ШІ-грамотність: які навички потрібні студентам і викладачам

Ще недавно цифрова грамотність означала вміння знайти інформацію, працювати з документами, користуватися онлайн-сервісами та розпізнавати ненадійні джерела. Поява генеративного штучного інтелекту змінила цю рамку.

Тепер користувачеві недостатньо знати, як відкрити AI-сервіс і написати запит. Потрібно розуміти, що саме робить система, де вона може помилятися, як перевіряти результат, які дані не варто передавати моделі та де проходить межа між допомогою і підміною власної роботи.

Саме це сьогодні називають ШІ-грамотністю, або AI literacy. У 2026 році поняття перестало бути вузькою темою для програмістів. OECD та Європейська комісія опублікували окрему рамку AI literacy для початкової та середньої освіти, UNESCO розробила компетентнісні рамки для студентів і викладачів, а в Європейському Союзі розвиток ШІ-грамотності вже став окремою вимогою для організацій, що використовують AI-системи.

Це показує важливу зміну. Питання вже не в тому, чи потрібно знайомити людей зі штучним інтелектом. Питання в тому, які знання й навички допомагають користуватися ним відповідально, критично і з реальною користю для навчання.

Що таке ШІ-грамотність

ШІ-грамотність часто помилково зводять до вміння писати промпти. Насправді це значно ширше поняття.

OECD та Європейська комісія визначають AI literacy як сукупність знань, навичок і ставлень, що дозволяють людині розуміти, як працюють AI-системи, критично оцінювати їхні результати та використовувати їх етично й творчо.

Йдеться не лише про технічні прийоми, а й про здатність приймати обґрунтовані рішення щодо можливостей і ризиків AI.

UNESCO пропонує ще ширшу логіку. Для студентів організація виділяє чотири напрями: людиноцентричний підхід, етику AI, розуміння технік і застосувань штучного інтелекту та базове розуміння дизайну AI-систем.

Для викладачів рамка складається з п'яти напрямів: людиноцентричне мислення, етика, основи та застосування AI, педагогіка використання AI і професійний розвиток за допомогою штучного інтелекту.

Тобто грамотний користувач AI — це не той, хто знає сто «секретних промптів». Це людина, яка розуміє можливості інструменту, бачить його обмеження, перевіряє важливі результати, не передає зайві дані й усвідомлює, коли використання AI допомагає виконати роботу, а коли заважає сформувати власну компетентність.

Чому ця навичка стала потрібною так швидко

Штучний інтелект увійшов у навчання швидше, ніж освітні системи встигли сформувати правила.

Stanford AI Index 2026 повідомляє, що понад 80% американських старшокласників і студентів уже використовують AI для навчальних завдань.

Серед найпоширеніших сценаріїв — пошук інформації, редагування письмових робіт, мозковий штурм і пояснення складних тем. Водночас лише близько половини середніх і старших шкіл мають політики щодо AI, а тільки невелика частка викладачів вважає ці правила справді зрозумілими.

Виникає парадокс: люди активно користуються технологією, але часто роблять це інтуїтивно. Один студент просить AI перевірити власну аргументацію, інший копіює готову відповідь. Один викладач використовує систему для створення додаткової практики, інший завантажує конфіденційні студентські матеріали у зовнішній сервіс, не задумуючись про приватність.

Саме тому ШІ-грамотність потрібна раніше, ніж вузька технічна спеціалізація. Більшість користувачів не будуватимуть власні моделі, але майже всі будуть приймати рішення на основі результатів AI або працювати поруч із системами, які щось рекомендують, класифікують, генерують чи прогнозують.

Перша компетентність: розуміти, що AI не є «розумною людиною в комп'ютері»

Одне з найбільш корисних умінь — перестати сприймати генеративну модель як експерта, який точно знає відповідь.

Сучасний AI може дуже переконливо пояснювати складні поняття, створювати тексти, код, зображення та структури даних. Але природність мови не гарантує правильності. Система може помилятися, плутати контекст, вигадувати джерела або давати відповідь, яка звучить професійно, але містить слабкі припущення.

Для студента це означає, що AI не повинен автоматично ставати останньою інстанцією. Для викладача — що згенеровані завдання, пояснення та приклади потрібно перевіряти так само, як матеріали з будь-якого іншого зовнішнього джерела.

Корисно пояснювати учням просту різницю: пошукова система допомагає знайти існуючу сторінку, а генеративна модель формує нову відповідь. Вона може спиратися на широкий масив інформації, але конкретне речення в чаті не обов'язково походить із перевіреного першоджерела.

Це базове розуміння сильно змінює поведінку. Людина починає не просто питати «що відповів AI?», а «наскільки цій відповіді можна довіряти і як це перевірити?».

Друга компетентність: ставити правильні запитання

Промптинг справді є частиною ШІ-грамотності, але важливо розуміти його не як набір магічних формул, а як уміння чітко формулювати задачу.

Слабкий запит «розкажи про маркетинг» майже неминуче дасть загальну відповідь. Натомість запит із контекстом, метою, рівнем аудиторії та бажаним форматом дозволяє отримати значно корисніший результат.

Для навчання ще важливіше додавати педагогічне обмеження. Наприклад: «Не давай готову відповідь. Постав мені одне питання, яке допоможе знайти наступний крок». Або: «Знайди слабкі місця в моєму поясненні, але не переписуй його».

Такий підхід змінює роль AI. Він перестає бути автоматом готових відповідей і стає інструментом для практики, перевірки й розвитку мислення.

Для викладача формулювання запиту теж є професійною навичкою. Щоб отримати хороший навчальний матеріал, потрібно вказати не лише тему, а й навчальну мету, рівень студентів, формат завдання, критерії успіху та обмеження. Інакше система може створити привабливу активність, яка не перевіряє потрібну компетентність.

Третя компетентність: перевіряти факти й джерела

Критична перевірка — одна з центральних частин AI literacy.

Студент повинен уміти відділити пояснення від доказу. Якщо AI допоміг зрозуміти, що таке фотосинтез, цього може бути достатньо для першого знайомства. Якщо він наводить статистику, цитату, наукове дослідження або конкретну норму права, результат потрібно перевірити.

Найкраща практика — переходити до першоджерела. Науковий висновок варто перевіряти в оригінальній статті або звіті, статистику — на сайті установи, нормативну інформацію — в офіційному документі.

Корисна навчальна вправа — спеціально попросити AI сформувати відповідь на складне питання, а потім дати студентам завдання перевірити кожне важливе твердження. Тут помилка моделі перетворюється з проблеми на матеріал для навчання.

Викладачеві ця компетентність потрібна не менше. AI легко генерує переконливі приклади й тести, але помилка в одному завданні може потім тиражуватися на всю групу. Тому швидкість створення контенту повинна супроводжуватися редакторською перевіркою.

Четверта компетентність: розуміти дані та приватність

Багато людей сприймають чат із AI як приватну розмову і вводять туди інформацію, яку не стали б публікувати відкрито.

В освіті це може бути особливо ризиковано. Викладач працює з роботами студентів, оцінками, персональними даними та внутрішніми документами. Працівник корпоративного університету може мати доступ до комерційної інформації. Студент може завантажити чернетку дослідження, яка ще не опублікована.

ШІ-грамотність передбачає звичку запитувати: які дані я зараз передаю, кому вони належать і чи маю я право завантажувати їх у цей сервіс?

Це не означає, що будь-який зовнішній AI небезпечний. Різні сервіси мають різні налаштування, політики та режими роботи. Але відповідальний користувач повинен розуміти, що конфіденційний матеріал не варто передавати автоматично лише тому, що це економить кілька хвилин.

Для освітньої організації доцільно сформулювати окремі правила: які дані дозволено використовувати з AI, що потрібно анонімізувати, які інструменти схвалені та хто відповідає за рішення в складних випадках.

П'ята компетентність: бачити упередження

AI навчається на людських даних, а людські дані не є абсолютно нейтральними. У них присутні культурні, історичні, мовні та соціальні перекоси.

Це означає, що одна й та сама система може краще працювати з одними мовами, професійними контекстами чи групами даних і слабше — з іншими. Вона також може відтворювати стереотипні припущення, навіть якщо користувач не просив цього прямо.

Для студента корисно навчитися ставити додаткові питання: чия перспектива представлена в цій відповіді? Які точки зору відсутні? Чи не зробила система надто широке узагальнення?

Для викладача це важливо під час створення кейсів, персонажів, прикладів і рекомендацій. Згенерований контент може виглядати нейтральним, але все одно потребувати перевірки на культурну доречність і репрезентативність.

UNESCO саме тому ставить етику та людиноцентричний підхід у центр обох своїх компетентнісних рамок, а не розглядає їх як додаток після технічних навичок.

Шоста компетентність: розуміти, коли AI краще не використовувати

Ознака грамотності — не тільки вміння користуватися інструментом, а й уміння свідомо відмовитися від нього.

Якщо студент тільки вчиться розв'язувати базові рівняння, автоматичний розв'язувач може прибрати саме ту практику, яка потрібна для формування навички.

Якщо майбутній перекладач ніколи не намагається самостійно сформулювати складне речення, AI-переклад може створити ілюзію прогресу. Якщо менеджер завжди просить систему написати складний лист, він може не розвивати власну здатність вести неприємні переговори.

OECD у Digital Education Outlook 2026 наголошує на ризику когнітивного делегування: людина може отримати кращий результат із допомогою генеративного AI, але не обов'язково навчитися виконувати відповідну роботу самостійно.

Тому корисне питання перед використанням AI звучить так: «Яку частину цього завдання я повинен навчитися робити сам?».

Іноді правильною відповіддю буде: спочатку виконати вправу без AI, а вже потім використати систему для перевірки або альтернативного пояснення.

Що повинен уміти студент

Для студента AI literacy можна уявити як послідовність від користувача до критичного співтворця.

На базовому рівні людина повинна розуміти, що таке AI, де вона зустрічається з ним у повсякденному житті та чому результат системи не є автоматично правильним.

На наступному рівні студент уміє давати AI зрозумілий контекст, використовувати його для пояснення і практики, перевіряти важливі твердження та повідомляти про використання генеративних інструментів там, де це вимагають правила.

Більш зрілий рівень — здатність порівнювати різні AI-рішення, оцінювати етичні наслідки, розпізнавати потенційні упередження та проектувати власні сценарії використання технології.

Саме так побудована логіка UNESCO: компетентності студентів розвиваються через рівні «розуміти», «застосовувати» і «створювати». Мета — не підготувати пасивного споживача AI, а людину, яка здатна критично й творчо взаємодіяти з технологією.

Окремо варто розвивати здатність документувати власну роботу з AI. У навчанні це може бути короткий опис використаних інструментів, ключових запитів і того, що студент змінив після отриманої відповіді. Така практика допомагає не лише академічній доброчесності.

Вона вчить аналізувати власний процес: де AI справді зекономив час, де створив помилку, а де підказав новий напрям. Згодом цей навик стає професійним — людина може пояснити колегам або керівнику, як саме було отримано результат і які частини рішення потребували людської перевірки.

Що повинен уміти викладач

Викладачеві недостатньо володіти тими самими інструментами, що й студент. Йому потрібно ще й розуміти педагогічні наслідки.

Перше завдання — визначати, де AI підтримує навчальну мету. Якщо система допомагає створити додаткові вправи, персоналізувати пояснення або швидше підготувати чернетку матеріалу, це може бути корисно. Якщо вона виконує за студента ключову навчальну дію, сценарій варто переглянути.

Друге — проектувати оцінювання з урахуванням доступності AI. Необхідно вирішити, де використання технології дозволене, де обмежене, а де є частиною самого завдання.

Третє — пояснювати правила студентам. Формулювання «використовуйте AI відповідально» надто нечітке. Студент повинен бачити конкретні приклади дозволеної й недозволеної допомоги.

Четверте — перевіряти згенеровані матеріали. Професійна відповідальність не переходить до алгоритму лише тому, що текст створено автоматично.

П'яте — постійно оновлювати власні знання. UNESCO окремо виділяє AI для професійного розвитку як одну з п'яти компетентнісних сфер викладача. Це логічно: інструменти змінюються швидше, ніж традиційні навчальні програми.

ШІ-грамотність не однакова для всіх

Одна з важливих ідей сучасних рамок — не вимагати від кожної людини однакового рівня технічних знань.

Студент гуманітарної спеціальності, викладач фізики, адміністратор онлайн-школи та інженер машинного навчання працюють із AI по-різному. Їм потрібна спільна база — критичність, етика, безпека, розуміння обмежень, — але технічна глибина відрізнятиметься.

Європейська комісія застосовує подібну логіку до організацій. Стаття 4 AI Act вимагає вживати заходів для розвитку AI literacy працівників та інших людей, які використовують AI-системи від імені організації, з урахуванням їхнього досвіду, освіти, технічних знань і конкретного контексту використання. Після змін 2026 року норма не вимагає гарантувати певний однаковий рівень грамотності для кожної людини, але сам обов'язок підтримувати її розвиток зберігається.

Для освіти це хороший принцип: навчальна програма з AI повинна починатися не з максимально складної техніки, а з реальних сценаріїв конкретної аудиторії.

Як навчати ШІ-грамотності на практиці

Найслабший формат — провести одну лекцію «що таке штучний інтелект» і вважати тему закритою.

AI literacy краще формується через практику. Студент може отримати дві відповіді різних систем і порівняти їх. Може перевірити статистичне твердження за першоджерелом. Може знайти приховане припущення в згенерованому тексті. Може попросити AI пояснити тему, а потім оцінити, що в поясненні було корисним, а що — неточним.

Для викладачів корисні сценарії, наближені до щоденної роботи: створити чернетку тесту, перевірити її; адаптувати текст для іншого рівня; проаналізувати ризик введення персональних даних; вирішити, чи доречний AI в конкретному виді оцінювання.

У середовищі WeStudy такий модуль можна оформити не як окрему теоретичну лекцію, а як послідовність коротких кейсів, практичних завдань і перевірок. Це дозволяє навчати не назвам сервісів, які швидко змінюються, а принципам поведінки, що залишаються актуальними значно довше.

Як оцінювати ШІ-грамотність

Тест із питаннями «що означає абревіатура AI» майже нічого не говорить про реальну готовність людини працювати з технологією.

Набагато інформативніше дати практичну ситуацію. Наприклад: AI сформував відповідь із трьома джерелами. Студент має визначити, які джерела існують, чи підтримують вони заявлені висновки і що потрібно виправити.

Інший формат — запропонувати конфіденційний документ і запитати, яку частину інформації можна передати зовнішньому сервісу та як безпечно переформулювати задачу.

Ще один сценарій — попросити студента пояснити, коли використання AI в конкретному завданні підтримує навчання, а коли підміняє навичку.

Для викладача можна оцінювати здатність спроектувати завдання з чіткими правилами використання AI, перевірити згенерований матеріал і пояснити студентам критерії академічної доброчесності.

Таке компетентнісне оцінювання краще відповідає самій природі AI literacy: важливо не тільки знати терміни, а приймати якісні рішення.

Чому ШІ-грамотність стає професійною компетентністю

AI literacy уже виходить далеко за межі школи й університету.

Працівники використовують AI для аналізу, підготовки документів, комунікації, програмування, роботи з клієнтами та пошуку ідей. Помилка в цих сценаріях може коштувати значно дорожче, ніж неправильна відповідь у навчальному тесті.

Саме тому вимоги ЄС стосуються не лише освітніх установ. AI literacy розглядається як частина відповідального використання AI в організаціях загалом. Європейська комісія вже створила репозиторій практик, де зібрані десятки прикладів того, як компанії та публічні установи навчають співробітників працювати з AI.

Для бізнесу це змінює підхід до корпоративного навчання. Короткого вебінару про новий чатбот недостатньо. Людям потрібні правила роботи з даними, способи перевірки результатів, розуміння відповідальності та практичні сценарії для своєї ролі.

Від «уміти користуватися AI» до «уміти працювати поруч із AI»

Найважливіша зміна в AI literacy полягає в переході від інструментального мислення до професійного.

На початку люди часто запитують: які промпти використовувати? Який сервіс найкращий? Як змусити модель написати якісніший текст?

Згодом питання стають іншими: яку частину рішення можна делегувати? Що потрібно перевірити самостійно? Хто відповідає за помилку? Які дані можна передавати системі? Як зрозуміти, що автоматизація справді покращила результат?

Саме ці питання й відрізняють зрілого користувача від людини, яка просто освоїла інтерфейс.

У майбутньому конкретні AI-сервіси будуть змінюватися. Моделі стануть точнішими, з'являться нові формати взаємодії, частина функцій автоматично інтегрується в звичайні офісні та освітні системи. Але критичне мислення, перевірка джерел, розуміння контексту, захист даних і людська відповідальність залишаться необхідними.

Чому ШІ-грамотність потрібно регулярно оновлювати

AI literacy не можна один раз «пройти» й закрити назавжди. Технологія змінюється надто швидко: системи отримують доступ до файлів, голосу, відео, зовнішніх сервісів і дедалі частіше можуть виконувати послідовність дій замість користувача. Разом із можливостями змінюється і профіль ризиків.

Тому навчання варто будувати навколо стабільних принципів, але регулярно оновлювати приклади. У 2024 році основною темою міг бути генеративний текст, у 2026-му до нього додаються мультимодальні моделі, AI-агенти та автоматизовані робочі процеси. Завтра типовим питанням може стати вже не «чи написав студент текст сам», а «яку частину дослідження виконав автономний агент і як людина контролювала його рішення».

Практичний підхід — щороку переглядати політики, навчальні кейси й критерії оцінювання, а також давати студентам і викладачам короткі оновлювальні модулі. Це дешевше й ефективніше, ніж щоразу перебудовувати всю програму з нуля. Головне — зберігати незмінне ядро: критичність, прозорість, безпеку даних, етику та відповідальність людини за кінцевий результат.

Якою має бути ШІ-грамотна освітня організація

Сильна AI-політика — це не документ із десятьма заборонами. Це середовище, де люди розуміють правила й можуть аргументовано приймати рішення.

Організація повинна визначити дозволені інструменти, правила роботи з даними, способи декларування використання AI та принципи застосування технології в оцінюванні. Паралельно потрібне навчання для викладачів і студентів, тому що політика без компетентностей швидко перетворюється на формальність.

Також важливо регулярно переглядати правила. Те, що було актуальним для генеративних чатів у 2024 році, може бути недостатнім для агентних систем, мультимодальних моделей або AI, інтегрованого безпосередньо в навчальну платформу у 2027 році.

І нарешті, потрібно вимірювати не кількість проведених тренінгів, а якість рішень. Чи вміють користувачі перевірити факт? Чи знають, що робити з конфіденційними даними? Чи можуть пояснити, чому AI доречний у конкретній задачі? Саме такі ознаки показують реальну грамотність.

Навичка, яка стане такою ж базовою, як робота з інформацією

ШІ-грамотність не означає, що кожна людина повинна стати спеціалістом із машинного навчання. Так само цифрова грамотність не вимагала від усіх уміння створювати операційні системи.

Її сенс у іншому: людина повинна мати достатньо знань, щоб не бути пасивним споживачем автоматичної відповіді.

Студентові потрібно розуміти, коли AI допомагає вчитися, а коли виконує роботу замість нього. Викладачеві — бачити педагогічну цінність і ризики. Працівникові — знати правила використання даних і відповідальності. Керівникові — розуміти, що впровадження AI без навчання людей створює не лише нові можливості, а й нові помилки.

На платформі WeStudy такі компетентності логічно розглядати як окремий напрям сучасного навчання: не курс про одну конкретну модель, а систему навичок, яка допомагає людині адаптуватися до наступних поколінь AI-інструментів.

Найцінніша AI-навичка майбутнього може виявитися дуже людською: не отримати відповідь якомога швидше, а зрозуміти, коли їй можна довіряти, що потрібно перевірити і яке рішення варто прийняти самостійно.

Джерела

OECD та European Commission — Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education, 18 червня 2026 року.

UNESCO — AI Competency Framework for Students, оновлено 16 січня 2026 року.

UNESCO — AI Competency Framework for Teachers, оновлено 16 січня 2026 року.

OECD — Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, 19 січня 2026 року.

Stanford Institute for Human-Centered AI — AI Index Report 2026: Education.

European Commission — AI talent, skills and literacy та роз'яснення щодо Article 4 AI Act.