The post has been translated automatically. Original language: Russian
I manage general education products at IT STEP and every day I see how students and schoolchildren work with neural networks. A year ago, it seemed that the pinnacle of progress in education was to teach students how to write AI queries correctly, and many proudly launched industrial engineering courses. Today, it looks as strange as the course "How to search on Google": the generation that grew up with smartphones mastered basic AI at the level of reflexes.
The ability to generate text or code using a neural network is no longer a competitive advantage, but a hygienic minimum. According to my observations, the main problem today is not a shortage of technology, but a shortage of independent and architectural thinking. And if we don't want to raise a generation that can't take a step without a neural network prompt, the approach to learning will have to be seriously revised.
AI infantilism: a new challenge for teachers
When technology takes over the routine, the brain takes the path of least resistance. The student is tempted to transfer to neural networks not only the collection of information, but also the process of thinking itself. As a result, he gets a quick and beautifully designed result, but does not understand how it works inside, and does not notice mistakes.
Employers in Kazakhstan, from fintech to industrial holdings, are no longer willing to pay for boilerplate texts and "beautiful pictures." Therefore, it is necessary to fight not with the use of AI (it is useless), but with the loss of authorship. I see three changes in the methodology that are needed for this.
1. ""Write it down" to "explain the architecture"
"Write" an "essay", "make a TK code", or "draw a layout" tasks no longer test a skill. The student can and should use neural networks, but the center of gravity is shifting to protecting the solution.:
— how did the AI arrive at this result;
— which alternatives were discarded and why;
— where is the "hallucination" hidden in the generated code or analysis.
It is better to check qualifications live: oral debriefing and debagging with a teacher. If the student cannot reassemble the product with his hands or explain the logic of each element, the work is not counted — even if it looks great.
2. From process control to result control
The classical system still controls the process: what time he arrived, what he was wearing, whether he sat still throughout the lecture. The real market looks at something else: there is a deadline, quality requirements, and product applicability metrics. I prefer a model in which the student has more freedom in how and when to work, but this freedom is balanced by responsibility for the result. If you miss the deadline or hand over a non—working product, the next stage does not open, without lectures and persuasions. This is how the real economy works.
3. Short sprints instead of long theory
The technology stack is updated every six months, and long monotonous programs kill the motivation of pragmatic youth. Training should be modular: a short intensive sprint, a concentrated set of applied skills, and immediately a real artifact: a working service or a packaged project. The task of education is not to issue a diploma someday, but to turn a student's time into a tangible result here and now.
Architects, not performers
Kazakhstan has a chance not to spend years upgrading old models and immediately build a new one. To do this, you need to recognize that a school or college is no longer a "knowledge relay" — knowledge is available in any AI assistant.
The value of education today lies in an environment that educates people with critical thinking and empathy, who are ready to take responsibility and use AI as an amplifier of their own intelligence, rather than as a crutch. Either we will continue to teach according to the old patterns and imitate the learning process, or we will give young people real independence and understandable standards of work.
It is interesting to hear from colleagues: how do you test the independence of students and juniors in the age of AI? Share it in the comments.
Eduard Groth, Head of Educational Products at IT STEP
Я руковожу общеобразовательными продуктами в IT STEP и каждый день вижу, как студенты и школьники работают с нейросетями. Ещё год назад казалось, что вершина прогресса в образовании — научить студента правильно писать запросы к ИИ, и многие гордо запускали курсы по промпт-инжинирингу. Сегодня это выглядит так же странно, как курс «Как искать в Google»: поколение, выросшее со смартфонами, освоило базовый ИИ на уровне рефлексов.
Умение сгенерировать текст или код с помощью нейросети больше не конкурентное преимущество, а гигиенический минимум. По моим наблюдениям, главная проблема сегодня — не дефицит технологий, а дефицит самостоятельного и архитектурного мышления. И если мы не хотим вырастить поколение, которое не способно сделать шаг без подсказки нейросети, подход к обучению придётся серьёзно пересмотреть.
ИИ-инфантилизм: новый вызов для преподавателей
Когда технологии берут на себя рутину, мозг идёт по пути наименьшего сопротивления. У студента появляется соблазн передать нейросети не только сбор информации, но и сам процесс мышления. В итоге он получает быстрый и красиво оформленный результат, но не понимает, как он устроен внутри, и не замечает ошибок.
Работодатели в Казахстане — от финтеха до промышленных холдингов — уже не готовы платить за шаблонные тексты и «красивые картинки». Поэтому бороться нужно не с использованием ИИ (это бесполезно), а с потерей авторства. Я вижу три изменения в методике, которые для этого нужны.
1. От «напиши» к «объясни архитектуру»
Задания в духе «напиши эссе», «сделай код по ТЗ» или «нарисуй макет» больше не проверяют навык. Студент может и должен использовать нейросети, но центр тяжести смещается на защиту решения:
— как ИИ пришёл к этому результату;
— какие альтернативы были отброшены и почему;
— где в сгенерированном коде или анализе спрятана «галлюцинация».
Проверять квалификацию лучше вживую: устный разбор и дебаггинг при преподавателе. Если студент не может пересобрать продукт руками или объяснить логику каждого элемента, работа не засчитывается — даже если выглядит отлично.
2. От контроля процесса к контролю результата
Классическая система до сих пор контролирует процесс: во сколько пришёл, в чём одет, сидел ли смирно всю лекцию. Реальный рынок смотрит на другое: есть дедлайн, требования к качеству и метрики применимости продукта. Мне ближе модель, в которой у студента больше свободы в том, как и когда работать, но эта свобода уравновешена ответственностью за результат. Сорвал срок или сдал неработающий продукт — следующий этап не открывается, без нотаций и уговоров. Именно так работает реальная экономика.
3. Короткие спринты вместо длинной теории
Технологический стек обновляется каждые полгода, и длинные монотонные программы убивают мотивацию у прагматичной молодёжи. Обучение стоит строить модульно: короткий интенсивный спринт, концентрированный набор прикладных навыков и сразу — реальный артефакт: работающий сервис или упакованный проект. Задача образования — не выдать диплом когда-нибудь, а превратить время студента в ощутимый результат здесь и сейчас.
Архитекторы, а не исполнители
У Казахстана есть шанс не тратить годы на модернизацию старых моделей и сразу строить новую. Для этого нужно признать: школа или колледж больше не «ретранслятор знаний» — знания доступны в любом ИИ-ассистенте.
Ценность образования сегодня — в среде, которая воспитывает людей с критическим мышлением и эмпатией, готовых брать ответственность и использовать ИИ как усилитель собственного интеллекта, а не как костыль. Либо мы продолжим учить по старым лекалам и имитировать учебный процесс, либо дадим молодым людям реальную самостоятельность и понятные стандарты работы.
Интересно услышать коллег: как вы проверяете самостоятельность студентов и джунов в эпоху ИИ? Делитесь в комментариях.
Эдуард Грот, руководитель общеобразовательных продуктов IT STEP
Share
