Правовой режим использования генеративного искусственного интеллекта в высшем образовании: академическая добросовестность, персональные данные и ответственность

• ЭРИАШВИЛИ Нодари Дарчоевичкандидат юридических наук, кандидат исторических наук, доктор экономических наук, профессор, почетный работник сферы образования РФ, лауреат премии Правительства РФ в области образования, профессор кафедры гражданского и трудового права, гражданского процесса Московского университета МВД России имени В.Я. Кикотя; профессор кафедры частного права Государственного университета управленияprofessor60@mail.ru

В статье исследуется формирующийся правовой режим применения генеративного искусственного интеллекта в высшем образовании. Выявлено противоречие между технологически нейтральным дозволением использовать электронное обучение и отсутствием специальных гарантий при генерации учебного контента, оценивании результатов и обработке данных обучающихся. Обосновано, что запретительная модель не соответствует академическим правам и задачам развития искусственного интеллекта, тогда как нерегулируемое применение создает риски подмены самостоятельной деятельности, дискриминации и утраты контроля над персональными данными. Предложена четырехуровневая модель допустимости: вспомогательное, условно допустимое, недопустимое замещающее и институциональное высокорисковое применение. Сформулированы критерии существенности участия ИИ, распределена ответственность между обучающимся, педагогическим работником, образовательной организацией и поставщиком системы. Предложено дополнить Федеральный закон «Об образовании в Российской Федерации» нормами о праве на информирование и человеческий пересмотр автоматизированной оценки, об обязанности раскрывать существенное использование ИИ и о риск-ориентированном локальном регулировании.

Ключевые слова: образовательное право, высшее образование, генеративный искусственный интеллект, академическая добросовестность, персональные данные, оценивание, ответственность, локальный нормативный акт

Введение

Генеративный искусственный интеллект (далее — генеративный ИИ, ГенИИ) перестал быть внешним цифровым сервисом и фактически встроился в подготовку учебных текстов, программного кода, исследовательских обзоров и обратной связи. Российское исследование 2025 г., охватившее 4207 студентов ведущих вузов, показало не только распространение новых практик, но и их неодинаковый эффект: для успевающих студентов ИИ чаще становится средством усиления, тогда как для других способен закреплять отставание [8, с. 9–35]. Обзор 270 публикаций из журналов Перечня ВАК за 2020–2024 гг. подтверждает, что педагогическая практика опережает формирование общих правил безопасного использования технологии [9, с. 36–57].

Правовая проблема состоит не в самом факте обращения к алгоритму, а в неопределенности юридически значимой границы между помощью и подменой самостоятельной образовательной деятельности. Конституционное право на образование предполагает доступность и качество образования [1], однако не дает обучающемуся права требовать зачета результата, не отражающего освоение им компетенций. Одновременно академическая свобода и автономия образовательной организации не оправдывают непрозрачное автоматизированное оценивание или передачу учебных работ во внешние сервисы без надлежащего режима данных. Следовательно, необходимо согласовать четыре ценности: свободу использования образовательных технологий, достоверность оценки, информационную автономию личности и ответственность человека за итоговое решение. Цель исследования — сформировать отраслевую модель правового регулирования ГенИИ в высшем образовании и предложить способы ее закрепления. Использованы формально-юридический, системный, сравнительно-правовой и функциональный методы. Научная новизна заключается в разграничении пользовательского и институционального применения ИИ, введении критерия существенности алгоритмического участия и построении четырехуровневого режима допустимости. Центральный тезис состоит в том, что образовательное право должно регулировать не «наличие ИИ» в работе, которое нередко технически недоказуемо, а характер переданной алгоритму функции, влияние этой функции на проверяемую компетенцию и соблюдение процедурных гарантий.

1. Нормативный разрыв: технология разрешена, специальный режим не установлен Федеральный закон от 29 декабря 2012 г. № 273-ФЗ допускает применение различных образовательных технологий, включая электронное обучение и дистанционные образовательные технологии, а статья 16 связывает их с электронной информационно-образовательной средой [2].

Эти нормы технологически нейтральны и потому охватывают цифровые инструменты в широком смысле. Однако генеративная система качественно отличается от электронного учебника или платформы связи: она формирует вероятностный ответ, может воспроизводить ошибки и предубеждения, перерабатывает введенные данные и создает впечатление авторитетности без гарантии истинности.

Образовательная организация автономна и вправе принимать локальные нормативные акты в пределах своей компетенции (статьи 28 и 30 Закона об образовании) [2]. Обучающийся, в свою очередь, обязан добросовестно осваивать программу, самостоятельно готовиться и выполнять задания педагогического работника (статья 43) [2]. Из совокупности этих положений можно вывести обязанность не подменять собственную деятельность чужим либо машинно сгенерированным результатом. Но понятия академической добросовестности, существенного использования ИИ и порядка доказывания нарушения федеральный закон не раскрывает. Поэтому одинаковое действие — например, получение от чат-бота структуры эссе — в одном вузе признается разрешенным, в другом требует декларации, а в третьем может оцениваться как нарушение без заранее опубликованного критерия.

Такое положение ослабляет правовую определенность дисциплинарной ответственности.

Процент «вероятности ИИ», сформированный детектором, сам является алгоритмическим выводом и не доказывает ни автора текста, ни умысел обучающегося. В литературе справедливо отмечается необходимость переосмысления оценивания, а не механического переноса традиционной модели плагиата на генеративные системы [13, с. 228–239; 14]. Дискуссия, начавшаяся с вопроса о том, является ли ChatGPT угрозой или ресурсом, должна быть переведена из моральной плоскости в процедурную: что было разрешено, какая компетенция проверялась, что раскрыл обучающийся и какими доказательствами подтверждается нарушение [11, с. 9–22].

Национальная стратегия развития искусственного интеллекта ориентирует государство на безопасное и ответственное внедрение технологии, развитие компетенций и доверия к ИИ [4].

Поэтому общий запрет в образовательной сфере противоречил бы стратегическому курсу и формировал бы скрытые практики. Не менее опасна противоположная крайность — признание любого обращения к ИИ частным выбором обучающегося. Образовательный результат имеет публичное значение: диплом удостоверяет освоение компетенций, а значит, правила использования ГенИИ должны обеспечивать достоверность этой юридически значимой аттестации.

2. Четырехуровневая модель допустимого использования Предлагается оценивать использование Ген ИИ по трем связанным критериям. Первый — функциональный: какую операцию передали системе — поиск идей, редактирование, создание аргумента, решение задачи либо выставление оценки. Второй — компетентностный: совпадает ли переданная функция с тем умением, которое проверяет задание. Третий — процедурный: было ли использование разрешено, раскрыто, проверено человеком и осуществлено без неправомерной передачи данных. Существенным следует считать такое участие ИИ, без которого структура, аргументация, вывод или иной оцениваемый элемент результата были бы иными. Техническая доля сгенерированных слов сама по себе юридического значения не имеет.

Первый уровень — вспомогательное применение. К нему относятся орфографическая проверка, техническое форматирование, перевод отдельных терминов, генерация тренировочных примеров и поиск направлений дальнейшего изучения, если эти операции не составляют предмет оценки. Такое использование презюмируется допустимым; локальный акт может требовать краткого указания инструмента лишь для работ исследовательского характера. Второй уровень — условно допустимое со-творческое применение: составление плана, критика черновика, генерация кода или вариантов аргументации. Оно возможно при прямом разрешении задания, раскрытии промптов или описании способа использования и личной проверке фактов, ссылок и выводов. Обучающийся остается автором представленного решения и отвечает за его достоверность.

Третий уровень — недопустимое замещающее применение. Запрет оправдан, когда система выполняет именно ту интеллектуальную операцию, которую призвано проверить задание: пишет итоговое эссе вместо обучающегося, решает контролируемую задачу, создает отчет о несуществующем эксперименте, формирует ответы во время экзамена либо используется для сокрытия заимствований. Нарушением является не «машинное происхождение» текста как таковое, а ложное представление результата в качестве доказательства собственной компетенции. Такой подход сближает академическую недобросовестность с введением оценщика в заблуждение и позволяет отличить ее от добросовестной технологической помощи.

Четвертый уровень — институциональное высокорисковое применение. Речь идет о системах, которыми вуз ранжирует поступающих, прогнозирует отчисление, осуществляет дистанционный прокторинг, оценивает письменные работы либо рекомендует итоговую отметку. Здесь адресатом обязанностей выступает прежде всего образовательная организация. Европейский AI Act относит к высокорисковым, в частности, системы, используемые при доступе к образованию и оценивании результатов обучения, поскольку они способны определять образовательную и профессиональную траекторию человека [7]. Российскому праву целесообразно воспринять не всю европейскую конструкцию, а ее функциональный принцип: чем сильнее алгоритм влияет на статус обучающегося, тем строже требования к данным, документации, человеческому контролю и обжалованию.

Предложенная модель согласуется с человекоцентричным подходом ЮНЕСКО, включающим соразмерность, недопущение вреда, безопасность, справедливость, прозрачность и человеческий надзор [5]. Руководство ЮНЕСКО по генеративному ИИ отдельно подчеркивает, что скорость развития общедоступных систем опережает институциональные правила, оставляя данные пользователей и образовательные организации без достаточной защиты [6]. Следовательно, локальное регулирование должно быть не перечнем названий сервисов, быстро утрачивающим актуальность, а матрицей функций и рисков.

3. Персональные данные и право на человеческое решение Взаимодействие с внешним генеративным сервисом часто предполагает ввод имени, фрагмента учебной работы, голоса, изображения, сведений об успеваемости или особенностях здоровья. Федеральный закон от 27 июля 2006 г. № 152-ФЗ требует законной и справедливой обработки, заранее определенной цели, соответствия объема данных этой цели и недопустимости избыточности [3]. Если преподаватель обязывает студентов загрузить работы в выбранную им систему, образовательная организация не может считать передачу данных исключительно личным действием обучающегося: она определяет цель и способ обработки либо, по меньшей мере, организует такую обработку.

Из этого следует практический вывод: до внедрения системы вуз должен установить категории данных, место и сроки хранения, возможность использования запросов для дообучения модели, круг получателей, порядок удаления и альтернативный способ выполнения задания для лица, не желающего пользоваться внешним сервисом. Согласие обучающегося не должно превращаться в фикцию, когда отказ ведет к ухудшению оценки или невозможности освоить обязательный компонент программы. При наличии иного законного основания обработки именно оно должно быть четко определено; при отсутствии — использование внешнего инструмента нельзя навязывать.

Особого регулирования требует автоматизированная оценка. Генеративная модель может быть полезна для формирующей обратной связи, однако итоговая отметка выражает властно-организационное решение образовательной органи - зации и влияет на стипендию, перевод, допуск к аттестации и получение диплома. Поэтому алгоритм допустим как средство поддержки, но не как неоспоримый субъект оценивания. Обучающийся должен знать о применении ИИ, понимать основные критерии, иметь доступ к содержательному объяснению и требовать пересмотра педагогическим работником. В докладе ЮНЕСКО о защите прав обучающихся акцентируется необходимость связывать цифровую трансформацию образования с правами человека, агентностью обучающегося и подотчетностью институтов [15].

Принцип человеческого пересмотра имеет двойное назначение. Во-первых, он защищает обучающегося от ошибочного или дискриминационного вывода. Во-вторых, сохраняет профессиональную ответственность педагога: технология не должна становиться способом уклонения от мотивированной оценки. Результат пересмотра должен фиксироваться, а при существенном расхождении между алгоритмической рекомендацией и решением преподавателя система подлежит дополнительной проверке. Данные о таких расхождениях могут служить индикатором риска, но использовать их для дальнейшего обучения модели допустимо лишь при соблюдении режима персональных данных.

4. Распределение ответственности Ответственность обучающегося возникает не за сам факт использования технологии, а за нарушение заранее доведенного правила, существенность нераскрытого участия и наличие вины. До применения дисциплинарного взыскания вузу необходимо установить содержание задания, действовавшую редакцию локального акта, способ ознакомления с ним, характер переданной ИИ функции и объяснения обучающегося. Заключение детектора может быть только одним из косвенных материалов. Санкция должна быть соразмерна: исправление работы или снижение оценки предпочтительнее дисциплинарного взыскания при первом несущественном нарушении; фабрикация данных, использование ИИ на экзамене и повторное сокрытие могут влечь более строгие последствия в пределах статьи 43 Закона об образовании [2].

Педагогический работник отвечает за ясность условий задания, соответствие способа контроля заявленным результатам обучения и личное принятие итоговой оценки. Если использование ИИ запрещено, задание должно быть спроектировано так, чтобы проверять процесс рассуждения: включать устную защиту, промежуточные версии, индивидуализированные факты или рефлексивный отчет. Научная литература показывает, что большие языковые модели способны персонализировать обучение и расширять обратную связь, но требуют новых компетенций преподавателя и студента, включая понимание ограничений и проверку результатов [12]. Следовательно, обязанность педагога не сводится к обнаружению нарушений; она включает формирование ИИ-грамотности.

Образовательная организация несет организационно-публичную ответственность за качество и законность процесса. Она обязана принять понятный локальный акт с участием советов обучающихся, классифицировать сценарии применения, провести оценку рисков, обучить работников, предусмотреть канал обжалования и контролировать договор с поставщиком. Договорное возложение на поставщика требований безопасности не освобождает вуз от обязанностей перед обучающимися. Поставщик, в свою очередь, отвечает в пределах информационного, договорного и деликтного законодательства за заявленные свойства, безопасность и соблюдение согласованного режима данных. Международные обзоры подтверждают переход от единичных запретов к системам маркировки, ИИ-грамотности и поэтапного внедрения [10, с. 192–212].

Разграничение ответственности можно выразить формулой: обучающийся отвечает за подлинность представления собственной компетенции; педагог — за методику и человеческое решение; вуз — за правила, данные и процедуру; поставщик — за свойства и безопасность продукта. При этом окончательная ответственность за образовательное решение не может быть перенесена на систему ИИ. Такая позиция соответствует рекомендации ЮНЕСКО о сохранении ответственности и подотчетности за человеком [5].

5. Предложения de lege ferenda Представляется необходимым дополнить Закон об образовании специальной статьей 16.1 «Применение систем искусственного интеллекта при реализации образовательных программ». В ней следует закрепить: 1) технологическую нейтральность и приоритет прав участников образовательных отношений; 2) обязанность информировать о применении ИИ при формировании индивидуально значимых рекомендаций и оценок; 3) запрет принимать исключительно автоматизированное итоговое решение о приеме, переводе, отчислении или результатах аттестации; 4) право на понятное объяснение и пересмотр человеком; 5) оценку рисков до внедрения и периодический контроль; 6) минимизацию данных и возможность безопасной альтернативы внешнему сервису.

Статью 34 целесообразно дополнить академическим правом обучающегося знать правила допустимого использования ИИ и факт его применения при оценивании. В статье 43 следует закрепить обязанность раскрывать существенное использование систем ИИ в случаях и порядке, установленных локальным актом или заданием.

Эта формула важна: обязанность не должна требовать перечисления незаметных встроенных функций, но должна охватывать передачу систе- ме оцениваемой интеллектуальной операции.

Статью 28 необходимо дополнить обязанностью образовательной организации принять риск-ориентированный локальный акт и обеспечить подготовку работников.

Типовой локальный акт должен содержать не только запреты, но и позитивные правила: уровни допустимости; примеры по дисциплинам; форму декларации об использовании ИИ; порядок хранения промптов; правила работы с персональными и конфиденциальными данными; требования к проверке фактов и ссылок; процедуру рассмотрения предполагаемого нарушения; запрет признавать показание детектора достаточным доказательством; порядок человеческого пересмотра автоматизированной оценки; периодичность аудита. Для обеспечения равенства базовые требования должен утвердить федеральный орган, а вузам следует оставить право конкретизировать их с учетом программы и проверяемых компетенций.

Заключение

Генеративный ИИ обнажил методологический предел действующего образовательного права: нормы об электронном обучении регулируют инфраструктуру, но почти не затрагивают распределение интеллектуальной функции между человеком и алгоритмом. Решение не может состоять ни в тотальном запрете, ни в безусловной легализации. Юридически значимыми должны стать функция системы, связь этой функции с оцениваемой компетенцией, существенность алгоритмического участия и соблюдение процедуры.

Предложенная четырехуровневая модель позволяет одновременно сохранить инновационный потенциал, академическую добросовестность и права обучающегося. Вспомогательное применение презюмируется допустимым; со-творческое допускается при раскрытии и проверке; замещающее запрещается, когда искажает доказательство компетенции; институциональное высокорисковое применение требует оценки риска, прозрачности, защиты данных и человеческого пересмотра. Перспективное регулирование должно быть функциональным и риск-ориентированным, поскольку перечни конкретных сервисов устаревают быстрее, чем локальные акты. Таким образом, образовательное право должно перейти от вопроса «использовался ли ИИ?»

к вопросу «какое решение было передано ИИ и какие гарантии сопровождали эту передачу?».

Именно такой переход создает устойчивую основу для доверия к результатам высшего образования в условиях алгоритмизации.

Список литературы

1. Конституция Российской Федерации: принята всенародным голосованием 12 декабря 1993 г. (с учетом поправок) // Официальный сайт Президента России. URL: http://www.kremlin.ru/ acts/constitution (дата обращения: 17.07.2026).
2. Об образовании в Российской Федерации: Федеральный закон от 29 декабря 2012 г. № 273- ФЗ (ред. от 25.04.2026) // Собрание законодательства РФ. 2012. № 53 (ч. 1). Ст. 7598.
3. О персональных данных: Федеральный закон от 27 июля 2006 г. № 152-ФЗ (ред., действующая на 17.07.2026) // Собрание законодательства РФ. 2006. № 31 (ч. 1). Ст. 3451.
4. О внесении изменений в Указ Президента Российской Федерации от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» и в Национальную стратегию, утвержденную этим Указом: Указ Президента РФ от 15 февраля 2024 г. № 124 // Официальный интернет-портал правовой информации. URL: https://publication.pravo.gov. ru/document/0001202402150063 (дата обращения: 17.07.2026).
5. Recommendation on the Ethics of Artificial Intelligence: adopted on 23 November 2021. // Paris: UNESCO, 2021. URL: https://www.unesco.org/ en/legal-affairs/recommendation-ethics-artificialintelligence (accessed: 17.07.2026).
6. Miao F., Holmes W. Guidance for Generative AI in Education and Research. // Paris: UNESCO, 2023. 44 p. URL: https://unesdoc.unesco.org/ ark:/48223/pf0000386693 (accessed: 17.07.2026).
7. Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence // Official Journal of the European Union. 2024. L 2024/1689. URL: https://eur-lex.europa.eu/eli/ reg/2024/1689/oj/eng (accessed: 17.07.2026).
8. Кузьминов Я. И., Кручинская Е. В., Груздев И. А., Наумов А. А. Отстающие и опережающие: как студенты используют генеративный искусственный интеллект в образовательных целях // Высшее образование в России. 2025. Т. 34. № 6. С. 9–35.
9. Кошкина Е. А., Бордовская Н. В., Гнедых Д. С., Хромова М. А., Демьянчук Р. В., Исхакова М. П., Балышев П. А. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения // Высшее образование в России. 2025. Т. 34. № 6. С. 36–57.
10. Бирюков Д. Н., Супрун А. Ф., Бирюкова А. Д. Международный опыт регулирования и внедрения генеративного искусственного интеллекта в сфере высшего образования // Проблемы информационной безопасности. Компьютерные системы. 2025. № 3. С. 192–212.
11. Ивахненко Е. Н., Никольский В. С. ChatGPT в высшем образовании и науке: угроза или ценный ресурс? // Высшее образование в России. 2023. Т. 32. № 4. С. 9–22.
12. Kasneci E. et al. ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education // Learning and Individual Differences. 2023. Vol. 103. Art. 102274.
13. Cotton D. R. E., Cotton P. A., Shipway J. R. Chatting and Cheating: Ensuring Academic Integrity in the Era of ChatGPT // Innovations in Education and Teaching International. 2024. Vol. 61. No. 2. P. 228–239.
14. Perkins M. Academic Integrity Considerations of AI Large Language Models in the Post-Pandemic Era: ChatGPT and Beyond // Journal of University Teaching & Learning Practice. 2023. Vol. 20. No. 2. Art. 07.
15. AI and Education: Protecting the Rights of Learners. // Paris: UNESCO, 2025. URL: https:// unesdoc.unesco.org/ark:/48223/pf0000395373 (accessed: 17.07.2026).

Скачать