Коротко: восьмилетнее исследование 319 курсов в американских вузах показало, что после запуска ChatGPT доля оценок A выросла на 13 процентных пунктов. Но эффект проявляется только там, где в оценке велика доля домашних заданий — на экзаменах никакого роста нет. Это означает, что нейросети не помогают учиться, а замещают саму работу студента.
Что именно измерили
Исследователь Игорь Чириков из Калифорнийского университета проанализировал восемь осенних семестров — с 2018 по 2025 год — в 319 курсах, относящихся к 84 кафедрам. Главный показатель — доля оценок A в каждом курсе. В качестве базовой линии использовались данные до ноября 2022 года, когда ChatGPT ещё не существовал.
Результат оказался резким: после запуска ChatGPT доля оценок A в среднем подскочила на 13 процентных пунктов — это примерно на 30 процентов выше уровня 2022 года. Средний балл GPA (средний балл успеваемости студента) вырос на 0,12 пункта, а разброс оценок сузился: всё больше студентов, которые раньше получали B+ и A−, теперь получают чистую A.
Почему это не похоже на реальный рост знаний
Главный вопрос исследования: рост оценок отражает лучшее усвоение материала или просто работу нейросети за студента. Чтобы это понять, автор посмотрел, насколько сильно домашние задания влияют на итоговую оценку в каждом курсе.
Если бы AI действительно помогал учиться, эффект был бы одинаковым и в курсах, где главное — экзамены, и там, где главное — домашка. Если же нейросеть просто заменяет работу студента, эффект должен концентрироваться в курсах с большой долей неконтролируемых заданий.
Данные подтвердили вторую гипотезу. В курсах, где доля домашних заданий выше медианы, доля оценок A вырастала на дополнительные 16 процентных пунктов по сравнению с курсами с тем же уровнем «AI-экспозиции», но меньшей долей домашки. В курсах с небольшой долей домашних заданий эффект был слабым и статистически незначимым.
Дополнительная проверка: в устных презентациях — заданиях, где AI практически бесполезен — оценки вообще не изменились. Это так называемый плацебо-тест: если бы дело было в общем улучшении преподавания или мотивации, эффект проявился бы везде, а не только там, где AI может сделать работу.
Что это значит для вузов и работодателей
Инфляция оценок в американских вузах существовала и до ChatGPT: например, в Гарварде доля оценок A выросла с 24 процентов в 2005 году до 60,2 процента в 2025 году. Но прежние факторы — мягкие преподаватели, конкуренция между вузами за студентов, политика оценивания — работали на этапе проверки работы, после того как студент её сдал. AI вмешивается раньше: он меняет саму работу до того, как преподаватель её увидит.
Главный риск — потеря сигнала. Если в курсах с большой долей письменных заданий и программирования оценка всё чаще отражает качество работы нейросети, а не самого студента, то и работодатели, и приёмные комиссии магистратур начнут принимать решения на основе завышенных данных. Это уже происходит: согласно отдельным опросам, более половины студентов признаются, что используют AI для домашних заданий, а почти четверть — для выполнения тестов.
Есть и более длинный эффект. Если навыки письма и кода формируются во время учёбы, а AI берёт эту работу на себя уже в вузе, выпускники выходят на рынок слабее именно в тех областях, где AI сильнее всего. Это ускоряет автоматизацию и расширяет разрыв в навыках, на который обращают внимание экономисты.
Что предлагает исследование
Автор не считает, что простой перевод всех курсов на очные экзамены решит проблему — это технически сложно и дорого. Более реалистичный путь — проектировать задания так, чтобы они либо ограничивали использование AI, либо встраивали его явно. Например, требовать документирование процесса работы или устные follow-up-обсуждения, которые подтверждают понимание темы.
Похожую тревогу публично высказал CEO OpenAI Сэм Альтман: по его словам, через три с половиной года после запуска ChatGPT система образования «почти не отреагировала» на появление AI. Он ожидал года списывания, а затем системной перестройки, но «значимых системных изменений до сих пор не видно». Без них навыки критического мышления рискуют «значительной атрофией». Альтман добавляет, что сам до сих пор мыслит через письмо и благодарен, что научился писать и программировать в эпоху до AI.
Как на похожие вызовы реагируют другие страны
Схожие шаги уже пробуют в Европе: Норвегия в основном запретила генеративный AI в начальной школе и ограничила его использование в средней — премьер-министр Юнас Гар Стёре объяснил это тем, что некритичное использование AI провоцирует учеников пропускать важные шаги в обучении. Похожие дискуссии идут во Франции и Великобритании.
В России пока нет системных исследований такого масштаба, но косвенные сигналы похожие: растёт спрос на сервисы «очеловечивания» текста и анти-AI-детекции, вузы начинают экспериментировать с устными защитами. Вопрос в том, успеют ли программы перестроиться до того, как AI станет дефолтным инструментом.
Что дальше
Исследование охватывает данные до осени 2025 года. С тех пор AI-инструменты стали заметно дешевле — соответственно, давление на систему оценивания должно усилиться. Следующий шаг исследователей — посмотреть, появляются ли те же эффекты в инженерных курсах, где роль домашки традиционно меньше.
Отдельный вопрос — изменится ли поведение работодателей. Пока компании продолжают массово нанимать выпускников, инфляция оценок остаётся академической проблемой. Но если разрыв между оценками и реальными навыками станет заметным в работе, пересмотр подходов к найму ускорится.
Эта тема напрямую связана с тем, как AI-агенты меняют профессии и какие риски несёт массовое использование нейросетей без перестройки процессов. Подробнее о том, что такое LLM (большие языковые модели) и как они устроены, — в нашем базовом материале. Если вас интересует, как AI уже меняет образование в других аспектах, обратите внимание на рейтинг AI-инструментов 2026 и материал об автоматизации контента с помощью ИИ.
