Професійна педагогіка · Том 1 № 32 (2026): Професійна педагогіка · Сторінки 223-234

ТРАНСФОРМАЦІЯ СОЦІАЛЬНИХ ТА ОСВІТНІХ СИСТЕМ ПІД УПЛИВОМ ШТУЧНОГО ІНТЕЛЕКТУ

Опубліковано

Автор(и)

  • Владислав Ворналкєвич Академії прикладних наук – Вищій школі управління і адміністрації в Ополе

DOI https://doi.org/10.32835/2707-3092.2026.32.223-234

Завантаження

Анотація

Актуальність. Упродовж останнього десятиліття штучний інтелект (ШІ) перетворився на ключовий драйвер глобальних соціально-економічних змін, інтегруючись у виробництво, медицину та освіту з безпрецедентною швидкістю. Попри технологічну експансію, існує значний розрив між інтересом студентів до інтелектуальних систем та реальним розумінням складності професійних траєкторій у цій галузі. Наявні теоретичні прогалини стосуються інтерпретованості моделей та етичного використання алгоритмів, тоді як практичні виклики пов’язані з трансформацією ринку праці та ризиками втрати робочих місць через автоматизацію.

Мета. Дослідження спрямоване на комплексний аналіз сучасного стану та практичного впровадження систем ШІ в соціальному й освітньому середовищах, а також на верифікацію функціональних можливостей мовних моделей нового покоління як інструментів підтримки професійної діяльності та прийняття рішень.

Методи. Методологія базується на поєднанні теоретичного аналізу наукових джерел та експериментального моделювання. Дослідницький дизайн включав: критичний огляд міждисциплінарних публікацій; кейс-стаді генеративних систем (ChatGPT, Bard) із застосуванням принципів prompt engineering; математичне моделювання задач лінійного програмування в середовищі програмування R з використанням пакету lpSolve; а також порівняльну верифікацію результатів.

Результати. Встановлено, що сучасні мовні моделі здатні формувати цілісні стратегії наукового пошуку, виступаючи в ролі інтелектуальних навігаторів. Практичний експеримент із розв’язання оптимізаційних задач підтвердив здатність ШІ коректно трансформувати математичні описи в програмний код, забезпечуючи оптимальні розв’язки (зокрема, отримано значення X1=3,33 та X2=1,33 для ресурсної моделі). Порівняльний аналіз виявив переваги ChatGPT у підтримці контексту діалогу та Google Bard у роботі з актуальними даними. Водночас ідентифіковано феномен «позірної правильності» (AI-галюцинацій) та соціальні ризики, такі як плани BT Group щодо скорочення 55 000 робочих місць до 2030 року через автоматизацію. На противагу цьому, впровадження систем типу Surtrac дозволило скоротити час очікування в міських заторах на 40%.

Висновки. Доведено, що ШІ є ефективним підсилювачем інтелектуальної діяльності, а не заміною людському розуму. Значущість результатів полягає в обґрунтуванні необхідності адаптації освітніх програм до міждисциплінарних вимог, що поєднують когнітивні науки та програмування. Практичне застосування ШІ вимагає обов'язкової фахової верифікації результатів та збереження критичного мислення користувача для запобігання фактичним помилкам.

Ключові слова

  • генеративні моделі, трансформація ринку праці, інженерія запитів, лінійне програмування, цифрова компетентність.
118 84

Біографія автора

  • Владислав Ворналкєвич

    Доктор, професор ANS-WSZiA, Академія прикладних наук – Вища школа управління та адміністрації в Ополе (Польща), https://orcid.org/0009-0007-2241-262X

Посилання

Abadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., … Zheng, X. (2016). TensorFlow: Large-scale machine learning on heterogeneous systems. arXiv. https://doi.org/10.48550/arXiv.1603.04467

Acemoglu, D., & Restrepo, P. (2020). Robots and jobs: Evidence from US labor markets. Journal of Political Economy, 128(6), 2188–2244. https://doi.org/10.1086/705716

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21), 610–623. https://doi.org/10.1145/3442188.3445922

Bloomberg Intelligence. (2025). AI holds strong potential to transform carrier costs and customer care operations. Bloomberg Professional Services. https://www.bloomberg.com/professional/insights/artificial-intelligence/ai-holds-strong-potential-to-transform-carrier-costs/

Brandtzaeg, P. B., & Følstad, A. (2017). Why people use chatbots. Proceedings of the 4th International Conference on Internet Science (INSCI 2017), 377–392. https://doi.org/10.1007/978-3-319-70284-1_30

British Telecommunications Group. (2023, May 18). BT to cut up to 55,000 jobs by 2030 as it shifts toward AI and automation. CNBC. https://www.cnbc.com/2023/05/18/british-telecom-giant-bt-to-cut-up-to-55000-jobs-by-2030.html

Cordeschi, R. (2007). AI turns fifty: revisiting its origins. Applied Artificial Intelligence, 21(4–5), 259–279. https://doi.org/10.1080/08839510701252304

de la Torre-López, J., Ramírez, A., & Romero, J. R. (2023). Artificial intelligence to automate the systematic review of scientific literature. Computing, 105, 2171–2194. https://doi.org/10.1007/s00607-023-01181-x

Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People-An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds and machines, 28(4), 689–707. https://doi.org/10.1007/s11023-018-9482-5

Gusenbauer, M., & Haddaway, N. R. (2020). Which academic search systems are suitable for systematic reviews or meta-analyses? Evaluating retrieval qualities of Google Scholar, PubMed, and 26 other resources. Research Synthesis Methods, 11(2), 181–217. https://doi.org/10.1002/jrsm.1378

Huang, M.-H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of Service Research, 21(2), 155–172. https://doi.org/10.1177/1094670517752459

Hurzhii, A., & Pryhodii, M. (2025). Artificial intelligence in vocational education: strategies for digital integration and personalized learning. Professional Pedagogics, 2(31), 164-173. https://doi.org/10.32835/2707-3092.2025.31.164-173

Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Article 248, 1–38. https://doi.org/10.1145/3571730

Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255–260. https://doi.org/10.1126/science.aaa8415

Kaplan, A. M., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15–25. https://doi.org/10.1016/j.bushor.2018.08.004

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., Stadler, M., Weller, J., Kuhn, J., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Kim, A., Alieksieieva, H., Khomenko, V., Nestorenko, O., & Matviichuk-Yudina, O. (2023). Integration of Artificial Intelligence into Online Learning. Youth & Market, 10 (218), 32-37. https://doi.org/10.24919/2308-4634.2023.292867

Korducki, K. M. (2025, December 3). This 1960s chatbot was a precursor to AI. Its maker grew to fear it. History. https://www.history.com/articles/ai-first-chatbot-eliza-artificial-intelligence-precursor-llms

Kriegeskorte, N., & Douglas, P. K. (2018). Cognitive computational neuroscience. Nature Neuroscience, 21(9), 1148–1160. https://doi.org/10.1038/s41593-018-0210-5

Kuhn, M., & Johnson, K. (2013). Applied predictive modeling. Springer. https://doi.org/10.1007/978-1-4614-6849-3

Lake, B. M., Ullman, T. D., Tenenbaum, J. B., & Gershman, S. J. (2017). Building machines that learn and think like people. Behavioral and Brain Sciences, 40, e253. https://doi.org/10.1017/S0140525X16001837

Li, J.-Q., Zhou, K., Shladover, S. E., & Skabardonis, A. (2013). Estimating queue length under connected vehicle technology using probe vehicle, loop detector, and fused data. Transportation Research Record: Journal of the Transportation Research Board, 2366(1), 17–22. https://doi.org/10.3141/2366-03

Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 195, 1–35. https://doi.org/10.1145/3560815

McKinsey Global Institute. (2018). Smart cities: Digital solutions for a more livable future. https://www.mckinsey.com/industries/public-sector/our-insights/smart-cities-digital-solutions-for-a-more-livable-future

Nestorenko, O., Nestorenko, T., Ostenda, A., Peliova, J., & Kalinichenko, A. (2024). Optimization of an Economic Entity’s Income under Resource Constraints: One Variant of the Analytical Solution. European Research Studies Journal, XXVIΙ (Special Issue 3), 165-183. https://doi.org/10.35808/ersj/3482

Ostenda, A., & Nestorenko, T. (eds.). (2022). Digitalization and information society. Selected issues. Series of monographs. Faculty of Architecture, Civil Engineering and Applied Arts. University of Technology. https://doi.org/10.54264/M008.

Pryhodii, M., & Radkevych, O. (2025). Artificial intelligence technologies as a tool for personalized learning in digital educational platforms. The University of Technology in Katowice Press, 139–151. https://lib.iitta.gov.ua/id/eprint/745754

Radkevych, O., Pryhodii, M., & Radkevych, V. (2025). Artificial intelligence use in assessing the learning outcomes of future engineers. In M. E. Auer & T. Rüütmann (Eds.), Futureproofing engineering education for global responsibility: ICL 2024 (Lecture Notes in Networks and Systems, Vol. 1260, pp. 557–564). Springer. https://doi.org/10.1007/978-3-031-85652-5_55

Russell, S. (2019). Human compatible: Artificial intelligence and the problem of control. Viking. https://people.eecs.berkeley.edu/~russell/papers/mi19book-hcai.pdf

Russell, S. J., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/

Smith, S. F., Barlow, G. J., Xie, X., & Rubinstein, Z. B. (2013). Surtrac: Scalable urban traffic control. Carnegie Mellon University, Robotics Institute. https://publications.ri.cmu.edu/storage/publications/pub_files/2013/1/13-0315.pdf

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30. https://doi.org/10.48550/arXiv.1706.03762

Venkatesh, V., Brown, S. A., & Bala, H. (2013). Bridging the qualitative–quantitative divide: Guidelines for conducting mixed methods research in information systems. MIS Quarterly, 37(1), 21–54. https://doi.org/10.25300/MISQ/2013/37.1.02

Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J. F., Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Research, 70, 356–365. https://doi.org/10.1016/j.jbusres.2016.08.009

World Economic Forum. (2025). The future of jobs report 2025. https://www.weforum.org/reports/the-future-of-jobs-report-2025/

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0