Декан Stanford Graduate School of Business Сара Соул призналась, что ее беспокоит растущая конкуренция университетов с передовыми ИИ-лабораториями за преподавателей и исследователей. Причина не только в зарплатах. Частные лаборатории могут предложить доступ к огромным вычислительным мощностям, закрытым моделям, данным и экспериментам такого масштаба, который академической среде становится все труднее себе позволить.
В Стэнфорде это уже не абстрактная тревога. Профессор политической экономики Эндрю Холл сейчас находится в отпуске от университета и работает в Anthropic. Профессор экономики Чарльз Джонс также официально указывает, что с июня 2026 года находится в отпуске и работает в Anthropic.
Стэнфорд позволяет преподавателям уходить в продолжительный неоплачиваемый отпуск, в отдельных случаях до двух лет подряд. Университет прямо учитывает при согласовании таких отпусков влияние отсутствия профессора на преподавание, научную работу и подготовку аспирантов.
Пока это еще не массовый исход. Многие преподаватели возвращаются, а сама работа в индустрии может принести в университет новые знания и связи. Но тенденция уже заметна шире одного Стэнфорда. В июле The Information насчитал как минимум 22 профессора и исследователя из Stanford, Berkeley, Harvard, University of Virginia и USC, которые в течение года ушли, взяли отпуск или сократили академическую работу ради OpenAI, Anthropic, Google и Meta.
И здесь возникает проблема, которая значительно интереснее обычной охоты за кадрами.
Университет много столетий работал как машина передачи экспертизы.
Студент приходил учиться у человека, который сам много лет учился, исследовал, ошибался, спорил, преподавал и постепенно становился мастером. Затем часть студентов оставалась в профессии, становилась исследователями и преподавателями и передавала накопленный опыт дальше.
Цепочка выглядела примерно так: ученик -> специалист -> исследователь -> учитель -> следующий ученик.
ИИ уже начинает менять ее снизу. Рутинные задачи, на которых раньше учились младшие специалисты, постепенно забирают машины. Молодому человеку становится труднее получить тот самый первый опыт, из которого впоследствии вырастает профессиональная интуиция.
Теперь похожее давление появляется сверху. Если наиболее сильные исследователи уходят туда, где находятся лучшие модели, самые мощные вычисления и крупнейшие бюджеты, университет рискует потерять не только ученого. Он теряет человека, рядом с которым следующий ученый должен был вырасти.
Именно здесь проблема становится системной. Научное знание существует не только в статьях. Огромная его часть передается почти незаметно: как поставить вопрос, какой результат выглядит подозрительным, где эксперимент надо повторить, как понять, что красивое объяснение слишком красивое, какую гипотезу стоит преследовать еще год, хотя первые результаты ничего не обещают.
Этого нет в учебнике.
Это и есть экспертиза.
И ее невозможно просто скачать.
Есть и второй фактор. Современные исследования ИИ становятся чрезвычайно дорогими. Сара Соул говорит, что университету становится все труднее прогнозировать расходы на вычислительные мощности. Частная лаборатория при этом может предоставить исследователю инфраструктуру, которая еще недавно была доступна только крупнейшим университетским центрам, а теперь превосходит их возможности.
Возникает любопытная историческая инверсия. Когда-то университет обладал ресурсом, которого почти не было у бизнеса: временем, свободой исследования, концентрацией сильнейших умов и возможностью заниматься вопросами без немедленной коммерческой отдачи.
Сегодня часть этого преимущества перемещается внутрь частных ИИ-лабораторий.
При этом университеты пытаются сохранить доступ к передовым технологиям. Сам Stanford этим летом запустил для преподавателей, студентов и исследователей корпоративный доступ сразу к ChatGPT Edu, Gemini Enterprise и Claude for Education. OpenAI отдельно объявила программу бесплатного доступа к своим моделям для десятков тысяч академических исследователей.
То есть индустрия и академия пока не разводятся по разные стороны стены. Наоборот, они все сильнее переплетаются. Но вопрос от этого не исчезает.
Если лучшие вычисления находятся в корпорациях, лучшие модели находятся в корпорациях, а вслед за ними туда уходят лучшие исследователи, университету придется заново объяснить, что именно он способен дать человеку такого, чего не может дать лаборатория стоимостью в десятки миллиардов долларов.
И здесь дело уже не только в Стэнфорде. Проблема гораздо шире.
Мы много говорим о том, что искусственный интеллект меняет профессии. Но, возможно, следующий удар придется по самой системе, которая эти профессии воспроизводит. Если нижние ступени карьерной лестницы исчезают из-за автоматизации, а верхние начинают перетекать в закрытые лаборатории, между ними может образоваться пустота.
И тогда главный вопрос будет уже не в том, кто создаст самый сильный искусственный интеллект.
А в том, кто останется учить человека становиться сильным специалистом.
