Великобритания

Обновлены материалы по ИИ для школ

Министерство образования Великобритании обновило комплект методических материалов «Использование ИИ в образовательных организациях» для 2026/27 учебного года.

Материалы включают слайды, видео с расшифровками, краткие конспекты, проверочные задания и разнообразные шаблоны. 

Все можно найти в открытом доступе по ссылке.


Много.  

https://www.gov.uk/government/collections/using-ai-in-education-settings-support-materials

И снова про науку.

Как кажется, значительную часть нерешенных вопросов подобного плана, решат в ближайшем будущем.

Пока решаются задачи, которые ставил один человеческий мозг для себя самого или для решения другими человеческими мозгами.

Похоже, это время заканчивается.

Следующий этап.

Для решения какой-либо человеческой прикладной задачи ИИ сам себе ставит подзадачу, формулировку которой осознать человеческий мозг не сможет, ход рассуждений понять и оценить не сможет.

То есть, оно все будет в наличии. Но недоступно для понимания.

Сможет человек увидеть только конечный результат.

«Так появилась магия» :)

Обсудим?
…..

OpenAI сообщила, что внутренняя модель автономно опровергла давнюю гипотезу в задаче о единичных расстояниях на плоскости.

Это задача Пола Эрдёша 1946 года: если на плоскости есть n точек, сколько пар точек может находиться ровно на расстоянии 1 друг от друга?

Десятилетиями считалось, что конструкции на основе квадратной решётки практически оптимальны. Модель OpenAI построила бесконечное семейство примеров с полиномиальным улучшением и тем самым опровергла это представление.

OpenAI подчёркивает, что модель не была специально натаскана именно на эту задачу и не была специализированной системой для метематики.  То есть, это модель общего назначения. Видимо, следующая версия ChatGPT. Или вариант текущей. 

Подробности

https://openai.com/index/model-disproves-discrete-geometry-conjecture/

Англия

Jisc.  Пять материалов по итогам пилота AI in Marking and Feedback Pilot.

Можно ли использовать искусственный интеллект (ИИ) для проверки работ и обратной связи так, чтобы снизить нагрузку на преподавателей и не потерять доверие студентов?

В пилоте участвуют колледжи и университеты. Тестируются как специализированные образовательные инструменты Graide, Keath и TeacherMatic, так и пользовательские ассистенты на базе ChatGPT, Gemini и Copilot.

Материалы серии:

1. Первые выводы пилота по использованию ИИ при проверке работ и подготовке обратной связи

2. Сначала формирующее оценивание: выводы пилота по использованию ИИ при проверке работ и подготовке обратной связи

3. Этика в принципах и на практике: выводы пилота по использованию ИИ при проверке работ и подготовке обратной связи

4. Как на практике сохранить человека в контуре принятия решений: выводы пилота по использованию ИИ при проверке работ и подготовке обратной связи

5. Ценность согласия студентов: выводы пилота по использованию ИИ при проверке работ и подготовке обратной связи

Тайных знаний в материалах нет. Но интересующимся по диагонали просмотреть рекомендуется. Минут пять все займет. Там лонгридов нет.

Ссылки:

Insights from the AI in Marking and Feedback Pilot

Formative First: insights from the AI in Marking and Feedback Pilot

Ethics, in Principle and Practice: insights from the AI in Marking and Feedback Pilot

The Practicalities of Keeping the Human in the Loop: insights from the AI in Marking and Feedback Pilot 

The Value of Student Consent: insights from the AI in Marking and Feedback Pilot 

США

No Robo Bosses

Сенат штата Калифорния одобрил законопроект SB 947 No Robo Bosses Act of 2026 (законопроект о запрете «робоначальников») голосованием 29 против 9. Документ касается автоматизированных систем принятия решений на рабочем месте. Работодателю запрещается полагаться только на такие системы при увольнении или дисциплинарном взыскании.

Запрещается использовать системы, которые на основе персональных данных работников «предсказывают» их будущее поведение. 

https://sd05.senate.ca.gov/news/ca-senate-approves-no-robo-bosses-act-2026-ensure-human-oversight-ai-workplace

Любопытная статья на Arxiv.org

«Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery» 

Мы бы дали другое название: «Почему научные ИИ-агенты до сих пор не открыли все?» :)

В принципе, ответ на поверхности. 

Потому что!

Но поскольку споры идут, то статья нам показалась показательной :)

Авторы утверждают, нынешние агентные ИИ-системы уже полезны как «со-учёные», но не готовы к автономному научному открытию (правда последние новости это все чаще опровергают). Главная причина — они хорошо решают формализованные задачи, но плохо выбирают, какие вопросы вообще стоит исследовать.

Первый аргумент — «ошибка Макнамары». ИИ тянет науку к тому, что легко измерить, оптимизировать и превратить в бенчмарк. По статье, это сужает пространство научных вопросов. 

Авторы ссылаются на работу, где учёные, работающие с помощью ИИ, публиковали в 3,02 раза больше статей и получали в 4,84 раза больше цитирований, но коллективный объём изучаемых тем снижался на 4,63%, а взаимодействие между учёными — на 22%.

Ну и что?

ИИ помогает выбирать приоритетные темы. ИИ снижает необходимость взаимодействия, заменяя ресечеров, а часто и необходимость консультаций с более опытными товарищами.  

Дальше. 

Корпус обучения не содержит того, что реально важно в лаборатории.

Неудачные попытки, «грязные» протоколы, отброшенные гипотезы, признаки артефактов измерения. Публикации показывают очищенный итог, а не путь к нему.

Это, вроде как сильный аргумент. Но, кажется, устаревший. Ибо сегодня ИИ системы, предназначенные для научных исследований, ведут протоколы, сохраняют данные о неудачных экспериментах, имеют всю информацию не только об успехах, но и о неудачах. И данные копятся со страшной скоростью. 

Другие аргументы статьи тоже ежедневно опровергаются. 

Но если сегодня кому-то нужны аргументы «почему нет», то статья рекомендуется к прочтению. 

https://arxiv.org/html/2605.08956v1

Энциклика Leo XIV “Magnifica Humanitas”

Защита человеческой личности в эпоху искусственного интеллекта. 

Внутри про науку и образование. 

Тезисы:

Образование становится главным полем борьбы за истину

Учиться не только применению ИИ, но и отказу от применения

Цифровая грамотность должна включать распознавание манипуляций

Нужен союз государства, школы и семьи в цифровую эпоху

Школа остаётся пространством поиска истины и смысла

Неравенство доступа к образованию становится ключевым риском

ИИ быстро делает прежние учебные программы устаревшими

Роль учителя должна быть переосмыслена, но не отменена

Учителей нужно постоянно готовить к работе с новыми технологиями

Поток информации не должен заменять исследование и размышление

Наука об ИИ должна глубже изучать сами механизмы ИИ-систем

Исследователи, университеты, бизнес и инвесторы несут особую ответственность за развитие ИИ

Полный текст:
https://www.vatican.va/content/leo-xiv/en/encyclicals/documents/20260515-magnifica-humanitas.html

Часть 1

Разобранная автором(ами) статья очень хорошо укладывается в конструктивный диалог, произошедшей у нас на прошлой неделе по проблеме автономности ИИ в науке. На мое предположение, что ИИ лишен исследовательской интуиции, автор(ы) деликатно и аргументированно показал(и), что это уже не так.

На примере представленной статьи, весьма ретроградской, надо сказать, направленности, автор(ы) вновь вполне убедительно показывает(ют), что интуиция у ИИ вполне присутствует и позволяет ему самостоятельно, без участия человека, выбирать перспективные направления исследований, собственно, в чем исследовательская интуиция во многом и заключается.

Хотя я и раньше считал, что в рамках т. н. «нормальной науки» ИИ вполне нашел себе место, то теперь я убедился, что здесь он куда как более автономен и важен, нежели я представлял себе до произошедшего диалога. И все же вопрос, способен ли ИИ на полноценное самостоятельное открытие или даже на «научную революцию» в рамках «экстраординарной науки» по тому же Куну, для меня оставался открытым. Поэтому я немного решил углубиться в тему, насколько это мне позволяет социально-гуманитарный бэкграунд.

Ознакомление с доступными материалами показывает, что на этот вопрос можно ответить утвердительно благодаря парадигмальным перемены в обучении ИИ.
Если в отношении больших языковых моделей (LLM), обученных решать определенные задачи на массиве данных, накопленных и оцифрованных людьми, еще могут быть сомнения в их способности к полноценному самостоятельному творчеству, то создание архитектуры ИИ JEPA (Joint-Embedding Predictive Architecture), концептуально обоснованной гуру ИИ Яном Лекуном в 2022 г. и постепенно внедряющейся в практику, позволяет уверенно говорить о том, что ИИ способен стать полноценным «субъектом» в научной лаборатории.

В отличие от LLM, обученных решать определенные задачи на массиве данных, накопленных и оцифрованных людьми, JEPA извлекает из обучающих данных не некие опосредованные и неявные закономерности, но абстрактные представления о том, как устроен мир, что позволяет осознавать физическую реальность на человеческом уровне. Обученные в этой системе нейросети способны самообучаться и изучать полезные для себя абстракции в процессе самообучения и концептуализировать их.

Часть 2

Лекун, недавно ушедший из признанной в РФ экстремистской Meta и создавший собственную компанию AMI Labs, обещает уже в течение 10 лет стать поставщиком подобных универсальных интеллектуальных систем. Три основных принципа, на которых они базируются (процитирую один из источников):

«1) прогнозирующее обучение (predictive learning; вместо стохастически подкреплённого «додумывания» отсутствовавших в тренировочной безе данных – выявление объективных закономерностей в латентном пространстве, оно же пространство встраивания – embedding (latent) space).

2) совместное встраивание (joint embedding; явно заданные данные – контекст – и те, которые система должна предсказать – цель, – сводятся в единое, общее латентное пространство, облегчая тем самым для модели их сопоставление и выявление структуры их взаимосвязей).

3) абстракция (abstraction: оперирование в пространстве встраивания буквально побуждает модель фокусироваться на абстрактных, семантических признаках, а не на деталях низкого уровня, что способствует обретению ею «понимания» (формирования устойчивых смысловых связей между общим и частным) и позволяет ей выполнять задачи в разных областях, переносить накопленное на одном наборе данных «осознание» на другой (перенос обучения – transfer learning) и т. д.).»

Реализация этих принципов на практике ведет уже к функционированию ИИ аналогично человеческому разуму, что делает его вполне автономным и способным к определению перспективных научных задач и к самостоятельному научному открытию. Уже сейчас признается, что методология обучения ИИ JEPA открывает новые горизонты для научных исследований и практического применения и может стать основой для будущих прорывов в различных областях науки и техники.

Что касается тех самых революционных открытий по Томасу Куну, меняющих парадигму, вроде появления общей теории относительности, устранившей «ошибки» и «аномалии» классической ньютоновской физики, то кто знает, возможно и такая задача окажется по плечу ИИ, и скоро мы сами сможем узнать ответ на этот вопрос. Ведь до появления общего искусственного интеллекта (AGI) – «Супер-ИИ», способного понимать, обучаться и применять знания в самых разных областях на уровне человека, осталось, по разным оценкам, всего лишь 5–10 лет.

Во всяком случае, соглашусь с автором(и) канала, что гипотетическое будущее революционное открытие, такое, как способность к межзвездным перелетам, уже точно без ИИ не обойдется :)

Столь подробный комментарий требует вынести его в основной канал. Что мы и делаем, надеемся с позволения автора.

США

Supercharging America’s AI Workforce. Каталог программ по обучению ИИ. 

Министерство энергетики США опубликовало каталог доступных программ  с выбором по аудитории, типу программы и организатору. Сотни различных вариантов.

Это не программы самого министерства. 

Там не только собственно обучение. Много информации о стажировках в различных государственных и университетских лабораториях. Для студентов, преподавателей, исследователей. Различные курсы повышения квалификации для специалистов разных отраслей.

Некоторые программы доступны онлайн и не только для граждан США.

https://www.energy.gov/cet/supercharging-americas-ai-workforce

Что у ИИ тьютора под капотом

Статья на arXiv для всех, кто проектирует ИИ-тьюторов. В данном случае по математике. Но принципы годятся и для других предметов.  Для тех, кто не имеет отношения к проектированию подобных систем, а просто их использует, тоже любопытно. 

Это как в автосервисе постоять рядом с мастером, который занимается тонкими настройками двигателя твоей машины: ничего не понятно, но завораживает :)

ИИ-тьютор должен не просто решать задачу, а вести ученика к решению, не выдавая ответ. В статье показано, что такой режим можно настраивать через читаемый и редактируемый системный промпт.

Авторы не занимаются  дообучением моделей - это обычно дорого, требует специальных знаний, массива данных, времени и много чего еще.

Дешевле оптимизация системного промпта без изменения весов модели. В работе сравнили 12 методов: 7 опубликованных подходов к оптимизации промптов и 5 специальных образовательных методов.

Провели 792 оценочных прогона, использовали 100 задач BigMath для оптимизации и 1 334 задания в двух внешних наборах OpenLearnLM и MathTutorBench. 

https://arxiv.org/html/2605.27088v1

#КартаИИ@aiobraz

Искусственный интеллект в проверке учебных работ: основные сценарии

Проверка учебных заданий остаётся одной из самых трудоёмких функций образовательного процесса. На массовых курсах преподаватель сталкивается не только с большим количеством работ, но и с необходимостью сохранять единые критерии, сопоставимость оценивания по отношению к каждому студенту.

Первый сценарий — кластеризация сходных ответов. Система группирует похожие решения, а преподаватель проверяет уже не каждую работу изолированно, а типовые группы ответов. Такой подход особенно полезен в заданиях с фиксированным шаблоном и большим количеством однотипных решений. ИИ здесь выполняет сортировочную функцию, но не принимает академическое решение.

Второй сценарий — проверка по формализованной рубрике. ИИ может сопоставлять работу с заранее заданными критериями: есть ли исследовательский вопрос, логика аргумента, структура, источники, выводы, соответствие формату. Это помогает преподавателю быстрее увидеть слабые места, но не должно превращаться в автоматическое выставление оценки.

Третий сценарий — предварительная формирующая обратная связь до финальной сдачи. Система может показать студенту, что тезис неясен, аргумент не подтверждён источником, вывод не следует из текста или структура нарушена. В этом режиме ИИ работает не как оценщик, а как инструмент академического самоконтроля.

Четвёртый сценарий — проверка программного кода и технических заданий. ИИ может запускать тесты, находить типовые ошибки, объяснять неправильный результат и указывать на несоответствие условию. Здесь его польза особенно высока, потому что часть проверки формализуема: есть входные данные, ожидаемый результат и воспроизводимые ошибки. Но даже в программировании нестандартное корректное решение не должно автоматически считаться ошибочным.

Пятый сценарий — проверка источников и академического аппарата. ИИ может находить отсутствующие ссылки, слабые основания для утверждений, ошибки в библиографии и несоответствие между выводом и источниками. Однако такая проверка должна быть предварительной: система может ошибаться в библиографических данных и неверно понимать смысл источника.

Шестой сценарий — выявление типовых ошибок всей группы. ИИ может показать, какие темы студенты не поняли, где массово ошиблись, какое условие оказалось двусмысленным и что нужно объяснить повторно. Это уже не столько инструмент оценки, сколько инструмент управления курсом.

Седьмой сценарий — калибровка оценивания между преподавателями. На больших курсах разные проверяющие могут по-разному трактовать одни и те же ошибки. ИИ может подсветить расхождения и помочь сделать оценивание более сопоставимым.

Восьмой сценарий — подготовка индивидуальных рекомендаций после проверки. После решения преподавателя ИИ может превратить замечания в понятный план доработки: что исправить, какие темы повторить, какие навыки усилить. Это позволяет масштабировать обратную связь без передачи машине права на итоговую оценку.

Девятый сценарий — поддержка устной защиты спорных работ. Если работа выглядит подозрительно или резко отличается от предыдущих работ студента, ИИ может предложить вопросы для беседы: объяснить ход рассуждения, выбор источников, логику вывода или промежуточные шаги. 

Десятый сценарий — поддержка процедур академической добросовестности. Сюда относятся системы проверки заимствований, сходства текстов и детекторы ИИ-текста.

Мы уже писали о том, что детекторы ИИ текста это тупик. Но спрос существует.


Главный риск автоматической проверки — ошибка в отношении нестандартного ответа. Студент может решить задачу необычным способом, выйти за рамки шаблона или дать сильную аргументацию в непривычной форме. Машинная система может принять это за ошибку, неполноту или нарушение требований. Особенно велик этот риск в гуманитарных и социальных дисциплинах, где качество ответа определяется не только совпадением с эталоном, но и самостоятельностью мышления, силой аргумента и корректностью работы с источниками.

Лонгрид  (почти 400 страниц!) на выходные. 

Bad Ideas about AI and Writing: Generative Practices for Teaching, Learning, and Communication

 The WAC Clearinghouse и University Press of Colorado.

В книге (это только оглавление верхнего уровня!)

Развенчание хайпа
Debunking the Hype

Освоение ИИ-грамотности
Gaining AI Literacy

Социальная и человеческая природа письма
The Social and Human Nature of Writing

Этические последствия ИИ-технологий письма
Ethical Impacts of AI Writing Technologies

Как ИИ влияет на обучение и процесс письма
How AI Impacts the Learning and Writing Process

Программы письма и центры письма в эпоху ИИ
Writing Programs and Writing Centers in the Age of AI

Как ИИ влияет на педагогику письма и оценивание
How Writing Pedagogy & Assessment Are Affected by AI

Политика преподавания письма и академическая честность
Writing Instruction Policy and Academic Integrity

Много иллюстраций к тому, о чем мы постоянно пишем в нашем канале. 

Искусственный интеллект не отменяет письменность. Он отменяет наивное представление о письменности как о механическом набивании текста.

Раньше студенту говорили: «Напиши эссе». Теперь студент может ответить: «А зачем, если нейросеть напишет быстрее, глубже и красивше?»

Но ведь создание текста это не про «набить 30 страниц десятипальцевым слепым методом». 

Это способ думать, проверять источники, строить систему  аргументов,  понимать адресата, видеть слабые места собственной позиции и брать ответственность за результат. 

Хорошо ложится на то, о чём мы уже писали, например:
«Когда исчезнет письменность?»

Источник в приложении. 

Приятного чтения. 

Каждый второй россиянин против ИИ в подборе персонала. 

С одной стороны, люди боятся технологий, не очень понимая, где именно они используются.

С другой стороны, россияне в опросе демонстрируют редкую адекватность и осведомленность. Если всего каждый второй против, то уровень осознания зашкаливает. 

Свежий опрос Superjob. По данным исследования, только 7% россиян хотели бы, чтобы решение о приёме на работу принимал искусственный интеллект. 83% предпочитают, чтобы выбор делал человек. Ещё показательнее отношение к интервью: полностью доверить собеседование алгоритму готовы лишь 4%, хотя 40% допускают частичное использование таких систем. При этом 38% в целом готовы пройти интервью с ИИ (6% — точно готовы, ещё 32% — скорее готовы).

Большинство выступает против «найма через ИИ», но одновременно значительная часть не возражает против отдельных ИИ-инструментов в процессе отбора. Это косвенно показывает, что для многих россиян ИИ в HR воспринимается как нечто абстрактное и угрожающее, без понимания конкретных функций. Люди требуют ограничений, но что конкретно нужно ограничивать не очень понимают. 

А и не должны понимать, как нам кажется. 

Регулятор со временем отрегулирует все, что нужно. Точнее, все, что нужно давно отрегулировано ТК. 

Если действия работодателя при найме, оценке или других HR процессах противоречат ТК, то ИИ тут не при чем. Придёт государственная инспекция по труду и всем по шапке настучит. И на ИИ сослаться не получится. 

Но есть еще один нюанс. 

Государство (что логично) стоит на страже максимальной объективности и непредвзятости в HR процессах.  И это, безусловно, правильно. 

Но жизнь сложнее. И только максимальная предвзятость и то, что с точки зрения закона выглядит, например,  как дискриминация при найме, позволяет отдельным компаниям получать конкурентные преимущества, нанимая не абстрактно хороших специалистов, а тех, что нужны именно в этом самом коллективе для именно вот этих самых задач. И впишутся вот в этот конкретный коллектив и эту конкретную корпоративную культуру. 

Ну или не получать конкурентных перимуществ, если дискриминируют по цвету глаз или знаку зодиака.  Впрочем, такое встречается не так уж и часто :). Но тоже встречается же :) 

https://www.superjob.ru/pro/6953/

https://t.me/superjobmedia/2798

#КартаИИ@aiobraz
Продолжаем тему.

ИИ и инклюзия: субтитры, перевод, чтение, речь

Задача ИИ в инклюзивном образованииснять часть барьеров, которые мешают человеку учиться на равных.

Один ученик плохо слышит речь преподавателя в большой аудитории. Другой не успевает читать длинный текст. Третий учится не на родном языке. Четвёртому сложно воспринимать материал без озвучивания. Пятый понимает предмет, но испытывает трудности с устной речью. Формально материал доступен всем, но реально доступ к нему у разных людей разный.

ИИ позволяет сделать этот доступ более гибким. Он может преобразовать речь в текст, текст в речь, сложный текст в более понятное объяснение, материал на иностранном в материал на родном. 

Это не решает всех проблем инклюзии, но меняет саму организацию учебной среды: она становится менее зависимой от единственного формата подачи информации. 

Ученик должен иметь возможность услышать, прочитать, понять и  ответить. Пусть не идеально, не автоматически, не без участия человека, но с меньшим количеством технических и коммуникационных препятствий.

Инклюзия в образовании часто воспринимается слишком узко: как специальные условия только для отдельных категорий обучающихся.  Это не совсем верно. 

Образовательный процесс традиционно строился вокруг нескольких основных форматов: лекция, текст, семинарская дискуссия, письменное задание, устный ответ. Но эти форматы не одинаково удобны для всех. Если студент не может полноценно воспринимать устную речь, лекция становится барьером. Если студенту трудно читать сложный академический текст, самостоятельная подготовка превращается в механическое преодоление формы, а не в работу со смыслом. Если студент не владеет языком обучения на достаточном уровне, он может отставать не из-за слабого понимания предмета, а из-за языкового барьера.

ИИ помогает разделить содержание и форму. Содержание остаётся учебным: теория, аргумент, задача, пример, источник. А форма может меняться: субтитры, расшифровка, перевод, озвучивание, краткое объяснение, структурированный конспект. Это особенно важно для массового образования, где у преподавателя нет возможности постоянно адаптировать материал вручную под каждого студента.

Четыре ключевых направления применения

1. Автоматическое преобразование речи в текст может использоваться для лекций, вебинаров, видеокурсов, семинаров и консультаций. Это важно для студентов с нарушением слуха, но полезно не только им. Текстовая версия занятия помогает вернуться к сложному фрагменту, найти термин, уточнить формулировку, подготовиться к экзамену. Особенно ценны субтитры там, где материал насыщен понятиями, датами, именами, формулами и специальной лексикой. 

2. ИИ-перевод снижает языковой барьер: помогает читать статьи, инструкции, фрагменты учебников, презентации и материалы зарубежных курсов. Для иностранного студента это способ быстрее включиться в обучение. Для российского студента — способ работать с международными источниками. 

3. Чтение и понимание текста. ИИ может выделить главное, объяснить сложный фрагмент, разложить аргумент по шагам, дать краткое резюме, предложить вопросы для самопроверки. 

4. Синтез речи позволяет озвучивать тексты, задания, инструкции и учебные материалы. Это важно для учащихся с нарушениями зрения, а также для ситуаций, когда удобнее воспринимать материал на слух. Обратное направление — преобразование текста в речь или поддержка речевой коммуникации — может помочь тем, кому сложно говорить. 

Преподавателю не нужно становиться инженером по ИИ, но нужно понимать педагогический смысл этих инструментов. Субтитры, перевод, озвучивание и адаптация текста — это не «льгота» и не послабление. Это способы дать студенту доступ к тому же содержанию, которое уже доступно другим.

ИИ в инклюзии это просто про нормальную образовательную среду, в которой один и тот же материал может быть представлен разными способами. Для одних учащихся это дополнительное удобство. Для других — необходимое условие участия в обучении.

Кстати. Если удобнее читать нас в Максе…—>>>

Россия

Сбер запустил AI Challenge 2026 
(Как-то оперативно пропустили. Исправляемся) 

AI Challenge 2026 - международный конкурс по искусственному интеллекту для школьников и студентов. 

В конкурсе 3 категории — «Начинающие», «Школьники» и «Студенты», 3 этапа и общий призовой фонд 15,6 млн рублей. 

Задачи: автономные ИИ-агенты для кибербезопасности, восстановление изображений, обработка обращений граждан и поиск скрытых ИИ-манипуляций на изображениях. 

Ваши ученики могут участвовать. Удачи! 
https://aiijc.com/ru/

Великобритания

Skills England (государственное агентство Англии по навыкам) и Department for Work and Pensions (ведомство Великобритании по вопросам занятости и пенсий, DWP) 1 июня 2026 года опубликовали Annual Skills Report 2026 (ежегодный доклад о навыках) и Sector Skills Needs Assessments (отраслевые оценки потребности в навыках). 

8 приоритетных секторов промышленной стратегии плюс строительство, здравоохранение и социальный уход.

Прогнозы изменения занятости. Везде рост. В том числе и потому, что ИИ создает новые рабочие места. Но и изменение структуры занятости. 

То есть. Разговоры о том, что ИИ приведет к массовой безработице, это все сотрясение воздуха. 

Не приведет.  В том смысле, что рабочих мест меньше не станет. 

Но. Рабочие места станут другими. И множество людей действительно краткосрочно  будут терять работу. 

Skills England пишет, что нужны не только ИИ-специалисты, а адаптация всей рабочей силы к возможностям ИИ. 

И новые навыки надо качать уже сейчас, чтобы быстро адаптироваться к изменению рынка труда. 

Сами люди, понятно, ничего себе прокачивать не будут. Никогда такого не было, чтобы взрослые люди в массе своей побежали учиться чему-то новому. Не будет и сейчас. 

Все в принудительном порядке. Через государственную систему базового и дополнительного образования. 

В обучение будут встраивать коммуникацию, критическое мышление и аналитические навыки для работы с ИИ, а спрос работодателей будут отслеживать через данные и аналитику с использованием ИИ). 

Доступные данные по отраслям:
Передовое производство (Sector Skills Needs Assessment – Advanced Manufacturing): https://assets.publishing.service.gov.uk/media/6a18500a65bc5f798327f4ad/sna_advanced_manufacturing.pdf

Чистая энергетика (Sector Skills Needs Assessment – Clean Energy): https://assets.publishing.service.gov.uk/media/6a18577d050971fbebf3bbe7/sna_clean_energy.pdf

Строительство (Sector Skills Needs Assessment – Construction): https://assets.publishing.service.gov.uk/media/6a1856ac916cd732dcdaacab/sna_construction.pdf

Креативные индустрии (Sector Skills Needs Assessment – Creative Industries): https://assets.publishing.service.gov.uk/media/6a196af0b95db968c8f3bc39/sna_creative_industries.pdf

Оборона (Sector Skills Needs Assessment – Defence): https://assets.publishing.service.gov.uk/media/6a1857cd65bc5f798327f4c1/sna_defence.pdf

Цифровые технологии (Sector Skills Needs Assessment – Digital and Technologies): https://assets.publishing.service.gov.uk/media/6a18574e050971fbebf3bbe6/sna_digital_and_technologies.pdf

Финансовые услуги (Sector Skills Needs Assessment – Financial Services): https://assets.publishing.service.gov.uk/media/6a18581f65bc5f798327f4c3/sna_financial_services.pdf

Здравоохранение и социальный уход за взрослыми (Sector Skills Needs Assessment – Health and Adult Social Care): https://assets.publishing.service.gov.uk/media/6a185b0d65bc5f798327f4c9/sna_health_and_adult_social_care.pdf

Науки о жизни (Sector Skills Needs Assessment – Life Sciences): https://assets.publishing.service.gov.uk/media/6a18570f050971fbebf3bbe5/sna_life_sciences.pdf

Профессиональные и деловые услуги (Sector Skills Needs Assessment – Professional and Business Services): https://assets.publishing.service.gov.uk/media/6a185cb2c7335e2ca6daacbf/sna_professional_and_business_services.pdf


Каждый документ 20 + страниц.  10 страниц «воды», которая дублируется в каждом файле. Это можно в одном файле глянуть, а в остальных смело пропускать. А вот на чисто отраслевые цифры можно глянуть. Любопытно. 

Интересно в первую очередь профильным учебным заведениям для планирования перспективных программ обучения. 

https://www.gov.uk/government/publications/skills-england-annual-skills-report-and-sectoral-skills-needs-assessments-2026

Публикуем подробные комментарии к предыдущим постам нашего постоянного читателя и практически соавтора канала.

Часть 1.
Давно не выступал здесь с комментариями. Я отнюдь не потерял интерес к каналу и его проблематике, просто я не ИИ, и человеческому мозгу чаще требуется калибровка, перезагрузка и зачистка контактов :) Плюс куча других задач. Исправляюсь!

Хотел выступить еще по поводу поста о результатах опроса от SuperJob https://t.me/aiobraz/91, но автор(ы) буквально сняли с языка некоторые мысли, поэтому все нижесказанное навеяно сразу двумя постами.
Представляется, и автор(ы) это подчеркивает(ют), что опрос, согласно которому люди очень не хотят, чтобы на работу их «принимал» ИИ, отражает более системную проблему общего недоверия к ИИ и свойственного человеческой природе страха перед всем новым и неизведанным.

Как это так? Мало того, что ИИ отбирает у нас работу, так еще и принимает решение о нашем найме! Опять процитирую свой горячо любимый «Саут Парк»: «Из-за этих гадов (произносится через «хэ», на южнорусский манер) мы без работы сидим!», только теперь на месте «хадов» – «хадский» ИИ. Отмечу – за ИИ в HR-е по данным опроса как раз те самые респонденты с доходом от 150 тыс., которые, определенно в курсе, что такое ИИ и наверняка сами его активно используют.

Один из последних соцопросов в Великобритании также отразил подобную тенденцию. Он охватил четыре группы: 2000 представителей общественности, 1000 молодых людей в возрасте 16–29 лет, 1000 студентов и 500 работодателей. Результаты показали, что почти 69% работников беспокоятся о негативных экономических последствиях, связанных с потерей рабочих мест из-за ИИ, 64% работодателей разделили эти опасения. Более половины опрошенных (57%) считали, что ИИ приведет к массовой безработице. Более 20% были уверены, что ИИ сможет забрать рабочие места с такой скоростью, что это вызовет гражданские волнения, а среди студентов этот показатель составил более 34%. 40% респондентов вообще прямо признались, что боятся ИИ. https://www.independent.co.uk/news/uk/home-news/ai-artificial-intelligence-uk-jobs-unemployment-unrest-b2978928.html

Чем вызван этот страх? Как представляется, это «типичная болезнь» роста, вызванная опережающим развитием ИИ, к которому оказались не готовы ни рынок, ни тем более регуляторы. Я – сторонник саморегулирующихся систем, и уверен, что когда наблюдаемая «болезнь» роста будет излечена, «хайп» по поводу всесилия ИИ спадет, рынок сам все отрегулирует. Пусть все развивается по принципу Láissez-fáire.

И уже к этому есть тенденции, указывающие на то, что рынок постепенно приспосабливается к новой реальности, в которой много работ выполняется ИИ. И в этой реальности человеку в любом случае найдется место. Так, по данным Goldman Sachs, в США ежемесячно теряется около 16 тыс. рабочих мест из-за автоматизации. Однако сейчас наблюдается новый тренд: многие компании, уволившие сотрудников после внедрения ИИ, начинают их возвращать. Согласно опросу, проведенному компанией Robert Half, 29% организаций, внедривших ИИ, уволили работников, а затем решили их вернуть. Возникает такое явление, как «boomerang hires».

Часть 2.
У работодателей возникает понимание, что сочетание человеческого опыта и ИИ может привести к более эффективным результатам, плюс многие компании переоценили возможности ИИ в определенных ролях. Например, IKEA, автоматизировав 50% своих телефонных звонков, вместо увольнений решила переобучить сотрудников на новые роли, такие как дизайнеры интерьеров, используя ИИ для рекомендаций по размещению товаров. Это решение привело к увеличению доходов компании. https://asector.ru/news/2026_04_ii_kak_povod_dlya_uvolneniy_kompanii?ysclid=mq0q58kp7s257438421, https://shoppers.media/news/6831_ikea-pereobucila-sotrudnikov-koll-centra-na-konsultantov-po-intereru, https://habr.com/ru/articles/966994/

Японская игровая компания Nintendo принципиально не применяет генеративный ИИ в геймдевелопменте, что не мешает ее акциям расти. Хотя отмечается, что рост не столько связан с успехами Nintendo, сколько с изменением настроений инвесторов в отношении технологий ИИ в пользу более реалистичных оценок. https://habr.com/ru/companies/ru_mts/articles/828114/

Адаптируются к новым реалиям и будущие работники. Студенты колледжей в США пересматривают свои специальности из-за опасений, что искусственный интеллект угрожает их карьерным перспективам. Согласно опросу, проведенному Gallup и Lumina Foundation, каждый шестой студент, то есть около 16%, сменил специальность из-за влияния ИИ на рынок труда, а почти половина (47%) студентов колледжей как минимум всерьез задумывались о смене специальности по той же причине. То есть работают на «опережение». https://dzen.ru/a/ac7E7IlxU3miNf2_?ysclid=mq0q0fbhlu102595233

В качестве авторитетного мнения и видения ситуации можно привести недавнее высказывание генерального директора OpenAI Сэма Альтмана, который заявил, что стремительное развитие ИИ не приведет к глобальной потере рабочих мест, как он опасался ранее. По его словам, он и его команда были «примерно правы» в своих технологических прогнозах, сделанных при запуске ChatGPT в 2022 году, но ошибались в оценке социальных и экономических последствий: «Я не думаю, что нас ждет тот самый “апокалипсис рабочих мест”, о котором заявляют некоторые компании в нашей сфере». https://habr.com/ru/news/1040096/