Введение

Настоящая концепция разработана в ответ на вызовы, связанные с использованием студентами инструментов искусственного интеллекта (ИИ) в учебном процессе. Проблема заключается в том, что неконтролируемое применение ИИ для выполнения заданий (эссе, кейсов, тестов) приводит к снижению уровня формирования необходимых управленческих навыков, творчества и критического мышления. Студенты склонны скрывать использование ИИ, а преподаватели, осознавая тщетность запретов, нуждаются в методической основе для профессиональной интеграции этих инструментов в учебно-методический комплекс (УМК).

Цель концепции — предложить структурированный, педагогически обоснованный подход к интеграции ИИ-инструментов в процесс подготовки менеджеров для авиационной отрасли, который смещает фокус с запрета на использование ИИ к формированию у студентов компетенций по его эффективному и этичному применению для решения профессиональных задач.

Анализ текущей ситуации и передового опыта

Проведенное исследование показало, что проблема интеграции ИИ является общей для ведущих университетов мира. Можно выделить несколько ключевых тенденций:

• Двойственный характер влияния ИИ: Исследования подтверждают, что ИИ может как способствовать развитию критического мышления (при правильном применении), так и приводить к его деградации из-за чрезмерной зависимости и «когнитивной разгрузки» [1, 2].
• Разрыв в компетенциях: В авиационной отрасли существует значительный разрыв между требованием на специалистов с навыками в области ИИ и текущим содержанием образовательных программ, которые уделяют недостаточно внимания таким компетенциям, как машинное обучение, анализ данных и работа с ИИ-системами [3].
• Фокус на этике и регулировании: Ведущие университеты (Harvard, Stanford) не запрещают ИИ, а разрабатывают многоуровневые политики и руководства, направленные на ответственное и этичное использование, защиту данных и академическую честность [4, 5]. В России также формируются подобные инициативы, например Кодекс этики ВШЭ [6].
• Необходимость педагогической модели: Успешная интеграция требует не просто внедрения инструментов, а разработки педагогических подходов, которые бы встраивали ИИ в процесс обучения осмысленно, развивая у студентов как технические, так и когнитивные навыки [2, 5].

                             Предлагаемая концепция интеграции ИИ

Концепция базируется на четырех основных компонентах, которые обеспечивают комплексный подход к решению поставленной проблемы.

Компонент 1:      Этико-регуляторная рамка

Вместо запрета предлагается внедрить прозрачную и гибкую систему правил использования ИИ, основанную на опыте Stanford и Harvard. Эта рамка должна быть трехуровневой:

1. Университетский уровень: Общие принципы академической честности, конфиденциальности данных и ответственности при работе с ИИ (по аналогии с Harvard University Guidelines [4]).

2. Уровень образовательной программы: Определение ключевых компетенций в области ИИ, которые должны быть сформированы у выпускников программы «Менеджмент в авиационной отрасли».

3. Уровень учебной дисциплины: Разработка преподавателем собственной политики использования ИИ для конкретного курса (по аналогии со Stanford’s Course Policy on AI [5]). Эта политика должна быть четко прописана в силлабусе и может варьироваться от полного запрета до обязательного использования в зависимости от целей задания.

Пример политики для курса «Ключевые методы менеджмента в авиатранспортных предприятиях»:

«В данном курсе использование генеративных ИИ-инструментов (GigaChat, Alice ai, DeepSeek, Qwen и др.) рассматривается как важный профессиональный навык.

Разрешается использование ИИ для анализа данных, генерации идей и подготовки черновиков. Однако, все итоговые работы должны содержать раздел «Рефлексия использования ИИ», в котором студент обязан:

1) указать, какие инструменты и с какими промптами использовались;

2) критически оценить полученный от ИИ результат (выявить неточности, «галлюцинации», сильные стороны);

3) описать, как результат был доработан и почему финальная версия отличается от сгенерированной.

Сдача работы без такой рефлексии или прямое копирование ответа ИИ будет расцениваться как нарушение академической этики».

Компонент 2: Педагогическая модель «ИИ-ассистент преподавателя»

Предлагается модель, направленная на поэтапное формирование у студентов роли «менеджера, усиленного ИИ». Модель включает три уровня развития компетенций:

Уровень 1: Грамотность в области ИИ (AI Literacy).

◦ Цель: Понимание базовых принципов работы ИИ, его возможностей и ограничений в авиационной отрасли. Развитие навыков корректной постановки задач (промпт-инжиниринг).
Формат: Лекции, семинары, вводные практические задания.

Уровень 2: Прикладное использование ИИ (AI Application).

Цель: Применение ИИ-инструментов для решения конкретных управленческих задач: анализ данных, прогнозирование, оптимизация процессов.
Формат: Работа с кейсами, проектная деятельность, где ИИ выступает как инструмент для анализа.

Уровень 3: Критическое и стратегическое мышление в контексте ИИ (AI Critical Thinking & Strategy).

Цель: Формирование навыков критической оценки результатов, полученных с помощью ИИ, и принятия на их основе взвешенных управленческих решений. Понимание этических и стратегических рисков.
Формат: Дебаты, стратегические сессии, решение комплексных кейсов, где студенты должны не просто использовать ИИ, а оценить его рекомендации и предложить собственное, более комплексное решение.

Компонент 3: Интеграция в УМК по авиационному менеджменту

Необходимо пересмотреть существующие задания, сместив акцент с создания контента на его анализ и критическую оценку. Ниже представлена таблица с примерами адаптации заданий для курса «Ключевые методы менеджмента в авиатранспортных предприятиях».

Тип задания Старый формат (риск списывания с помощью ИИ) Новый формат (ИИ как инструмент)

Эссе Написать эссе на тему «Перспективы развития воздушного транспорта до 2035 г.» Используя ИИ-инструмент для анализа новостных трендов и отчетов ICAO/IATA/Росавиация построить 3 сценария развития до 2035 г. В эссе сравнить эти сценарии, выбрать наиболее вероятный и обосновать свой выбор, указав на ограничения и возможные ошибки прогноза ИИ.

Кейс Проанализировать кейс и предложить решение проблемы. Загрузить данные кейса в аналитический ИИ-инструмент. Получить от ИИ рекомендации по решению. В рамках презентации представить решение ИИ, провести его SWOT-анализ и предложить собственное, улучшенное решение, аргументируя его преимущества.

Презентация Подготовить презентацию о методах менеджмента. 

Создать с помощью ИИ (текст + изображения) презентацию о новом методе менеджмента. Затем записать 5-минутное видео с критическим разбором этой презентации: оценить ее структуру, полноту, визуальный ряд и предложить улучшения.

Тесты Вопросы на знание определений и фактов. 

Ситуационные вопросы: «ИИ-система предиктивного обслуживания предложила заменить двигатель на самолете через 50 часов налета, хотя по регламенту осталось 200. Каковы ваши действия как менеджера? Какие дополнительные данные вы запросите?»

Компонент 4: Профессиональное развитие преподавателей

Успех концепции невозможен без подготовки преподавательского состава. Необходимо организовать серию семинаров и мастер-классов по темам:

• Основы работы с генеративными ИИ (GigaChat, Alice ai, DeepSeek, Qwen и др).
• Методики разработки заданий, устойчивых к списыванию с помощью ИИ.
• Интеграция ИИ в оценку: как оценивать не результат, а процесс мышления студента.
• Обзор специализированных ИИ-инструментов для транспортной и авиационной отрасли.

Заключение

Предложенная концепция позволяет перейти от пассивной борьбы с использованием ИИ к его активной и продуктивной интеграции в учебный процесс. Такой подход не только решает проблему академической нечестности, но и способствует формированию у будущих менеджеров авиационной отрасли, востребованных на рынке труда компетенций: цифровой грамотности, критического мышления и способности принимать решения в условиях цифровой экосистемы. Это превращает ИИ из угрозы для образования в мощный инструмент для подготовки специалистов нового поколения.

Список источников

[1] Zhou, Z., Guo, H., Ma, F. The chain mediating role of critical thinking and AI self-efficacy in GenAI usage competence and engineering students’ creativity. Sci Rep 15, 35945 (2025).

[2] Schmidt, D. A., Alboloushi, B., Thomas, A., & Magalhaes, R. (2025). Integrating artificial intelligence in higher education: perceptions, challenges, and strategies for academic innovation. Computers and Education Open, 9, 100274.

[3] Kabashkin, I., Misnevs, B., & Zervina, O. (2023). Artificial Intelligence in Aviation: New Professionals for New Technologies. Applied Sciences, 13(21), 11660.

[4] Harvard University. (2025). Generative AI Guidelines. Harvard University Information Technology.

[5] Stanford University. (2025). Creating your course policy on AI. Stanford Teaching Commons.

[6] Кеннон, О. В., Пустошило, П. В., & Иванцов, А. А. (2025). ПРОБЛЕМА ИСПОЛЬЗОВАНИЯ НЕЙРОСЕТЕЙ И ИНСТРУМЕНТОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ОБУЧАЮЩИМИСЯ ВУЗОВ: ЭТИЧЕСКИЙ АСПЕКТ. Russian Journal of Education and Psychology, 16(3