ШІ-грамотність: що це і які знання потрібні для критичної взаємодії зі штучним інтелектом
Автор: Український психологічний ХАБ · Опубліковано: 21 вересня 2026 · Редакційна політика
ШІ-грамотність (AI literacy) — це сукупність знань, навичок, установок і практик, які допомагають людині розуміти, де й як працює штучний інтелект, взаємодіяти з ним, критично оцінювати його результати, керувати ризиками та вирішувати, коли на систему доречно покладатися. Це ширше за вміння написати хороший промпт. У ранній впливовій рамці Long і Magerko описали ШІ-грамотність через набір компетентностей для критичної оцінки й ефективної взаємодії з ШІ, а огляд Ng та співавторів виділив чотири великі площини: знати й розуміти, використовувати й застосовувати, оцінювати й створювати, враховувати етичні питання. Long & Magerko, 2020; Ng et al., 2021
У 2026 році OECD та Європейська комісія сформулювали ШІ-грамотність для шкільної освіти як поєднання знань, навичок і установок, що дають змогу розуміти ШІ, критично оцінювати його результати та використовувати його етично й творчо. OECD/European Commission, 2026. Сучасні систематичні огляди показують, що єдиного остаточного набору компетентностей досі немає: рамки відрізняються за аудиторією, завданнями й контекстом, але стабільно повторюють знання про ШІ, практичне використання, критичну оцінку, етичні та суспільні аспекти. Feng & Carolus, 2026; Reicho et al., 2026
Практично ШІ-грамотна людина не зобов’язана бути програмістом або дослідником машинного навчання. Їй потрібно мати достатню модель того, що система може й чого не може, уміти формулювати завдання, перевіряти відповіді, розпізнавати ситуації високого ризику, захищати дані й зберігати власну відповідальність за рішення. Рівень потрібної грамотності залежить від ролі: школяреві, лікарю, учителю, менеджеру, журналісту й розробнику потрібна різна глибина технічних знань, але спільний принцип один — використання ШІ має бути критичним, контекстним і перевірюваним.
Що таке ШІ-грамотність
ШІ-грамотність — це не окрема кнопка «знати ШІ» і не сертифікат, який раз і назавжди підтверджує компетентність. Це багатовимірна здатність працювати з системами, які можуть бути дуже різними: рекомендаційними алгоритмами, системами комп’ютерного зору, генеративними моделями, чатботами, агентами, системами підтримки рішень або спеціалізованими медичними інструментами. Знання, достатні для одного класу систем, не автоматично переносяться на інший.
Базове розуміння самого поняття штучного інтелекту, машинного навчання, нейромереж і генеративних моделей розкриває окрема стаття «Штучний інтелект: що це таке, як працює і як пов’язаний із психологією». Для ШІ-грамотності важливо не запам’ятати максимальну кількість термінів, а побудувати робочу модель: який тип системи перед нами, яке завдання вона виконує, на яких даних і правилах ґрунтується її результат, які джерела невизначеності та що потрібно перевірити людині.
Один із валідованих підходів до вимірювання ШІ-грамотності розглядає чотири виміри: когнітивний, поведінковий, афективний та етичний. Ng et al., 2024. Інші огляди додають роботу з даними й алгоритмами, створення контенту, розв’язання проблем, комунікацію, співпрацю та професійні компетентності. Chee et al., 2025. Тому зводити ШІ-грамотність до «технічної грамотності» так само неточно, як зводити її до «критичного мислення»: потрібне поєднання обох.
Чим ШІ-грамотність відрізняється від цифрової, медійної та інформаційної грамотності
ШІ-грамотність виростає з ширшої цифрової грамотності, але має власні задачі. Цифрова грамотність охоплює користування пристроями, сервісами, даними, комунікацію та безпеку в цифровому середовищі. Інформаційна грамотність допомагає знаходити, оцінювати й використовувати інформацію. Медіаграмотність додає аналіз джерел, форматів, мотивів, репрезентацій і впливу медіа. ШІ-грамотність поєднує ці компетентності з розумінням алгоритмічного генерування, прогнозування, автоматизації та взаємодії людини з моделлю.
Наприклад, звичайна перевірка джерела запитує: хто опублікував твердження, коли, на яких даних? Під час роботи з генеративним ШІ додаються інші питання: чи має система доступ до актуальних джерел; чи справді існує наведене посилання; чи відтворює відповідь знайдені матеріали, чи лише правдоподібно генерує текст; чи не змішав чатбот дані з різних контекстів; чи може інтерфейс приховувати невизначеність за впевненим мовним стилем.
Промптинг є частиною ШІ-грамотності, але не її центром. Людина може вміти отримувати красиві й структуровані відповіді та водночас погано перевіряти факти, надмірно довіряти впевненому тону, передавати конфіденційні дані або делегувати системі рішення, для яких вона не має достатньої надійності. Якість формулювання запиту підвищує керованість взаємодії, але сама по собі не перетворює генеративну модель на перевірене джерело знань.
П’ять рівнів практичної ШІ-грамотності
1. Концептуальне розуміння
Перший рівень — розуміти, що саме робить система. Для повсякденного користувача достатньо знати різницю між правилами, статистичними моделями, машинним навчанням і генеративними системами; розуміти, що модель навчається на даних і закономірностях, а її відповідь залежить від архітектури, навчання, налаштувань, доступних інструментів і контексту запиту. Потрібно також розуміти, що назва продукту не гарантує однакових можливостей у кожному режимі: одна версія може мати вебпошук або доступ до файлів, інша — ні.
Корисне правило: не переносити властивість одного конкретного продукту на «ШІ взагалі». Якщо певний чатбот добре виконав конкретну задачу, це свідчить про його поведінку в цій задачі та умовах, а не про універсальну точність у медицині, праві, математиці, історії чи прогнозуванні.
2. Операційні навички
Другий рівень — уміти поставити задачу так, щоб система мала достатній контекст, формат і критерії. Сюди входять декомпозиція складного завдання, надання релевантних даних, визначення аудиторії, обмежень і бажаного результату, уточнення незрозумілих місць, ітеративне поліпшення відповіді та вибір відповідного інструмента.
Важлива частина операційної грамотності — не лише «як отримати більше від ШІ», а й «коли ШІ тут не потрібен». Автоматизація має сенс тоді, коли вигода перевищує витрати на постановку задачі, перевірку, виправлення й ризик помилки. Для короткого факту, який легко перевірити в першоджерелі, прямий пошук іноді надійніший і швидший за довгу розмову з моделлю.
3. Епістемічна та критична оцінка
Третій рівень — відрізняти відповідь від доказу. Генеративна система може сформулювати коректний висновок, помилковий висновок або суміш правильних і вигаданих деталей у однаково переконливому стилі. Тому важливо питати не лише «чи звучить це розумно?», а «звідки це відомо, які є дані, чи можна перевірити першоджерело, наскільки твердження залежить від контексту і що могло б його спростувати?».
Систематичний огляд 2025 року показав окрему проблему вимірювання: самооцінка ШІ-грамотності часто дає сильніші кореляції з іншими показниками, ніж тести на виконання (performance-based tests). Це означає, що відчуття «я добре розумію ШІ» не тотожне продемонстрованій здатності правильно працювати з ним. Bewersdorff et al., 2025. Тому практична грамотність має перевірятися задачами: знайти помилку, відрізнити сильне джерело від слабкого, пояснити межі висновку, помітити невизначеність і правильно вирішити, коли потрібна людська експертиза.
4. Метакогнітивна грамотність
Четвертий рівень — стежити не лише за відповіддю ШІ, а й за тим, як робота з ним змінює власне мислення. Дослідники пропонують поняття metacognitive AI literacy для уваги до впливу ШІ на формування переконань, продукування знань, міркування та комунікацію. Hutler et al., 2026. Практично це означає вміти помітити момент, коли ми перестали самі формулювати проблему, прийняли перший варіант як рамку задачі або почали плутати легкість отримання відповіді з глибиною розуміння.
Ця тема пов’язана з когнітивним розвантаженням і використанням ШІ як зовнішньої пам’яті. Делегування частини пошуку, структурування або пригадування може бути корисним, але ШІ-грамотність включає рішення про те, що варто делегувати, а що потрібно утримати у власному знанні, навичці або відповідальності.
5. Етична, соціальна та контекстна грамотність
П’ятий рівень охоплює приватність, справедливість, авторство, походження контенту, вплив на інших людей, доступність, інклюзивність, енергетичні й організаційні наслідки та правила конкретної сфери. UNESCO у рамці для учнів виділяє людяно-центрований підхід, етику ШІ, техніки й застосування ШІ та проєктування систем як окремі виміри компетентності.
Для школярів і педагогів UNESCO описує 12 компетентностей на рівнях «розуміти», «застосовувати» і «створювати». UNESCO, 2024. Це підкреслює важливу річ: етична ШІ-грамотність не зводиться до переліку абстрактних принципів. Вона проявляється у конкретному виборі — які дані вводити, як перевіряти упередження, кому може зашкодити автоматизоване рішення, коли потрібне розкриття використання ШІ і хто відповідає за остаточний результат.
Що потрібно знати про генеративний ШІ
Для критичної взаємодії з генеративним ШІ достатньо кількох фундаментальних ідей. По-перше, мовна модель не працює як енциклопедія, у якій кожна фраза витягується з перевіреної картки факту. Вона генерує послідовність на основі статистичних закономірностей і контексту. По-друге, продукт навколо моделі може додавати пошук, зовнішні бази знань, калькулятор, виконання коду або інші інструменти, тому якість результату залежить не лише від самої моделі. По-третє, правдоподібність формулювання не є гарантією істинності.
З цього випливає практичний висновок: користувач має визначати режим перевірки за ціною помилки. Для мозкового штурму можна дозволити ширший простір гіпотез. Для фактичної довідки потрібні джерела. Для медичного, юридичного, фінансового або безпекового рішення потрібні актуальні авторитетні джерела та, за необхідності, компетентний фахівець. Один і той самий чатбот може бути корисним на всіх цих етапах, але роль системи і стандарт перевірки мають бути різними.
Конфабуляції та «галюцинації»: чому правдоподібна відповідь може бути хибною
NIST використовує термін confabulation для випадків, коли генеративна система впевнено подає помилковий або хибний контент, відхиляється від вхідних даних чи суперечить попереднім відповідям; у повсякденній мові це часто називають «галюцинаціями». NIST, 2024. Для ШІ-грамотності ключове не саме слово, а поведінкове правило: модель здатна створити неіснуючу цитату, переплутати авторів, дати неправильне число, вигадати функцію програми або добудувати деталь, якої немає у джерелі.
Найнебезпечніший формат помилки — не очевидна нісенітниця, а локальна неточність усередині загалом якісного тексту. Саме тому «відповідь виглядає професійно» — слабкий критерій перевірки. У складних задачах варто розділяти твердження на перевірювані одиниці: дати, цифри, причинні висновки, цитати, назви документів, результати досліджень і конкретні рекомендації.
Як перевіряти відповіді ШІ
Надійна перевірка починається ще до запиту. Спочатку визначте, який тип результату потрібен: ідеї, чернетка, пояснення, фактична довідка, аналіз документа, рішення або прогноз. Чим вища ставка, тим вищий стандарт доказів.
Практичний протокол перевірки можна побудувати так:
• Відокремте твердження від інтерпретації. Позначте, де відповідь повідомляє перевірюваний факт, а де пропонує пояснення, оцінку або гіпотезу.
• Перевірте першоджерело. Для наукового твердження відкрийте саму статтю, DOI, систематичний огляд або рекомендацію професійної організації. Для закону — офіційний текст. Для статистики — первинний набір даних або офіційну установу.
• Перевірте, чи джерело справді підтримує саме це твердження. Реальне посилання може бути нерелевантним, застарілим або підтверджувати слабший висновок.
• Зіставте кілька незалежних джерел, коли питання складне або суперечливе. Одна стаття не дорівнює науковому консенсусу.
• Перевірте дату та популяцію. Результат для дорослих не автоматично переноситься на дітей; дані про один продукт або версію моделі не описують усі системи.
• Для чисел зробіть незалежний розрахунок або скористайтеся спеціалізованим інструментом. Для коду — запускайте тести. Для цитати — знаходьте оригінальний текст.
• Якщо система не може показати джерело або ви не можете його відкрити, позначайте твердження як неперевірене, а не як встановлений факт.
Пов’язані статті
Джерела
Atias, O., & Mawasi, A. (2025). Conceptualizing AI literacies for children and youth: A systematic review on the design of AI literacy educational programs. Computers & Education: Artificial Intelligence, 9, 100491.
Autio, C., Schwartz, R., Dunietz, J., Jain, S., Stanley, M., Tabassi, E., Hall, P., & Roberts, K. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1.
Bewersdorff, A., Nerdel, C., & Zhai, X. (2025). How AI literacy correlates with affective, behavioral, cognitive and contextual variables: A systematic review. Computers & Education: Artificial Intelligence, 9, 100493.
Chee, H., Ahn, S., & Lee, J. (2025). A Competency Framework for AI Literacy: Variations by Different Learner Groups and an Implied Learning Pathway. British Journal of Educational Technology, 56, 2146–2182.
European Union. (2026). Regulation (EU) 2024/1689, consolidated version of 27 July 2026, Article 4 — AI literacy.
Everett, J. A. C., Claessens, S., Knöchel, T.-D., & Reinecke, M. G. (2026). Principles for understanding trust in artificial intelligence. Nature Reviews Psychology, 5, 388–401.
Feng, S., & Carolus, A. (2026). Artificial intelligence literacy at school: A systematic review with a focus on psychological foundations. Computers & Education: Artificial Intelligence, 10, 100551.
Hutler, B., Alzahrani, Y., Olagunju, A., Doherty, K., Tallapragada, M., et al. (2026). Metacognitive AI literacy: findings from an interactive AI fair. AI & Society, 41, 4461–4476.
Liu, S., Lin, Z., Ng, O. L., Yang, Y., & Dai, Y. (2026). AI literacy interventions in education: A meta-analysis of effects and moderators. Educational Research Review, 52, 100813.
Long, D., & Magerko, B. (2020). What is AI Literacy? Competencies and Design Considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16.
Marienko, M. V., Markova, O. M., & Semerikov, S. O. (2026). AI literacy in secondary education: framework, assessment, and professional development in the Ukrainian context. Computers & Education: Artificial Intelligence, 10, 100605.
Міністерство цифрової трансформації України. (n.d.). Дія.Освіта — Штучний інтелект.
Національне агентство України з питань державної служби. (2026). Основи штучного інтелекту, інструменти та цифрова грамотність.
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers & Education: Artificial Intelligence, 2, 100041.
Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., & Chu, S. K. W. (2024). Design and validation of the AI literacy questionnaire: The affective, behavioural, cognitive and ethical approach. British Journal of Educational Technology, 55, 1082–1104.
OECD/European Commission. (2026). Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education. OECD Publishing.
Reicho, M., Otrel-Cass, K., Ebner, M., Brünner, B., Freinhofer, D., et al. (2026). Generative AI literacy across education and business: competencies, obstacles, and benefits—a systematic literature review. International Journal of Educational Technology in Higher Education, 23, 23.
UNESCO. (2024; updated 2026). AI competency framework for students.