Семинар #4 · 23 октября 2026 · Регулярный AI Native Seminar · 2 доклада + обсуждение политики
Политика ИИ в университете
Рабочая сессия цикла по разработке политики ИИ в УрФУ: разбор действующей Политики, доклад о стратегии ИИ-платформы и доклад о карте науки университета, затем обсуждение — что уточнить и что спустить в регламенты. Материалы идут в рабочую версию политики к конференции в 20-х числах ноября.
Полная запись семинара
Инструменты ИИ в управлении университетом: стратегия и тактика
Алёна Смыслова

Результат работы команды УрФУ с летней сессии по ИИ в образовании: от разрозненных инициатив (цифровые тьюторы) к целостной модели — гибридная модель с суверенной ИИ-платформой во внутреннем контуре.
- Анализ ситуации: сильные заделы (НИОКР по прикладному ИИ, ИИ-лаборатории, образовательные программы по ИИ, системы сопровождения студентов), но дефицит вычислительных мощностей, мало исследователей фундаментальных алгоритмов, нет единого ИИ-сообщества, разрозненный ИТ-ландшафт.
- Из моделей внедрения (радикальная интегрированная, мягкая эволюционная, сервисная, точечная) выбрана гибридная: платформа во внутреннем контуре, где растут точечные инициативы и идёт мягкая для преподавателей эволюционная трансформация.
- Четыре контура изменений: операции (высвобождение времени АУП на 60–80% через оркестраторов), наука (НИОКР-агенты, ИИ-лаборатории), кадры (ИИ-протокол исследований, fast-track аспирантуры, воспроизводимый поток молодых учёных), образование (глубокая персонализация, единое окно и персональный помощник студента).
- Ключевые проекты на общей платформе: цифровой тьютор, научная платформа, ИИ-ассистент ППС — с единой шиной данных, on-premise моделями и контуром безопасности.
- Проекты-спутники: нормы под ИИ (цепочка политика → регламенты → инструкции, нагрузка ППС), ИИ-грамотность, порядок на ИТ-ландшафте (единая шина, чистота данных), контур доверия (ИБ, суверенный периметр), пилот новой модели ВО.
- Целевой образ к 2030: УрФУ — AI Native университет, ИИ как сквозной слой во всех контурах на единой суверенной платформе; якорь технологического перехода Большого Урала и площадка объединения университетов.
- Экономика НИОКР: при 15% накладных простое снижение себестоимости не увеличивает доход — нужна ли другая модель организации работы команд (быстрее → больше проектов)?
- Кто платит за токены и где брать мощности — партнёры (Яндекс/Сбер), собственная инфраструктура, межвузовская сеть; нужен ли УрФУ собственный ЦОД?
- Как закрепить «операторскую» роль УрФУ в децентрализованной инфраструктуре на уровне политики, если модель собирает инициативы разных команд и не оформлена единым проектом?
Карта науки университета: ИИ-аналитика публикаций, групп и научных ставок
Антон Васюнин, ИЕНиМ
Инициативная система, которая по открытым и внутренним данным строит карту науки УрФУ: кто чем занимается, какие есть научные группы, как движутся кадры — чтобы осмысленно выбирать научные ставки и направления.
- Проблема: наукометрических данных много (Pure, электронный архив), но нет полнотекстовой базы — из случайных 500 статей полные тексты удалось получить лишь у ~11%; собственного репозитория публикаций у университета нет.
- Консолидировано ~85 000 публикаций (≈50 тыс. из Pure + ≈30 тыс. из OpenAlex по авторам без аффилиации УрФУ), ~15 000 персон, ~500 научных групп; подтянуты гранты и цитирования.
- Функции: семантический поиск по карте компетенций на естественном языке, черновик ответа на входящий запрос партнёра по загруженному PDF, детектор аномалий («фабрики статей»), видимость притока/оттока кадров по смене аффилиаций, сведение научруков и аспирантов.
- ИИ в разработке (вайб-кодинг) кратно ускорил сборку; аналитика послойная — сотрудник → научная группа → подразделение → институт, с детализацией до человека; отчёты генерируются текстом по шаблонам.
- Куда дальше: связать фундаментальную науку с прикладными исследованиями и обогащать темы учебных курсов данными о том, кто в УрФУ этим занимается, чтобы вести студентов в проектную и научную работу.
- Валидность исходных данных: как не перенести «мусор» из разрозненных источников (текстовые файлы, Excel) в выводы и обеспечить кросс-валидацию — отдельно от галлюцинаций модели?
- Защита данных: критическая информация о разработках и перспективах — только внутренний контур, ПДн не отдавать во внешние модели; нужна ролевая модель доступа и соответствие 152-ФЗ.
- Что закрепить в политике: обязанность максимально предоставлять внутренние данные (полные тексты публикаций) в общий верифицированный контур — сейчас такого требования нет.
- Как сматчить разрозненные источники и учесть активность в конференциях и у студентов, где артефакт не всегда в виде статьи?
Разбор действующей Политики ИИ
Действующая Политика УрФУ в области систем ИИ (СМК-П-15-02-2025, Версия 1) введена на период апробации до двух лет. Ниже — обезличенный разбор по фактам: что документ уже регулирует, в чём его сильные стороны и какие пробелы обсуждались на семинаре и войдут в следующую версию.
Документ-источникПолитика в области внедрения и использования систем ИИ в образовательной, научной и управленческой деятельностях УрФУ (СМК-П-15-02-2025, Версия 1)Введена приказом от 02.10.2025, действует с 01.10.2025 · Период апробации — до 2 лет · PDF, 17 с.Открыть оригинал (PDF) →Что регулирует политика (по фактам)
- Распространяется на все виды деятельности УрФУ, где внедряются и используются системы ИИ; задаёт принципы, возможности и ограничения. Изменения вносятся решением Учёного совета.
- Опирается на федеральную рамку: Национальная стратегия развития ИИ (Указы Президента №490, №124, №309), 273-ФЗ «Об образовании», 149-ФЗ «Об информации», приказы Минобрнауки и Кодекс этики в сфере ИИ (ethics.a-ai.ru).
- Пять базовых принципов: человеко-ориентированность, ответственность за последствия, соответствие законодательству, недискриминация, прозрачность и информирование о применении ИИ.
- Технические требования: выбор системы по функциональности, целям и оценке рисков; блокирующий критерий — если система не раскрывает собеседнику, что он общается с ИИ; для управленческой деятельности — только закрытая модель обучения с контролем утечки данных.
- Три контура применения с единой схемой «возможности / ограничения»: образование (для НПР и для обучающихся), наука, управление. Плюс правила оформления заимствованного текста, сгенерированного ИИ.
- Ключевые ограничения: запрет ИИ на итоговую аттестацию (решение — только за человеком); обязательное раскрытие факта применения ИИ в работах и проверка через «Антиплагиат»; запрет делегировать ИИ ключевые аналитические и управленческие решения; мораторий на загрузку в открытые системы сведений, составляющих тайну; обязательная валидация результатов.
- Срок — апробация не более 2 лет с последующим анализом результатов и корректировкой; контроль возложен на профильных проректоров и директора по образовательной деятельности.
Сильные стороны
- Принципы прямо увязаны с федеральным Кодексом этики и нормативной базой — политика не «изобретает» рамку, а наследует её.
- Явно зафиксирован человек в контуре: итоговую оценку и ключевые решения ИИ принимать не может, ответственность персональная.
- Введено требование прозрачности с двух сторон: к системам (идентификация ИИ-собеседника) и к пользователям (раскрытие применения ИИ в работах, раздел «Материалы и методы»).
- Разведены контуры образования, науки и управления — для каждого отдельный список возможностей и ограничений, а не общий лозунг.
- Документ сразу введён как апробационный (до 2 лет) с порядком пересмотра — это закладывает итеративность.
- Согласован со студенческими органами (Объединённый совет обучающихся и профсоюзная организация), а не только «сверху».
Пробелы и риски — на проработку
- Документ во многом декларативный: много принципов и запретов, мало операционализации — нет метрик, процедур проверки и ответственных на уровне «кто именно и как контролирует».
- Нет перечня разрешённых/рекомендованных систем ИИ и порядка их согласования: «блокирующий критерий» и «закрытая модель» заданы, но не указано, какие конкретно системы им соответствуют.
- Опора на «Антиплагиат» как инструмент контроля ИИ-текста спорна: детекторы ИИ-генерации ненадёжны и дают ложные срабатывания — нужен другой механизм оценки оригинальности и честности.
- «Запрет на итоговую аттестацию через ИИ» не разведён с практикой курсов цикла, где человек и ИИ решают задачу совместно, — нужна чёткая граница между «ИИ оценивает» и «ИИ — часть учебной среды».
- Нет регламента данных: кто владеет загруженными материалами и результатами разметки, как хранятся логи, как на практике реализуется заявленное «отслеживание несанкционированной публикации».
- Технические дефекты самого документа: сбита сквозная нумерация разделов (два пункта «2», раздел управления помечен «6.4» вместо «6.3»), часть требований ИБ дана общими словами без привязки к классам систем и данных.
- Не покрыты: агентные и мультиагентные системы и автономные действия агентов, локальная LLM УрФУ как инфраструктура, порядок оценки эффективности внедрения, ИИ-грамотность сотрудников и студентов как условие допуска.
- Что перевести из деклараций в процедуры: какие метрики, регламенты и роли нужны версии 2?
- Чем заменить «проверку через Антиплагиат» как механизм честности и оригинальности в эпоху генеративного ИИ?
- Где граница «ИИ как часть учебной среды» против «ИИ в итоговой аттестации» для практических курсов?
- Нужен ли перечень согласованных систем ИИ и порядок их ввода; как в него укладывается локальная LLM УрФУ?
- Регламент данных: владение загруженными материалами, хранение логов, разметка — чьи права и какие гарантии?
- Как встроить агентные и мультиагентные сценарии, которых текущая версия не предусматривает?
Разбор подготовлен ИИ по тексту документа, обезличенно — по фактам, без персональных данных из подписей и листа согласования. Это рабочий материал к семинару, а не официальная позиция университета.
Соберём вместе
Предложения институтов
Каждый институт прикрепляет предложения к Политике ИИ — текстом и/или файлом (.pdf, .docx, .txt, до 15 МБ). После отправки плашка закрывается и зажигается звёздочка. Ачивки: ⚡ самый быстрый · 📚 самый ёмкий.
Предложения отправляются организаторам и не публикуются — на странице видно только, какой институт прислал, и ачивки.
Итоги и решения
Итоги семинара. Договорились делать политику рамочной: детальные правила применения ИИ спускать в документы уровня дисциплины (РПД, положение о ВКР, норма-контроль), где владелец дисциплины и руководитель образовательной программы задают степень использования, а политика фиксирует принципы и нижнюю границу. Отдельно зафиксированы информационная безопасность и защита данных (риск утечки конфиденциальной информации, требования 152-ФЗ, ролевая модель доступа, единая шина данных — прорабатывать централизованно с ДИТ и управлением ИБ), прозрачность использования ИИ в студенческих работах, допустимость ИИ-оценки при научно верифицированном стандарте и инфраструктурный блок (суверенные мощности, межвузовская сеть, тема собственного ЦОД). Прозвучало предложение открыть «вторую палату» семинара — про функциональную проработку продуктов, а не только техническую реализуемость. Всё обсуждённое войдёт в рабочую версию политики; доработка — до 20-х чисел ноября, финальное обсуждение — на конференции по онлайн-образованию.
Открытый доступ. Материалы обезличены: имена участников в разборах заменены на роли.