Минуло чотири роки з моменту масового запуску генеративного штучного інтелекту, і вища освіта остаточно пройшла етап сумнівів щодо того, чи варто впроваджувати нові інструменти. Сучасний виклик полягає у виваженому масштабуванні технологій — розбудові дієвих рішень та виправленні помилок перших етапів. Проте ключове питання полягає в іншому: чи готова технологічна інфраструктура університетів до масштабування штучного інтелекту і яке її справжнє призначення.
Як зазначає у своїй колонці експерт Фред Крейгерс, сьогодні більшість закладів вищої освіти мають схожу проблему. Вони експлуатують системи, які впроваджувалися в різний час і для різних завдань, через що ніколи не проектувалися для спільної роботи. Інформація про одного студента зазвичай розпорошена по кількох платформах, кожна з яких використовує власні визначення, формати та версії даних.
Від розрізнених баз до єдиної онтології даних
Зазвичай відомості про зарахування зберігаються в системі інформації про студентів (SIS), навчальні курси — у системі управління навчанням (LMS), комунікація — у CRM-системі, а фінансові показники — в окремій базі. Наразі працівники університетів змушені вручну пов’язувати ці дані, оскільки знають, де шукати необхідну інформацію та чому можна довіряти. IT-команди роками компенсували відсутність інтеграції ручною підготовкою даних і неформальними знаннями про зв’язки між системами.
Для ефективної роботи штучного інтелекту ці зв’язки мають бути чітко та явно сформульовані. Звичайна централізація чи агрегація інформації не робить дані готовими до використання ШІ. Якщо система SIS ідентифікує особу за номером студента, CRM — за номером клієнта, а LMS — за номером слухача, людина-оператор розуміє, що йдеться про одного й того самого студента. ШІ без чітко визначеної спільної онтології не здатний встановити цей зв’язок і проводити аналіз.
Ознаками проблем із даними є наявність суперечливих версій однієї інформації або ситуації, коли для відповіді на стандартні запитання потрібні складні SQL-запити. Ці труднощі існували й до появи генеративного ШІ, але зараз вони набули особливої гостроти.
Від перегляду дашбордів до регламентованих дій
Створення спільної онтології, яка об’єднує дані про зарахування, активність у LMS та нотатки кураторів, є необхідним, але недостатнім кроком. Пов’язані дані лише описують поточний стан установи, але не приймають рішень. Вони не підкажуть куратору, кому з чотирьохсот студентів потрібно зателефонувати першочергово, і не попереджають реєстратора про те, що зміна переліку дисциплін вплине на нарахування фінансової допомоги.
Найбільшою прогалиною вишів залишається відсутність регламенту дій (governance of action), а не лише доступу до даних. Більшість дискусій щодо управління даними у вищій освіті стосуються прав перегляду: хто має право бачити профіль студента, за якими винятками закону про збереження прав і конфіденційності освіти (FERPA) та як логується цей доступ. Проте друга частина проблеми полягає у відповіді на запитання: коли система виявляє проблему, хто саме має повноваження діяти, через який механізм і з яким аудиторським слідом.
Покоління освітніх технологій та закриття управлінського циклу
Попередні три покоління технологій у вищій школі — системи обліку (systems of record), платформи доставки навчального контенту (delivery platforms) та аналітичні шари звітності (reporting layers) — навчили заклади якісно документувати власні процеси. Проте жодне з них не замкнуло цикл між отриманням сигналу та виконанням авторизованої дії. Саме наявність цього циклу визначає, чи принесуть інвестиції в штучний інтелект реальні результати, чи лише створять красивіші інформаційні панелі.
Готовність до штучного інтелекту не вимагає повної заміни наявних систем («rip and replace»). Вона потребує глибокого розуміння поточних ресурсів, способів їхнього поєднання та функцій, які вони мають виконувати після об’єднання.
Ключові висновки для розбудови цифрового середовища
Аналізуючи досвід впровадження технологій у вищій школі, можна зробити декілька підсумкових висновків щодо подальшої стратегії закладів:
- Створення єдиної онтології даних — це лише фундамент, а не кінцева мета цифрової трансформації.
- Університетам необхідно розробляти правила прийняття рішень та уповноважених дій, а не лише обмежуватися налаштуванням прав доступу.
- Автоматизація аналітики повинна завершуватися конкретними процедурами із чітко визначеною відповідальністю та аудиторським слідом.
Заклади, які сприймають систематизацію даних лише як фінальний етап, отримають чистіші сховища даних та швидшу звітність. Натомість ті виші, які розглядають її як основу для санкціонованих і контрольованих дій, здобудуть можливість ухвалювати рішення, які раніше були технічно неможливими.
Дата публікації джерела: 05.10.2026 17:50.
Джерело: edtechdigest.com
