Факторы интеграции искусственного интеллекта в исследование: кейсы российских лабораторий

Для понимания факторов успешной интеграции технологий искусственного интеллекта (ИИ) как исследовательского метода в деятельность лаборатории необходимо обратиться к существующему опыту научных коллективов, проанализировать ключевые аспекты их работы и опыт внедрения искусственного интеллекта, успешный или нет. Цель настоящего исследования состоит в том, чтобы выявить и систематизировать ключевые переменные, определяющие возможность включения искусственного интеллекта в работу научных коллективов. Для этого мы используем подход множественного кейсстади. В центре внимания данного исследования четыре исследовательских коллектива сибирских научных и образовательных организаций. Научные группы работают или работали над проектами в разных предметных областях: физике, истории, медицине.

Мы выявили три взаимосвязанных условия успешного внедрения искусственного интеллекта. Во-первых, возможность гармонизации исследовательской задачи и формата данных – исследователи начинали активно интегрировать ИИ в свою работу, когда традиционные методы становились технически неэффективными. Во-вторых, формирование коллаборации со специалистами в области работы с данными и программистами, которая во многом зависела от активной организационной политики, позволяя приобрести необходимые компетенции. И, как следствие, двусторонняя коммуникация между исследователями и специалистами по ИИ позволила закрепить опыт применения технологии для действующего и будущих проектов. Таким образом, внедрение ИИ оказывается не столько линейным, технологически обусловленным процессом, сколько согласованием исследовательской задачи, имеющихся ресурсов, компетенций, коммуникативных навыков, организационной культуры и дисциплинарных норм валидации полученного знания.

1. Попова Е.В. Нейросеть для науки в действии: невидимая работа и пересборка практик теплофизической лаборатории // Этнографическое обозрение. – 2026. – № 2.

2. Селянин Я.В. Государственная политика США в области искусственного интеллекта: цели, задачи, перспективы реализации // Проблемы национальной стратегии. – 2020. – № 4. – С. 140–163. – EDN: FOAPWY.

3. Knorr-Cetina K.D. The Scientist as a Socially Situated Reasoner: From Scientific Communities to Transscientific Fields / The manufacture of knowledge: An essay on the constructivist and contextual nature of science. – Elsevier, 2013. – P. 68–93. – ISBN: 9781483285740.

4. Traweek S. Beamtimes and lifetimes: The world of high energy physicists. – Harvard University Press, 1992. – ISBN: 978-0674063488.

5. Neumann M., Rauschenberger M., Schцn E. M. “We need to talk about ChatGPT”: The future of AI and higher education // 2023 IEEE/ACM 5th International Workshop on Software Engineering Education for the Next Generation (SEENG). IEEE, 2023. – P. 29–32. – DOI: 10.1109/SEENG59157.2023.00010.

6. Кошкина Е.А., Бордовская Н.В., Гнедых Д.С., Хромова М.А., Демьянчук Р.В. и др. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения // Высшее образование в России. – 2025. – Т. 34, № 6. – С. 36–57. – DOI: 10.31992/0869-3617-2025-34-6-36-57.

7. Bond M., Khosravi H., de Laat M., Bergdahl N. et al. A meta systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigor // International journal of educational technology in higher education. – 2024. – Vol. 21, no. 4. – 41 p. – DOI: 10.1186/s41239-023-00436-z.

8. Kim J., Klopfer M., Grohs J.R., Eldardiry H., Weichert J. et al. Examining faculty and student perceptions of generative AI in university courses // Innovative Higher Education. – 2025. – Vol. 50. – P. 1–33. – DOI: 10.1007/s10755-024-09774-w.

9. Xu Y., Liu X., Cao X., Huang Ch., Liu E. et al. Artificial intelligence: A powerful paradigm for scientific research // The Innovation. – 2021. – Vol. 2, no. 4. – 21 p. – DOI: 10.1016/j.xinn.2021.100179.

10. Grossmann I., Feinberg M., Parker D.C., Christakis N.A., Tetlock P.E., Cunningham W.A. AI and the transformation of social science research // Science. – 2023. –Vol. 380, no. 6650. – P. 1108–1109. – DOI: 10.1126/science.adi1778.

11. Van Noorden R., Perkel J.M. AI and science: what 1,600 researchers think // Nature. – 2023. – Vol. 621. – P. 672–675. – DOI: 10.1038/d41586-023-02980-0.

12. Berens P., Cranmer K., Lawrence N.D., von Luxburg U., Montgomery J. AI for science: an emerging agenda // Dagstuhl Seminar 22382 “Machine Learning for Science: Bridging Data-Driven and Mechanistic Modelling”. – 2023. – 44 p. – arXiv preprint arXiv:2303.04217.

13. Cheng K., Li Zh., He Y., Guo Q., Lu Y. et al. Potential use of artificial intelligence in infectious disease: take ChatGPT as an example // Annals of biomedical engineering. – 2023. – Vol. 51, no. 6. – P. 1130–1135. – DOI: 10.1007/s10439-023-03203-3.

14. Reddy C.K., Shojaee P. Towards scientific discovery with generative AI: Progress, opportunities, and challenges // Proceedings of the AAAI Conference on Artificial Intelligence. – 2025. – Vol. 39, no. 27. – P. 28601–28609. – DOI: 10.1609/aaai.v39i27.35084.

15. Latif E., Parasuraman R., Zhai X. Physics assistant: An LLM-powered interactive learning robot for physics lab investigations // 2024 33rd IEEE International Conference on Robot and Human Interactive Communication (ROMAN). IEEE, 2024. – P. 864–871. – DOI: 10.1109/RO-MAN60168.2024.10731312.

16. Gao J., Choo K., Cao J., Lee R.K.-W. et al. CoAI-coder: Examining the effectiveness of AI-assisted human-to-human collaboration in qualitative analysis // ACM Transactions on Computer-Human Interaction. – 2023. – Vol. 31, no. 1. – P. 1–38. – DOI: 10.1145/3617362.

17. Sarker I.H. AI-based modeling: techniques, applications and research issues towards automation, intelligent and smart systems // SN computer science. – 2022. – Vol. 3, no. 2. – Article no. 158. – DOI: 10.1007/s42979-022-01043-x.

18. Wagner G., Lukyanenko R., Parй G. Artificial intelligence and the conduct of literature reviews // Journal of Information Technology. – 2022. – Vol. 37, no. 2. – P. 209–226. – DOI: 10.1177/02683962211048201.

19. Vaccaro M., Almaatouq A., Malone T. When combinations of humans and AI are useful: A systematic review and meta-analysis // Nature Human Behaviour. – 2024. – Vol. 8, no. 12. – P. 2293–2303. – DOI: 10.1038/s41562-024-02024-1.

20. Телицына А.Ю. Оптимизация научной деятельности через интеграцию ИИ: нейронные сети как инструмент в работе с академической литературой // Мониторинг. – 2024. – Т. 183, № 5. – С. 218–236. – DOI: 10.14515/monitoring.2024.5.2623.

21. Oduoye M.O., Javed B., Gupta N., Sih C.M.V. et al. Algorithmic bias and research integrity; the role of nonhuman authors in shaping scientific knowledge with respect to artificial intelligence: a perspective // International Journal of Surgery. – 2023. – Vol. 109, no. 10. – P. 2987–2990. – DOI: 10.1097/JS9.0000000000000552.

22. Brodie M.L. Future intelligent information systems: AI and database technologies working together // Readings in artificial intelligence and database. Morgan Kaufman, 1989. – P. 623–641. – DOI: 10.1016/B978-0-934613-53-8.50048-0.

23. Bryda G., Sadowski D. From words to themes: AIpowered qualitative data coding and analysis // World conference on qualitative research. – Cham : Springer Nature Switzerland, 2024. – P. 309–345. – DOI: 10.1007/978-3-031-65735-1_19.

24. Khalifa M., Albadawy M. Using artificial intelligence in academic writing and research: An essential productivity tool // Computer Methods and Programs in Biomedicine Update. – 2024. – Vol. 5. – DOI: 10.1016/j.cmpbup.2024.100145.

25. Longkumer T. Generative AI in Anthropology: Redefining Fieldwork, Textualisation, and Collaborative Knowledge Production // Teaching Anthropology. – 2025. – Vol. 14, no. 2. – P. 118–130. – DOI: 10.22582/ta.v14i2.778.

26. Chakravorti T., Wang X., Venkit P.N., Koneru S., Munger K. et al. Social Scientists on the Role of AI in Research // arXiv preprint. – 2025. – 14 p. – DOI: 10.48550/arXiv.2506.11255.

27. Sarker I.H. AI-based modeling: techniques, applications and research issues towards automation, intelligent and smart systems // SN computer science. – 2022. – Vol. 158, no. 3. – 20 p. – DOI: 10.1007/s42979-022-01043-x.

28. Nagar S. Artificial Intelligence in Scientific Research: Lessons for SPIs // Science-Policy Brief for the Multistakeholder Forum on Science, Technology and Innovation for the SDGs, May 2024. United Nations. 2024. – 4 p. – URL: https://sdgs.un.org/documents/nagar-s-arti-ficial-intelligence-scientific-research-lessons-spis-55347 (дата обращения: 09.12.25).

29. Mohammadi E., Cai Y., Novin A., Vera V., Soltanmohammadi E. Who is a scientist? Gender and racial biases in google vision AI /// AI and Ethics. – 2025. – Vol. 5. – P. 4993–5010. – DOI: 10.1007/s43681-025-00742-4.

30. Messeri L., Crockett M.J. Artificial intelligence and illusions of understanding in scientific research // Nature. – 2024. – Vol. 627. – P. 49–58. – DOI: 10.1038/s41586-024-07146-0.

31. Kobak D., González-Márquez R., Horvát E.-Á., Lause J. Delving into LLM-assisted writing in biomedical publications through excess vocabulary // Science Advances. – 2025. – Vol. 11, no. 27. – 8 p. – DOI: 10.1126/sciadv.adt3813.

32. Watermeyer R., Lanclos D., Phipps L., Shapiro H., Guizzo D. et al. Academics’ Weak(ening) Resistance to Generative AI: The Cause and Cost of Prestige? // Postdigital Science and Education. – 2025. – Vol. 7. – P. 1171–1191. – DOI: 10.1007/s42438-024-00524-x.

33. Carobene A., Padoan A., Cabitza F., Banfi G., Plebani M. Rising adoption of artificial intelligence in scientific publishing: evaluating the role, risks, and ethical implications in paper drafting and review process // Clinical Chemistry and Laboratory Medicine (CCLM). – 2024. – Vol. 62, no. 5. – P. 835–843. – DOI: 10.1515/cclm-2023-1136.

34. Liu J., Jagadish H.V. Institutional efforts to help academic researchers implement generative AI in research // Harvard Data Science Review. – 2024. – No. 5. – 25 p. – DOI: 10.1162/99608f92.2c8e7e81.

35. Bianchini S., Mьller M., Pelletier P. Drivers and barriers of ai adoption and use in scientific research // Technological Forecasting and Social Change. – 2025. – Vol. 220. – 16 p. – DOI: 10.1016/j.techfore.2025.124303.

36. Prieto-Gutierrez J. J., Segado-Boj F., Franзa F.D.S. Artificial intelligence in social science: A study based on bibliometrics analysis // Human Technology. – 2023. – Vol. 19, no. 2. – P. 149–162. – DOI: 10.48550/arXiv.2312.10077.

37. Попова Е.В., Мацепуро Д.М. Исследовательская этика: представления и практики российских молодых учёных // Высшее образование в России. – 2024. – Т. 33, № 7. – С. 124–143. – DOI: 10.31992/0869-3617-2024-33-7-124-143.

38. Steinhardt I., Bauer M., Wünsche H., Schimmler S. The connection of open science practices and the methodological approach of researchers // Quality & Quantity. – 2023. – Vol. 57. – no. 4. – P. 3621-3636. – DOI: 10.1007/s11135-022-01524-4.

39. Bennett D.S., Stam A.C. Research design and estimator choices in the analysis of interstate dyads: When decisions matter // Journal of conflict res-olution. – 2000. – Vol. 44, no. 5. – P. 653–685. – DOI: 10.1177/0022002700044005005.

40. Парамзин Ф.Н., Какоткин В.В., Буркин Д.А., Агапов М.А. Радиомика и искусственный интеллект в дифференциальной диагностике опухолевых и неопухолевых заболеваний поджелудочной железы (обзор) // Хирургическая практика. – 2023. – № 1. – С. 53–65. – DOI: 10.38181/2223-2427-2023-1-5.

41. Попова Е.В. Исследовательские инфраструктуры российских лабораторий: до и после санкций // Этнографическое обозрение. – 2025. – № 6. – С. 168–191. – DOI: 10.7868/S3034627425060109.