementation Department, Federal State Autonomous Institution "Digital Industrial Technologies". В статье рассматривается проблема трансформации классического инженерного высшего образования в условиях ускоренного развития цифровой экономики и появления гибридных профессий, предполагающих интеграцию технических, цифровых и коммуникативных компетенций. Обосновывается необходимость пересмотра традиционных образовательных траекторий с акцентом на формирование совокупности профессиональных, межличностных и цифровых навыков, обеспечивающих профессиональную гибкость и устойчивость выпускников. Особое внимание уделяется потенциалу применения технологий искусственного интеллекта в образовательной практике. На основе анализа современных цифровых тенденций делается вывод о том, что активное внедрение технологий искусственного интеллекта в образовательный процесс является важнейшим условием формирования у будущих инженеров целостного представления о современных производственных технологиях, а также повышения их готовности к профессиональной деятельности в условиях цифровой трансформации промышленности. Наукосфера. №10 (2), 2025 Педагогические науки ISSN 2542-0402 99 http://nauko-sfera.ru/ The article examines the transformation of classical engineering higher education in the context of the accelerated development of the digital economy and the emergence of hybrid professions that require the integration of technical, digital and communicative competences. The study substantiates the necessity of revising traditional educational trajectories, with an emphasis on developing a combination of hard, soft and digital skills that ensure graduates’ professional flexibility and resilience. Particular attention is devoted to the potential application of artificial intelligence technologies in educational practice. On the basis of an analysis of current digital trends, it is argued that the active implementation of artificial intelligence technologies in the educational process constitutes a crucial condition for enabling future engineers to acquire a comprehensive understanding of modern production technologies, as well as to enhance their readiness for professional activity within the context of industrial digital transformation. Ключевые слова: инженерное образование, гибридные профессии, образовательная траектория, цифровая трансформация, искусственный интеллект, персонализация обучения. Key words: engineering education, hybrid professions, educational trajectory, digital transformation, artificial intelligence, personalised learning. дной из ключевых мировых тенденций промышленного развития выступает ускоренная автоматизация производственных процессов. Внедрение интеллектуальных систем, роботизированных комплексов и цифровых платформ управления приводит к значительному изменению структуры занятости: наблюдается сокращение рабочих мест в секторах, ориентированных на выполнение рутинных, повторяющихся и низкоквалифицированных операций [6, c. 452]. В то же время возрастает потребность в специалистах, способных разрабатывать, управлять автоматизированными системами или выполнять функции оператора, а также анализировать большие массивы данных, обеспечивая устойчивое функционирование высокотехнологичных производств. В этих условиях подготовка кадров для Индустрии 4.0 становится приоритетной задачей государственного масштаба, обладающей стратегическим значением для обеспечения технологического суверенитета и устойчивого развития российской промышленности. Ее решение требует комплексного пересмотра содержания и форматов профессионального инженерного образования с акцентом на формирование компетенций, востребованных в условиях цифровизации, а также разработки новых образовательных подходов, ориентированных на получение практического опыта работы на высокотехнологичных производствах. Спрос на высоквалифицированных инженерных специалистов продолжает расти [3]. При этом стремительное развитие интеллектуальных технологий трансформирует инженерную профессию, выдвигая новые требования к специалистам — владением не только фундаментальными математическими методами, но и современными средствами информационнокоммуникационных технологий [5, с. 117]. Практика показывает, что инженерам все чаще приходится решать комплексные задачи, связанные с математическим моделированием и анализом технических объектов, расчетом и оптимизацией параметров технических систем, а также проектированием и внедрением высокотехнологичных решений. Эти процессы требуют не только глубоких инженерных знаний, но и компетенций в области программирования, обработки данных, системного анализа и цифрового проектирования. В результате наблюдается стабильный рост потребности в специалистах гибридного типа — профессионалов с мультидисциплинарной подготовкой, способных эффективно действовать на пересечении инженерных задач, информационных технологий и управленческих процессов. Одним из ключевых условий эффективной подготовки гибридных специалистов для нынешней экономики является обновление образовательных модулей с акцентом на интеграцию в них междисциплинарных курсов и практико-ориентированных форматов обучения для получения уникальных навыков работы с интеллектуальными технологиями. О Наукосфера. №10 (2), 2025 Педагогические науки ISSN 2542-0402 100 http://nauko-sfera.ru/ В современной промышленной среде инженерные решения все чаще требуют знания цифровых инструментов — от языков программирования и основ работы с данными до навыков использования PLM-систем, CAD/CAM/CAE-систем, SCADA/АСУ ТП-систем, цифровых двойников, промышленных IoT-платформ и технологий машинного обучения. В связи с этим особую значимость приобретают учебные модули, направленные на формирование у студентов способности применять информационно-коммуникационные технологии на практике. Подобные курсы не только способствуют формированию новых технологических компетенций, но и развитию системного мышления, необходимого для эффективной работы в условиях высокой степени технологической сложности, междисциплинарности и неопределенности, характерных для текущей промышленной ситуации, развивающейся в условиях санкционного воздействия со стороны недружественных стран. Существенным компонентом подготовки гибридных специалистов является развитие устойчивого партнерства между образовательными учреждениями, промышленными предприятиями и научно-исследовательскими организациями. Такое взаимодействие создает благоприятные предпосылки для внедрения практико-ориентированных форматов обучения, предполагающих вовлечение студентов в научно-исследовательскую и опытноконструкторскую деятельность (НИОКР), прохождение производственных стажировок, а также участие в решении прикладных технологических задач, актуальных для отрасли. Участие студентов в реальных НИОКР-проектах позволяет им получить комплексное представление о полном цикле создания инновационных решений — от идеи до прототипа, и формирует устойчивый интерес к дальнейшему профессиональному и научно-техническому развитию. Применение подобных подходов обеспечивает высокую степень соответствия содержания образовательных программ современным требованиям рынка труда и способствует формированию у студентов профессиональной идентичности на ранних этапах образовательной траектории. Экономика России в нынешний период сталкивается с множеством вызовов и угроз, в том числе в отставании в области разработки и внедрения новых и перспективных технологий [7]. По итогам 2023 года процент организаций, осуществляющих деятельность в различных отраслях экономики, применяющих технологии искусственного интеллекта для выполнения прикладных задач, составил чуть более 30 % [8]. Это существенно замедляет темпы трансформации промышленного сектора. Насколько эта проблема остро стоит на практике, показывают результаты аналитического исследования по внедрению решений в области искусственного интеллекта в отраслях промышленности, проведенного в 2024 году Федеральным государственным автономным учреждением «Цифровые индустриальные технологии» [2]. На текущий момент среди промышленных предприятий, которые уже начали внедрение решений в области искусственного интеллекта (ИИ, ИИ-решения), более половины (53 %) уже используют ИИ-решения в промышленной эксплуатации, что свидетельствует о достижении определенного уровня зрелости в их использовании. При этом, анализ готовности работников к внедрению ИИ-решений показывает, что наибольшая доля (38 %) приходится на нулевой уровень, где работникам необходимы дополнительные навыки. На уровне, где работники уже обучены взаимодействию с ИИ системами, находятся 22 % сотрудников. Уровень, где работники активно используют системы данных и ИИ, составляет 12 %. По 9 % приходится на так называемый «управляемый уровень», где работники уже обладают необходимыми компетенциями. Наименее представлен «оптимизированный уровень» — 4 %, который характеризуется постоянным совершенствованием своих навыков работниками. Полученные данные показывают на неравномерность распределения компетенций в сфере ИИ. Одним из основных ограничивающих факторов промышленного развития продолжает выступать нехватка специалистов с необходимым уровнем подготовки. Особенно остро Наукосфера. №10 (2), 2025 Педагогические науки ISSN 2542-0402 101 http://nauko-sfera.ru/ ощущается дефицит квалифицированных кадров, обладающих междисциплинарными (гибридными) компетенциями. Запрос промышленности на указанных специалистов порождает новую категорию профессиональных требований, выходящих за рамки традиционных инженерных квалификаций и предполагающих уверенное владение инструментами цифрового моделирования, анализа больших данных, программирования, а также понимание основ системной интеграции, автоматизации и цифровой безопасности. Таким образом, речь идет не просто о точечной модернизации содержания образовательных программ, а о структурной трансформации всей системы инженерной подготовки, предполагающей переход к концептуальной модели «Образование 4.0», в которой технологии искусственного интеллекта, в том числе виртуальной и дополненной реальности, технологии обработки естественного языка, распознавания и синтеза речи, виртуальные лаборатории становятся неотъемлемыми компонентами образовательной среды [1, c. 10–11]. В указанной модели предполагается смещение приоритетов — уход от подготовки узкоспециализированных кадров к формированию многопрофильных специалистов, обладающих способностью к адаптации в условиях высокой неопределенности и нестандартных производственных и технологических ситуаций [10, p. 6–7]. Реализация данной модели предполагает не только концептуальное переосмысление целей и форматов обучения, но и высокий уровень готовности образовательных учреждений к интеграции ИИ-технологий в учебный процесс. На практике наблюдается, что внедрение искусственного интеллекта в систему высшего образования осуществляется преимущественно фрагментарно и с заметным отставанием от темпов цифровой трансформации промышленного сектора. Для преодоления существенного разрыва между уровнем технологического развития промышленности и текущим состоянием образовательной среды требуется реализация комплекса практико-ориентированных мер, направленных на системное внедрение цифровых технологий в инженерное образование. В первую очередь, важнейшим направлением трансформации учебного процесса становится разработка и внедрение междисциплинарных образовательных модулей, интегрирующих технологии искусственного интеллекта с инженерными и техническими направлениями подготовки. Подобные курсы обязательного характера формируют у студентов целостное представление о современных цифровых инструментах и их прикладном использовании в профессиональной деятельности. В части реализации практико-ориентированного подхода важным является не только обновление образовательных модулей, но и обучение студентов и преподавателей взаимодействию с ИИ-технологиями. Среди таких технологий можно выделить генеративные модели ИИ, способные создавать адаптивные обучающие материалы и проектные задания, интеллектуальные системы анализа больших данных, технологии компьютерного зрения и машинного обучения для моделирования и оптимизации инженерных решений. Кроме того, высокую обучающую ценность представляют цифровые лаборатории и полигоны, аддитивные технологии и платформы виртуальной и дополненной реальности, обеспечивающие иммерсивный формат освоения сложных технических процессов. Представляется обоснованным провести выделение и анализ отдельных технологий искусственного интеллекта, оказывающих наибольшее положительное влияние на образовательный процесс. Одним из наиболее перспективных направлений применения искусственного интеллекта в высшем инженерном образовании является использование больших языковых моделей (Large Language Models, LLM), которые демонстрируют высокую способность к обработке, интерпретации и генерации текстовой информации. Большие языковые модели функционируют на основе нейросетевых архитектур, в первую очередь, трансформеров, использующих Наукосфера. №10 (2), 2025 Педагогические науки ISSN 2542-0402 102 http://nauko-sfera.ru/ механизмы внимания для анализа и воспроизведения сложных закономерностей в данных. Эти модели обучаются на больших массивах информации, что позволяет им создавать новые материалы, схожие по структуре и смыслу с исходными. Технологическая основа LLM включает методы машинного обучения, глубокого обучения и вероятностного моделирования, обеспечивающие способность системы синтезировать оригинальный контент и адаптировать его под конкретные запросы пользователя. Благодаря данной технологии осуществляется автоматизация рутинных задач, генерация материалов, конспектов, упрощение поиска релевантной информации по техническим тематикам. Например, при помощи таких моделей возможно формирование индивидуализированных проектов, генерация лабораторных условий, сценариев отказов оборудования для анализа причин и последствий технических сбоев. Однако, несмотря на высокий потенциал указанной технологии, ее внедрение меняет природу учебной деятельности — традиционная модель обучения, в которой основное внимание сосредоточено на передаче знаний «от учителя к ученику» и последующем их воспроизведении, утрачивает свою доминирующую роль, поскольку роль преподавателя трансформируется в наставника и модератора учебного процесса. При всей функциональной гибкости и потенциале указанной технологии, ее использование сопряжено с рядом актуальных вопросов, в частности — обеспечением конфиденциальности информации и предотвращении утечек персональных данных. Поскольку взаимодействие с такими моделями зачастую предполагает ввод чувствительной информации, включая учебные данные, персональные разработки студентов, особое значение приобретает соблюдение принципов кибербезопасности и правового регулирования обработки данных [1, c. 15–16]. Одним из ключевых направлений интеграции цифровых технологий в образовательную среду становится использование больших данных (Big Data), поступающих с промышленных предприятий. Это направление отражает стратегическую тенденцию сближения образования и реального сектора экономики в рамках модели «Образование 4.0», где обучение строится не только на теоретических знаниях, но и на данных, получаемых в условиях реального производства. Большие данные, генерируемые предприятиями через функционирование сенсоров, цифровых платформ, IoT-устройств, CAD/CAM/CAE-систем, PLM и SCADA-систем содержат в себе ценный ресурс для формирования практико-ориентированного контента. Их интеграция в образовательный процесс позволяет существенно повысить реалистичность учебных задач, обеспечивая моделирование сложных производственных сценариев. Технологии виртуальной и дополненной реальности (VR/AR) также занимают ключевое место среди инструментов, обеспечивающих переход к гибкой образовательной среде. Они позволяют сделать процесс обучения более наглядным, интерактивным и приближенным к реальным условиям профессиональной инженерной деятельности [4, c. 114]. Указанные технологии дают возможность отрабатывать навыки в безопасной и управляемой среде, а также в критических ситуациях позволяют моделировать производственные линии. Например, управление виртуальными станками и промышленными роботами, диагностика и обслуживание оборудования, симуляция медицинских, инженерных или логистических процессов. Такой формат обучения обеспечивает более глубокое понимание производственных процессов, развивает практические навыки принятия решений, анализа в нестандартных ситуациях и взаимодействия с высокотехнологичными системами. Внедрение указанной технологии в образовательный процесс формирует отдельное направление по геймификации образования, что способствует развитию у студентов мягких навыков — сотрудничества, умения работать в сложносоставной команде, критического мышления, творческого подхода к решению проблемы, быстрой адаптивности [9, c. 406]. Также геймификация способствует Наукосфера. №10 (2), 2025 Педагогические науки ISSN 2542-0402 103 http://nauko-sfera.ru/ системному развитию цифровых компетенций обучающихся, включая уверенное и осознанное использование цифровых инструментов и ресурсов. Технологическое объединение вышеуказанных ИИ-решений открывает качественно новые возможности для обучения при их функционировании в специально созданных виртуальных лабораториях — программно-аппаратных комплексах, позволяющих проводить наглядные эксперименты с образцами промышленного оборудования, материалами, данными с приборов. Ключевым отличием виртуальных лабораторий от других электронных образовательных ресурсов, используемых в современном образовательном пространстве, является наличие специализированного программного обеспечения, которое предоставляет уникальную возможность проведения учебного эксперимента, наблюдения за ним в режиме реального времени, а также получения по итогам необходимого набора данных для последующего анализа. Такое синергетическое взаимодействие ИИ-технологий способствует формированию многофункциональной цифровой образовательной среды, ориентированной на развитие многопрофильных компетенций. Развитие профильных знаний, мягких навыков и цифровой компетентности, усиленное использованием технологий искусственного интеллекта в образовательном процессе, способствует эффективной адаптации специалистов к быстро меняющимся условиям, решению комплексных задач и внедрению инноваций. Такой комплексный подход с опорой на ИИ играет ключевую роль в подготовке квалифицированных и конкурентоспособных инженеров будущего. Внедрение технологий искусственного интеллекта в образовательное пространство следует рассматривать как неотъемлемый элемент модернизации всей системы высшего образования, а технического в особенности. Однако реализация потенциала искусственного интеллекта требует комплексного подхода, включающего как внедрение соответствующей технической инфраструктуры, подготовку преподавательских кадров к работе с интеллектуальными технологиями, так и детальную проработку этических, правовых и организационных аспектов. Только при соблюдении указанных условий возможно эффективное и ответственное использование технологий искусственного интеллекта в образовательных целях, обеспечивающее не только технологический прогресс, но и устойчивое развитие личности обучающегося. СПИСОК ЛИТЕРАТУРЫ 1. Абрамовский А. Л., Абрамовский Д. А., Белоножко М. Л. Образование 4.0 в информационном обществе: возможности, технологии и компоненты, риски и вызовы // Известия высших учебных заведений. Социология. Экономика. Политика. 2025. Т. 18. № 2. С. 7–20. 2. Аналитический отчет по внедрению решений в области искусственного интеллекта в отраслях промышленности. С. 1–12. URL: https://ict.moscow/static/71626349-1f91-53c1-855f9d067640db60.pdf (дата обращения 15.09.2025). 3. Информационная справка Института статистических исследований и экономики знаний НИУ ВШЭ об уровне спроса российских предприятий на высококвалифицированные инженерные кадры. URL: https://issek.hse.ru/news/875130529.html?ysclid=mgrqhx0iwv277192654 (дата обращения 10.10.2025). 4. Козлов А. В. Виртуальная и дополненная реальности в высшем техническом образовании // Современное педагогическое образование. 2023. № 2. С. 111–115. 5. Моисеева Н. А., Полякова Т. А. Развитие компетенции в области управления информацией и данными у студентов инженерно-технического профиля // Наука о человеке: гуманитарные исследования. 2025. Т. 19, № 2. С. 116–128. 6. Назарова А. Д., Сулимин В. В. Изменения на рынке труда под влиянием искусственного интеллекта: перспективы будущего // Международный журнал прикладных наук и технологий «Inte- Наукосфера. №10 (2), 2025 Педагогические науки ISSN 2542-0402 104 http://nauko-sfera.ru/ gral». 2023. № 2. С. 450–457. 7. Указ Президента Российской Федерации от 13 мая 2017 г. № 208 «О Стратегии экономической безопасности Российской Федерации на период до 2030 года» // Собрание законодательства Российской Федерации. 2017. № 20. Ст. 2902. 8. Указ Президента Российской Федерации от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года»). (с изм. и доп.) // Собрание законодательства Российской Федерации. 2019. № 41. Ст. 5700. 9. Шарова Е. И., Лорсанова З. М. Перспективы применения технологий виртуальной дополненной реальности в высшем образовании // Педагогический журнал. 2023. Т. 13, № 8А. С. 404–410. 10. Tikhonova E., Raitskaya L., Education 4.0: The Concept, Skills, and Research // Journal of Language and Education. 2023. Vol. 9. No 1. P. 7–20. Поступила в редакцию: 31.10.2025 © Шантаев Э. Б., Вершинина А. В., 2025. Принята в печать: 25.11.2025