кандидат химических наук;
candidate of chemical sciences;
В статье рассматриваются управленческие аспекты перехода российской высшей школы на новую национальную систему высшего образования (вступает в силу с 1 сентября 2026 г.) в условиях лавинообразного развития искусственного интеллекта. Анализируются ключевые институциональные изменения: фундаментализация образования, ориентация на результат и потребности реальной экономики, активное участие бизнеса в образовательном процессе, государственное регулирование внебюджетного обучения. Особое внимание уделяется управленческим разрывам — противоречию между индустриальной логикой новой модели (жёсткое планирование, отраслевые нормативы) и турбулентностью рынка труда, вызванной внедрением ИИ. Авторы обосновывают необходимость перехода от реактивного к проактивному управлению: вместо простого согласования программ с работодателями требуется создание адаптивных управленческих контуров — оперативного пересмотра компетенций, гибких образовательных траекторий и механизмов опережающей аккредитации. В качестве ключевых инструментов преодоления проблем предлагаются: формирование метанавыков (критическое мышление, постановка задач для ИИ, эмоциональный интеллект) как нового объекта управления качеством образования; внедрение управления рисками цифрового неравенства между вузами; разработка политик симбиоза человека и ИИ, закрепляемых на уровне стратегий университетов. В заключение формулируются принципы эффективного управления переходом: антропоцентричность, опережение, сетевое взаимодействие с ИИ-индустрией и переориентация вузов с «передачи знаний» на «развитие человеческого потенциала в симбиозе с ИИ».
The article examines the managerial aspects of the transition of the Russian higher education to a new national model (effective September 1, 2026) in the context of the rapid development of artificial intelligence. It analyzes key institutional changes: fundamental education focused on the final outcomes and needs of the economy, active business participation in the educational process, and state regulation of fee-based education. Special attention is paid to management gaps – the contradiction between the industrial logic of the new model (rigid planning, industry standards) and labor market turbulence caused by AI. The authors substantiates the need for transition from reactive to proactive management: the creation of adaptive management loops – operational competence revision, flexible educational trajectories, and mechanisms of anticipatory accreditation – is required, rather than simple coordination of programs with employers. The key problem-solving tools proposed include: meta-skills (critical thinking, task setting for AI, emotional intelligence) development as a new goal of education quality management; managing digital inequality risk among universities; development of the human-AI symbiosis embedded in university strategies. The conclusion formulates principles for effective transition management: anthropocentricity, anticipatory approach, networking with the AI industry, and refocus of university KPIs from «knowledge transfer» to «developing human potential in symbiosis with AI».