Динара Султан - PhD, исследователь,
г.Лондон
Dinara Sultan – PhD, Researcher,
London
Бажан Туребекова - PhD., стажер исследователь,
г.Лондон
Bazhan Turebekova - PhD, Research Fellow,
London
Правительство все чаще рассматривает навыки в области искусственного интеллекта (AI) одновременно как приоритет реформы образования и как инструмент инновационной политики. Цель статьи заключается в анализе и оценке программы AI Sana как комплексного policy mix в сфере развития навыков искусственного интеллекта в системе высшего образования Казахстана. В данной статье представлена оценка на основе документов кейс-стади программы AI-Sana в Казахстане, запущенной в конце 2024 года как поэтапная траектория, призванная перевести обучающихся от базовой AI-грамотности к проектам под наставничеством и, для меньшей части участников, к акселерации стартапов. Используя справочные материалы программы, предоставленные авторами, и сопоставляя их с открытыми правительственными сообщениями, авторитетными публикациями и официальными описаниями сопоставимых международных инициатив, мы реконструируем архитектуру политики AI-Sana и утверждаем, что ее следует анализировать как policy mix, а не как единичную обучающую интервенцию. Данный policy mix включает: (i) внедрение AI в основную учебную повестку на основе нормативного мандата; (ii) партнерства с платформами и локализованные микро-квалификации; (iii) реализационную способность через региональные «якорные» университеты; (iv) инструменты инновационного воронкообразного отбора, связывающие проекты с коммерциализацией; и (v) обеспечивающую инфраструктуру через национальные инвестиции в вычислительные мощности. Анализ также выявляет типичные для инициатив быстрого масштабирования проблемы измерения, особенно смешение сертификатов, уникальных обучающихся и прироста компетенций, и рассматривает вариативность отчетности как аналитически значимый результат. Опираясь на исследования в области управления микро-квалификациями, цифрового управления образованием и руководства по ответственному использованию генеративного AI, мы предлагаем схему оценки с минимальным стандартом отчетности и индикаторами, согласованными с этапами реализации, которые могут обеспечить международную сопоставимость. Казахстан представляет собой особенно информативный глобальный пример, поскольку сочетает системный охват высшего образования с явной трансляцией инноваций и вычислительной инфраструктурой, показывая, как национальные стратегии AI могут быть операционализированы через университеты, одновременно поднимая острые вопросы о гарантии качества, академической добросовестности и зависимости от платформ.
National governments increasingly treat artificial intelligence (AI) skills as both an education reform priority and an innovation-policy instrument. The purpose of the article is to analyse and evaluate the AI Sana program as a comprehensive policy mix in the field of AI skills development in the higher education system of Kazakhstan. This paper develops a document-based case study of Kazakhstan’s AI‑Sana program, launched in late 2024 as a staged pipeline intended to move learners from foundational AI literacy to mentored projects and, for a smaller subset, startup acceleration. Using program reference materials provided by the authors and triangulating them with open-access government communications, reputable reporting, and official descriptions of comparable international initiatives, we reconstruct AI‑Sana’s policy architecture and argue that it should be analysed as a policy mix rather than a single training intervention. The mix bundles (i) mandate-backed curricular mainstreaming, (ii) platform partnerships and localised micro‑credentials, (iii) implementation capacity via regional “anchor” universities, (iv) innovation-funnel instruments linking projects to commercialisation, and (v) enabling infrastructure through national compute investments. The analysis also highlights measurement challenges typical of fast-scaling initiatives, especially the conflation of certificates, unique learners, and competency gains and treats reporting variance as an analytic finding. Building on micro‑credential governance scholarship, digital education governance research, and responsible generative AI guidance, we propose an evaluation blueprint with a minimum reporting standard and stage-aligned indicators that can support international comparability. Kazakhstan is globally informative because it combines system-wide higher-education delivery with explicit innovation translation and compute infrastructure, illuminating how national AI strategies can be operationalised through universities while raising acute questions about quality assurance, integrity, and platform dependence.
The authors declare that there are no conflicts of interest present.