Астанинская школьница создала инновационный метод взаимодействия с искусственным интеллектом
🤖 Школьница из Астаны разработала авторскую методологию работы с ИИ
Томирис Сатыбалды — ученица выпускного класса — создала Algorithmic Oversight Development Model: целостную систему формирования навыков взаимодействия с искусственным интеллектом для сотрудников компаний и специалистов в сфере технологий.
Томирис Сатыбалды выросла в семье, далёкой от науки и технологий: мама занимается домом, отец ведёт собственный бизнес. Тем не менее родители с детства прививали ей уважение к знаниям и стремление к постоянному развитию. В младших классах она увлекалась танцами и домброй, в 7-м — погрузилась в биологию и химию, а в 10-м классе открыла для себя мир искусственного интеллекта.
🔍 Как обычный экзамен стал отправной точкой для научного исследования
Готовясь к экзамену по математике, Томирис заметила: разные ИИ-агенты на различных образовательных платформах нередко выдают противоположные ответы на один и тот же вопрос. Этот факт не остался незамеченным — девушка решила разобраться, почему так происходит, и начала изучать устройство нейросетей изнутри.
Проанализировав значительный массив специализированной литературы, она пришла к неожиданному выводу: большинство учёных изучают функции ИИ разрозненно. Одни исследуют автоматизацию, другие — доверие пользователей к алгоритмам, третьи — взаимодействие человека и машины. Но никто из них не предложил единой, целостной модели, обучающей корректной и эффективной работе с искусственным интеллектом.
💬 Томирис Сатыбалды
"Речь идёт не о том, как правильно писать промпты, а о том, как читать и трактовать выводы алгоритмов, замечать «слепые зоны» нейросетей — ситуации, где ИИ даёт ответ, но на самом деле не понимает контекст или ошибается — и принимать обоснованные решения вместе с ИИ."
🏛️ Lumiere Education: путь в науку через жёсткий отбор
Осознав масштаб задачи, Томирис приняла решение действовать системно. В 2024 году она подала заявку в Lumiere Education — международную образовательную программу, позволяющую старшеклассникам проводить полноценные исследования под руководством действующих учёных. Конкурс крайне высок: из каждых 100 претендентов отбирают лишь 8–10 человек. Кандидатам необходимо детально изложить академические интересы, представить концепцию исследования и написать убедительное мотивационное письмо.
Томирис прошла отбор и приступила к работе под научным руководством профессора Нельберто Николаса Кинто из бизнес-школы UCL (Лондон). Формат сотрудничества был выстроен чётко: исследовательница составляла план, структурировала промежуточные результаты и передавала их ментору, после чего раз в две недели проводились сессии обратной связи. Так стартовало первое в её жизни качественное исследование — с применением метода анализа нечисловых данных, направленного на выявление глубинных поведенческих паттернов.
💬 Томирис Сатыбалды — о задаче исследования
"Стояла задача выявить паттерны поведения людей при внедрении в их работу ИИ-инструментов. Это наукоёмкое направление, в котором трудно развиваться без экспертной поддержки."
🏗️ Полевой эксперимент: ИИ в реальных бизнес-условиях Казахстана
Для проведения практической части исследования Томирис договорилась о сотрудничестве с небольшой казахстанской строительной компанией, где ранее проходила стажировку. В эксперименте участвовали 20 сотрудников финансового и бухгалтерского отделов. Наблюдая за их работой в динамике, исследовательница фиксировала, как постепенно менялось отношение людей к ИИ-инструментам.
По мере погружения в тему сотрудники начали интуитивно вырабатывать собственные рабочие протоколы. Рутинные, повторяющиеся операции делегировались алгоритмам, тогда как нестандартные и рискованные кейсы оставались в зоне человеческой ответственности. Особенно показательным стал пример с финансовыми данными: алгоритм автоматически отслеживал неточности в расчёте прибыли, однако нередко генерировал ложные срабатывания. В масштабах крупных предприятий подобные ошибки способны обернуться значительными финансовыми потерями.
💬 Томирис Сатыбалды — о роли человека в связке с ИИ
"ИИ становится полноценным участником бизнес-процесса, но финальное решение — всегда зона ответственности человека, владеющего алгоритмической грамотностью. ИИ не может быть «хорошим» или «плохим» — результат его работы зависит от уровня вовлечённости специалиста, его способности критически оценивать риски и готовности к непрерывному обучению."
📊 Ключевые выводы эксперимента
⚠️ Слепые зоны нейросетей
ИИ способен давать ответ, не понимая реального контекста задачи. Для устранения этой проблемы необходимо вручную загружать корпоративные данные, недоступные в открытых источниках.
🧠 Алгоритмические компетенции
Навыки интерпретации выводов ИИ позволяют специалистам принимать взвешенные решения: понимать, какие сигналы системы требуют проверки, а какие можно принять без правок.
🔄 Динамика обучения
Взаимодействие с технологиями — непрерывный процесс. Сотрудники, регулярно работающие с ИИ-инструментами, со временем формируют устойчивые протоколы распределения задач между человеком и алгоритмом.
💼 Цена ошибки в бизнесе
В крупных компаниях ложные срабатывания алгоритмов при работе с финансовыми данными могут повлечь серьёзные экономические последствия. Алгоритмическая грамотность сотрудников — ключевой инструмент управления этим риском.
🧩 Algorithmic Oversight Development Model: от идеи к методологии
На основе полученных данных Томирис разработала Algorithmic Oversight Development Model (AODM) — авторскую методологию, призванную помочь сотрудникам компаний системно формировать навыки работы с искусственным интеллектом. По сути, это структурированная инструкция, обучающая специалистов проверять и критически интерпретировать информацию, поступающую от нейросетей, — применительно к реальным задачам бизнеса в условиях цифровизации.
Интерпретация выводов ИИ
Методология учит не просто получать ответы от алгоритмов, но грамотно считывать и трактовать их в контексте конкретных бизнес-задач, учитывая ограничения модели.
Выявление слепых зон
AODM включает практические техники обнаружения ситуаций, в которых ИИ систематически ошибается или не понимает корпоративного контекста задачи.
Принятие взвешенных решений
Модель описывает, как распределять ответственность между человеком и алгоритмом, сохраняя за специалистом финальное слово в стратегически значимых ситуациях.
Непрерывное развитие компетенций
AODM рассматривает алгоритмическую грамотность как динамичный навык, требующий регулярного обновления по мере эволюции ИИ-технологий и изменения бизнес-среды.
📰 Публикация в Journal of Student Research и научная перспектива
Результаты исследования и описание методологии изложены в научной статье, которая в настоящее время проходит согласование в ряде профильных изданий. Приоритетной площадкой для публикации является Journal of Student Research (JSR) — журнал, аффилированный с College Board, организацией, ответственной за экзамен SAT и процедуры поступления в ведущие мировые университеты. В академическом сообществе публикация в JSR воспринимается как знак высокого доверия и подтверждения научного качества работы.
Процесс рецензирования в подобных изданиях занимает около шести месяцев: длительная внешняя экспертиза необходима для верификации объективности выводов и подтверждения их научной ценности. Томирис пока не раскрывает детальных результатов исследования до завершения этого процесса.
В перспективе исследовательница планирует развиваться на стыке экономики, бизнеса и технологий — направлении, которое становится всё более востребованным в контексте глобальной цифровизации. Сейчас она изучает зарубежные университетские программы в этой междисциплинарной области. В горизонте 5–10 лет Томирис намерена сосредоточиться на создании инструментов, которые сделают внедрение ИИ в казахстанских и международных компаниях более ответственным, прозрачным и результативным.
🎯 Алгоритмическая грамотность — навык настоящего и будущего
История Томирис Сатыбалды — наглядное свидетельство того, что технологические прорывы в сфере IT и цифровизации Казахстана могут рождаться в самых неожиданных местах. Её Algorithmic Oversight Development Model восполняет реальный пробел: бизнес сегодня активно внедряет ИИ-инструменты, однако системных подходов к подготовке сотрудников для грамотной работы с алгоритмами по-прежнему катастрофически не хватает. Исследование, проведённое 17-летней казахстанкой, задаёт направление для развития алгоритмических компетенций — ключевого ресурса в эпоху, когда искусственный интеллект становится неотъемлемой частью любого современного предприятия.
