Для итирования: Литвинова Е.Е., Витер Д.А., Чесалов А.Ю. Цифровая платформа «Путь Инженера» как системообразующий элемент стратегии развития МГТУ им. Н.Э. Баумана: аспект применения больших языковых моделей // Достижения в образовательной деятельности – 2026: сборник статей Международного научно-исследовательского конкурса (16 марта 2026 г.). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — С.53-62. DOI: 10.46916/18032026-1-978-5-00276-032-9

Литвинова Елена Евгеньевна

директор по стратегии ФГАОУ ВО МГТУ им. Н.Э. Баумана, г. Москва, Россия, litvinova_ee@bmstu.ru

Витер Дмитрий Александрович

канд. физ.-мат. наук, специалист дирекции стратегического развития ФГАОУ ВО МГТУ им. Н.Э. Баумана, г. Москва, Россия, viter@bmstu.ru

Чесалов Александр Юрьевич

канд. техн. наук, руководитель проекта «Korolev AI»

ФГАОУ ВО МГТУ им. Н.Э. Баумана, г. Москва, Россия, chesalov@bmstu.ru

Аннотация. В статье рассматривается проблема трансформации традиционных CRM-систем и информационных порталов в интеллектуальные платформы управления талантами в контексте перехода к модели «Университет 4.0». На примере стратегической инициативы МГТУ им. Н.Э. Баумана по созданию ИИ-платформы «Путь Инженера» анализируются узкие места существующих подходов к автоматизации довузовской подготовки и взаимодействия с абитуриентами. Обосновывается необходимость применения больших языковых моделей. Предлагается концептуальная архитектура платформы.

Ключевые слова: большие языковые модели, искусственный интеллект в образовании, персонализация обучения, Университет 4.0, цифровая трансформация, МГТУ им. Н.Э. Баумана.

The “Path of the Engineer” digital platform as a core element of the Bauman Moscow State Technical University’s development strategy: the application of large language models

Elena Evgenievna Litvinova

Strategy Director, Bauman Moscow State Technical University, Moscow, Russia, litvinova_ee@bmstu.ru

Dmitry Aleksandrovich Viter

Candidate of Technical Sciences, Specialist, Strategic Development Directorate, Bauman Moscow State Technical University, Moscow, Russia, viter@bmstu.ru

Aleksandr Yuryevich Chesalov

Candidate of Technical Sciences, Project Manager “Korolev AI”,

Bauman Moscow State Technical University, Moscow, Russia, chesalov@bmstu.ru

Abstract. This article examines the transformation of traditional CRM systems and information portals into intelligent talent management platforms in the context of the transition to the “University 4.0” model. Using the example of Bauman Moscow State Technical University’s strategic initiative to create the “Path of the Engineer” AI platform, it analyzes the bottlenecks of existing approaches to automating pre-university training and interactions with applicants. The need for large-scale language models is substantiated, and a conceptual architecture for the platform is proposed.

Keywords: large language models, artificial intelligence in education, personalized learning, University 4.0, digital transformation, Bauman Moscow State Technical University.

Введение

Современный этап цифровой трансформации высшего образования в Российской Федерации характеризуется переходом от автоматизации отдельных бизнес-процессов к созданию экосистемных решений, интегрированных с государственными информационными системами и сервисами. Программа развития МГТУ им. Н.Э. Баумана на период до 2036 года в рамках стратегической инициативы 4.1 предусматривает создание масштабируемой ИИ-платформы «Путь Инженера» [1, с. 43]. Ключевая задача данной платформы — обеспечение персонализированного трекинга инженерных талантов на всем протяжении траектории «школа — университет — индустрия». В соответствии с программными документами, уровень цифровой зрелости университета должен вырасти с 40 % оцифрованных бизнес-процессов в 2023 году до 95% к 2030 году, при этом доля инициатив цифровой трансформации с использованием искусственного интеллекта должна достигнуть 90%. Достижение этих показателей невозможно без расширения функциональных возможностей платформы за счет интеграции в нее передовых технологий обработки естественного языка [2, с. 34; 3, с. 3043].

Анализ задач на разработку первого этапа платформы «Путь Инженера» показывает, что в качестве базовых функциональных возможностей закладываются классические компоненты: CRM-система (англ. Customer Relationship Management, CRM) и информационный портал для коммуникации с пользователями. Однако для достижения амбициозных целей, заявленных в программе развития (выявление мотивированной молодежи, формирование индивидуальных образовательных и профессиональных траекторий, карьерная поддержка), необходима разработка нового архитектурного технического решения и создание на его основе такого программно-аппаратного комплекса, которые позволят вывести платформу на новый уровень автоматизации. В этой связи особую актуальность приобретает вопрос интеграции технологий искусственного интеллекта, и в первую очередь больших языковых моделей (англ. Large Language Model, LLM), которые способны обрабатывать структурированную и неструктурированную информацию, создавать персонализированный контент и осуществлять коммуникацию в реальном времени в режиме 24/7.

ИИ-платформа «Путь Инженера» и стратегия Университета 4.0

Программа развития МГТУ им. Н.Э. Баумана определяет целевую модель университета как «Университет полного инновационного цикла» или «Университет 4.0», интегрирующий современное инженерное образование с междисциплинарными научными исследованиями, технологическими разработками и внедрением продуктовых решений. В этой модели платформа «Путь Инженера» выполняет системообразующую функцию, обеспечивая бесшовную связь между блоками трансформации: инженерным образованием, исследованиями и разработками, кадровым потенциалом и цифровой инфраструктурой.

Платформа реализует три ключевые функции, соответствующие этапам жизненного цикла инженерных кадров:

1. «Инженерный старт» — выявление мотивированной молодежи в школах с профильными классами, центрах «Кванториум», учет индивидуальных достижений, бесшовная интеграция с суперсервисом ЕПГУ «Поступление в вуз онлайн» и приемными комиссиями инженерных вузов.
2. «Инженеры будущего» — формирование совместно с работодателями индивидуальных образовательных траекторий для лучших студентов и создание программ специализированного высшего образования, раннее вовлечение в инженерную профессию.
3. «Инженерные таланты» — формирование совместно с работодателями индивидуальных профессиональных траекторий с учетом вектора развития способностей выпускников и их карьерная поддержка по принципу непрерывного обучения.

Стратегическая важность платформы обусловлена необходимостью преодоления вызовов, зафиксированных в программе развития: дефицит инженерных кадров с междисциплинарными компетенциями, разобщенность технических вузов и реального сектора экономики, отсутствие отраслевых решений для управления образовательным и производственным контуром современного инженерного университета. Платформа призвана стать новым цифровым инструментом, обеспечивающим переход к индивидуализированной модели образования с высокой долей проектной и исследовательской деятельности, ориентацией на развитие исследовательских, цифровых, предпринимательских и креативных компетенций.

Актуальные задачи, требующие применения LLM

Исходя из анализа требований разработанного технического задания и стратегических инициатив, можно выделить три группы задач, решение которых традиционными методами либо невозможно, либо крайне неэффективно:

1. Задачи первого уровня – функция «Инженерный старт». Выявление талантливой молодежи сегодня основывается на победах в олимпиадах и высоких баллах. Однако огромный пласт информации о школьнике содержится в неструктурированном виде: мотивационные письма, тексты проектов, тексты и изображения конкурсных работ, тексты грамот, эскизы, посты в тематических сообществах. Традиционная CRM не способна анализировать эти данные. Задача состоит в семантическом анализе текстов для выявления скрытых склонностей к инженерной деятельности на ранних этапах. При этом, согласно программе развития, особое внимание уделяется вовлечению талантливой молодежи в решение задач технологического развития страны, что требует идентификации не только академических успехов, но и инженерного мышления, проявляющегося в проектной деятельности.
2. Задачи второго уровня – функция «Инженеры будущего». Формирование индивидуальной траектории требует сопоставления профиля школьника с огромным множеством курсов, мероприятий, олимпиад, программ ДПО (Дополнительного Профессионального Образования), которые предлагают как сам Университет, так и его партнеры. Вручную это сделать очень сложно. Необходима интеллектуальная рекомендательная система, понимающая контекст и цели пользователя CRM. Особую сложность представляет необходимость учета быстро меняющихся требований рынка труда и технологических приоритетов, таких как развитие квантовых вычислений, фотоники, робототехники, биомедицинской инженерии, обозначенных в технологических проектах университета.
3. Задачи третьего уровня – функция «Инженерные таланты». Карьерная поддержка подразумевает не только хранение резюме, но и проактивный анализ требований рынка труда, сопоставление компетенций студента с текущими запросами индустриальных партнеров и генерацию персонализированных предложений о стажировках и вакансиях. Программа развития ставит цель достичь к 2030 году 75% участия научно-педагогических работников в НИОКР и увеличить объем НИОКР до 30 млрд рублей, что предполагает интеграцию студентов в реальные исследовательские проекты с ранних курсов. Платформа должна обеспечивать подбор проектных команд под задачи индустриальных партнеров, что требует анализа комплементарности компетенций участников.

Обоснование применения больших языковых моделей

Большие языковые модели представляют собой класс нейросетевых архитектур (трансформеров), способных моделировать естественный язык на основе огромных массивов текстовых данных. Их применение в платформе «Путь Инженера» позволит перейти от простого учета данных к интеллектуальному анализу и синтезу информации, а именно к реализации следующих функциональных возможностей:

1. Семантическое профилирование и поиск талантов. Современные LLM позволяют решать задачу семантического поиска. Вместо поиска, по ключевым словам, (например, «робототехника»), модель сможет найти школьников, которые в своих эссе или проектах проявляют системное мышление и инженерный подход, даже не употребляя термина «робототехника» напрямую. Это реализуется через получение наборов чисел и векторов из исходных текстов и последующее их сравнение с эталонным вектором «профиля инженера». Такой подход автоматизирует функцию выявления «неочевидных» талантов, что критически важно для достижения показателя среднего балла ЕГЭ по отраслевому направлению за счет привлечения мотивированных абитуриентов, чьи таланты могут не выражаться исключительно в тестовых баллах.
2. Генерация персонализированных образовательных траекторий.Задача формирования индивидуальных образовательных траекторий (ИОТ) является многокритериальной оптимизацией. LLM могут выступать в роли интеллектуального советника (ассистента). На основе анализа данных карточки пользователя CRM (его интересы, уровень подготовки, доступное время) и базы знаний о мероприятиях (их цели, сложность, результаты прохождения), LLM способна: cгенерировать текст описания рекомендуемого пути на естественном языке; объяснить пользователю, почему ему предлагается тот или иной курс; ответить на уточняющие вопросы в чате, имитируя диалог с опытным методистом или сотрудником Приемной Комиссии. Особую значимость эта функция приобретает в контексте реализации стратегических технологических проектов университета — Bauman DeepTech (новые информационные технологии), Bauman SmartBiomed (технологии биомедицинской инженерии) и Bauman GoGreen (технологии экологической и продовольственной безопасности). Платформа должна будет обеспечивать навигацию студентов к соответствующим образовательным модулям и исследовательским задачам, формируя междисциплинарные команды для работы над прорывными направлениями.
3. Интеллектуальная автоматизация коммуникаций или ИИ-ассистент. В платформе предполагается реализация функции массовой рассылки сообщений. Однако шаблонные рассылки имеют низкую конверсию. Применение LLM позволяет перейти к гипер-персонализации: автоматическая генерация уникального текста письма для каждого получателя с учетом его последних действий (посетил мероприятие, скачал программу, не закончил тест); поддержание диалога в личном кабинете через чат-бота, который не просто отвечает по базе знаний вопросов и ответов, а понимает контекст вопроса, эмоциональную окраску и может перенаправить сложный запрос нужному сотруднику, предоставив ему полную выжимку истории диалога. Это особенно важно для взаимодействия с иностранными студентами и партнерами из стран ЕАЭС, ШОС, БРИКС в рамках инициативы «Университет без границ». Языковая гибкость LLM позволяет обеспечить коммуникацию на родном языке пользователя или качественный перевод, что снижает барьеры входа.
4. Анализ больших данных. Накопление данных в CRM о сотнях тысяч школьников создает предпосылки для прогнозного моделирования. LLM в связке с классическими ML-алгоритмами могут анализировать успешные кейсы поступления и карьерного роста, выявляя скрытые паттерны. Это позволит не просто фиксировать текущее состояние абитуриента, а прогнозировать его успешность на различных факультетах или программах, давая рекомендации приемной комиссии. В перспективе такой подход позволит реализовать управление на основе данных (англ. data-driven management), что является одним из принципов политики в области информационных технологий университета.

Концептуальная архитектура

Предлагаемая архитектура предполагает надстройку над существующей CRM и порталом, без их коренного преобразования, что соответствует поэтапному подходу к разработке и внедрению ИИ-платформы. Концептуальная архитектура решения, с учетом использования LLM, включает следующие уровни:

1. Уровень сбора и структурирования данных.На этом уровне языковые модели используются для обработки входящего потока неструктурированных данных: текстов регистрационных форм, эссе, отзывов, постов из привязанных соцсетей (с согласия пользователя). Модель выделяет сущности (интересы, компетенции, события), проводит тональность и заполняет структурированные поля в базе данных CRM, обогащая профиль пользователя. Это соответствует политике целостности цифровых данных и обеспечивает однократный ввод информации.
2. Уровень анализа и рекомендаций. На этом уровне модель работает с обогащенными профилями и каталогом возможностей (мероприятия, курсы, вакансии). Используя техники «обучения с малым количеством примеров», модель на основе прецедентов рекомендует оптимальные действия. Этот уровень интегрирован с модулем аналитики CRM для построения сложных отчетов на естественном языке (например, «покажи динамику интереса к направлению «ИИ» среди школьников 10-х классов из Твери»). Такая функциональность критична для мониторинга показателей цифровой зрелости и эффективности образовательных программ.
3. Уровень взаимодействия. Это непосредственно личный кабинет и интерфейс администратора. Для пользователей должен быть реализован диалоговый интерфейс с ИИ-ассистентом. Для сотрудников — генерация текстов рассылок, подготовка проектов документов (согласий, приглашений), автоматическое составление резюме встреч и звонков на основе аудиорасшифровки (транскрибации). Данный уровень напрямую влияет на индекс удовлетворенности и индекс лояльности (NPS) студентов, обеспечивая мгновенную и качественную обратную связь.
4. Уровень интеграции с другими ИИ-платформами университета (например, научно-образовательной платформой «Korolev AI») [4, с. 84; 5, с. 56].

Интеграция с проектами университета

Программа развития МГТУ им. Н.Э. Баумана предусматривает реализацию трех стратегических технологических проектов: Bauman DeepTech (новые информационные технологии), Bauman SmartBiomed (технологии биомедицинской инженерии) и Bauman GoGreen (технологии экологической и продовольственной безопасности). Платформа «Путь Инженера» должна выполнять функцию связующего звена между этими проектами и системой подготовки кадров.

1. В рамках проекта Bauman DeepTech (новые информационные технологии) платформа должна обеспечить:
   • выявление школьников с углубленным интересом к физике, математике и программированию для их ориентации на направления, связанные с квантовыми вычислениями и фотоникой;
   • формирование индивидуальных траекторий, включающих специализированные курсы по квантовой теории твердого тела, технологическим комплексам микро- и наноэлектроники;
   • подбор кандидатов для прохождения практик в научно-образовательных центрах и кластере Квантум Парк.
2. Для проекта Bauman SmartBiomed (технологии биомедицинской инженерии) платформа должна:
   • идентифицировать студентов, склонных к междисциплинарной работе на стыке инженерии, биологии и медицины;
   • формировать проектные команды для разработки микрофизиологических систем, цифровых двойников клеточных систем, мягких биоматериалов;
   • обеспечивать коммуникацию между студентами, научными руководителями и клиническими партнерами.
3. В проекте Bauman GoGreen (технологии экологической и продовольственной безопасности) платформа должна способствовать:
   • привлечению абитуриентов, мотивированных на решение экологических проблем и задач продовольственной безопасности;
   • формированию образовательных треков по техносферной безопасности с выходом на конкретные исследовательские задачи (например, системы мониторинга окружающей среды, низкоуглеродные установки, и другие);
   • созданию базы для последующего трудоустройства выпускников на предприятиях-партнерах.

Таким образом, платформа «Путь Инженера» становится инструментом реализации принципа «образование через практику», обеспечивая вовлечение студентов в реальные НИОКР с младших курсов и формируя инженерные команды «в один такт» по длинным программам, что является стратегической целью программы развития университета.

Заключение

Создание платформы «Путь Инженера» в МГТУ им. Н.Э. Баумана является не просто тактической задачей автоматизации довузовской подготовки, а стратегическим проектом, обеспечивающим переход университета к модели Университета 4.0. На сегодняшний день, функционал системы представляет собой необходимую базу — цифровой фундамент, однако для достижения целей, поставленных в программе развития до 2036 года, требуется глубокая интеграция технологий больших языковых моделей.

LLM позволят автоматизировать не просто рутинные операции, а сложные интеллектуальные функции: семантический поиск скрытых талантов, формирование по-настоящему персонализированных траекторий, обеспечение осмысленного диалога с каждым участником и прогнозную аналитику карьерных успехов. Это требует пересмотра текущего технического задания на создание и развитие системы, на последующих этапах работ, и выделения отдельного блока работ по созданию и обучению специализированных языковых моделей (либо дообучению существующих Open Source моделей) на данных университета и его партнеров.

Такой подход способствует достижению целевых показателей цифровой зрелости (95% оцифрованных бизнес-процессов, 90% инициатив с использованием ИИ) и позволит университету выполнить свою миссию — создавать научно-технологическое будущее, воспитывать новые поколения русских инженеров, способных обеспечить технологическое лидерство Российской Федерации.

Литература

1. Программа развития Федерального государственного автономного образовательного учреждения высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» на 2025–2036 годы [Электронный ресурс] 2025 URL: https://bmstu.ru/sveden/priority-2030 (дата обращения: 01.03.2026). – Текст: электронный.
2. Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Интеграция больших языковых моделей в образовательную экосистему МГТУ им. Н.Э. Баумана: кейс платформы «Korolev AI» // Science and technology research – 2026: сборник статей Международной научно-практической конференции (5 февраля 2026 г.). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — С. 34-41. DOI: 10.46916/09022026-1-978-5-00276-001-5
3. Damarched, Mahesh Kumar. (2026). Applying LLMs to Legacy System Modernization in Higher Education IT: Leveraging Large Language Models Beyond Chatbots to Modernize Core Student and Administrative Systems in Universities—A Suggestive Review Study. International Journal of Innovative Science and Research Technology. 3043. 10.38124/ijisrt/26jan1243.
4. Чесалов А.Ю. Применение больших языковых моделей в автоматизированных системах прогнозируемого обслуживания промышленного оборудования // Society, science, practice»: материалы XI Международной научно-практической конференции (15 декабря 2025 г., г. Москва). М.: АНО ДПО «Университет ИТБО», КРСУ им. первого Президента Российской Федерации Б.Н. Ельцина, 2025. – С. 84-92. DOI: 10.26118/y2517-2117-6897-r
5. Чесалов А.Ю. Анализ возможности применения модели OpenThinker2-32B в автоматизированных системах прогнозируемого обслуживания для малых и средних промышленных предприятий // Нейрокомпьютеры: разработка, применение. – 2025. Т. 27. № 5. С. 56–70. DOI: https://doi.org/10.18127/j19998554-202505-07