Евгений Соколов: «В мире IТ важно не вариться в собственном соку»

Образование становится стратегической инвестицией для компаний. В ситуации острой нехватки высококвалифицированных специалистов, разбирающихся в IТ и искусственном интеллекте (ИИ), бигтехи сами инициируют образовательные программы в университетах под свои запросы, делясь знаниями и предоставляя вычислительные мощности. Зачем это индустрии и в чем отличия российской системы образования от западной и азиатской, рассуждал доцент факультета компьютерных наук (ФКН) НИУ ВШЭ Евгений Соколов.

Долгоиграющий тренд

Крупные российские компании начали активно интересоваться развитием ИИ более 10 лет назад. Я окончил университет в 2013 г., и именно в это время стало очевидно, что бизнесу нужны специалисты по машинному обучению, большим данным и пр.

С каждым годом тренд только набирает обороты. Глобальный рынок в этой сфере может вырасти к 2033 г. до $4,8 трлн (в 17 раз по сравнению с 2024 г.). Спрос на ИИ-специалистов будет следовать за ростом рынка и развитием технологий.

Профи в дефиците

Конкуренция за специалистов в сфере ИИ сейчас в целом высокая, но неравномерная. В этом плане есть четкое разграничение по специализации и квалификации. Рядовые специалисты, которые умеют работать с готовыми инструментами и строить модели, в цене, но не в остром дефиците. Тем более что в России появилось много школ программирования (в том числе онлайн), программ по data science (науке о данных. – «Ведомости&») в университетах. А вот топовых специалистов, которые в силах не только разобраться с самыми современными технологиями, но и понять, как эти наработки внедрить в работу конкретных компаний, очень мало. Бизнесу нужны профи, которые с помощью своей эрудиции, сильной математической базы и разработческих навыков смогут не только внедрить инструменты, но и сразу оценить эффективность такой интеграции. Мы это ясно видим по борьбе, которую ведет бизнес за наших выпускников.

Чтобы запускать большие генеративные модели, нужны не только ресурсы в виде «железа» для вычислений, но и люди, которые смогут настроить все элементы этой сложной системы. Это ML-инженеры (от англ. Machine Learning – машинное обучение), Deep Learning инженеры (специалисты, которые занимаются разработкой, обучением и внедрением моделей глубинного обучения), разработчики-исследователи.

Три разных подхода к обучению

Нехватка высококвалифицированных специалистов ощущается во всем мире, однако решают проблему подготовки этих специалистов в разных странах по-своему.

Западная система образования устроена таким образом, что в бакалавриате студенты по большей части занимаются профориентированием. Им предлагают не самые сложные курсы, чтобы молодые люди могли оценить сразу несколько направлений и решить, чем заниматься в дальнейшем. Серьезные дисциплины и взращивание топовых специалистов начинается только в магистратуре.

В России подход другой. Серьезное обучение стартует с начальных курсов, и уже в бакалавриате студент изучает сложные дисциплины. С начала обучения мы буквально окунаем студентов в фундаментальные знания. Запрос бигтехов – на ребят с прокачанными хардскилами, разбирающихся в программировании на всех уровнях: от устройства процессоров до проектирования архитектуры крупных сервисов. И чтобы во всем хорошо разобраться, надо нарешать тысячи задач за первый год обучения, написать километры кода, чтобы язык программирования стал вторым родным языком.

Более того, в рамках нашей совместной с «Яндексом», «Сбером» и четырьмя другими вузами программы AI360 мы решили привлекать студентов к исследовательской работе уже на первом году обучения. Безусловно, на этом этапе у них еще нет большого опыта, им может не хватать даже математической базы. Но поскольку на такие программы мы набираем «самых-самых» абитуриентов из числа призеров и победителей международных олимпиад, им это под силу.

В странах Азии подход к образованию в сфере IТ и ИИ схож с российским. Там не культивируют идею «легкого бакалавриата», выдавая студентам серьезные знания с первых курсов. Однако есть и отличия. Например, в азиатских странах более жесткое регулирование образования. Студентам в Китае, скажем, запрещено совмещать работу с учебой. В этом есть свои минусы: студент может оказаться слишком оторванным от индустрии и запросов компаний.

Если сравнивать три модели образования и рассуждать субъективно, наш подход мне нравится больше: мы не теряем время зря и ребята раньше выходят на рынок труда.

В связке с индустрией

Россия оказалась в уникальной ситуации с точки зрения обучения IТ- и ИИ-специалистов. Вместе с фундаментальными знаниями на первых курсах студенты получают реальный опыт работы в индустрии и понимание, что, для чего и как они делают. В целом роль индустрии в российском образовании в части новейших компьютерных технологий выше, чем на Западе.

На младших курсах студенты могут стажироваться в российских бигтехах. Это ценнейший опыт. Компании сами понимают, насколько это важно для них, и много вкладывают в подобные программы.

Уже на втором году обучения половина курсовых работ пишется под руководством специалистов из компаний. Причем это не отвлеченные работы, а реальное решение практических задач от наших индустриальных партнеров. То есть сама индустрия участвует в обучении студента. Получается, что к моменту выпуска студент, набрав знания и возможность поработать над реальными производственными задачами, уже четко видит свой дальнейший путь и развитие.

Самое главное, что могут дать бигтехи помимо практического опыта, – это преподаватели. Например, ФКН, где я работаю, был основан 11 лет назад совместно с «Яндексом». Компания активно занялась поиском разработчиков, аналитиков, научных руководителей, готовых делиться знаниями со студентами. Это имело колоссальный эффект, который был виден уже по первым наборам. Ведь когда программирование ведет практикующий специалист, который каждый год сам что-то внедряет, это сильно мотивирует. Кроме того, сами курсы становятся более современными, потому что сотрудники компаний, как никто иной, знают, что нужно отрасли. Это можно назвать своеобразной инвестицией компании в свое будущее, несмотря на то что «в моменте» бизнес несколько «теряет» ценное время ценного специалиста.

Еще одно вложение, которое могут давать бигтехи, – это вычислительные ресурсы. «Потрогать» современные технологии ИИ сложно, если у тебя нет соответствующих мощностей. А у бигтехов такие возможности есть. Они делятся своими ресурсами с университетами.

Если смотреть глобально, российская связка «IТ- и ИИ-образование – индустрия» видится мне самой крепкой. На Западе программы стажировок более ограничены. В Азии вообще не принято работать во время учебы в бакалавриате.

Круговорот знаний

Преимущество российской системы подготовки ИИ- и IТ-кадров в том, что компании могут сформировать в партнерстве с вузами определенные образовательные треки. Например, сотрудники бигтехов преподают востребованные дисциплины у студентов. Иногда получается своеобразный круговорот: наш студент стажируется в «Яндексе», уходит туда работать после выпуска, а потом возвращается в Вышку, чтобы поделиться с новыми студентами своим опытом. Более того, иногда сами компании предлагают новые образовательные курсы. Буквально каждый месяц мне пишут наши выпускники, работающие в «Яндексе» или других крупных компаниях, с предложением темы, которой у нас еще не было. Вот такой большой цикл обратной связи.

Свежий пример – стартующий осенью 2025 г. курс по RAG-ассистентам, которыми занимается наш выпускник. RAG-ассистенты – это популярные в последнее время надстройки к языковым моделям, которые позволяют адаптировать их под конкретные задачи. Например, в банке такой RAG-ассистент сможет анализировать внутреннюю базу знаний и предоставлять пользователям точные и актуальные ответы на вопросы о продуктах, тарифах и правилах, комбинируя параметры поиска с генерацией новых формулировок.

Другая группа выпускников, специализирующаяся на адаптации языковых моделей для бизнес-задач, предложила образовательный курс по особенностям дообучения и внедрения LLM.

Еще один выпускник, занимающийся в «Яндексе» производительностью (оптимизирует код, чтобы системы были эффективными и быстрыми), предложил рассказать про перформанс-оптимизацию, которая помогает сэкономить миллисекунды быстродействия системы. Этот курс тоже появится осенью.

Международный опыт и мобильность

Для качественного и всестороннего обучения важен обмен идеями и международным опытом. В последнее время этот обмен несколько затормозился, но в этом году интерес студентов ФКН к учебе по обмену в партнерских университетах за рубежом вырос в 3 раза. Мы получаем все больше заявок на компенсации по участию в конференциях. Научное сотрудничество также понемногу возвращается к допандемийному.

Это важно в первую очередь для расширения эрудиции: когда студент попадает в другой университет в другой стране в совершенно другой научный коллектив, даже знакомые темы и знания воспринимаются иначе. Без живого общения с коллегами можно попросту закостенеть. В мире IТ важно не вариться в собственном соку, а приправлять собственные знания альтернативными взглядами. Так появляются новые интересные направления и идеи. &