ТюмГУ SAS · Дизайн‑мышление с AI

Проект ТюмГУ SAS с дизайн-мышлением и AI можно отнести к прототипным инициативам с признаком модульной платформенной архитектуры (MOD) и уровнем агентности 2 из 6. AI функционирует как эксперт и медиатор, поддерживающий педагогический процесс, но не как полностью автономный агент. Это ближе к управляемым и частично автоматизированным системам, нежели к самостоятельной AI-среде с высоким уровнем автономии. Такое положение отвечает современной парадигме гибридного управления (HYBR) с ролью AI, ограниченной функциональными задачами и обратной связью, где основная ответственность и контроль остаются за человеком. Кейс ещё не вышел на стадию институциональной политики или широкого массового внедрения (rollout), поэтому определяется как прототип.

Курс-эксперимент ТюмГУ SAS: Дизайн‑мышление. AI-персоны: tyumgu-persona-steve.

До интеграции AI в дизайн-мышление в ТюмГУ наблюдалась недостаточная поддержка и оперативная экспертная обратная связь в ходе проектной деятельности студентов и преподавателей. При традиционном подходе профессор в контрольной группе выступал в роли единственного источника консультаций, что ограничивало скорость и глубину анализа и переработки проектных наработок. Отсутствие посредника, который мог бы обрабатывать большие объёмы материалов и быстро генерировать экспертные рекомендации, снижало мотивацию, а также делало взаимодействие менее эффективным. Такая ситуация отражает проблему ограниченной агентности и поддержки в традиционной образовательной среде, типичной для контура с низкой автоматизацией и минимальной инструментальной интеграцией AI.

Предполагается, что интеграция AI «Стива» в дизайн-мышление даст возможность значительно повысить качество и скорость экспертной обратной связи по проектам и наработкам студентов и преподавателей. AI представляет собой консультанта, который не просто отвечает на вопросы, но и мотивирует участников через объяснения и поддержание диалога, что должно повысить вовлечённость и качество образовательного процесса. Гипотезы развития включают улучшение организации деятельности под посредничеством медиатора, что согласуется с фасетой педагогики ROLE и модерируемой оркестрацией MOD. Это обещает трансформацию функций преподавателя из единственного источника экспертных знаний в координатора взаимодействия с ИИ и студентами, не теряя при этом контроля над процессом.

Архитектура решения построена как модульная платформа (MOD), где AI представлен как экспертный ассистент с агентностью 2/6, то есть AI выполняет специализированные функции, но действует в рамках контролируемого сценария без автономного управления процессом. AI-агент «Стив» интегрирован в процесс проектирования с возможностью генерировать экспертные ответы, объяснять сложные моменты и предоставлять обратную связь. Технически не описаны конкретные провайдеры или стек, но практики похожи на те, что встречаются в университетских песочницах и системах с RAG и persistent state, где AI обновляется и обучается на конкретном контексте. Медиатор — человек, который обеспечивает организационную поддержку и мотивацию участников, сохраняя исполнительную роль преподавателя без AI самостоятельности.

В проекте выделены следующие человеческие роли: профессор в контрольной группе, который сохраняет традиционную преподавательскую функцию; медиатор, организующий деятельность и поддерживающий мотивацию участников проекта; студенты, вовлечённые в дизайн-мышление. AI «Стив» исполняет роль эксперта и обратной связи, тесно интегрируясь в учебный процесс, но не заменяя человека. Такой распределённый контур ролей отражает модифицированную модель агентной оркестрации (MOD) и гибридное управление (HYBR), где роль AI функциональна и ограничена, а человеческий фактор остаётся ключевым для поддержки и принятия решений.

AI «Стив» выступает в роли экспертного консультанта с ограниченной агентностью (2/6), который даёт экспертные ответы, объяснения и обратную связь по проектным наработкам. Он не является автономным субъектом, а функционирует в рамках предопределённого сценария взаимодействия и под контролем медиатора и преподавателя. Эта функциональная позиция AI соответствует категории AI-as-Co-Designer с элементами pedagogical role и гибридного контроля (HYBR). AI помогает перераспределять задачи и генерировать варианты решений, но без самостоятельного принятия решений или управления процессом обучения.

Ядерная дисциплина на 2 курсе, один квартиль (32 часа контакта). Эксперимент: параллельные группы. Экспериментальная — работает с медиатором и ИИ‑персоной «Стив», контрольная — с профессором. Этапы: 1) исследование пользовательского опыта; 2) идеи и решения; 3) прототипы, тестирование, презентация. Старт — принципы/этапы/инструменты, финал — защита проектов.

На данном этапе у проекта отсутствует полноразмерная институциональная политика или нормативная база, специфическая к AI-системе «Стив». Контроль и управление построены на уровне локальных процедур и поддерживаются ролью медиатора. Этот контур демонстрирует комбинацию управленческого и педагогического подхода HYBR с ориентацией на модерацию процесса, что соответствует обнаруженным трендам в университетах по гибкому governance AI, где центральная роль остаётся за преподавателем и администрацией, а AI интегрируется как инструментальная поддержка. Отсутствует чётко выраженный loop мониторинга, аналитики и audit trail, что обычно характерно для прототипных или пилотных стадий.

Оценки по 10‑балльной шкале. Весна‑2024 (эксп./контр.): Задание 1 — 7,19/7,76; Задание 2 — 7,00/7,87; Задание 3 — 6,58/7,97. Осень‑2025: 7,05/7,56; 6,73/7,28; 7,6/7,18. Вывод: курс с ИИ и медиатором не снижает образовательные результаты и снижает стоимость реализации до 2 раз по сравнению с курсом с профессором.

Извлечено из ТюмГУ-презентации (confidence: high). Экспериментальная группа – студенты работают с медиатором и «Стивом». Контрольная группа – студенты работают с профессором. «Стив» умеет давать экспертные ответы, объяснять, давать обратную связь... Проведение курса с ИИ и медиатором не снижает образовательные результаты, но снижает стоимость реализации до 2 раз.