Жанна выбивает «костыли»: «Сириус» доверил нейросети оценку проектов хакатона
На хакатоне Ctrl+Vibe в Университете «Сириус» студентов оценивали не только живые эксперты. Среди членов жюри была нейросеть, обученная на базе больших языковых моделей.
ИИ-агента зовут вполне человеческим именем Жанна. Пока студенты спали перед защитой, Жанна проводила ночи внутри их проектов. Машина анализировала код и проверяла документацию. Она заглядывала в пайплайны и формировала «холодные» рекомендации. Итоговая оценка складывалась из машинного анализа и человеческого суждения. Это – полноценный пилот по встраиванию генеративного ИИ в учебно-проектный процесс.
«Результаты драматичны»
Студентам предстояло решить три прикладных задачи от компаний-партнёров. Кто-то трудился над внутривузовской платформой распределения задач, кто-то создавал AI-ассистента для приготовления еды, а третья команда билась над платформой управления проектной деятельностью на базе ИИ. Эксперимент проходил при поддержке Школы анализа данных Яндекса, Центра технологий для общества YandexCloud и самого университета.
Самое интересное в этом формате – разделение труда. Обычно нейросеть пишет код, а человек его проверяет. В этот раз всё изменилось. Писали студенты, а вот проверяли оба – и человек, и машина. Её оценка была жёсткой и прагматичной. Агент Жанна погружалась в глубины проекта, смотрела качество кода, правильность визуализации этапов работы над задачей и строгость документации. Ее нельзя было обмануть красивой жестикуляцией у доски. Она искала баги и технические огрехи. Причём Жанна оказалась настоящим детективом. Она находила «сгенерированные костыли» (сомнительные участки кода), которые студенты пытались спрятать. «Я провела тесты, и результаты были драматичны: одни решения не выдержали испытаний, другие же показали себя достойно», – поделилась ИИ-агент.
Что настигает здесь и сейчас
Экспертному составу людей оставили самое интересное. Они оценивали защиту, логику принятых решений и командную работу. А ещё, что особенно ценно, способность аргументировать выбор архитектуры. Студенты доказывали, почему их архитектура лучше, и отвечали на каверзные вопросы.
В основе хакатона лежит концепция вайб-кодинга – когда разработчик активно использует ИИ-инструменты для быстрой генерации решений. Студенты целую неделю жили в этом режиме. Они делегировали написание кода нейросетям, а потом выходили на защиту. Как подметила одна из участниц, второкурсница Варвара Олейникова: «Часто мы отказываемся от новых технологий просто потому, что они нам непонятны. Но важно идти в ногу со временем и принимать реальность такой, какая она есть. Этот хакатон именно об этом – о работе с тем, что нас настигает здесь и сейчас».
Миллионы проверок от ИИ
ИИ пытались поставить в судьи и раньше. Например, в 2024 году передовая инженерная школа Университета Иннополис тоже проводила яркий хакатон. Задачей было разработать новый функционал для ИИ-агента «Агния». Это был тот самый случай, когда российские университеты перестали просто обсуждать ИИ, и начали строить вокруг него прикладные соревнования. Разница с «Сириусом» – в том, что там ИИ был целью разработки, а здесь – инструментом проверки.
Пока российские студенты участвовали в хакатоне, портал GitHub опубликовал интересные исследования. Оказалось, что код, написанный с помощью ИИ-помощника Copilot, показывает лучшую функциональность, читаемость и имеет более высокую вероятность одобрения при проверке. А к 2026 году GitHub насчитал десятки миллионов код-ревью, сделанных нейросетью. Их Copilot научился вникать в весь контекст проекта, а не просто подсвечивать отдельные строчки. Так что эксперимент «Сириуса» – это зеркало реальности. То, что сейчас пробуют студенты, в индустрии уже становится стандартом номер один.
Контур контроля
Происходит сменаобразовательной модели. Раньше учили «ручным операциям»: написать цикл, подправить стиль. Теперь в Университете «Сириус» при поддержке YandexCloud будут учить разработке в связке «человек + ИИ + агентная проверка качества».
Эффект будет осязаемым, хоть и не мгновенным. Рынок получит специалистов, которые умеют создавать цифровые сервисы с использованием ИИ. Быстрее будет обновляться качество прикладных продуктов – от университетских платформ до мобильных сервисов доставки еды. Это сократит сроки вывода сервисов на рынок: ИИ на раннем этапе будет отлавливать «косяки» в коде и документации ещё до того, как их увидит заказчик.
Подобные практики, безусловно, начнут тиражироваться. Сначала в проектных интенсивах, затем – в учебной работе. Автоматическая проверка кода и пайплайнов перед защитой диплома может стать новым стандартом. Главное – не поддаться соблазну переоценить робота. Выиграют не те вузы, которые просто разрешат ChatGPT решать задачи, а те, кто выстроит грамотный контур контроля, создавая гибридную модель экспертизы, когда ИИ ускоряет черновую работу, но человек по-прежнему отвечает за смысл, архитектуру и зрелость продукта.
