Можно представить две ситуации. В первой студент представляет работу с высоким показателем оригинальности, но на защите не может объяснить, почему выбрал именно такую методологию и как получил выводы. Во второй — выпускник хорошо знает материал, самостоятельно выполнял исследование и способен защитить каждое решение, но формальная проверка текста этого не отражает.

Обе ситуации показывают ограниченность подхода, при котором качество подготовки пытаются определить по одному итоговому документу.

Системы проверок анализируют текст. Но образовательный результат — это то, что человек умеет делать самостоятельно и применять на практике.

Распространение генеративного ИИ сделало эту проблему особенно заметной. Нейросеть может сформировать связный текст, предложить структуру, гипотезы и аргументы. Поэтому вопрос постепенно смещается от «использовал ли студент ИИ?» к более содержательному: кто принимал интеллектуальные решения?

«Использование И И само по себе не говорит ни о наличии, ни об отсутствии самостоятельной работы. Студент может применять его для поиска направлений, структурирования материала или языковой редакции и при этом самостоятельно проверять источники, выбирать решение и отвечать за выводы. Но если нейросеть выполняет ключевую интеллектуальную работу вместо человека, итоговый текст уже не является достаточным свидетельством сформированной компетенции.

Красная черта проходит не между «использовал ИИ» и «не использовал», а между «ИИ помог мне решить задачу» и «ИИ решил задачу вместо меня»".

Попытка решить проблему только совершенствованием детекторов создаёт замкнутый цикл: появляются новые способы генерации — возникают новые способы обнаружения и их обхода.

Поэтому вопрос становится шире технологий контроля: что именно университет хочет доказать результатами итоговой аттестации?

Если конечного текста недостаточно, необходимо видеть, как этот результат создавался.

Для выпускной работы такими свидетельствами могут быть постановка задачи, работа с источниками, промежуточные результаты, проекты и кейсы, обратная связь преподавателя, изменения после нее, обоснование решений и защита.

В совокупности они формируют цифровой след обучения — не историю кликов в информационной системе, а доказательную базу формирования компетенций.

Такой подход меняет и логику государственной итоговой аттестации. Финальная работа остается важным элементом, но становится частью более широкой оценки: что выпускник умеет, как принимает решения, может ли применить знания к профессиональной задаче и защитить собственный результат.

Для работодателя показатель оригинальности выпускной работы сам по себе не отвечает на главный вопрос: что умеет выпускник?

Ему важно, способен ли специалист самостоятельно поставить задачу, найти и оценить информацию, выбрать решение, применить знания к реальной ситуации и отвечать за результат.

Поэтому развитие ИИ заставляет университеты переосмысливать не только академическую добросовестность, но и сам способ подтверждения качества подготовки специалистов.

Цифровизация образования позволяет накапливать данные об образовательном процессе. Следующий вопрос — как превратить эти данные в свидетельства образовательного результата.

В этом случае системы проверок на оригинальность не исчезают. Они занимают другое место — становятся одним из инструментов комплексной оценки наряду с экспертной проверкой, практическими заданиями, проектной работой и защитой.

Документ показывает, что получилось. Процесс показывает, как это было создано. Защита показывает, понимает ли человек собственный результат.

Такой переход может стать следующим этапом развития системы оценки компетенций в высшем образовании.