Подходы к подготовке ИИ-кадров: исследование практик России, США и Китая
Компания J’son & Partners Consulting представила результаты исследования подготовки ИИ кадров в России, США и Китае.
Аналитики выделили три модели развития: государственно-центричную (Китай), университетскую (США) и бигтех центричную (Россия), показав, что в российской системе ключевыми драйверами подготовки ИИ-специалистов становятся крупные технологические компании в партнерстве с вузами, а государство играет роль медиатора и масштабирует лучшие практики.
В отчете сравниваются подходы трех стран к подготовке ИИ-кадров с раннего школьного до взрослого возраста. В основу легли анализ ключевых инициатив государства, бизнеса и университетов трех стран и интервью с представителями российских вузов и образовательных направлений крупных компаний.
Во всех трех странах дефицит специалистов в области искусственного интеллекта носит структурный характер: экономика и технологии обновляются быстрее, чем образовательные учреждения успевают выпускать специалистов с нужными компетенциями. По оценке экспертов, системам образования стран требуется 7–10 лет, чтобы адаптироваться к технологическим изменениям: разработать программы, аккредитовать их и выпустить несколько потоков студентов. За это время требования к компетенциям в ИИ успевают смениться несколько раз.
Три модели подготовки ИИ кадров: как страны ускоряют процесс
Китай борется с нехваткой времени на адаптацию программ за счёт государственного регулирования. Сейчас страна нуждается в 5 млн новых ИИ-специалистов, поэтому министерства обновляют образовательные стандарты, вводят новые курсы и определяют, какие навыки должны быть у выпускников – и школы с вузами переходят на эти форматы почти одновременно. Это позволяет быстро масштабировать обучение и закрывать массовый спрос на кадры.
У такого подхода есть и ограничения. Жесткая стандартизация со стороны госсектора почти не оставляет пространства для подготовки уникальных или креативных специалистов, которые нужны для более сложных задач в ИИ, что отчасти компенсируется активным привлечением кадров из-за рубежа.
В США в центре системы подготовки ИИ-кадров находятся конкурирующие университеты, а участие государства и бизнеса остается умеренным. Конкуренция за студентов и высокий уровень автономии позволяют вузам оперативно обновлять программы и ориентироваться на подготовку специалистов с уникальными компетенциями. При этом высшее образование остаётся дорогим: стоимость обучения может достигать 60 тысяч долларов в год, а отсутствие единых стандартов по ИИ компетенциям приводит к разнородности подготовки выпускников, что усложняет найм для работодателей.
Российская модель подготовки специалистов описывается как бигтех-центричная: высокий спрос на квалифицированные ИИ-кадры привёл к тому, что именно бизнес запустил первые образовательные проекты, задающие стандарт обучения в областях анализа данных, машинного обучения и искусственного интеллекта.
В 2020-х годах развитие ИИ ускорилось, и университеты начали активно подключаться к подготовке кадров. Взаимодействие вузов и технологических компаний прочно закрепилось в новых образовательных программах, а государство взяло на себя роль фасилитатора: отбор и масштабирование лучших практик, запуск национальных проектов и поддержку региональных университетов. Например, проект Минцифры «ТОП-ДС» (инициатива по подготовке специалистов по ИИ, которые могут создавать новые прикладные решения и проводить фундаментальные исследования в этой области) развивает логику бакалавриата AI360, запущенного в 2024 году Яндексом, Сбером и пятью ведущими университетами.
Также ключевыми особенностями российского подхода к обучению ИИ-кадров выступают сильная фундаментальная математическая школа и доступность ИИ-образования, которая происходит за счет большого количества бесплатных образовательных программ.
