Главный конструктор Университета ИТМО Александр Бухановский — о своем пути в ИИ, научных маркетплейсах и «пирровых победах» токенов
Искусственный интеллект уже пишет тексты, рисует картины и обыгрывает человека в шахматы. Но способен ли он на большее — сам планировать научное исследование, выдвигать гипотезы и доводить идею до опытного образца? В этой гонке у России есть ниша, где можно не догонять, а задавать правила.
Об этом — в интервью с доктором технических наук, научным руководителем исследовательского центра в сфере искусственного интеллекта «Сильный искусственный интеллект в промышленности» и главным конструктором ИТМО Александром Бухановским.
Что значит для вас роль главного конструктора в университете? Чем она отличается от аналогичной работы в компании?
Важно определить, чем отличается модель формирования ценностей для университета и для компании. В компании работают с объектами, изделиями, процессами. А в университете — с людьми, которые, собственно, в них будут существовать. Университету приходится смотреть гораздо дальше, чем смотрит компания, лет на десять вперед, чтобы наши выпускники были востребованы.
Ваш главный проект — это про что? И что вы хотите получить на выходе?
Наша фокусировка называется «Искусственный интеллект для полного инновационного цикла». Она не про инноваторов как таковых, а про исследования и разработки — как искусственный интеллект помогает пройти полный цикл от формирования идей и технических требований на определенный продукт, изделие и до создания всего комплекта документации для его изготовления и внедрения в жизнь. В отличие от классических, «модных» подходов к искусственному интеллекту в науке в формате «напишите нам статью» или «напишите нам диссертацию», здесь идея совершенно другая. Мы не пишем диссертацию с помощью искусственного интеллекта — с его помощью мы автоматизированно переводим общий замысел в техническую документацию на опытные образцы, технические условия на внедрение, то есть все, что сопровождает переход от первого до финального, девятого уровня технологической готовности. Это, в свою очередь, позволяет быстрее внедрять результаты исследований, что необходимо для роста эффективности производства и обеспечения технологического лидерства.
Нацпроекты — это про конкретные результаты. Есть ли уже что-то, что вы можете назвать своим вкладом в них?
Поскольку я работаю в сфере искусственного интеллекта, наша деятельность больше соответствует нацпроекту «Экономика данных и цифровая трансформация государства», а именно федеральному проекту «Искусственный интеллект». Однако искусственный интеллект — лишь инструмент, средство, поэтому результаты, которые мы получаем, применимы и для других задач. У нас уже есть успешные кейсы применения в сферах, связанных с беспилотными и химическими технологиями, и даже с новым ритмом строительства.
Как вы выстраиваете работу с индустриальными партнерами для достижения технологического лидерства? Какие продукты запускаете вместе?
Индустриальные партнеры по-другому смотрят на деятельность научных команд — их интересует не условная перспектива «на горизонте» через десять лет, а результаты прямо здесь и сейчас. В нашем проекте мы смогли очень аккуратно разделить разработку на три части. Первая — инфраструктурная платформа, которая обеспечивает создание, эволюцию и даже «размножение» агентов искусственного интеллекта. Вторая — платформа, связанная с надотраслевыми технологиями искусственного интеллекта для науки: проектирование гипотез, работа со сводами знаний, моделирование и оценка результатов исследований. И третья — набор отраслевых технологий, специфичных для разных задач, например генеративного проектирования, автоматизации создания цифровых двойников и пр.
Индустриальные партнеры ориентируются как раз на такие изолированные и хорошо понятные им решения. Так, например, летом 2026 года вместе с компанией Selectel мы создали совместное предприятие, деятельность которого основана на той самой инфраструктурной платформе для создания и управления агентами, чтобы на ее основе строить различные бизнес-приложения и предоставлять облачные сервисы всем, кто хочет разрабатывать агентов и системы ИИ, при этом не имея ни достаточных ресурсов, ни достаточной компетенции. Среди продуктов компании — ИИ-агенты для SLA, операционного контроля и фабрики приложений. Создание компании стало одной из крупнейших инвестиционных сделок в этой сфере в 2026 г. (общий объем инвестиций составил более 1 млрд руб.).
Расскажите, как вы оцениваете экономический эффект от проекта, который запустили совместно с Selectel — одним из крупнейших российских провайдеров облачных сервисов? Какие ожидания?
Проект с Selectel ориентирован в первую очередь на сокращение стоимости владения самой инфраструктурой искусственного интеллекта и на ускорение разработки приложений с ИИ-агентами. Потому эффектов два. Первый — краткосрочный, достаточно понятный для экономики, связанный с тем, что больше компаний могут позволить себе переходить на современные системы искусственного интеллекта и делать это дешевле и быстрее. Но это не самоцель — важно, как потом этот переход повлияет на их собственные отрасли экономики, как ИИ их изменит. Пока здесь нет однозначного ответа. Кроме того, я допускаю, что в ходе внедрения искусственного интеллекта будут отрасли экономики, которые, наоборот, в абсолютных значениях будут терять финансы — поскольку многие «старые» профессии станут дешевле и финансы будут перетекать в другие отрасли. Но тем не менее трансформация экономики под влиянием искусственного интеллекта неизбежна. Поэтому сказать, что Selectel «порождает» не сами деньги, а условия для того, чтобы трансформация состоялась, то есть дает возможность использовать современный ИИ на порядок большему количеству компаний, чем это есть сейчас. И вот их ИИ-трансформация на горизонте 1-2 лет уже даст возможность считать реальный финансовый эффект для экономики в целом.
Что такое, на ваш взгляд, технологическое лидерство? Насколько это вообще применимо к вашей области?
Технологическое лидерство применимо к любой области. Другой вопрос, что в каждой области оно измеряется по-своему. Есть расхожее мнение в искусственном интеллекте, что у кого «толще» модели, дешевле токены, те и есть «самые-самые» лидеры. На самом деле это не так. Есть два критерия. Первый критерий технологического лидерства в искусственном интеллекте — в измеримом эффекте для других отраслей экономики. Не просто «сколько заработано с ИИ», а «сколько заработано по отношению к цене токена». Можно потратить огромное количество токенов, получить большой эффект, но экономически он не оправдается — это будет «пиррова победа». Второй критерий технологического лидерства — это суверенность, то есть возможность создавать суверенные и национальные модели искусственного интеллекта, суверенных ИИ-агентов и другие сущности, которые имеют потенциал развития без влияния не только зарубежных технологий, но иногда даже и научной базы. В условиях геополитической изоляции далеко не всегда есть возможность безопасно и надежно продвигать технологии искусственного интеллекта, заимствуя их извне. И потому для России принципиально иметь всю линейку специалистов — от тех, кто занимается низкими уровнями технологической готовности и пишет хорошие статьи для конференций А*, и до тех, которые создают и внедряют реальные промышленные разработки.
Как вы обеспечиваете формирование фундаментального задела, необходимого для обеспечения технологического лидерства?
В сфере искусственного интеллекта выбор однозначен — надо смотреть на те проекты, которые на горизонте пяти лет смогут транслироваться в другие отрасли экономики, произвести там новое знание и, возможно, даже показать измеримые эффекты. Если у нас нет возможности предсказать этот эффект или мы видим, что его не будет, то, мне кажется, такие проекты нужно финансировать из других источников, а не из источников «Приоритета-2030».
Расскажите, над чем вы работаете сейчас? Что ожидать в ближайшие годы, помимо проекта Selectel?
Сейчас ключевой вызов для страны — это «перевод» современной науки на технологии искусственного интеллекта. В ближайшее время во всех странах эта трансформация произойдет, и если мы это у себя не сделаем, то будем попросту неконкурентоспособны в научно-технологическом развитии. В этой ситуации наша основная задача — приложить всю мощь самих технологий, инструментов искусственного интеллекта к возможности воспроизведения высших когнитивных функций, присущих именно ученому. Я не о чтении статей или даже не только про научный поиск, а про вопросы комплексного обобщения знаний, создания нового знания, проектирования, планирования и даже саморефлексии на результатах научных исследований. Если такая ИИ-трансформация науки произойдет, то у нас будут все возможности для выхода на конкретные технологические продукты, на создание элементов платформенной экономики, но не в маркетплейсах, как мы привыкли, а в непотребительских секторах (в науке, в производстве), например создание вертикально интегрированных федеративных платформ для отраслевых научных исследований. Но сделать это можно только за счет консорциума.
Это ключевой вызов для РФ, а в контексте мировом? Насколько вообще сейчас это реалистично и есть ли какие-то шаги уже у других стран в этом направлении?
В контексте мировой экономики это тоже реалистично. Если говорить про платформенную экономику, то она во всех странах тоже «пошла» в непотребительские сектора — создаются системы для научной коллаборации, научные маркетплейсы. Переход к платформенной экономике — это закономерность развития экономики в целом. Что касается искусственного интеллекта в науке, то здесь ряд глобальных проектов запущен в Соединенных Штатах, определенные усилия принимает Китай. Да, есть очень много стран, которые никогда не думали об этом, но все-таки Россия, имея собственную сильную математическую школу, собственные технологии ИИ, суверенные модели, должна думать о своем месте среди ведущих стран в сфере искусственного интеллекта, а не только быть среди тех, кто просто пользуется результатами.
Чем ИТМО отличается от других университетов, которые занимаются ИИ?
Во-первых, мы в ИТМО умеем создавать динамических агентов и заставлять их самих организовываться в эффективные мультиагентные системы, что сейчас в мире далеко не так хорошо проработано и является фронтиром. Если говорить про содержательную часть, то это сам подход к логике искусственного интеллекта в науке. Мы не ставим себе целью сымитировать, как искусственный интеллект напишет статью, которую можно подать на конференцию и сказать, что она неотличима от оригинала — мы воспроизводим сами процессы создания научной продукции, процессы организации, проведения исследований. Таким образом, мы завершаем присущий ИТМО цикл исследований в сфере электронной науки, eScience — эта школа развивается уже 20 лет. Мы позволяем автоматизировать весь процесс, который выполняет ученый, не только за счет того, что мы снижаем рутину, а за счет того, что моделируем само мышление, рассуждения человека при реализации научных процессов. Фактически разум и планирование процесса ученым заменяем на процесс уже нечеловеческий, но тем не менее контролируемый, что дает и ускорение, и, с другой стороны, качество, а также избавляет от обидных промахов, ошибок, человеческого фактора — когда ученый ошибся, но ему так понравился результат, что в итоге ошибку он исправлять не стал.
Как в проекте участвуют студенты, молодые ученые? Как вы помогаете раскрывать им таланты, возможности, приобретать навыки и так далее?
У главного конструктора есть две возможности — личная и институциональная. Институциональная возможность заключается в том, что мы создали целую систему «лифтов» для нашей молодежи, которая увлекает их в такие проекты. Это и учебно-научные лаборатории, где бакалавры только-только приобщаются к тому, как вести исследования, и совместные лаборатории с корпоративными партнерами, например с AIRI, Сбером, МТС, где люди работают в области фронтирных технологий искусственного интеллекта, а также лаборатории Исследовательского центра в сфере искусственного интеллекта ИТМО, где, собственно, и выполняется работа над самыми сложными проектами в сфере ИИ.
Тем не менее главный конструктор должен и сам оказывать позитивное влияние на личностное развитие молодых ученых. Легко научиться у искусственного интеллекта что-нибудь разрабатывать, правильно излагать мысли. Но практически невозможно научиться рефлексии, то есть осознанию того, а что, собственно, ты сделал в науке, как тебя могут воспринять другие ученые и как позиционировать свое исследование. Без контакта с главным конструктором, думаю, это сделать весьма непросто. Далеко не все выпускники аспирантуры остаются в университете. Но, может быть, это и правильно. Все же задача университета в том числе в том, чтобы такие кадры шли в экономику. Тем не менее для научной школы, чтобы помогать молодым ученым в иерархической среде, когда есть научные специалисты разных уровней (профессура, постдоки, аспиранты и пр.), способные помочь им развиваться, этого вполне достаточно.
Могут ли студенты в ваших проектах предлагать собственные идеи и влиять на ход исследования или они в основном выполняют поставленные задачи?
У нас есть разные механизмы исследований: и пилотные проекты под идеи студентов, и хорошо структурированные комплексные работы, выполняемые крупными коллективами. При этом само понятие «поставленные задачи» в настоящее время несет сугубо творческий характер, поскольку рутинные действия уже давно выполняют не студенты, а агенты ИИ. Тем самым для студентов существенно снижен порог входа в исследование и есть возможности влиять на его ход. Тем не менее остаюсь при мнении, что серьезные задачи могут быть решены только в рамках масштабных проектов; а отдельные «озарения» студентов могут лишь эффектно выглядеть, но не обладать системной ценностью.
Как сегодня готовить специалистов, когда технологии меняют профессии прямо на глазах?
Сейчас компетентностная ролевая модель в сфере искусственного интеллекта, принятая в Российской Федерации, исходит из уже сложившейся системы ролей, которую задал бизнес. То есть так, как уже люди привыкли разрабатывать. Тем не менее эта модель динамическая, и мы уже сейчас рассматриваем ситуацию, когда эти роли могут серьезно меняться — в первую очередь за счет «схлопывания» нескольких ролей, потому что тот же самый искусственный интеллект в разработке устраняет очень много рутины, и уже не нужны отдельно разработчики, отдельно тестировщики, отдельно аналитики данных. Люди становятся более многозадачными, многофункциональными. Но сами по себе роли в наших образовательных программах не являются унитарными. Другими словами, современные образовательные программы готовят специалистов сразу по набору разных ролей, и в зависимости от того, в какой проект они приходят, они могут между ролями мигрировать.
Это основное отличие высшего образования в ведущих университетах от среднего образования, когда готовят специалистов «для конвейеров». Умение правильно сочетать элементы ролей и комфортно себя чувствовать в разных позициях и проектах и будет важным софт-скиллом для нашего выпускника, для того чтобы дальше уже на горизонте 5–10 лет не потерять работу.
Если ИИ-трансформация науки произойдет, какие конкретные продукты или сервисы появятся первыми? Что можно будет увидеть в ближайшие годы?
Сейчас уже появились первые сервисы ИИ, которые умеют сокращать рутину в деятельности ученых, например, собирать для них информацию в интернете, обрабатывать эксперименты и прочее. Однако в самом ближайшем будущем мы ожидаем новый класс решений, которые будут конструировать и оптимизировать сам путь проведения исследований, фактически машинным алгоритмом имитируя творчество человека. Благодаря этому есть шанс получить совершенно неожиданные научные результаты, до которых люди по тем или иным причинам не додумались. А также кардинально изменить весь рынок научных исследований, в разы сократив сроки и стоимость выполнения НИОКТР (научно-исследовательские, опытно-конструкторские и технологические работы), что очевидно придаст ускорение научно-техническому прогрессу.
США и Китай задают темп в ИИ. Есть ли у России такая ниша, где мы можем быть не догоняющими, а первыми?
Иногда приходится быть догоняющими, чтобы за время строительства собственного пути не отстать критически. Этим сейчас и обусловлена национальная политика в части национальных и суверенных моделей ИИ. Что касается своего пути, то в РФ основной упор имеет смысл делать не на больших универсальных моделях ИИ, а на мультиагентных моделях, объединяющих множество специализированных агентов с узкими ИИ-«мозгами», но сложными харнессами (программными обвязками, инструментами агентов). Как раз за счет сложных инструментов (характерного наследия отечественного физматобразования) мы имеем шанс поступиться масштабами самих ИИ-моделей и требованиями к вычислительным ресурсам, что делает возможным самостоятельный путь при существующем уровне развития отечественной микроэлектроники и геополитической обстановки.
Что ИИ пока не умеет и вряд ли научится в ближайшие годы?
Современный ИИ (даже фронтирные модели) не умеет полноценно работать с ценностными установками. Это связано с тем, что ценности являются результатом не индивидуальной, а социальной деятельности и формируются в масштабах десятилетий (а некоторые — и тысячелетий). Современные масштабы нейросетей не позволяют естественным путем создавать ценностные модели мира, а попытки навязать их «костылями» заканчиваются, как правило, выпуском очередных кодексов этики ИИ. Как следствие, творческое, а не рутинное использование ИИ в таких науках, как философия или богословие, в ближайшем будущем видится нереалистичным.
Справка
Инженерные университеты — 38 вузов, отобранных Минобрнауки России в рамках исполнения Поручений Правительства РФ для подготовки инженерных кадров и научных разработок в интересах технологического лидерства России. В список вошли МГТУ им. Баумана, МФТИ, ИТМО, СПбПУ, ТПУ, МИФИ, МИСИС, СПбГМТУ и другие ведущие технические вузы страны. 35 Из них — участники программы «Приоритет-2030». В марте 2025 года каждый из этих университетов утвердил Стратегию развития инженерного университета — документ, определяющий, как вуз будет участвовать в национальных проектах технологического лидерства, отраслевых стратегиях и госпрограммах. Стратегии разработаны по поручению Председателя Правительства Михаила Мишустина и утверждены Экспертным советом Минобрнауки России. Ключевая фигура в реализации стратегий — главный конструктор. Это должность с конкретными обязанностями — формировать портфель проектов, выстраивать взаимодействие с индустриальными партнерами, отслеживать вклад разработок в достижение целей национальных проектов. Университеты сами определяют, по каким направлениям назначать главных конструкторов и какие функции им поручать. В 37 вузах на сегодняшний день назначено 174 таких специалистов. Их работа напрямую связана с национальными проектами технологического лидерства — девятью инициативами, направленными на снижение импортозависимости и достижение технологического превосходства в ключевых отраслях.
Главные конструкторы
- Инженеры полного цикла. Главные конструкторы Корабелки
- Химия, кристаллы, полимеры. Главные конструкторы РХТУ
- Цифра и металл. Главные конструкторы Петербургского Политеха
- Авиация, двигатели, космос. Главные конструкторы МАИ
- Как в Тюмени собирают технологии для автономных месторождений
- Конструкторы в сборе. ТПУ собрал ответственных за новые технологии
