Вексидо

Возвращение инженерного суждения

Имран Хан, доктор философии. • Сдвиг в качестве • 8 мин чтения

Возвращение инженерного суждения

Почему улучшенный ИИ может сделать опыт более ценным, а не менее ценным.

В течение многих лет мы исходили из предположения, что совершенствование технологий постепенно снизит нашу зависимость от опытных инженеров.

Если бы система могла быстрее обнаруживать дефекты, анализировать больше данных, искать информацию о тысячах прошлых проблем и рекомендовать действия за считанные секунды, то, несомненно, значение опыта уменьшилось бы.

Искусственный интеллект приближает нас к этой возможности.

Но, возможно, происходит нечто интересное.

По мере того как ответы становятся проще получать, способность оценивать эти ответы может приобретать всё большую ценность.

Преимущество инженера в будущем может заключаться не в знании большего количества ответов.

Возможно, это происходит от знания. когда ответ не имеет смысла.


Возвращение инженерного суждения — визуализация 1

1. Ответ становится всё проще.

Рассмотрим типичную проблему качества.

Дефект обнаруживается при окончательной проверке.

Сегодня инженер может использовать ИИ для организации имеющихся данных, выявления корреляций, анализа прошлых отказов, предложения возможных причин, составления диаграммы Исикавы, подготовки вопросов для исследования и даже создания первой версии отчета 8D.

Задачи, которые раньше занимали несколько часов, теперь можно значительно ускорить.

Это уже выходит за рамки экспериментов. Bosch применяет ИИ в производстве и инженерии, включая производственную аналитику, распознавание изображений и оптимизацию производственных процессов. Ford также описывал использование систем машинного зрения на производственных площадках для выявления производственных аномалий.

Это хороший прогресс.

Но это порождает новый вопрос.

Если каждый способен создать технически впечатляющий анализ, что же будет отличать выдающегося инженера от среднего?

Возможно, дело не в самом анализе.

Возможно, данное решение суда к этому относится.


Возвращение инженерного суждения — визуализация 2

2. Представьте, что ИИ абсолютно прав.

Представьте себе конвейер, где система контроля качества на основе искусственного интеллекта выявляет сильную корреляцию.

Большинство дефектов возникало в течение одной конкретной смены.

Данные верны.

Анализ верен.

Данная рекомендация представляется логичной:

Проведите расследование в отношении операторов, работавших в эту смену.

Менее опытный инженер может сразу же начать обращать внимание на обучение, соблюдение рабочих инструкций или дисциплину операторов.

Опытный инженер может задать другой вопрос.

Что изменилось до начала этих изменений?

Произошли ли изменения в используемом инструменте?

Было ли пополнено количество материалов?

Проводилось ли техническое обслуживание?

Температура изменилась?

Была ли включена первая партия после перезапуска?

Произошли ли изменения в другом вышестоящем процессе?

Искусственный интеллект, возможно, правильно определил где существует закономерность.

Инженерное суждение задает вопрос:

Почему существует такая закономерность?

Это два совершенно разных вопроса.


Возвращение инженерного суждения — визуализация 3

3. Даже правильные данные могут привести к неправильному решению.

Именно здесь, на мой взгляд, должна созреть дискуссия об использовании ИИ в обеспечении качества.

Наибольший риск может заключаться не в том, что ИИ дает нам заведомо неверные ответы.

Их сравнительно легче оспорить.

Более сложная ситуация возникает, когда ИИ выдает нам ответ, который является следующим:

логичный,

хорошо структурированный,

подтверждено данными,

профессионально оформлено,

и все еще не завершено.

Специалисты по контролю качества уже знают об этой проблеме.

Диаграмма Парето может быть верной, но при этом направлять наше внимание в неправильном направлении.

Исследование возможностей может быть математически корректным, но лежащая в его основе система измерений может быть слабой.

Отчёт 8D может содержать все обязательные разделы и при этом не выявить истинную причину.

Анализ видов и последствий отказов (FMEA) может быть выполнен безупречно, но при этом может быть упущена причина поломки, которая в конечном итоге доходит до клиента.

Инструменты не устраняют необходимость в принятии решений. Более совершенные инструменты, наоборот, могут её усилить.

По мере того как промышленный ИИ все глубже проникает в операционную деятельность, это различие становится важным. В работе Всемирного экономического форума 2026 года, посвященной интеллектуальному производству, описывается переход ИИ от изолированных приложений к операционным возможностям, одновременно подчеркивая переосмысление ролей, новые навыки и сотрудничество человека и машины.

Технологии развиваются.

Роль человека не исчезает.

Ситуация меняется.


Возвращение инженерного суждения — визуализация 4

4. Что именно представляет собой инженерное суждение?

Инженерное суждение порой путают с опытом.

Они связаны между собой, но это не одно и то же.

Двадцать лет работы в отрасли не гарантируют автоматического формирования здравого суждения.

Здравый смысл развивается тогда, когда опыт неоднократно преобразуется в обучение.

Это способность распознавать, что две ситуации, которые кажутся похожими, на самом деле могут быть разными.

Речь идёт о понимании того, какое предположение заслуживает того, чтобы его подвергли сомнению.

Это умение распознавать слабый сигнал до того, как он превратится в очевидную тенденцию.

Речь идёт о понимании того, что корреляция не обязательно означает причинно-следственную связь.

Речь идёт о вопросе о том, что изменилось, даже если в документации по процессу указано, что ничего не изменилось.

Это умение определить, когда измерение заслуживает оспаривания, прежде чем корректировать процесс.

А иногда достаточно просто иметь смелость сказать:

«Данные говорят нам об этом. Но здесь что-то не сходится».

В организациях, использующих искусственный интеллект, это предложение может стать особенно ценным.


Возвращение инженерного суждения — визуальный ряд 5

5. Опыт обладает одним преимуществом, которое легко недооценить.

Опытные инженеры хранят в базе данных то, что редко встречается в полном объеме.

Контекст.

Они помнят проблему с поставщиком, которая возникла три года назад и, казалось бы, не имела отношения к делу, но вела себя точно так же.

Они помнят, что машина ведёт себя по-другому сразу после технического обслуживания.

Они знают, что два параметра по отдельности могут оставаться в пределах заданных параметров, в то время как их взаимодействие создает проблему сборки.

Они умеют распознавать ситуации, когда неформальное обходное решение оператора фактически компенсирует недостаток в процессе.

Они замечают звук, последовательность, задержку, движение или поведение, которые никогда не попадали в набор данных.

Это не должно стать аргументом против ИИ.

Совсем наоборот.

Представьте, что вы объедините этот опыт с системой искусственного интеллекта, способной анализировать тысячи записей за считанные секунды.

Вот где проявляется вся мощь.

Нет:

Человек против ИИ.

Но:

Искусственный интеллект выявляет то, что люди могут упустить из виду в данных.

Люди задаются вопросом, что может упустить из виду ИИ в данном контексте.

В рекомендациях NIST по управлению рисками в сфере ИИ также рассматривается человеческий контроль, определенные обязанности и пользовательские настройки ИИ как важные элементы управления системами ИИ.


Возвращение инженерного суждения — визуальный ряд 6

6. Это меняет подход к выбору карьеры для молодых инженеров.

Есть и другая сторона этого обсуждения.

Если вы молодой инженер, у вас может возникнуть соблазн спросить:

Чему мне следует научиться, чтобы искусственный интеллект не смог меня заменить?

Мне кажется, это может быть неправильный вопрос.

Одного лишь изучения дополнительных программных инструментов недостаточно для решения проблемы.

Сбор большего количества сертификатов не решит проблему.

Заучивание стандартов наизусть не решит проблему.

Даже умение составлять отчеты может уже не дать того преимущества, которое было раньше.

Более важный вопрос звучит так:

Какая способность становится более ценной в условиях избытка информации?

Я бы разместил несколько возможностей в верхней части списка.

Формулирование проблемы.

Диагноз.

Системное мышление.

Понимание интерфейсов.

Рискованное мышление.

Задавать более качественные вопросы.

Объединение информации между различными функциями.

Оспаривайте устоявшиеся представления с уважением.

Принятие решений в условиях неполной информации.

Эти навыки сложно развить, просто читая.

Они формируются, когда инженеры проводят время, изучая продукцию, процессы, отказы, клиентов, операторов, поставщиков и реальные проблемы.

Поэтому молодым инженерам, безусловно, следует изучать искусственный интеллект.

Но им также следует целенаправленно собирать информацию, которую ИИ не сможет предоставить им мгновенно:

инженерный опыт.


Возвращение инженерного суждения — визуализация 7

7. Лидерам также необходимо защищать собственное суждение.

Риск существует и для организаций.

Когда искусственный интеллект ускоряет анализ, руководство может начать ожидать, что и принятие решений станет таким же быстрым.

Однако более быстрый анализ не должен автоматически означать более быстрое вынесение решения.

Система может сгенерировать гипотезу о первопричине за считанные секунды.

Это не означает, что первопричина доказана.

Это может привести к проведению анализа видов и последствий отказов (FMEA).

Это не означает, что команда поняла механизмы сбоев.

Это может выявить аномальную закономерность.

Это не означает, что организация понимает свою значимость.

Оно может порекомендовать корректирующие действия.

Это не означает, что данное действие устраняет причину.

Таким образом, роль лидерства приобретает важное значение.

Мы поощряем людей за быстрые ответы?

Или же мы будем поощрять инженера, который прервет дискуссию и задаст вопрос:

«Какие у нас есть доказательства того, что это действительно является причиной?»

Недавнее описание компанией Ford своей работы по улучшению качества дает интересный сигнал. Наряду с системами машинного зрения на основе искусственного интеллекта для выявления аномалий, компания подчеркнула, что руководители должны проводить больше времени в цехах, сотрудничать с операторами и учиться у них.

Технологии и непосредственная близость к процессу не являются противоположными идеями.

Они могут нуждаться друг в друге.


Возвращение инженерного суждения — визуальный ряд 8

8. Специалист по качеству будущего

Возможно, будущие специалисты по контролю качества будут тратить меньше времени на сбор данных.

Меньше времени на подготовку диаграмм.

Меньше времени на форматирование отчетов.

Меньше времени на поиск стандартов.

Меньше времени на создание первой версии анализа.

Искусственный интеллект может все чаще поддерживать все эти виды деятельности.

Это следует приветствовать.

Потому что это дает нам возможность уделять больше времени работе, которая действительно важна.

Понимание.

Задавать вопросы.

Соединение.

Проверка.

Испытывающий.

Принимаю решение.

И принятие ответственности за принятое решение.

Профессия специалиста по контролю качества претерпела множество изменений.

Мы перешли от инспекции к профилактике.

От качества продукции к качеству производственного процесса.

От коррекции к мышлению, основанному на оценке рисков.

Искусственный интеллект может стать катализатором следующего этапа трансформации.

От подготовки аналитических материалов до оценки этих материалов.

И, возможно, в этом и заключается парадокс эпохи искусственного интеллекта:

Чем лучше наши машины будут давать нам ответы, тем ценнее могут стать люди, способные задавать им вопросы.

Будущее может принадлежать не тому инженеру, который знает больше всех.

Возможно, это принадлежит инженеру, который знает. Что следует подвергать сомнению, что следует проверять и когда не стоит принимать простой ответ.

Это инженерное суждение.

И я считаю, что нам понадобится гораздо больше этого.


Вопрос к сообществу Quality Shift:

Поскольку искусственный интеллект становится неотъемлемой частью инженерных решений и решений, касающихся качества, Как вы считаете, какая из человеческих способностей станет более ценной, а какая — менее ценной?


Примечание редакции: для уточнения контента и создания оригинальных концептуальных визуальных образов для этого выпуска Quality Shift использовалась помощь искусственного интеллекта.

К Имран Хан, доктор философии.Оригинал статьи был опубликован 17 августа 2026 года в разделе Quality Shift на LinkedIn. Переиздан на Vexido с оригинальными иллюстрациями.

Посмотреть оригинальную публикацию на LinkedIn ↗

Читать на английском