AI SANA: от знаний к технологическим решениям

Год назад мы рассказывали о первых результатах участия Казахского национального университета имени аль-Фараби в государственной инновационной программе AI-Sana.

Сегодня меняется сама логика программы: после массового освоения базовых компетенций в области искусственного интеллекта акцент переносится на проектную работу, технологическое предпринимательство и создание собственных решений.

В КазНУ второй этап программы прошли более шести тысяч студентов. Теперь важно не только обеспечить широкий охват обучения, но и понять, как полученные знания будут применяться в проектах, исследованиях, прототипах и разработках, востребованных реальным сектором экономики.

О результатах второго этапа AI-Sana и дальнейших задачах рассказал председатель правления – ректор Казахского национального университета имени аль-Фараби Жансеит ТУЙМЕБАЕВ.

– Жансеит Кансеитұлы, год назад мы говорили о первых результатах AI-Sana. Что изменилось за это время?

– Прежде всего изменился характер задач. На первом этапе важно было обеспечить массовое формирование базовых компетенций в области искусственного интеллекта: дать студентам понимание современных ИИ-технологий, научить пользоваться новыми инструментами и оценивать возможности их применения.

На втором этапе акцент сместился от знакомства с технологиями к проектному мышлению. Студенты изучали искусственный интеллект в связке с предпринимательством, анализом реальных задач, командной работой и разработкой собственных решений.

Это принципиальный переход. Президент Казахстана Касым-Жомарт Токаев в прошлом году отмечал необходимость прежде всего сосредоточиться на повышении качества образования. «Университеты должны подготовить новое поколение отечественных инженеров, исследователей и предпринимателей, способных создавать передовые технологии, соответствующие современным мировым потребностям. В начале этого года мы запустили программу AI-Sana, по которой уже более 440 тысяч студентов получили специальные сертификаты в области искусственного интеллекта. Подобные программы крайне полезны, так как именно на таких платформах лучшие проекты могут сформироваться в стартапы и получить доступ на международный рынок. Поэтому каждый специалист в своей отрасли в дополнение к своей основной профессии должен освоить цифровые навыки и уметь применять возможности ИИ в своей деятельности», – подчеркнул Президент.

Современному университету уже недостаточно научить студента пользоваться готовыми цифровыми инструментами. Необходимо формировать способность самостоятельно определять задачу, понимать потребности пользователя, оценивать технологическую реализуемость идеи, работать с данными и критически оценивать полученные результаты. Именно такой подход позволяет перейти от освоения отдельных инструментов к их применению и созданию собственных решений.

– Каких результатов КазНУ достиг по итогам второго этапа?

– По итогам второго этапа обучение успешно завершили 6 361 студент и 40 кураторов. Второй этап стартовал весной 2026 года и был ориентирован не только на развитие ИИ-компетенций, но и на основы технологического предпринимательства и проектной деятельности. В апреле КазНУ посетил член Национального совета по искусственному интеллекту при Президенте Республики Казахстан Пол Ким, участвовавший в разработке содержания последующих этапов AI-Sana. Он встретился со студентами и кураторами программы.

– То есть количество сертификатов уже не может быть главным показателем успеха программы?

– Количество обученных студентов остается важным показателем, поскольку без базовых знаний невозможно двигаться дальше. Но само по себе прохождение курса еще не означает, что сформировалась новая компетенция или появилась технологическая разработка.

По мере развития AI-Sana должны меняться и подходы к оценке результатов. Нам важно видеть, сколько участников смогли сформулировать собственную идею, и сколько команд приступили к ее проработке. Необходимо также учитывать, появились ли прототипы, проводилось ли тестирование решений с потенциальными пользователями, удалось ли привлечь научных консультантов или отраслевых партнеров.

Иными словами, следующим показателем становится не только охват, но и качество проектов, а также их дальнейшее развитие. При этом не обязательно каждому участнику программы создавать стартап. Один студент продолжит работу в исследовательском направлении. Другой выберет дипломный или магистерский проект. Третий займется разработкой технологического продукта или решением конкретной задачи предприятия.

– Есть ли в КазНУ среда, в которой такие проекты могут развиваться дальше?

– В университете уже реализуются студенческие и научно-технологические проекты в области искусственного интеллекта, больших данных, цифровых двойников, Industrial IoT и других современных технологий.

Есть, например, проекты по интеграции систем мониторинга WebAR на производстве с технологиями цифровых двойников, мониторингу промышленного оборудования на основе Industrial IoT. Еще одно направление связано с разработкой ортопедического устройства, в котором сочетаются электростимуляция, IoT и технологии искусственного интеллекта.

Эти проекты важны не только как отдельные студенческие разработки. Они показывают, что в университете уже формируется среда, в которой знания и технологические компетенции находят применение в решении конкретных задач. Поэтому одна из наших целей в рамках следующих этапов AI-Sana – дать участникам возможность не останавливаться на обучении, а включаться в такую проектную среду и развивать собственные идеи при поддержке университета.

– Каким образом наука должна быть связана со следующими этапами AI-Sana?

– Современные технологические решения все чаще возникают на стыке нескольких областей. Одной компетенции в программировании уже недостаточно. Необходимо понимать предметную область, уметь работать с данными, оценивать технологические ограничения, экономическую целесообразность решения и связанные с ним риски.

Если проект связан с производством, к нему могут подключаться специалисты в области цифровых двойников, Industrial IoT, моделирования или анализа данных. В медицинских проектах необходима предметная экспертиза соответствующего направления.

Так формируется связка «студент – исследователь – отраслевой эксперт». Она особенно важна для проектов, которые имеют потенциал развития в DeepTech-направлениях. В таких случаях недостаточно использовать готовые цифровые сервисы. Здесь требуется собственная исследовательская, технологическая или инженерная составляющая.

– Какую роль в этой модели должны играть предприятия и организации?

– Очень важную. Между технологической идеей и решением, которое действительно востребовано, большая дистанция.

Студент может создать технически работающий прототип. Но только в профессиональной среде можно понять, насколько он отвечает конкретной задаче. Важно также определить, как интегрировать его в существующие процессы. При этом необходимо учитывать надежность, работу с данными, безопасность и стоимость внедрения.

Поэтому взаимодействие с предприятиями и организациями должно начинаться не тогда, когда проект уже готов к внедрению, а значительно раньше. Отраслевой партнер может помочь еще на этапе постановки задачи.

Для нас важно постепенно выстраивать именно такую последовательность: обучение – идея – команда – исследование – прототип – проверка – отраслевой партнер – практическое применение. При этом важно, чтобы каждый следующий этап был связан с предыдущим и позволял развивать проект дальше.

– Какие задачи стоят перед участниками на следующих этапах программы?

– Следующий шаг – развитие перспективных идей и проектных команд. Команда должна четко определить, какую задачу она решает, и для кого предназначено будущее решение. Необходимо проверить исходные предположения, изучить потенциальных пользователей, определить необходимые технологии и данные, оценить ресурсы и создать первый работающий прототип.

При этом очень важно научиться критически относиться к собственной идее. То, что разработчику кажется перспективным, не обязательно востребовано рынком или конкретной отраслью. Поэтому проект должен пройти проверку реальной практикой и получить обратную связь от потенциальных пользователей и отраслевых партнеров.

Для наиболее перспективных команд следующими задачами станут дальнейшее развитие разработки, поиск партнеров и проведение пилотных испытаний. Там, где это обоснованно, проект сможет перейти к технологическому предпринимательству или развиваться в направлении DeepTech.

– По каким показателям университет будет оценивать эффективность этой работы?

– На следующих этапах для нас принципиально перейти от количественных показателей к более содержательной оценке результатов. Мы хотели бы учитывать, появились ли работающие прототипы. Проводилось ли тестирование проектов с потенциальными пользователями. Получили ли проекты научное сопровождение. Возникло ли сотрудничество с предприятиями и организациями, и удалось ли отдельным командам перейти к пилотному внедрению.

Но есть еще один важный показатель – продолжение работы самого студента. Если участие в AI-Sana становится началом исследования, выпускного проекта, технологической разработки, профессиональной специализации или собственного стартапа, это уже важный результат. Полученные знания и навыки получают продолжение в учебной и профессиональной деятельности студента.

Поэтому задача университета не просто научить пользоваться инструментами искусственного интеллекта. Наша задача – подготовить специалиста, который умеет самостоятельно определить проблему и поставить исследовательскую или инженерную задачу. Он должен уметь критически оценивать данные и полученные результаты. Важно также научить его работать в междисциплинарной команде и создавать собственные решения.

Именно такой переход – от получения знаний к самостоятельной разработке и дальнейшему развитию собственных решений – мы считаем одним из главных содержаний следующего этапа работы.