Представьте: завтра, в восемь утра, в вашем университете не загружается ни один цифровой сервис. Электронная система управления обучением не открывается, электронные журналы недоступны. Симуляционные центры без программного обеспечения. ИИ-ассистенты не работают. Видеолекции недоступны. Цифровые тесты заблокированы.
Первый: что мы потеряем? Удобство, скорость, доступ к актуальным данным, возможность работать удалённо. Но половина этого не катастрофа, а просто неудобство.
Второй вопрос интереснее: что мы наконец увидим?
Увидим, кто из преподавателей читает по слайдам, а кто действительно владеет предметом. Увидим, какая оценка измеряет компетенцию, а какие только способность угадать вариант ответа. Увидим, какие симуляционные центры это методика с оборудованием, а какие- оборудование без методики. Увидим, кто из нас учит, а кто имитирует процесс, обёрнутый в красивый интерфейс.
Где мы сейчас: карта зрелости технологий
Gartner Hype Cycle - самая известная в индустрии карта зрелости технологий. Любая новая технология проходит четыре фазы. Триггер ожиданий = появление. Пик ожиданий = все говорят, что это всё изменит. Впадина разочарования = оказывается, не всё. И плато продуктивности = технология находит реальное применение и становится частью инфраструктуры.
Если адаптировать эту карту под медицинское образование на начало 2026 года, картина получается такая:
В зоне триггера и пика ожиданий генеративный ИИ как наставник, адаптивные траектории, оценка хирургического навыка по видео, цифровые двойники пациента. О них пишут везде. Внедрено только в единичных пилотах.
Во впадине разочарования то, во что мы массово вложились в 2020–2022 годах. Массовые открытые онлайн-курсы как замена очного курса. Полностью онлайн-клиника. VR-тренажёры без дидактической обвязки. Каждый из этих трёх пунктов в своё время преподносился как революция.
На плато продуктивности то, что прошло через педагогическое осмысление. Симуляционные технологии. Электронные портфолио. Цифровизация аккредитации. Эти инструменты уже не воспринимаются как новинка — они стали частью инфраструктуры.
Ключевой паттерн виден невооружённым глазом: технологии выходят на плато не сами по себе. Они выходят на плато тогда, когда оказываются встроены в систему оценивания и в дидактическую логику. Без этого они так и остаются на пике ожиданий, а потом проваливаются в разочарование. И не потому, что плохие, а потому, что их некуда было встроить.
Свежие данные
В марте 2026 года исследователи Anthropic, Максим Массенкофф и Питер МакКрори, опубликовали работу с важным для нас сравнением. Они взяли два источника: теоретическую оценку того, какие профессиональные задачи ИИ может ускорить, и реальные данные о том, как люди действительно используют ИИ в работе — миллионы анонимизированных разговоров с Claude.
Возьмём отрасль, где ИИ якобы должен был вытеснить всех в первую очередь - программирование и аналитику. Теоретически 94 процента задач этой отрасли могут быть ускорены большими языковыми моделями. Реально, в фактическом профессиональном использовании, покрыто 33 процента.
Это не трёхкратная разница. Это разница между картиной мира, которую мы видим в заголовках, и тем, что реально происходит на рабочих местах.
Вторая часть того же исследования ответ на вопрос, заменяет ли ИИ людей. Авторы взяли данные американского обследования занятости за 2016–2025 годы и сравнили безработицу в наиболее уязвимых к ИИ профессиях до и после выпуска ChatGPT в конце 2022 года.
Мы видим что изменение статистически неотличимо от нуля. Никакого систематического роста. Прогноз американского Бюро трудовой статистики показывает: каждые плюс десять процентных пунктов покрытия ИИ снижают прогноз роста занятости всего на 0,6 процентных пункта. Единственный обнаруженный эффект - молодые работники 22–25 лет в уязвимых профессиях стали реже находить работу, примерно на 14 процентов. И это, цитирую, «just barely statistically significant», едва-едва значимо.
Есть ещё один контринтуитивный факт. Авторы посмотрели, кто эти «наиболее уязвимые» работники. Это не кассиры и не работники складов. Это работники старше, чаще женщины, более образованные, более высокооплачиваемые. То есть наш с вами демографический профиль. Преподаватели, аналитики, юристы, врачи.
Что это значит для медицинского образования? Страх «ИИ заменит преподавателя» данными пока не подтверждается. И это даёт нам время не для расслабления, а для осмысленного встраивания.
А что конкретно в наших отраслях?
Данные Anthropic становятся особенно интересными, когда мы смотрим не на усреднённые отрасли, а на медицину и образование напрямую.
Медицина. Врачи и средний медперсонал - категория Healthcare practitioners. Реальное использование ИИ в их рабочих задачах - около 8 процентов при теоретической возможности около 40. Младший медперсонал - около 6 процентов. Это одни из самых низких категорий по реальному внедрению ИИ в стране.
Медицинские регистраторы - специалисты, которые кодируют данные пациента и ведут документацию. 66,7 процента. Четвёртое место в стране по уязвимости к ИИ. Сразу после программистов, операторов кол-центров и операторов ввода данных.
Врач почти не затронут. Специалист, который ведёт его документацию - в топ-5 уязвимых профессий в США.
Образование. Категория Education and Library в целом - реальное использование ИИ 18,2 процента при теоретической возможности 82. Разрыв 64 процентных пункта.
Преподаватели иностранных языков в 75 процентах задач уже используют ИИ. Но что важно: для каких именно задач? Для коллабораций с коллегами, для планирования курса. Не для оценки студентов и не для прямой работы в аудитории. ИИ зашёл в подготовку, а не в саму педагогику.
Получается что самые уязвимые роли в медицине и образовании это не врачи и не преподаватели. Это административные процессы вокруг них. Кодирование данных, ведение документации и подготовка материалов.
Что показали годы цифровизации
Давайте вернемся к нашему собственному опыту. Что показала большая цифровизация последних лет в медицинском образовании?
Закрепилось как инфраструктура то, что стало частью повседневности. Гибридные форматы лекций и семинаров, электронные портфолио и цифровизация аккредитации, симуляционные технологии как обязательный этап подготовки, системы управления обучением как операционная среда курса. Это уже не обсуждается, как не обсуждается электричество в аудитории. Это просто есть.
Не прижилось то, что пыталось заменить, а не дополнить. Видеолекция вместо клинической практики, массовые онлайн-курсы как самостоятельный полноценный курс без преподавательского сопровождения. Тестирование как единственное измерение клинической компетенции. Каждая из этих подмен казалась соблазнительной: дешевле, масштабнее, проще в отчётности. Но работать не стала.
Трансформировалось самое интересное. Изменилась роль преподавателя. От транслятора знаний к фасилитатору опыта. От монолога с кафедры к проектированию заданий. От «я знаю предмет» к «я проектирую обучение». От работы в одиночку к участнику межкафедральной команды.
Главный урок, в одной фразе: цифра прижилась там, где усилила педагогический смысл. И отвалилась там, где претендовала его заменить.
Пять разрывов между технологией и смыслом
За этой картиной стоят пять структурных разрывов.
Разрыв 01. Оценивание: учим действию, измеряем знание
Самый недооцениваемый и самый системообразующий разрыв. Потому что что мы измеряем то и учим. Это закон.
Что мы экзаменуем сегодня? Тестирование измеряет, распознаёт ли студент правильный ответ среди вариантов. Устный ответ по билету — может ли он пересказать. Реферат - умеет ли структурировать текст. Часто без объективной шкалы, без рубрики оценки. Студент готовится не к будущей работе, а к экзамену.
А это два разных навыка.
Что отражает компетентность врача? Само действие в условиях, близких к реальным. ОСКЭ с видеофиксацией и валидированными шкалами, прямое наблюдение в клинике - mini-CEX, DOPS. Шкалы технических навыков: OSATS для общей хирургии, GEARS для лапароскопии, GOALS. Электронное портфолио с рефлексией. И, главное, отсроченная проверка переноса навыка через три-шесть месяцев.
Без перехода на эту парадигму даже самые современные средства обучения дают старый результат. Это не «новые экзамены». Это другая философия.
Разрыв 02. Перенос навыка: симулятор + дидактика = перенос
Второй разрыв — сердцевина разговора о симуляционных технологиях. Знакомая всем картина: центр построен, оборудование закуплено, сценарий пройден, отчётность сдана. А переноса в клинику никто не отслеживает. Это самый дорогой способ обмануть себя.
Что превращает симулятор из тренажёра в инструмент обучения? Четыре условия. Они работают только вместе.
1. Целенаправленная практика. Не «зашёл, попробовал, ушёл», а повтор с возрастающей сложностью. По работам Эриксона, минимум десять повторений как нижняя граница для формирования устойчивого автоматизма.
2. Структурированный дебрифинг. Не «давайте обсудим», а методики. PEARLS (Promoting Excellence and Reflective Learning in Simulation). GAS (Gather, Analyze, Summarize. Diamond), Plus-Delta. У каждой модели свои показания. Без неё дебрифинг превращается в эмоциональную разрядку, а не в обучение.
3. Объективная оценка. OSATS, GEARS, GOALS это шкалы для технических навыков. Видеоаналитика и кинематические метрики там, где доступны. Без шкалы нет данных, нет роста.
4. Связь с клиническим этапом. Здесь мы чаще всего проваливаемся. Цель не в том, чтобы студент сдал сценарий. Цель - Уровень 4 по Киркпатрику: влияние на исход для пациента.
Доказательная база по этой теме большая и неутешительная для сторонников «купили=работает». Хирургический навык, освоенный без целенаправленной практики, теряется за 4–12 недель. Дебрифинг по валидированной модели повышает удержание навыка в 1,5–2 раза.
Здесь необходимо сделать методологическую ремарку. Я намеренно говорю «симуляционные технологии», а не «симуляционное обучение». И это не педантизм, а профилактика подмены понятий.
«Симуляционное обучение» — конструкция, в которой инструмент проглотил действие. Так же странно звучало бы «скальпельная хирургия» или «рентгеновское лечение». Никто так не говорит, потому что мы понимаем: скальпель не оперирует, рентген не лечит. Оперирует хирург. Лечит врач. Симулятор сам по себе не учит, учит преподаватель, методика, сценарий, дебрифинг.
Когда мы называем тренажёры «обучением», мы автоматически считаем, что обучение состоялось раз оборудование стоит. Когда мы называем их технологиями, между ними и обучением открывается зазор. И этот зазор - место, где работает педагогика.
Двадцать лет назад мы уже проходили это с «компьютерным обучением». Купили компьютеры, поставили галочку, ничему не научили. Сейчас тот же риск стоит за «симуляционным» и за «AI-обучением». Терминология — это не косметика. Это то, что мы потом измеряем и за что отчитываемся.
Разрыв 03. Педагогическая компетентность: преподаватель не масштабируется кнопкой
Опросы преподавателей медицинских школ США, опубликованные в PMC в 2025 году: 76 процентов используют ИИ редко или никогда. Из тех, кто использует только 17 процентов применяют его непосредственно в преподавании, в аудитории и клинике. 24 процента применяют ИИ для разработки куррикулума и контента.
Главная зона применения ИИ у преподавателей медицины подготовка к занятием, а не сама педагогика.
Общая категория Education and Library в данных Anthropic 18,2 процента реального использования ИИ. Преподаватели медицины именно в преподавании — 17 процентов. То есть наш цех даже немного отстаёт от и без того невысокого среднего.
Отрасль это видит и отвечает. Mayo Clinic, GWU, Mount Sinai, Geisinger, Rowan-Virtua - практически все ведущие медицинские школы США запустили программы AI-подготовки преподавателей. Mayo формулирует это так: «фокус на durable human skills, а не на инструментах». Не «как нажимать кнопки в ChatGPT», а устойчивые человеческие навыки: критическое мышление, способность увидеть, где ИИ ошибается, способность интерпретировать его ответы для студента.
Разрыв 04. Регуляторика: догоняющая по природе
Четвёртый разрыв — регуляторика. Она догоняющая по самой своей природе, и это не упрёк, это свойство системы. Технология меняется за 6–12 месяцев. Образовательный стандарт за 3–5 лет. Между ними структурное несоответствие, которое будет только увеличиваться.
Решение, которое напрашивается: регуляторный трек для образовательных пилотов с правом на ошибку и обязательным мониторингом. Синхронная адаптация цифровых реестров (ФРМР и аналогов) и программ. Гармонизация подходов между странами. И главное - регулятор как со-разработчик инноваций, а не только контролёр.
Разрыв 05. Этика и доказательность: технология входит — валидации часто нет
Пятый разрыв, самый молодой, этика и доказательность. Три подвопроса, каждый из которых достоин отдельной дискуссии.
1. ИИ в обучении. Генеративные модели галлюцинируют. В клинических задачах это означает уверенно изложенную дезинформацию. Кто отвечает за ошибку, которую обучающийся усвоил с подачи ИИ-наставника? Преподаватель, разработчик, сам студент? Сейчас ответственность размыта.
2. Данные обучающихся. Видео OSCE, биометрия, поведенческая аналитика собираются массово. Информированное согласие часто формальное. Нужна минимизация сбора, чёткая политика хранения, deletion-by-default.
3. Доказательность. Мы внедряем технологии на основе маркетинговых обещаний и единичных публикаций. Свои исследования эффективности проводим редко. Публикуем успехи, и почти никогда не публикуем неудачи. Нужна культура доказательного медицинского образования и реестры исследований, в том числе реестры неудач.
Контуры осмысленной практики: пять принципов
1. Ориентированность на результат. Сначала компетенция, которую формируем, потом инструмент. Когда сначала купили технологию, а потом ищем, куда её приткнуть, это симптом хайпа.
2. Доказательность. Внедряем валидированное. Пилотируем перспективное. Публикуем и успех, и неудачу.
3. Человекоцентричность. В центре обучающийся и пациент. Интерфейс это обслуживающий слой, не цель.
4. Совместимость. Системы должны разговаривать друг с другом. Изолированный сервис это новая бумажная папка, только дороже.
5. Мультидисциплинарный подход. Интеграция между дисциплинами не результат героических усилий двух заведующих кафедрами, а архитектурное требование к программе.
Что делать: три уровня
Уровень 1. Преподавателю: четыре сдвига
От предмета к проектированию опыта. Думаем не «что я расскажу», а «что студент сделает и поймёт». Это не отказ от экспертизы, а её точка приложения.
От интерфейса к дидактике. Освоить кнопки симулятора недостаточно. Нужна методика дебрифинга, оценки навыка, построения сценария. Сертификация инструктора симуляционных технологий это нормальный шаг в карьере преподавателя клинической дисциплины.
От замены мышления к ИИ как со-автору. ИИ хорош для черновика, варианта рубрики, разбора кейса. Решение и валидация остаются за преподавателем. Студенту мы показываем оба этих режима - и работу с ИИ, и проверку ИИ.
От одиночества кафедры к межкафедральной команде. Один интегрированный модуль с участием трёх-четырёх кафедр даёт больший эффект, чем десять изолированных предметов.
Уровень 2. Организации
Что зависит от руководителя кафедры, проректора, ректора. Главный сдвиг: инвестировать в педагогическую компетентность. Закладывать мультидисциплинарные модули на этапе проектирования программы, а не приклеивать потом. Построить петли обратной связи: данные обучения должны превращаться в решения о программе. Создать культуру публикации образовательных результатов. Финансировать пилоты с правом на отрицательный результат.
Уровень 3. Регулятор и профессиональное сообщество
Министерство, аккредитационные органы, профассоциации. Ускорять адаптацию стандартов. Легализовать пилоты с обязательным мониторингом. Гармонизировать подходы - особенно актуально для общего пространства, где специалисты учатся в разных странах. Поддерживать инфраструктуру публикаций: журналы, конгрессы, реестры исследований. Развивать межстрановое сотрудничество, ведь у Казахстана и России здесь огромный совместный потенциал.
Эти уровни работают только вместе. Преподаватель без поддержки организации выгорает, организация без рамки регулятора буксует, регулятор без обратной связи от практики строит абстракции.
Вместо заключения
Три тезиса.
Цифровизация без смысла это автоматизация неэффективности. Если процесс был плохим, цифровизованный плохой процесс становится быстрее воспроизводимым плохим процессом.
Смысл без цифровизации это упущенная возможность. Откатываться назад не вариант.
Осмысленная практика это когда технология служит цели, а не наоборот.
.