AI-кодинг туторы создали парадокс: преподаватели уходят от написания кода и не знают, как оценивать студентов

AI-инструменты для программирования — ChatGPT, GitHub Copilot и аналоги — научились решать типовые задачи начальных курсов по computer science на уровне среднего студента. Это создало системный кризис в преподавании: если AI может сдать экзамен за студента, как тогда оценить реальные знания?

Новое исследование рабочей группы ACM по генеративному AI и оценке знаний попыталось оценить масштаб изменений. В период между маем и октябрём 2025 года было опрошено 763 преподавателя computer science из 49 стран. Результаты показывают масштабную трансформацию, которая уже происходит прямо сейчас в учебных аудиториях по всему миру.

Что изменилось в преподавании?

69% респондентов считают, что AI изменил набор навыков, необходимых для разработки программного обеспечения. Профессия разработчика всё больше требует умения работать с AI-инструментами, а не только писать код с нуля. Это означает, что учебные программы в университетах нуждаются в срочном пересмотре — и преподаватели это понимают.

Практические последствия:

• 64% преподавателей сместили фокус с написания кода на понимание кода, отладку и решение задач;
• 68% уже адаптировали формат проверочных работ;
• Устные экзамены, проекты и сессии защиты кода набирают популярность;
• Очные контрольные под надзором возвращаются как способ подтвердить самостоятельность.

Подробнее о том, как AI трансформирует профессию разработчика, читайте в нашем материале о vibe coding.

Чего больше всего боятся преподаватели?

Топ-3 опасения респондентов:

1. Зависимость студентов от технологий (87%) — страх, что студенты перестанут думать самостоятельно;
2. Списывание и плагиат (72%) — использование AI для выполнения работ без понимания;
3. Неясность, как оценивать (49%) — отсутствие устоявшихся практик.

Почти половина опрошенных признаёт, что у них нет проверенных примеров интеграции AI в курсы. Преподаватели понимают, что изменения необходимы, но не имеют работающих моделей перед глазами. Это создаёт вакуум: преподаватели вынуждены импровизировать без нормативной базы.

Почему это важно для индустрии?

Если университеты не смогут подготовить разработчиков, которые умеют работать с AI, индустрия получит либо перегруженных AI-инструментами джунов, либо выпускников с теоретическими знаниями без практических навыков. В обоих случаях качество кадров пострадает.

Подробнее о выборе AI coding agents для бизнеса читайте в нашем гайде по выбору AI coding agent. Ранее мы также разбирали 7 критериев выбора AI-ассистента для разработки.

Когда преподавателям нужно перестраиваться?

Парадокс ситуации в том, что AI-туторы решают задачу, которую они же создают: инструменты, помогающие студентам учиться, одновременно ставят под сомнение сам процесс обучения. Переход от «напиши код» к «объясни, как работает код» — это болезненный, но необходимый сдвиг.

Рабочая группа ACM планирует выпустить официальные рекомендации к концу 2026 года, но уже сейчас многие преподаватели вынуждены действовать по ситуации. Следующие несколько лет покажут, удастся ли academic-сообществу адаптироваться быстрее, чем AI-инструменты продолжат менять правила игры.