Когда соискатель приходит на профессиональный экзамен, он видит задания, оборудование, экспертов. Он не видит то, что стоит за этим: значительный цикл работы по переводу профессионального стандарта в конкретные проверочные действия, вопросы и критерии. Именно оценочные средства определяют, будет ли результат экзамена объективным, воспроизводимым и сопоставимым для разных соискателей.
Эта работа сегодня во многом выполняется вручную. Отправная точка — профессиональный стандарт, на основе которого формируется квалификация. В нем определены обобщенные трудовые функции, необходимые знания, умения и трудовые действия. По квалификации эксперт строит оценочное средство: анализирует предмет оценки, выделяет, что именно подлежит проверке, формулирует задания, подбирает варианты ответов и прописывает критерии — и все это до того, как материалы уйдут на методическую и отраслевую экспертизу. По экспертным оценкам, непосредственная подготовка одного комплекта оценочных средств может занимать от 40 до 120 человеко-часов. За несколькими неделями экспертной работы часто стоят месяцы календарного цикла: согласования, экспертиза, доработка, повторная проверка и внесение материалов в систему. Если рассматривать эту трудоемкость в масштабе всей системы, становится понятно, почему разработка оценочных средств постепенно превращается в один из ключевых факторов пропускной способности независимой оценки квалификации (НОК).
А масштаб немалый. По состоянию на июнь 2026 года в системе НОК участвуют почти 60% советов по профессиональным квалификациям, за которыми числится 4061 квалификация. Но сведения об оценочных средствах — то есть оценочные материалы, по которым проводится профессиональный экзамен, — разработаны только по 2086 из них, чуть более половины. Разрыв составляет почти 2 тыс. квалификаций. Значительная часть квалификационного поля остается неохваченной: оценочный инструментарий для нее либо не создан, либо существует лишь формально, не будучи введен в практический оборот. Для системы НОК это ограничивает возможность масштабировать экзамены с едиными и прозрачными требованиями.
При этом инфраструктура НОК давно приобрела общенациональный масштаб. 476 центров оценки квалификаций, 1251 экзаменационная площадка, охват 85 регионов России и 7 иностранных государств — и почти 660 тыс. человек, прошедших процедуру НОК с 2017 года, из которых 52 тыс. — только в 2026 году. Это полноценно функционирующий, территориально распределенный механизм подтверждения квалификаций, доказавший свою операционную состоятельность.
Однако дефицит оценочных средств — только видимая часть проблемы. Даже там, где материалы разработаны, остается вопрос их сопоставимости, полноты покрытия требований и единообразия критериев.
Разработка оценочного средства требует одновременного удержания нескольких логик: нормативной — задание должно вырастать из конкретного требования стандарта; содержательной — оно должно говорить языком реальной профессии; методической — проверять именно то, что заявлено, а не что-то похожее; оценочной — критерии должны работать одинаково у разных экспертов; технологической — материалы должны жить в цифровой системе, обновляться и проходить экспертизу. Когда все это делается вручную, качество неизбежно зависит от конкретной экспертной группы.
Для независимой оценки квалификаций эта неоднородность чувствительна по-особому. Здесь речь не об учебной проверке, а о документальном подтверждении того, что человек умеет работать. Некорректный ключ или слишком общий критерий — и результат экзамена перестает быть объективным. Поэтому автоматизация здесь не может означать «робот вместо эксперта». Нужен «инструмент», который берет на себя трудоемкую подготовительную работу — и оставляет за экспертом решение по существу.
Такой «инструмент» должен начинать там, где начинает эксперт: с анализа профессионального стандарта и квалификации. Он может выделить трудовые функции, действия, знания, умения, условия выполнения работы, затем помочь построить карту оценивания: что проверяется теоретической частью, что — практическим заданием, что требует кейса, а что — расчета или демонстрации действия.
Дальше — помощь с типами заданий. Для одних требований подходит тест с одним правильным ответом, для других — задание на установление последовательности, для третьих — ситуационная задача. Для практической части могут потребоваться чек-листы наблюдения, перечень типичных ошибок, требования к оборудованию. И все это не произвольно, а исходя из характера проверяемого действия: знание, понимание, применение правила, диагностика ситуации, выполнение операции.
Принципиально важна сквозная связка: профессиональный стандарт — квалификация — оценочное средство — задание — критерий. В ручном режиме она существует в таблицах, пояснениях и экспертной памяти, но редко становится полноценной цифровой связью. Если сделать ее машинофиксируемой, то для каждого задания будет видно, из какого требования оно выросло, какую трудовую функцию проверяет и какой элемент спецификации закрывает. Это ускоряет и разработку, и экспертизу, и последующую актуализацию при обновлении стандарта.
Отдельная история — критерии оценивания. Именно они превращают текст задания в инструмент объективной проверки. Для тестовых заданий помощник может проверять качество вариантов ответа: нет ли подсказки в формулировке, дублирования, пересечения между вариантами. Для практических заданий — помогать формулировать наблюдаемые индикаторы. Не «умеет выполнять операцию», а «подбирает инструмент», «соблюдает последовательность», «контролирует параметр», «фиксирует результат».
Именно на этих трудоемких и повторяемых операциях — анализе требований, подборе типа задания, проверке связей и формировании критериев — и появляется пространство для применения искусственного интеллекта. Современные языковые модели умеют анализировать структурированные тексты, выделять сущности, классифицировать требования и генерировать формулировки в заданном формате. Применительно к разработке оценочных средств это означает возможность автоматически анализировать профессиональный стандарт, предлагать черновики заданий под конкретную трудовую функцию, формировать варианты критериев и проверять покрытие требований. Все это — не вместо эксперта, а до него: как подготовленный материал, который остается проверить, скорректировать и утвердить.
Но здесь есть существенное ограничение, о котором важно сказать прямо. Языковая модель может написать текст, похожий на правду, — в сварке, строительстве, финансах. Она может смешать нормы разных стандартов, предложить критерий, который выглядит корректно, но не работает в реальной экзаменационной ситуации, или сформулировать задание, не привязанное к конкретному трудовому действию. Поэтому внедрение искусственного интеллекта (ИИ) в такую область не может строиться на доверии к «красивому тексту». Система должна не просто генерировать формулировки, а показывать источник каждого требования, сохранять связь с профессиональным стандартом, фиксировать основания выбора типа задания и передавать результат на обязательную экспертную проверку. Только так ИИ-помощник становится управляемым инструментом, а не источником дополнительных рисков.
Программно-методический комплекс «Оценка квалификаций» (ПМК) — это отправная точка, с которой может начаться такое развитие. В нем сосредоточены материалы, роли участников, процессы разработки, экспертизы и актуализации. Доработка ПМК интеллектуальным модулем могла бы усилить его роль: от электронного хранилища и среды экспертизы — к рабочему контуру совместной разработки, проверки и актуализации оценочных средств. Эксперт выбирает квалификацию — система формирует карту требований, предлагает структуру оценочного средства, генерирует черновики заданий и критериев, показывает покрытие и подсвечивает пробелы. Дальше — экспертная доработка.
В такой модели меняется не только скорость подготовки материалов, но и управляемость всего жизненного цикла оценочного средства. Практический эффект проявится в нескольких направлениях сразу: сократится время подготовки первичного проекта, повысится полнота покрытия требований стандарта, снизится количество методических ошибок, появится единая логика версионности при обновлении стандартов.
При этом важно не переступить черту. ИИ не утверждает оценочные средства и не подменяет отраслевую экспертизу. Его роль — подготовить качественный черновик, структурировать работу, показать связи, проверить формальные ограничения. Финальная ответственность остается за профессиональным сообществом — потому что только оно понимает отраслевой контекст.
Сегодня система НОК достигла масштаба, при котором ручной режим разработки оценочных средств становится узким местом. Не потому, что эксперты работают плохо, а потому, что их не хватает на все. Следующий шаг — не отказ от эксперта, а его усиление. Именно так можно последовательно сокращать разрыв между действующими квалификациями и внесенными в Реестр сведений о проведении НОК сведениями об оценочных средствах, не жертвуя качеством и прозрачностью независимой оценки.