Средний балл за промежуточный экзамен по экономике в Brown University внезапно взлетел до 96 из 100, а 40 студентов получили максимум. Когда тот же курс перевели на очный финал, средний результат рухнул до 48. История про ИИ-списывание в одном элитном университете США быстро превратилась в кейс, который важен далеко не только академической среде: для IT это еще один сигнал, что генеративные модели уже меняют не только то, как люди работают, но и то, как они перестают учиться.
Как пишет Ars Technica, в центре этой истории оказался профессор экономики Роберто Серрано, который ведет в Brown сложный курс ECON 1170. Обычно на него записываются сильные, но немногочисленные студенты: по словам Серрано, раньше в группе было не больше 30 человек, а иногда и всего восемь. Весной 2026 года ситуация изменилась: на курс пришли 86 студентов. Причина, похоже, была проста и очень человеческая: после трагедии на кампусе в декабре 2025 года, когда вооруженный нападавший убил двух человек, Серрано решил сделать и midterm, и final take-home, то есть домашними экзаменами. Для студентов это выглядело как более мягкий и гибкий формат. Для части из них, судя по всему, еще и как приглашение открыть чат-бота.
Промежуточный экзамен прошел 5 марта 2026 года и дал аномально красивые цифры. Средний балл составил 96, а 40 человек получили 100 из 100. Сам Серрано подчеркивает, что это не просто высокая успеваемость у сильной аудитории. Исторически средний балл по midterm на этом курсе держался в диапазоне от 65 до 80 процентов, причем в этот раз экзамен был даже сложнее обычного. Логика преподавателя понятна: если экзамен домашний и у студентов неограниченное время, задачи можно сделать требовательнее. Но вместе с красивыми числами пришло и чувство, что ответы написаны как-то не по-человечески: формально правильные, но со «слишком закрученным» стилем. Серрано с ассистентами прогнал задания через ChatGPT и увидел результаты, очень похожие на студенческие работы.
После этого профессор сделал ход, который в корпоративной среде назвали бы простым стресс-тестом гипотезы. Он предупредил студентов, что не аннулирует midterm сразу, а даст группе шанс доказать обратное: если распределение оценок на финальном экзамене будет примерно таким же, промежуточный зачет останется в силе. Если нет, вес midterm пересмотрят. Финальный экзамен он вернул в аудиторию. Реакция оказалась красноречивой без всякой машинной лингвистики. С курса снялись 18 студентов, еще девять просто не пришли на финал. Из этих 27 человек 22 ранее получили те самые идеальные 100 баллов на домашнем экзамене. А у тех, кто все же сел писать очно, средний результат рухнул с 96 до 48.
В этой истории важны не только цифры, но и фигура самого Серрано. Это не профессор, который драматизирует ради публичности. Он давно работает в академии, а в 17 лет потерял зрение из-за дистрофии сетчатки, после чего выучил Брайль и продолжил учебу, в итоге попав в Гарвард. В интервью он объясняет свою позицию почти сухо, по-экономически: болезнь стала ограничением, с которым пришлось оптимизировать жизнь, а не поводом опускать планку. Поэтому его реакция на ИИ-списывание звучит жестко, но последовательно. Проблема для него не в том, что студенты нашли новый трюк, а в том, что значительная часть самых способных молодых людей начинает считать нормой подмену мышления машинным текстом. По его словам, это ведет к деградации общества, а не просто к нечестной сдаче одного курса.
Контекст у скандала тоже неприятно показательный. В материале упоминается недавний опрос студентов Принстона: 29,9 процента респондентов признались, что хотя бы раз использовали ИИ для списывания на экзамене или в задании. У Brown есть и собственные данные. Университет недавно выпустил доклад о генеративном ИИ в преподавании и обучении. В нем 56 процентов студентов бакалавриата и 67 процентов студентов магистратуры и медицинских программ сообщили, что сознательно используют GenAI-инструменты ежедневно или еженедельно. Но еще интереснее другое: большие доли тех же студентов одновременно говорят, что их беспокоит влияние таких инструментов на обучение и есть страх негативных последствий для собственных когнитивных способностей. Иначе говоря, люди понимают риск, но все равно жмут на газ. Для любой IT-аудитории это знакомый паттерн: инструмент удобен, KPI никто не отменял, дедлайны горят, а долгосрочный ущерб кажется абстракцией до первого серьезного провала.
Поэтому кейс Brown стоит читать не как очередную университетскую драму, а как маленькую модель того, что уже происходит в индустрии. Если джун учится не разбираться в задаче, а подбирать правильный промпт под домашку, то через пару лет он так же будет «решать» баги, не понимая, где у него течет логика, безопасность или производительность. Если продакт привыкает заменять анализ убедительно оформленным авто-текстом, он быстро начинает путать гладкую формулировку с качеством решения. Если компания строит процессы так, что сотруднику выгоднее сдать красивый артефакт, чем реально освоить материал, она получает не усиление команды, а дорогую имитацию компетентности. В этом смысле ИИ-списывание в вузе и бездумная зависимость от copilots в разработке отличаются меньше, чем хотелось бы думать.
Отдельно неприятен управленческий слой этой истории. Серрано, судя по его заявлениям, недоволен довольно вялой реакцией администрации Brown. Это тоже узнаваемый сюжет: технология приходит слишком быстро, формальные правила запаздывают, а руководители надеются переждать шум, не принимая жестких решений. Но с генеративным ИИ эта стратегия работает плохо. Если организация не определяет, где допустима помощь модели, а где нужен собственный навык, пользователи быстро выберут путь наименьшего сопротивления. Не потому что они глупые, а потому что система так стимулирует. Потом выяснится, что красивые метрики держались на внешнем интеллекте, а не на внутренней компетенции.
Главный вопрос здесь не в том, можно ли запретить ChatGPT на экзамене или в работе. Запреты сами по себе редко побеждают удобство. Вопрос в другом: какие задачи, процессы и проверки нужно менять, чтобы человек не мог успешно симулировать понимание там, где от него ждут реального мышления. История Brown неприятна именно потому, что дает честный ответ на раннем этапе: если этого не сделать, ИИ-списывание останется не студенческой лазейкой, а новой нормой для целого поколения знаний.