Алгоритмический капитал в экономике высшего образования: институциональный анализ отраслевой трансформации
Аннотация
Обоснование. Распространение генеративных инструментов искусственного интеллекта среди обучающихся и исчерпание стратегии детектирования сгенерированных текстов привели к институциональному сдвигу в секторе высшего образования: государство перенесло определение нормы допустимого использования искусственного интеллекта на уровень образовательной организации. Локальное нормотворчество превращается из периферийной компетенции в фактор конкурентоспособности производителя образовательных услуг, что требует нового аналитического аппарата отраслевой экономики образования.
Цель – операционализация категории алгоритмического капитала применительно к организации отрасли образования и обоснование следующей из нее отраслевой гипотезы об инверсии асимметрии масштаба на рынке образовательных услуг.
Материалы и методы. Институциональный анализ сектора: аппарат институтов как правил игры, институциональных ловушек, различения власти de jure и de facto; анализ нормативно-правовых актов и отраслевых данных о распространении генеративных технологий; параметрическая модель отраслевого уровня, параметры которой калиброваны по практике частной образовательной организации.
Результаты. Определены отличия алгоритмического капитала от информационных активов, компетенций отдельных сотрудников и структурного капитала; сформулированы четыре минимальных признака капитализации (встроенность в несущие процессы, воспроизводимость, организационная присваиваемость, связка с организационной памятью) и направления измерения. Обоснована гипотеза инверсии асимметрии масштаба: при падающем ценовом барьере агентных технологий скорость накопления алгоритмического капитала выше у малых частных организаций, что открывает им окно возможностей, недоступное в логике классической конкуренции размеров. Расчетным путем показано, что полные годовые издержки алгоритмического контура составляют около 0,54 стоимости одной ставки методиста и не зависят от размера организации, порог окупаемости достигается на объеме двух-четырех образовательных программ, а условие инверсии определяется соотношением длительности цикла легитимации, числа переводимых процессов и числа носителей компетенции. Основные положения представлены автором на III Всероссийском форуме «Искусственный интеллект в высшем образовании» (ТюмГУ, Тюмень, июнь 2026 года).
Скачивания
Литература
Аджемоглу, Д., & Джонсон, С. (2024). Власть и прогресс: наша тысячелетняя борьба за технологии и процветание (пер. с англ. Н. Холмогоровой). Москва: АСТ.
Аузан, А. А. (2015). «Эффект колеи». Проблема зависимости от траектории предшествующего развития — эволюция гипотез. Вестник Московского университета. Серия 6. Экономика, (1), 3–17. EDN: https://elibrary.ru/TJOVMJ
Аузан, А. А. (2017). Развитие и «колея» зависимости. Мировая экономика и международные отношения, 61(10), 96–105. DOI: https://doi.org/10.20542/0131-2227-2017-61-10-96-105 EDN: https://elibrary.ru/ZNIHAB
Аузан, А. А. (2019). Цифровая экономика как экономика: институциональные тренды. Вестник Московского университета. Серия 6. Экономика, (6), 12–19. EDN: https://elibrary.ru/HVLXUW
Вольчик, В. В., & Маслюкова, Е. В. (2018). Ловушка метрик, или почему недооценивается неявное знание в процессе регулирования сферы образования и науки. Journal of Institutional Studies, 10(3), 158–179. DOI: https://doi.org/10.17835/2076-6297.2018.10.3.158-179 EDN: https://elibrary.ru/YAWSEP
Вольчик, В. В., & Маслюкова, Е. В. (2019). Реформы, неявное знание и институциональные ловушки в сфере образования и науки. Terra Economicus, 17(2), 146–162. DOI: https://doi.org/10.23683/2073-6606-2019-17-2-146-162 EDN: https://elibrary.ru/NCJBLT
Давыдов, С. Г., Матвеева, Н. Н., Адемукова, Н. В., & Вичканова, А. А. (2024). Искусственный интеллект в российском высшем образовании: текущее состояние и перспективы развития. Университетское управление: практика и анализ, 28(3), 32–44. DOI: https://doi.org/10.15826/umpa.2024.03.023 EDN: https://elibrary.ru/FELSPP
Дипломы могут отменить из-за ИИ. (2026, 28 мая). Коммерсантъ. https://www.kommersant.ru/doc/8692161
Ивахненко, Е. Н., & Никольский, В. С. (2023). ChatGPT в высшем образовании и науке: угроза или ценный ресурс? Высшее образование в России, 32(4), 9–22. DOI: https://doi.org/10.31992/0869-3617-2023-32-4-9-22 EDN: https://elibrary.ru/TZHIHU
Кабмин ввел для ведомств нормативы по внедрению ИИ. (2026, 16 апреля). Известия. https://iz.ru/2079788/2026-04-16/kabmin-vvel-dlia-vedomstv-normativy-po-vnedreniiu-ii
Кузьминов, Я. И., Сорокин, П. С., & Фрумин, И. Д. (2019). Общие и специальные навыки как компоненты человеческого капитала: новые вызовы для теории и практики образования. Форсайт, 13(2), 19–41. DOI: https://doi.org/10.17323/2500-2597.2019.2.19.41 EDN: https://elibrary.ru/NFSVLM
Норт, Д. (1997). Институты, институциональные изменения и функционирование экономики. Москва: Фонд экономической книги «Начала». ISBN: 5-88581-006-0. EDN: https://elibrary.ru/YQDVYE
Полтерович, В. М. (1999). Институциональные ловушки и экономические реформы. Экономика и математические методы, 35(2), 3–20. EDN: https://elibrary.ru/QOLEBJ
Приказ Минобрнауки России от 29.06.2015 № 636 «Об утверждении Порядка проведения государственной итоговой аттестации по образовательным программам высшего образования — программам бакалавриата, программам специалитета и программам магистратуры» (ред. от 04.02.2025).
Программа и материалы III Всероссийского форума «Искусственный интеллект в высшем образовании». (2026, 29–30 июня). Тюменский государственный университет. https://ai.utmn.ru/ru/ai-forum-2026
Рогозин, Д. М., Солодовникова, О. Б., & Ипатова, А. А. (2022). Как преподаватели вузов воспринимают цифровую трансформацию высшего образования. Вопросы образования, (1), 271–300. DOI: https://doi.org/10.17323/1814-9545-2022-1-271-300 EDN: https://elibrary.ru/KLQTLU
Терников, А. А. (2023). Искусственный интеллект и спрос на навыки работников в России. Вопросы экономики, (11), 65–80. DOI: https://doi.org/10.32609/0042-8736-2023-11-65-80 EDN: https://elibrary.ru/DMAYIK
Указ Президента Российской Федерации от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» (в ред. Указа Президента РФ от 15.02.2024 № 124), пункты 28.1, 51.5 Национальной стратегии развития искусственного интеллекта на период до 2030 года.
Федеральный закон от 29.12.2012 № 273-ФЗ «Об образовании в Российской Федерации» (ред. от 25.04.2026), статьи 28, 30.
Acemoglu, D., & Robinson, J. A. (2006). De facto political power and institutional persistence. American Economic Review, 96(2), 325–330. DOI: https://doi.org/10.1257/000282806777212549
Acemoglu, D., & Robinson, J. A. (2008). Persistence of power, elites, and institutions. American Economic Review, 98(1), 267–293. DOI: https://doi.org/10.1257/aer.98.1.267
The AI Index 2025 Annual Report. (2025). Stanford Institute for Human-Centered Artificial Intelligence, Stanford University (Stanford, CA). https://hai.stanford.edu/ai-index/2025-ai-index-report
Benavides, L. M. C., Tamayo Arias, J. A., Arango Serna, M. D., Branch Bedoya, J. W., & Burgos, D. (2020). Digital transformation in higher education institutions: A systematic literature review. Sensors, 20(11), Article 3291. DOI: https://doi.org/10.3390/s20113291 EDN: https://elibrary.ru/HPEXPR
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20, Article 22. DOI: https://doi.org/10.1186/s41239-023-00392-8 EDN: https://elibrary.ru/VYFMFK
Durand Folco, J., & Martineau, J. (2023). Le capital algorithmique: Accumulation, pouvoir et resistance a l’ere de l’intelligence artificielle. Montréal: Éditions Écosociété.
Edvinsson, L., & Malone, M. S. (1997). Intellectual capital: Realizing your company’s true value by finding its hidden brainpower. New York: Harper Business.
Egan, M. (2026). Towards a political economy of algorithmic capitalism. Capital and Class, 50(2). DOI: https://doi.org/10.1177/03098168251326189 EDN: https://elibrary.ru/POHBQO
Jones, C. I. (2026, January). A.I. and our economic future (NBER Working Paper No. 34779). National Bureau of Economic Research (Cambridge, MA). https://www.nber.org/system/files/working_papers/w34779/w34779.pdf
Jones, C. I., & Tonetti, C. (2026, January). Past automation and future A.I.: How weak links tame the growth explosion [Manuscript]. Stanford University. https://web.stanford.edu/~chadj/JonesTonetti_Automation.pdf
Komljenovic, J. (2021). The rise of education rentiers: Digital platforms, digital data and rents. Learning, Media and Technology, 46(3), 320–332. DOI: https://doi.org/10.1080/17439884.2021.1891422 EDN: https://elibrary.ru/HTBCIT
Meyer, J. W., & Rowan, B. (1977). Institutionalized organizations: Formal structure as myth and ceremony. American Journal of Sociology, 83(2), 340–363. DOI: https://doi.org/10.1086/226550
Pierson, P. (2000). Increasing returns, path dependence, and the study of politics. American Political Science Review, 94(2), 251–267. DOI: https://doi.org/10.2307/2586011
Ragnedda, M. (2018). Conceptualizing digital capital. Telematics and Informatics, 35(8), 2366–2375. DOI: https://doi.org/10.1016/j.tele.2018.10.006
Secundo, G., Elena-Perez, S., Martinaitis, Z., & Leitner, K.-H. (2017). An intellectual capital framework to measure universities’ third mission activities. Technological Forecasting and Social Change, 123, 229–239. DOI: https://doi.org/10.1016/j.techfore.2016.12.013 EDN: https://elibrary.ru/VMRRFR
References
Acemoglu, D., & Johnson, S. (2024). Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity (transl. from English by N. Kholmogorova). Moscow: AST.
Auzan, A. A. (2015). The “track effect”: The problem of dependence on the trajectory of prior development — evolution of hypotheses. Moscow University Economics Bulletin. Series 6. Economics, (1), 3–17. EDN: https://elibrary.ru/TJOVMJ
Auzan, A. A. (2017). Development and the “track” of dependency. World Economy and International Relations, 61(10), 96–105. DOI: https://doi.org/10.20542/0131-2227-2017-61-10-96-105 EDN: https://elibrary.ru/ZNIHAB
Auzan, A. A. (2019). The digital economy as an economy: Institutional trends. Moscow University Economics Bulletin. Series 6. Economics, (6), 12–19. EDN: https://elibrary.ru/HVLXUW
Volchik, V. V., & Maslyukova, E. V. (2018). The metrics trap, or why tacit knowledge is underestimated in regulating the sphere of education and science. Journal of Institutional Studies, 10(3), 158–179. DOI: https://doi.org/10.17835/2076-6297.2018.10.3.158-179 EDN: https://elibrary.ru/YAWSEP
Volchik, V. V., & Maslyukova, E. V. (2019). Reforms, tacit knowledge, and institutional traps in the sphere of education and science. Terra Economicus, 17(2), 146–162. DOI: https://doi.org/10.23683/2073-6606-2019-17-2-146-162 EDN: https://elibrary.ru/NCJBLT
Davydov, S. G., Matveeva, N. N., Ademukova, N. V., & Vichkanova, A. A. (2024). Artificial intelligence in Russian higher education: Current state and development prospects. University Management: Practice and Analysis, 28(3), 32–44. DOI: https://doi.org/10.15826/umpa.2024.03.023 EDN: https://elibrary.ru/FELSPP
Diplomas may be abolished because of AI. (May 28, 2026). Kommersant. https://www.kommersant.ru/doc/8692161
Ivakhnenko, E. N., & Nikolsky, V. S. (2023). ChatGPT in higher education and science: A threat or a valuable resource? Higher Education in Russia, 32(4), 9–22. DOI: https://doi.org/10.31992/0869-3617-2023-32-4-9-22 EDN: https://elibrary.ru/TZHIHU
The government introduces AI adoption targets for government agencies. (April 16, 2026). Izvestia. https://iz.ru/2079788/2026-04-16/kabmin-vvel-dlia-vedomstv-normativy-po-vnedreniiu-ii
Kuzminov, Y. I., Sorokin, P. S., & Froumin, I. D. (2019). General and specific skills as components of human capital: New challenges for the theory and practice of education. Foresight, 13(2), 19–41. DOI: https://doi.org/10.17323/2500-2597.2019.2.19.41 EDN: https://elibrary.ru/NFSVLM
North, D. (1997). Institutions, institutional change and economic performance. Moscow: Foundation for Economic Books “Nachala”. ISBN: 5-88581-006-0. EDN: https://elibrary.ru/YQDVYE
Polterovich, V. M. (1999). Institutional traps and economic reforms. Economics and Mathematical Methods, 35(2), 3–20. EDN: https://elibrary.ru/QOLEBJ
Order of the Ministry of Education and Science of the Russian Federation No. 636 of June 29, 2015, “On Approving the Procedure for Conducting State Final Certification in Educational Programs of Higher Education — Bachelor's Degree Programs, Specialist Degree Programs, and Master's Degree Programs” (as amended on February 4, 2025).
Program and materials of the III All-Russian Forum “Artificial Intelligence in Higher Education.” (June 29–30, 2026). University of Tyumen. https://ai.utmn.ru/ru/ai-forum-2026
Rogozin, D. M., Solodovnikova, O. B., & Ipatova, A. A. (2022). How university faculty members perceive the digital transformation of higher education. Educational Studies, (1), 271–300. DOI: https://doi.org/10.17323/1814-9545-2022-1-271-300 EDN: https://elibrary.ru/KLQTLU
Ternikov, A. A. (2023). Artificial intelligence and the demand for workers' skills in Russia. Economic Issues, (11), 65–80. DOI: https://doi.org/10.32609/0042-8736-2023-11-65-80 EDN: https://elibrary.ru/DMAYIK
Decree of the President of the Russian Federation No. 490 of October 10, 2019, “On the Development of Artificial Intelligence in the Russian Federation” (as amended by Decree No. 124 of February 15, 2024), paragraphs 28.1, 51.5 of the National Strategy for the Development of Artificial Intelligence for the Period up to 2030.
Federal Law No. 273-FZ of December 29, 2012, “On Education in the Russian Federation” (as amended on April 25, 2026), Articles 28, 30.
Acemoglu, D., & Robinson, J. A. (2006). De facto political power and institutional persistence. American Economic Review, 96(2), 325–330. DOI: https://doi.org/10.1257/000282806777212549
Acemoglu, D., & Robinson, J. A. (2008). Persistence of power, elites, and institutions. American Economic Review, 98(1), 267–293. DOI: https://doi.org/10.1257/aer.98.1.267
The AI Index 2025 Annual Report. (2025). Stanford Institute for Human-Centered Artificial Intelligence, Stanford University (Stanford, CA). https://hai.stanford.edu/ai-index/2025-ai-index-report
Benavides, L. M. C., Tamayo Arias, J. A., Arango Serna, M. D., Branch Bedoya, J. W., & Burgos, D. (2020). Digital transformation in higher education institutions: A systematic literature review. Sensors, 20(11), Article 3291. DOI: https://doi.org/10.3390/s20113291 EDN: https://elibrary.ru/HPEXPR
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20, Article 22. DOI: https://doi.org/10.1186/s41239-023-00392-8 EDN: https://elibrary.ru/VYFMFK
Durand Folco, J., & Martineau, J. (2023). Le capital algorithmique: Accumulation, pouvoir et résistance à l'ère de l'intelligence artificielle. Montréal: Éditions Écosociété.
Edvinsson, L., & Malone, M. S. (1997). Intellectual capital: Realizing your company's true value by finding its hidden brainpower. New York: Harper Business.
Egan, M. (2026). Towards a political economy of algorithmic capitalism. Capital and Class, 50(2). DOI: https://doi.org/10.1177/03098168251326189 EDN: https://elibrary.ru/POHBQO
Jones, C. I. (2026, January). A.I. and our economic future (NBER Working Paper No. 34779). National Bureau of Economic Research (Cambridge, MA). https://www.nber.org/system/files/working_papers/w34779/w34779.pdf
Jones, C. I., & Tonetti, C. (2026, January). Past automation and future A.I.: How weak links tame the growth explosion [Manuscript]. Stanford University. https://web.stanford.edu/~chadj/JonesTonetti_Automation.pdf
Komljenovic, J. (2021). The rise of education rentiers: Digital platforms, digital data and rents. Learning, Media and Technology, 46(3), 320–332. DOI: https://doi.org/10.1080/17439884.2021.1891422 EDN: https://elibrary.ru/HTBCIT
Meyer, J. W., & Rowan, B. (1977). Institutionalized organizations: Formal structure as myth and ceremony. American Journal of Sociology, 83(2), 340–363. DOI: https://doi.org/10.1086/226550
Pierson, P. (2000). Increasing returns, path dependence, and the study of politics. American Political Science Review, 94(2), 251–267. DOI: https://doi.org/10.2307/2586011
Ragnedda, M. (2018). Conceptualizing digital capital. Telematics and Informatics, 35(8), 2366–2375. DOI: https://doi.org/10.1016/j.tele.2018.10.006
Secundo, G., Elena-Perez, S., Martinaitis, Z., & Leitner, K.-H. (2017). An intellectual capital framework to measure universities' third mission activities. Technological Forecasting and Social Change, 123, 229–239. DOI: https://doi.org/10.1016/j.techfore.2016.12.013 EDN: https://elibrary.ru/VMRRFR
Copyright (c) 2026 Oleg N. Makarov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
