A mesterséges intelligencia oktatási integrációjának következő feladatai az üzleti-gazdasági képzésekben

A mesterséges intelligencia az oktatásban való megjelenése napjainkban már nem csupán lehetőség, hanem elkerülhetetlen kihívás is, amely a tanulási környezetet, a tanítási módszereket és az egyetemi szervezeti működést egyaránt átalakítja – nincs ez másként ez üzleti-gazdasági képzések esetében sem. Az integráció első szakaszában a cél az, hogy a hallgatók szabályozott keretek között megismerkedhessenek az MI működésével, korlátaival és lehetőségeivel. Ez a fázis, ahol már megvalósult, alapozó szerepet tölt be: a fő hangsúlyt az oktatói felkészítésre, az MI a hallgatói munkákban (ideértve a beadandókat, projektfeladatokat, szakdolgozatokat) történő etikus, jogszerű és szakszerű használati feltételrendszerének kialakítására, a szükséges hallgatói kompetenciák elsajátítására, a digitális írástudás MI-kiterjesztésére fekteti. Az MI ebben a kontextusban nem helyettesítőként, hanem tanulástámogató asszisztensként jelenik meg. A következő lépés azonban ennél tovább vezet: az oktatásba történő komplex, módszertani integráció megvalósítása, amely a tananyagfejlesztéstől kezdve a tanári és hallgatói szerepek újradefiniálásán át a tudásmenedzsment és oktatásszervezés digitalizációjáig számos szinten teremt új kihívásokat.

Ezek közül az egyik leglényegesebbet az MI tantárgyi integrációjának kérdése jelentheti. Ennek két alapvető útja van: egyrészt önálló, áttekintő üzleti alaptárgyként jelenhet meg, amely horizontálisan mutatja be az MI alkalmazásait különböző vállalati területeken, másrészt szervesen beépíthető az egyes szaktárgyakba is, ahol konkrét, terület-specifikus feladatokhoz és kompetenciákhoz kapcsolódva segíti a tanulási célok elérését. A tanulmányunkban bemutatásra kerülő „Mesterséges intelligencia üzleti alkalmazásai” című mintatantárgy e két integrációs lehetőség közül az elsőre – az átfogó, horizontális szemlélet közvetítésére – épül, ugyanakkor tartalmát és forrásanyagát tekintve alapként szolgálhat a tematikus szaktárgyak továbbfejlesztéséhez is. Módszertani sajátossága, hogy nem klasszikus monográfiákra, tudományos közleményekre, hanem a legújabb kiadású üzleti kézikönyvekre, szakmai szervezetek jelentéseire, nemzetközi tanácsadó cégek aktuális munkaanyagaira épül, így élő üzleti gyakorlaton keresztül segíti a hallgatókat abban, hogy az MI-t ne technológiai/informatikai tárgyként, hanem stratégiai, szervezeti- és munkaeszközként értsék meg, s egyben képessé váljanak arra is, hogy a képzésben elsajátítottokat munkahelyi környezetben is alkalmazni tudják.

A tantárgyi integráció elmélyítése és módszertani kiterjesztése

Az MI tantárgyi integrációjának következő szakasza túlmutat azon, hogy egyes eszközöket hozzáadunk a meglévő oktatási formákhoz. A cél sokkal inkább az, hogy a mesterséges intelligencia a tanítás és tanulás szerves részévé váljon. Ennek érdekében a tantervi struktúrák újragondolására, az oktatási célok újradefiniálására és a tanulási folyamat új formáinak bevezetésére van szükség. Az MI nemcsak mint szoftver, hanem mint pedagógiai eszköz jelenik meg, amely képes támogatni az érveléstechnikát, az adatelemzést, a nyelvi megformálást vagy akár a vizualizációs készségek fejlesztését. Az alkalmazás alapelve továbbra is a hallgatói autonómia tiszteletben tartása: a használat önkéntes, az eszközválasztás rugalmas, a felelősség azonban a hallgatónál marad.

A tantervi szintű integráció során kiemelt szerepet kapnak azok az oktatási formák, amelyek lehetővé teszik a hallgatói aktivitás és MI-használat összekapcsolását. Ilyenek a projektalapú tanulás, az esettanulmány-elemzés, az önálló MI-alapú kutatás, valamint a reflektív tanulási gyakorlatok, ahol a hallgatók nemcsak az MI által előállított tartalmat, hanem annak folyamatát is elemzik. A cél az, hogy a hallgatók megtanulják kritikusan és tudatosan alkalmazni az MI-t, felismerve annak előnyeit, de határozottan elkülönítve azoktól a területektől, ahol az emberi gondolkodás és kreativitás továbbra is megkerülhetetlen.

E törekvés különös jelentőséggel bír az ipar 4.0-ról 5.0-ra való átlépés korszakában. Míg az ipar 4.0 középpontjában az automatizáció, a hálózatba kapcsolt rendszerek, a szenzorhálózatok és az adatvezérelt működés állt, addig az ipar 5.0 új hangsúlyokat rendel az emberi és mesterséges intelligencia együttműködéséhez. A 2023-tól kezdődő átrendeződés lényege, hogy a technológiai fejlesztések fókuszából a társadalmilag felelős és emberközpontú digitalizáció válik elsődlegessé. Ebben a környezetben az MI nem leváltja, hanem kiegészíti az emberi döntést, kreativitást és értelmezést – éppen ezért elengedhetetlen, hogy a jövő üzleti szakemberei értsék működését, lehetőségeit és korlátait.

A digitális transzformáció immár nem csupán IT-fejlesztési projektként jelenik meg a szervezetekben, hanem stratégiai irányváltásként, amely újfajta vezetői kompetenciákat követel meg. Az MI-vel támogatott döntéshozatal, a folyamatok adaptív újratervezése, a személyre szabott ügyfélkiszolgálás és az adatvezérelt kultúra kiépítése olyan változásokat hoz, amelyek az üzletviteli modelleket is átrajzolják. Az üzleti vezetők számára ez kettős kihívást jelent: egyszerre kell technológiai alapműveltséget szerezniük, és újragondolniuk a szervezeti működés alapvető mechanizmusait. Ebben az összefüggésben az MI ismerete már nem választható, hanem szükséges stratégiai vezetői kompetencia, amelynek fejlesztése a felsőoktatási képzések alapfeladatává kell, hogy váljon. A tantárgyi integráció módszertani elmélyítése éppen azt a célt szolgálja, hogy a hallgatók ne csak felhasználói, hanem értelmezői és kritikus formálói, mindenekelőtt azonban felkészült vezetői is legyenek ennek az új üzleti korszaknak.

Az oktatók szerepe és módszertani támogatása

A mesterséges intelligencia oktatásba történő beágyazásának kulcsszereplői az oktatók, akik nem csupán tudásközvetítők, hanem a módszertani innováció hordozói is. A következő időszak egyik legfontosabb feladata, hogy az oktatók számára olyan folyamatos és célzott szakmai támogatás álljon rendelkezésre, amely segít nekik az MI értelmezésében, kurzusba illesztésében és pedagógiai használatában. Az oktatóknak is el kell sajátítaniuk az MI-alapú eszközök működését, de ennél is fontosabb, hogy képesek legyenek azok didaktikai értelmezésére.

A tanári támogatás nem csupán tréningek formájában valósulhat meg, hanem belső szakmai műhelyek, tematikus konzultációk és oktatói közösségek létrehozása révén is, ahol a tapasztalatok, módszerek és kérdések megosztása elősegíti a tudás kollektív fejlesztését. Célszerű egy olyan digitális tudásbázist létrehozni, amelyben szerepelnek jó gyakorlatok, óravázlatok, értékelési példák és útmutatók az MI tantárgyi használatára. Ez a belső tudásmenedzsment nemcsak a tanítás minőségét javítja, hanem hozzájárul az intézményi innováció kultúrájának kialakulásához is.

A hallgatói kompetenciák fejlesztése és az MI reflektív használata

A mesterséges intelligencia bevezetésének középpontjában továbbra is a hallgatói tanulás támogatása áll. A következő szakasz célja nem a technikai ismeretek gyarapítása, hanem annak elősegítése, hogy a hallgatók képesek legyenek az MI-t reflektíven, kritikai szemlélettel, a valós gazdasági problémákra is alkalmazni – mindenekelőtt azonban átlátni annak üzleti alkalmazási lehetőségeit. Az MI nem válthatja ki a gondolkodást, nem helyettesítheti az elemzést és nem képes felelősséget vállalni – mindez továbbra is az emberi döntés része. A hallgatóknak ugyanakkor meg kell tanulniuk, hogy miként lehet az MI-t úgy használni, hogy az gazdagítsa a tanulási folyamatot, új ötleteket hozzon létre, vagy épp strukturálja és rendszerezze a meglévő tudást.

E célból fontos, hogy a hallgatók tudatos önreflexióra épülő tanulási stratégiákat sajátítsanak el, amelyek során nem csupán a végeredményt, hanem az MI-használat módját is értékelik. A tanulmányi dokumentációban a egyértelműen jelezniük kell az MI alkalmazását, megjelölve annak szerepét és funkcióját, például nyelvi stilizálásban, forráselemzésben vagy adatelemzésben. Az átlátható használat elősegíti az etikus alkalmazást, elkerüli a plágium határeseteket, és hosszú távon az akadémiai tisztaság fenntartásának kulcsa lehet.

Adatalapú oktatásfejlesztés és döntéstámogatás

Az MI nemcsak a tanulásban, hanem az oktatás szervezésében és fejlesztésében is kulcsszerepet kaphat. A következő feladatok között szerepelhet az adatalapú döntéshozatali mechanizmusok kiépítése, amelyek segíthetnek az oktatási folyamatok optimalizálásában. Az MI képes elemezni a hallgatói teljesítményadatokat, azonosítani az oktatási csomópontokat, előre jelezni a lemorzsolódás kockázatát, valamint támogatni a tantárgyválasztási ajánlásokat is.

Egy hatékony MI-alapú döntéstámogatási rendszer alapja lehet annak, hogy az intézmények rugalmasabban reagáljanak a hallgatói igényekre, az oktatói visszajelzésekre, valamint a gyorsan változó munkaerőpiaci elvárásokra. Az oktatók szempontjából is előnyt jelenthet, ha hozzáférnek az MI által generált kurzuselemzésekhez, amelyek segítenek a tartalom, módszertan és értékelési rendszer fejlesztésében.

Az ipari együttműködés és a gyakorlati MI-használat ösztönzése

A mesterséges intelligencia bevezetésének nem lehet célja az elméleti képzés erősítése önmagában: az MI alkalmazásának munkaerőpiaci kontextusban is értelmet kell nyernie. Ezért a következő fejlesztési feladat az ipari partnerekkel való kapcsolat megerősítése, a vállalati gyakorlatokba való betekintés, valamint a közös projektek, versenyek és kutatási feladatok kialakítása. Ezek a tevékenységek lehetővé teszik a hallgatók számára, hogy valós kihívásokon keresztül sajátítsák el az MI használatát, miközben felkészülnek az adatvezérelt gazdasági környezetre.

Az ipari szereplők bevonása abban is segíthet, hogy az oktatás relevánsabbá váljon, azaz valós tapasztalatokra, adatállományokra és problémamegoldási helyzetekre épüljön. A közös munka lehetőséget teremt arra, hogy az MI ne absztrakt, elméleti fogalomként, hanem gyakorlati kompetenciaként jelenjen meg a hallgatók eszköztárában.

A mesterséges intelligencia üzleti alkalmazásai, mint mintatantárgy

A mesterséges intelligencia alkalmazása az üzleti szektorban az utóbbi évek egyik leggyorsabban fejlődő, ugyanakkor legsérülékenyebb és legösszetettebb változásfolyamata. A Mesterséges intelligencia üzleti alkalmazásai című (alapjaiban már 2024-ben kidolgozásra került) egyetemi mintatantárgy e gyors és gyakran széttartó fejlődés közepette arra kívánt vállalkozni, hogy átfogó képet adjon a hallgatóknak az MI gyakorlati felhasználásáról a gazdaság különböző területein. Az ilyen jellegű bevezető kurzusok elsődleges célja nem az elméleti-technikai háttér mély elemzése, hanem az, hogy a hallgatók képessé váljanak az MI-t üzleti erőforrásként, szervezeti tényezőként és stratégiai eszközként értelmezni, majd alkalmazásának lehetőségeit és korlátait adott piaci környezetben felismerni és elemezni.

A képzés célja, felépítése

A kurzus hat blokkból épül fel, de tartalmilag és módszertanilag lehetőséget kínál egy kibővített, tizenkét órás, gyakorlatközpontú formára is. A tantárgy szellemisége interdiszciplináris és gyakorlatorientált: az oktatás során a hallgatók és az oktatók közösen értelmezik az MI üzleti alkalmazásainak lehetőségeit esettanulmányokon, iparági példákon és aktuális kutatásokon keresztül. Fontos kiemelni, hogy a tantárgy nem elsősorban a klasszikus monografikus szakirodalomra és tudományos közleményekre épít, mindenképpen kiemelve azonban azt, hogy az ilyen munkák kiváló elméleti keretet adnak a technológiai fejlődés hosszabb távú megértéséhez. A kurzus a hangsúlyt a nemzetközi szervezetek (Európai Unió, OECD, IMF, WTF, ILO stb.), szakmai platformok (kutatási alapítványok, tudásközpontok), az érintett piaci aktorok által nyilvánosságra hozott kutatási jelentések és munkaanyagok és a nagy tanácsadó cégek – például a Deloitte, McKinsey, PwC, EY, Gartner, BCG – aktuális kiadványaiból származó anyagokra, benchmarkokra és elemzésekre helyezi. Ennek oka, hogy a hallgatók olyan élő üzleti gyakorlatot ismerjenek meg, amely a vállalati döntéshozatal legfrissebb adatain, iparági visszajelzésein és reális kihívásain alapul. Az ilyen források lehetővé teszik a kurzus tartalmának évről évre történő frissítését, ezzel is biztosítva a tantárgy gyakorlati relevanciáját.

A kurzus első blokkja az MI általános gazdasági helyzetének feltérképezését állítja a középpontba. A hallgatók áttekintést kapnak a mesterséges intelligencia bevezetésének világ- és Magyarország-specifikus kihívásairól, a különböző vállalati szektorok eltérő adaptációs képességeiről, valamint az MI-alkalmazás gyakorlati akadályairól – mint például a vezetői tudáshiány, a szakértelem szűkössége vagy a működési modellek merevsége. Ebben a blokkban külön figyelmet kapnak a hazai kutatások – például a Bizalmi Kör, a Deloitte Magyarország vagy a Randstad Hungary 2023-25 során publikált vállalati felmérései –, amelyek alapján jól rekonstruálható az MI hazai fogadtatása és üzleti térnyerése. és mutatható be jelenlegi helyzete. Az órán az oktatók és a hallgatók közösen vizsgálhatnak meg olyan grafikonokat, trendelemzéseket és esettanulmányokat, amelyek a generatív MI hirtelen megjelenésének hatását mutatják be a döntéshozatal, a szervezetfejlesztés és a versenyképesség aspektusaiban.

Az MI alkalmazási területei az üzleti életben

A második, harmadik és negyedik blokk tantárgyi tematikája az MI konkrét üzleti alkalmazási területeit tárgyalja, az egyes szakterületek sajátosságait kiemelve. Az elsőként tárgyalt terület a marketing, amely a leglátványosabb változások egyik színtere. A hallgatók megismerik, hogyan alkalmazható a generatív MI a személyre szabott tartalomgyártásban, a kampányautomatizációban, a célcsoportok viselkedésének előrejelzésében és a teljes ügyfélélmény automatizálásában. A kurzus kiemelten foglalkozik azzal a kérdéssel, hogy a marketingben hol húzódik a határ az emberi és mesterséges tartalom között, illetve milyen etikai és márkakockázatokat hordoz az MI túlhajtott alkalmazása.

Ezt követően a hallgatók a humánerőforrás-menedzsment és karriertervezés területén alkalmazott MI-megoldásokkal ismerkednek meg. A példák bemutatják, hogyan használható MI a toborzás során, milyen prediktív modellek segítik a fluktuáció előrejelzését, és hogyan támogathatja a generatív MI a készségfejlesztési útvonalak megtervezését. A kurzus ezen részében a hangsúly az elfogulatlanságot biztosító MI-keretrendszereken, az értékelési algoritmusok etikus működésén, valamint az MI-alapú teljesítménykövetés átláthatóságán van.

Ezt a vállalatirányítás és menedzsment, valamint a pénzügy és számvitel területeinek MI-alkalmazásai kérdéseinek tárgyalása követi. A hallgatók megismerik a vezetői döntéstámogatásra szolgáló MI-rendszerek működését, különös tekintettel a dashboard-alapú szcenárióelemzésre, a KPI-menedzsmentre és a belső kockázatmodellezésre. A pénzügyi példák között szerepelnek a dinamikus előrejelző rendszerek, a csalásfelderítő algoritmusok, valamint a generatív MI-re épülő automatikus riportkészítés. Itt fontos hangsúlyt kap az adatmegbízhatóság és auditálhatóság, valamint a pénzügyi döntéshozatal gépi támogatottságának felelősségi kérdései.

A szervezeti bevezetés kérdései és a digitális transzformáció támogatása

Az ötödik és hatodik blokk a mesterséges intelligencia szervezeti szintű bevezetésének kérdéseit tárgyalja. Az órák az MI-adaptáció stratégiai és operatív megvalósításának lépéseit követik: a kiindulóponttól (stratégiai célok kijelölése), a pilotprogramok lebonyolításán és visszacsatolásán át egészen a vállalati skálázásig. Miután a vezetői feladatokra való felkészítés minden gazdasági képzés szerves részét képezi, itt a digitális transzformáció és az MI vállalati bevezetésének vezetői dimenziója, és nem technikai levezénylése kerül a középpontba, melyről azonban a „C szintű” vezetőknek is megfelelő ismeretekkel kell rendelkeznie. A kurzus ebben a körben  kiemelten támaszkodik olyan nemzetközi útmutatókra és keretrendszerekre, mint a Deloitte aiRMF (AI Risk Management Framework), a Microsoft Responsible AI Implementation Guide, vagy a McKinsey MI-érettségi modellje. A blokk célja, hogy a hallgatók képesek legyenek egy MI-bevezetési terv főbb elemeinek felismerésére és értékelésére, és megértsék a szervezeti változásmenedzsment komplexitását.

Ezen a hatodik blokk önálló részeként külön teret kell szentelni az AI-kompatibilis jogi megfelelésnek és etikai normarendszereknek. A hallgatók megismerkednek az EU-s és globális szabályozás kulcselemeivel: az AI Act, a GDPR, a Data Act, valamint a szellemi tulajdonhoz kapcsolódó rendelkezések alkalmazásával az üzleti gyakorlatban. Az esetek azt szemléltetik, hogyan biztosítható az átláthatóság, az auditálhatóság és az MI-fejlesztések utólagos visszakereshetősége egy vállalat szervezeti és dokumentációs rendjében.

A kurzus külön erőssége, hogy lehetőséget ad a tartalmi és formai bővítésre. A blokkból álló alapmodellt kiegészítheti tematikus vendégelőadás, vállalati partnerrel közös workshop, vagy akár gyakorlati projektmunka is, amely tovább mélyíti az MI üzleti integrációjának megértését. A tanórák során alkalmazott szakirodalom, esettanulmányok és prezentációs anyagok folyamatosan frissíthetők, ami lehetővé teszi a tantárgy adaptálását a gyorsan változó üzleti és technológiai környezethez. A kurzus az egyes blokkokon belül a tárgyalás mélységi kiterjesztésével, gyakorlati példák bemutatásával 12 órás képzési rendben is megvalósítható.

A mesterséges intelligencia tantárgyi integrációjának kérdései

A mesterséges intelligencia oktatásba való mélyebb integrációjának egyik legkritikusabb és egyben stratégiai értelemben a legnagyobb figyelmet érdemlő területe a tantárgyi beépítés kérdése. A korábbi szakaszokban az MI megismerésére, a felelős használat szabályozására, valamint a hallgatók önálló munkáinak támogatására helyeződött a hangsúly. A következő feladat azonban már az, hogy az MI módszertani és tartalmi szinten is beépüljön a tantárgyak struktúrájába, és ezáltal új tanulási célokat és oktatási formákat tegyen lehetővé.

A tantárgyi integráció kiindulópontja annak feltérképezése, hogy az egyes kurzusok milyen szakmai és módszertani kihívásokra keresnek választ, és ezekben milyen formában alkalmazható az MI. Az integráció nem egyes eszközök betoldását jelenti, hanem a tananyag célrendszerének és oktatási logikájának újragondolását: azt, hogy milyen kompetenciák fejlesztését szolgálhatja az MI használata, milyen készségeket és tudáselemeket lehet ezáltal más módon átadni vagy elmélyíteni. A cél az, hogy az MI ne kiegészítő technológiaként, hanem a tantárgyi tartalomhoz szervesen illeszkedő módszertani elemként jelenjen meg.

Az integrációs folyamat fázisai

A beépítés első lépése a tantárgyak szisztematikus elemzése, amely során az oktatók és a módszertani szakemberek közösen azonosítják azokat a pontokat, ahol az MI érdemben hozzájárulhat a tanulási folyamat gazdagításához. Ebbe beletartozik annak vizsgálata, hogy az adott tárgyhoz kapcsolódó készségek – például kreativitás, szövegalkotás, adatelemzés, logikai gondolkodás, kritikai értékelés – milyen MI-eszközökkel támogathatók. Fontos szempont az is, hogy a kiválasztott MI-alkalmazás milyen mértékben követeli meg a hallgatók aktív, értelmező részvételét, illetve lehetőséget ad-e az önálló elemzésre és döntéshozatalra.

A beépítés második fázisa az implementáció, vagyis az MI gyakorlati integrálása a kurzus felépítésébe, tananyagaiba és értékelési módjaiba. Ez nem pusztán felhasználói útmutatók biztosítását jelenti, hanem a tanulási folyamatok olyan újratervezését, amelyben az MI strukturált, célirányos és reflektív módon jelenik meg. Ezen a ponton kiemelten fontos, hogy az alkalmazott eszközökhöz képzés és támogatás társuljon, mind a hallgatók, mind az oktatók számára. A hallgatóknak világos iránymutatást kell kapniuk arról, hogyan illeszthetik be az MI-t saját tanulási folyamataikba, és miként használhatják azt például tananyag-feldolgozásra, szövegszerkesztésre, kérdésgenerálásra vagy fogalmi térképek készítésére.

Módszertani kérdések és értékelés

A tantárgyi MI-integráció módszerei között kiemelt szerepet kaphatnak az esettanulmányokon alapuló feladatok, ahol a hallgatók MI által generált elemzéseket vizsgálnak, értékelnek vagy egészítenek ki. Ugyanígy előtérbe kerülhet a projektalapú tanulás, ahol a hallgatók saját MI-alapú kutatást, modellalkotást vagy szimulációt hajtanak végre. A reflektív tanulási gyakorlatok, amelyek során a hallgatók beszámolnak saját MI-használati tapasztalataikról, elemzik azok eredményeit és korlátait, szintén kiváló lehetőséget nyújtanak az önálló gondolkodás erősítésére.

A tantárgyi beépítés során nem kerülhető meg az értékelés kérdése sem. Az MI-használatot nemcsak engedélyezni és szabályozni kell, hanem be is kell építeni az értékelési szempontrendszerbe. Olyan értékelési módokat érdemes előtérbe helyezni, amelyek figyelembe veszik az MI szerepét a feladatok elkészítésében, és képesek mérni a hallgatók önálló hozzájárulását, kritikai elemzőkészségét és reflektív tudását. Ez megvalósulhat például önálló elemzések formájában, ahol a hallgató bemutatja, hogy az MI milyen módon segítette munkáját, milyen hibákat vagy hiányosságokat azonosított, és hogyan értelmezte a kapott eredményeket saját kontextusában.

A tantárgyi integráció utolsó, de kiemelten fontos szakasza a tanultak kiértékelése és a finomhangolás, amely folyamatos visszacsatoláson alapul. Az oktatóknak és a hallgatóknak egyaránt lehetőséget kell biztosítani a tapasztalatok megosztására, a nehézségek és sikerek feltérképezésére. Az így összegyűjtött információk alapján lehet továbbfejleszteni a kurzusfelépítést, pontosítani az MI-eszközökre vonatkozó iránymutatásokat, valamint bővíteni az ajánlott felhasználási formákat. Ezzel párhuzamosan szükség van a hallgatói tanulmányi eredmények MI-használattal való összefüggésének elemzésére is, amely segít az integráció hatásának objektív értékelésében.

Összegzés

A mesterséges intelligencia felsőoktatási integrációjának második szakasza várhatóan a komplexitás szintjén hoz változást: túlmutat az eszközhasználaton, és a teljes oktatási ökoszisztémát kívánja újragondolni. A hangsúly a tantárgyak újrastrukturálásán, az oktatók módszertani támogatásán, a hallgatók kritikai gondolkodásának fejlesztésén, a tanulási környezet személyre szabásán, az adatalapú döntéshozatal bevezetésén és a munkaerőpiaccal való kapcsolódás megerősítésén van. A mesterséges intelligencia akkor válhat valóban az oktatás szerves részévé, ha az alkalmazása tudatos, szabályozott, reflektív és jövőorientált módon történik – mind a hallgatók, mind az oktatók, mind pedig az intézmények közös felelősségeként.

A tanulmány és az oktatóanyag az emberi és mesterséges intelligencia együttműködésével jött létre.