СЦЕНАРНЫЙ АНАЛИЗ ВЛИЯНИЯ ИНТЕГРАЦИИ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ИНСТИТУЦИОНАЛЬНОЕ ДОВЕРИЕ В ПРОГРАММАХ EXECUTIVE EDUCATION

Авторы

  • А.Д. Поцулин Университет ИТМО
  • Д.Э.А. Арбильдо Прието Университет ИТМО
  • А.В. Алексеева Университет ИТМО

Статья поступила в редакцию: 24.02.2026

Статья принята к публикации: 08.04.2026

Статья опубликована: 13.04.2026

Ключевые слова:

генеративный искусственный интеллект (GenAI); Executive Education; институциональное доверие; сценарный эксперимент; восприятие качества образования; технологический скептицизм.

Аннотация

Активное внедрение генеративного искусственного интеллекта (GenAI) в образовательные программы бизнес-школ актуализирует проблему влияния технологической насыщенности на восприятие качества обучения и репутацию учебных заведений. В сегменте Executive Education, ориентированном на руководителей, данная проблема остается недостаточно изученной. Цель исследования – оценить влияние различных уровней интеграции GenAI в программы Executive Education на институциональное доверие слушателей. Гипотеза о том, что высокий уровень технологичности будет способствовать росту доверия, проверялась экспериментально. Научная новизна заключается в выявлении парадоксальной обратной зависимости между интенсивностью использования GenAI и доверием к образовательной программе у данной категории респондентов, а также в демонстрации роли предшествующего опыта работы с искусственным интеллектом. Методология основана на экспериментальном дизайне со сценарным подходом: 60 респондентов случайным образом распределялись по трём сценариям, различающимся уровнем интеграции GenAI в программу обучения (высокий, средний, минимальный), после чего оценивали своё отношение к программе по 5-балльной шкале Лайкерта. Результаты показали, что максимальный уровень доверия (3,8) и готовности рекомендовать программу (3,8) соответствует традиционному сценарию с минимальным использованием GenAI, тогда как высокотехнологичный сценарий получил наименьшие оценки (2,8). Установлено, что 37% респондентов никогда не использовали GenAI, именно эта группа демонстрирует самый низкий уровень доверия (2,86), в то время как активные пользователи оценивают доверие существенно выше (4). Во всех сценариях зафиксирован скептицизм в отношении способности GenAI повысить качество обучения (средние оценки ниже 3). Практическая значимость состоит в обосновании рекомендаций по сбалансированной интеграции GenAI как опционального вспомогательного инструмента, не вытесняющего традиционные методы, и необходимости демонстрации его полезности и безопасности для преодоления барьеров недоверия. Перспективы дальнейших исследований включают проведение лонгитюдных исследований, расширение выборки и анализ возрастных и профессиональных различий в восприятии технологий генеративного искусственного интеллекта.

Информация о публикации

Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.

Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.

Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.

Правообладатель: Издательский дом «Академический».

Условия использования. Статьи текущего года распространяются по подписке на журнал «Финансовый менеджмент». Все права защищены. Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU www.elibrary.ru/contents.asp?titleid=9552 . Материалы предыдущих лет распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) . Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.

Машиночитаемый файл метаданных: JATS XML

Список литературы

Bond M., Khosravi H., De Laat M., Bergdahl N., Negrea V., Oxley E., Pham P., Chong S.W., Siemens G. A meta systematic review of artificial intelligence in higher education: a call for increased ethics, collaboration, and rigour // International Journal of Educational Technology in Higher Education. 2024. Vol. 21(1). DOI: 10.1186/s41239-023-00436-z EDN: RETFDC.

Kurushina E.V., Sheveleva N.P. Digital Industrial Transformation Based on Artificial Intelligence // Society: Politics, Economics, Law. 2023. Vol. 7 (120). P. 67-73. DOI: 10.24158/pep.2023.7.8 EDN: ENIKGC.

Liu C., Yang L., Dong X., Li X. Factors Influencing Generative AI Usage Intention in China: Extending the Acceptance-Avoidance Framework with Perceived AI Literacy // Systems. 2025. Vol. 13. DOI: 10.3390/systems13080639.

Chiu T., Xia Q., Zhou X., Chai C., Cheng M. Systematic literature review on opportunities, challenges, and future research recom mendations of artificial intelligence in education // Computers Education: Artif Intell. 2023. Vol. 4. DOI: 10.1016/j.caeai.2022.100118 EDN: XWRUOE.

Ng D.T.K., Leung J.K.L., Chu S.K.W., Qiao M.S. Conceptualizing AI literacy: An exploratory review // Computers and Education: Artificial Intelligence. 2021. Vol. 2. DOI: 10.1016/j.caeai.2021.100041 EDN: YAXPEA.

Davis F.D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology // MIS Quarterly. 1989. Vol. 13(3). P. 319-340.

Bouebdallah N., Ajili Ben Youssef W. Assessing students' intention to adopt generative artificial intelligence // Journal of Accounting Education. 2025. Vol. 72. DOI: 10.1016/j.jaccedu.2025.100984 EDN: LASZXU.

Oc Y., Gonsalves C. Generative AI in Higher Education Assessments: Examining Risk and Tech-Savviness on Student's Adoption // Journal of Marketing Education. 2024. Vol. 47. DOI: 10.1177/02734753241302459 EDN: ZLNEON.

Nikolic S., Wentworth I., Sheridan L., Moss S., Duursma E., Jones R. A., Ros M., Middleton R. A Systematic Literature Review of Attitudes, Intentions and Behaviours of Teaching Academics Pertaining to AI and Generative AI (GenAI) in Higher Education: An Analysis of GenAI Adoption Using the UTAUT Framework // Australasian Journal of Educational Technology. 2024. Vol. 40. P. 56-75.

Buele J., Llerena-Aguirre L. Transformations in academic work and faculty perceptions of artificial intelligence in higher education // Frontiers in Education. 2025. Vol. 10. DOI: 10.3389/feduc.2025.1603763 EDN: HCXTKE.

Liang J., Stephens J., Brown G. A systematic review of the early impact of artificial intelligence on higher education curriculum, instruction, and assessment // Frontiers in Education. 2025. Vol. 10. DOI: 10.3389/feduc.2025.1522841 EDN: WLQFBH.

Qian I., Bowman N. Toward Responsible Integration: A Review of Applications, Capabilities, and Perceptions of Generative AI in Higher Education // Education Sciences. 2026. Vol. 16, No. 2. 323. DOI: 10.3390/educsci16020323.

Shin D. The effects of explainability and causability on perception, trust, and acceptance: Implications for explainable AI // International Journal of Human-Computer Studies. 2021. Vol. 146. DOI: 10.1016/J.IJHCS.2020.102551 EDN: OFLEEC.

Luhmann N. Trust and Power. Chichester: Wiley, 1979. 320 p.

Rogers E. M. Diffusion of Innovations. 5th ed. New York: Free Press, 2003. 576 p.

Загрузки

Опубликован

13.04.2026

Выпуск

Раздел

Экономические науки