Материал №7 из серии "Итоги конференции АРПЭ".
Предыдущий материал "От выбора поставщика к управлению производственной экосистемой: как меняется контрактное производство электроники".
Следующий материал №8 выйдет 03 августа.
На конференции по контрактной разработке и производству электроники разговор шёл не о громких прогнозах, а о том, где ИИ уже сегодня приносит реальную пользу. Проверка спецификаций, поиск несоответствий, анализ документации, обработка больших объёмов данных — именно эти незаметные, но неизбежные задачи ежедневно отнимают у инженеров часы работы.
Почему промышленность относится к искусственному интеллекту гораздо спокойнее, чем публичный рынок? Какие задачи действительно стоит доверить алгоритмам, а какие навсегда останутся зоной ответственности инженера? И почему именно такой подход может стать одним из ответов на кадровый дефицит в отрасли?
Об этом – в седьмой статье нашего цикла по материалам конференции.
В предыдущих статьях цикла мы уже неоднократно говорили о цифровизации разработки и производства электроники, накоплении инженерных данных и построении единой информационной среды предприятия. На конференции стало очевидно, что следующим логичным этапом развития этих процессов становится практическое применение искусственного интеллекта. Причём речь идёт уже не о прогнозах на будущее, а о вполне конкретных инженерных задачах.
Ещё два-три года назад разговоры об искусственном интеллекте на отраслевых конференциях почти неизбежно сводились к прогнозам. Обсуждали, насколько быстро большие языковые модели смогут проектировать электронные устройства, заменят ли они инженеров и как изменится профессия разработчика. Практических примеров тогда было немного, поэтому подобные дискуссии строились главным образом вокруг ожиданий.
Сегодня ситуация заметно изменилась.
Это особенно отчётливо проявилось на конференции по контрактной разработке и производству электроники. В отличие от многих публичных дискуссий, здесь почти не говорили об отдалённом будущем. Основное внимание уделялось практическому применению языковых моделей: обработке технической информации, сокращению трудоёмкости повторяющихся операций и снижению вероятности ошибок в инженерных процессах.
Именно эта смена акцентов стала одним из наиболее важных наблюдений конференции.
Искусственный интеллект всё чаще рассматривается как ещё один инструмент инженерной инфраструктуры предприятия — примерно так же, как когда-то стали воспринимать современные CAD-системы или средства проектирования печатных плат. Он расширяет возможности специалиста, однако профессиональные знания, инженерное суждение и ответственность по-прежнему остаются за человеком.
Именно в этом контексте особенно интересен доклад Саида Ихлазова. Его ценность заключается не столько в демонстрации отдельных технологий, сколько в попытке определить реальное место искусственного интеллекта в современной инженерной практике.
Значительная часть рабочего времени уходит на сверку спецификаций, проверку версий документации, поиск расхождений между редакциями BOM, контроль корректности данных и подготовку информации для следующего этапа проекта. Каждая из этих операций сравнительно проста, однако именно они постепенно складываются в часы, а иногда и в дни работы высококвалифицированных специалистов. Именно здесь современные языковые модели способны принести наибольшую практическую пользу.
Доклад Саида Ихлазова переводит разговор об искусственном интеллекте из области общих ожиданий в сферу реальных инженерных процессов. Речь идёт не о системе, самостоятельно проектирующей электронные устройства, а об инструменте, который быстро анализирует большие массивы данных, выявляет противоречия, подготавливает предварительные результаты и снимает с инженера значительную часть повторяющихся операций.
Подобные задачи могут показаться недостаточно масштабными для столь быстро развивающейся технологии. Однако именно они ежедневно занимают значительную часть рабочего времени инженерных подразделений. Поэтому сокращение таких операций зачастую приносит предприятию больший практический эффект, чем попытки автоматизировать сравнительно редкие творческие этапы разработки.
Сегодня искусственный интеллект наиболее эффективен там, где требуется быстро анализировать большие объёмы информации. Именно такие задачи составляют значительную часть современной инженерной практики, хотя обычно остаются менее заметными, чем разработка схем или поиск новых технических решений.
Подобная работа давно стала привычной частью инженерной деятельности. Без неё невозможно подготовить проект к следующему этапу, однако высокой инженерной квалификации она обычно не требует. При этом именно на такие операции ежедневно расходуется значительная часть рабочего времени специалистов.
Если этот этап удаётся существенно сократить, выигрывает весь проект. Инженер быстрее возвращается к задачам, где действительно необходимы его опыт и профессиональная экспертиза: анализу технических решений, поиску компромиссов и оценке последствий конструкторских изменений. Именно поэтому обработка технической документации сегодня считается одним из наиболее перспективных направлений практического применения искусственного интеллекта в электронной промышленности.
На современном предприятии специалисты ежедневно работают с ERP-, CRM- и другими корпоративными информационными системами. Даже при хорошо организованных процессах полностью исключить ошибки невозможно. Незаполненное обязательное поле, некорректное обозначение компонента или несогласованность между документами способны стать причиной задержек и дополнительных затрат на последующих этапах проекта.
Современные интеллектуальные системы позволяют автоматически выявлять подобные ситуации. Они обращают внимание пользователя на отсутствующие параметры, обнаруживают очевидные несоответствия, сопоставляют сведения из разных источников и выделяют данные, требующие дополнительной проверки.
При этом важно понимать границы их применения. Система не принимает инженерных решений и не исправляет данные самостоятельно. Её задача — обнаружить потенциальную проблему и своевременно сообщить о ней специалисту. Такой подход значительно эффективнее поиска ошибок после передачи заказа в производство, когда исправление даже небольшой неточности обходится существенно дороже.
Для компаний, работающих в сфере контрактной разработки и производства электроники, практически каждое новое обращение требует предварительного анализа. Необходимо определить тип проекта, понять, какие специалисты должны участвовать в его рассмотрении, и передать информацию соответствующему подразделению. Долгое время эта работа полностью выполнялась вручную.
Сегодня значительную часть подобных операций берут на себя интеллектуальные алгоритмы. Они классифицируют обращения, выделяют ключевые признаки проекта, определяют предполагаемое направление работ и автоматически маршрутизируют заявку профильным специалистам.
Инженерные и коммерческие решения по-прежнему принимают сотрудники предприятия. Искусственный интеллект лишь ускоряет прохождение заявки через начальные этапы обработки, избавляя специалистов от однотипной организационной работы.
Такая автоматизация может показаться менее впечатляющей, чем полностью автономное проектирование электронных устройств. Однако именно административные процедуры ежедневно создают заметную нагрузку на инженерные подразделения. Их оптимизация позволяет сократить сроки обработки проектов практически без изменения существующих технологических процессов.
На конференции обсуждалась автоматизация предварительного расчёта стоимости изготовления электронных модулей. Несмотря на кажущуюся простоту, такая задача требует анализа спецификации изделия, оценки технологии монтажа и учёта факторов, влияющих на будущую себестоимость.
Именно здесь интеллектуальные алгоритмы позволяют существенно сократить объём подготовительной работы.
Проанализировав спецификацию, система автоматически определяет количество компонентов, число точек пайки, типы корпусов, особенности монтажа и общую технологическую сложность изделия. На основе этих данных формируется предварительная оценка стоимости изготовления.
Однако окончательное решение по-прежнему остаётся за технологом. Только специалист способен учесть реальные производственные возможности предприятия, загрузку оборудования, особенности конкретного заказа и другие факторы, которые невозможно полностью формализовать.
Фактически искусственный интеллект подготавливает исходные данные для анализа, освобождая технолога от трудоёмких вычислений и позволяя сосредоточиться на задачах, требующих профессионального опыта.
В подразделениях контроля качества алгоритмы помогают сопоставлять маркировку компонентов с технической документацией, проверять корректность дата-кодов, анализировать сведения об условиях хранения и выделять признаки, которые могут свидетельствовать о возможных несоответствиях.
Для подобных задач особенно важны внимательность, последовательность и способность быстро анализировать большие объёмы однотипной информации. Именно поэтому они хорошо подходят для интеллектуальной автоматизации.
При этом возможности системы не следует переоценивать. Искусственный интеллект не подтверждает подлинность компонентов, не оценивает их пригодность к применению и не заменяет эксперта службы качества. Его задача — ускорить анализ и обратить внимание специалиста на потенциально проблемные участки.
Такой подход объединял практически все примеры внедрения ИИ, представленные на конференции. Независимо от области применения алгоритмы брали на себя обработку и анализ информации, тогда как ответственность за окончательное решение неизменно оставалась за инженером.
Фактически языковая модель перестаёт быть самостоятельным приложением и становится одним из компонентов корпоративной цифровой инфраструктуры.
Особый интерес вызывает архитектура, в которой одновременно работают несколько специализированных агентов. Каждый из них отвечает за собственную функцию: получение исходных данных, их анализ, проверку результатов, подготовку отчётов или передачу информации следующему участнику производственного процесса. Ещё недавно подобный подход рассматривался преимущественно как экспериментальное направление развития искусственного интеллекта. Сегодня он всё чаще становится предметом практических проектов промышленной автоматизации.
Современные системы искусственного интеллекта по-прежнему обладают фундаментальными ограничениями, обусловленными принципом их работы. Большая языковая модель не проверяет достоверность собственных выводов. Она формирует наиболее вероятный ответ на основе статистических закономерностей, выявленных в процессе обучения. Поэтому даже убедительно сформулированный результат требует инженерной проверки.
На конференции приводились примеры, показывающие, что ошибки возможны даже при выполнении достаточно формализованных операций. В частности, автоматический подсчёт количества точек пайки в отдельных случаях требовал дополнительной проверки специалистом. Именно такие примеры наиболее наглядно определяют реальные возможности современной технологии.
Искусственный интеллект способен существенно ускорить обработку информации, сократить объём рутинной интеллектуальной работы и помочь специалисту быстрее подготовить решение. Однако ответственность за техническую корректность проекта и его последствия остаётся за инженером. Именно такой подход сегодня определяет место искусственного интеллекта в электронной промышленности.
Он быстро находит необходимые сведения, сопоставляет документы, выявляет противоречия, структурирует большие массивы информации и сокращает время подготовки инженерных решений. Поэтому большинство практических проектов, представленных на конференции, посвящено не автоматизации самого производства, а цифровизации процессов, сопровождающих разработку, изготовление и сопровождение электронной аппаратуры. По существу искусственный интеллект начинает выполнять роль ещё одного интеллектуального слоя корпоративной информационной среды, ускоряя движение информации между подразделениями предприятия.
Ни один из докладчиков не утверждал, что генеративные модели способны полностью заменить традиционные программные решения. Наиболее эффективной выглядит комбинированная архитектура, в которой каждая технология применяется там, где её преимущества проявляются наиболее полно. Классические алгоритмы продолжают выполнять строго формализованные операции. Искусственный интеллект подключается при работе с плохо структурированными данными, анализе текстов, поиске взаимосвязей между документами и обработке больших массивов информации.
Такое распределение функций сегодня представляется наиболее рациональным. Практика показывает, что максимальный эффект достигается не заменой одного подхода другим, а их совместной работой в рамках единой информационной системы предприятия.
Если ещё несколько лет назад разговор об ИИ строился главным образом вокруг ожиданий, то сегодня в центре внимания находятся реальные производственные проекты, накопленный опыт внедрения и понимание практических ограничений технологии. Именно это можно считать главным результатом прошедшей конференции.
Отрасль постепенно уходит от двух противоположных крайностей. С одной стороны, становится очевидно, что современные языковые модели не способны заменить инженера и принять на себя ответственность за технические решения. С другой — исчезает прежний скепсис, рассматривавший искусственный интеллект исключительно как очередную технологическую моду.
Практика показывает значительно более прагматичный путь. Максимальный эффект достигается там, где ИИ применяется для решения конкретных инженерных задач: анализа технической документации, проверки производственных данных, подготовки предварительных расчётов, поддержки контроля качества и автоматизации информационных потоков.
Во всех этих случаях он не изменяет роль инженера, а повышает эффективность его работы, освобождая специалистов от значительной части повторяющихся операций и позволяя сосредоточиться на анализе, принятии технических решений и оценке их последствий.
Материалы конференции позволяют сделать ещё один важный вывод. По мере развития корпоративных информационных систем и появления специализированных интеллектуальных агентов число подобных решений будет быстро расти. Однако само по себе использование искусственного интеллекта ещё не становится конкурентным преимуществом предприятия.
Решающим фактором остаётся качество его интеграции в существующие инженерные процессы и корпоративную информационную среду. Именно поэтому сегодня искусственный интеллект всё чаще воспринимается как естественная составляющая современной инженерной инфраструктуры — ещё один профессиональный инструмент, позволяющий разработчикам электроники работать быстрее, точнее и эффективнее, сохраняя за инженером ключевую роль в создании сложной электронной техники.
_________________________________
Продолжение следует. В следующей статье мы продолжим разговор о том, почему главным ресурсом современной электронной промышленности становятся не технологии сами по себе, а люди, их знания и опыт. Действительно ли кадровый кризис можно решить только повышением зарплат? Почему предприятия всё чаще конкурируют не за инженеров, а за эффективность использования их времени и компетенций? И какую роль в этом играют цифровизация, управление знаниями и искусственный интеллект? Ответы на эти вопросы — в следующем материале.
.
Аналитический материал подготовлен на основе содержания докладов конференции с использованием инструментов искусственного интеллекта. Все выводы основаны исключительно на материалах представленных выступлений.
© СТА-ПРЕСС, 2026
Предыдущий материал "От выбора поставщика к управлению производственной экосистемой: как меняется контрактное производство электроники".
Следующий материал №8 выйдет 03 августа.
ИИ не заменит инженера. Но может вернуть ему самое ценное.
Когда речь заходит об искусственном интеллекте, обычно спорят о будущем: сможет ли он проектировать устройства, писать код или принимать инженерные решения. Однако на практике всё оказалось гораздо прозаичнее – и значительно интереснее.На конференции по контрактной разработке и производству электроники разговор шёл не о громких прогнозах, а о том, где ИИ уже сегодня приносит реальную пользу. Проверка спецификаций, поиск несоответствий, анализ документации, обработка больших объёмов данных — именно эти незаметные, но неизбежные задачи ежедневно отнимают у инженеров часы работы.
Почему промышленность относится к искусственному интеллекту гораздо спокойнее, чем публичный рынок? Какие задачи действительно стоит доверить алгоритмам, а какие навсегда останутся зоной ответственности инженера? И почему именно такой подход может стать одним из ответов на кадровый дефицит в отрасли?
Об этом – в седьмой статье нашего цикла по материалам конференции.
В предыдущих статьях цикла мы уже неоднократно говорили о цифровизации разработки и производства электроники, накоплении инженерных данных и построении единой информационной среды предприятия. На конференции стало очевидно, что следующим логичным этапом развития этих процессов становится практическое применение искусственного интеллекта. Причём речь идёт уже не о прогнозах на будущее, а о вполне конкретных инженерных задачах.
Ещё два-три года назад разговоры об искусственном интеллекте на отраслевых конференциях почти неизбежно сводились к прогнозам. Обсуждали, насколько быстро большие языковые модели смогут проектировать электронные устройства, заменят ли они инженеров и как изменится профессия разработчика. Практических примеров тогда было немного, поэтому подобные дискуссии строились главным образом вокруг ожиданий.
Сегодня ситуация заметно изменилась.
Это особенно отчётливо проявилось на конференции по контрактной разработке и производству электроники. В отличие от многих публичных дискуссий, здесь почти не говорили об отдалённом будущем. Основное внимание уделялось практическому применению языковых моделей: обработке технической информации, сокращению трудоёмкости повторяющихся операций и снижению вероятности ошибок в инженерных процессах.
Именно эта смена акцентов стала одним из наиболее важных наблюдений конференции.
Искусственный интеллект всё чаще рассматривается как ещё один инструмент инженерной инфраструктуры предприятия — примерно так же, как когда-то стали воспринимать современные CAD-системы или средства проектирования печатных плат. Он расширяет возможности специалиста, однако профессиональные знания, инженерное суждение и ответственность по-прежнему остаются за человеком.
Именно в этом контексте особенно интересен доклад Саида Ихлазова. Его ценность заключается не столько в демонстрации отдельных технологий, сколько в попытке определить реальное место искусственного интеллекта в современной инженерной практике.
Самая дорогая инженерная работа – обработка информации
Когда речь заходит об искусственном интеллекте, чаще всего вспоминают автоматическое проектирование электронных устройств, сложные расчёты или поиск новых схемотехнических решений. Однако повседневная работа инженера выглядит значительно прозаичнее.Значительная часть рабочего времени уходит на сверку спецификаций, проверку версий документации, поиск расхождений между редакциями BOM, контроль корректности данных и подготовку информации для следующего этапа проекта. Каждая из этих операций сравнительно проста, однако именно они постепенно складываются в часы, а иногда и в дни работы высококвалифицированных специалистов. Именно здесь современные языковые модели способны принести наибольшую практическую пользу.
Доклад Саида Ихлазова переводит разговор об искусственном интеллекте из области общих ожиданий в сферу реальных инженерных процессов. Речь идёт не о системе, самостоятельно проектирующей электронные устройства, а об инструменте, который быстро анализирует большие массивы данных, выявляет противоречия, подготавливает предварительные результаты и снимает с инженера значительную часть повторяющихся операций.
Подобные задачи могут показаться недостаточно масштабными для столь быстро развивающейся технологии. Однако именно они ежедневно занимают значительную часть рабочего времени инженерных подразделений. Поэтому сокращение таких операций зачастую приносит предприятию больший практический эффект, чем попытки автоматизировать сравнительно редкие творческие этапы разработки.
Где современные языковые модели дают наибольший эффект
Практически все примеры, прозвучавшие на конференции, объединяло одно обстоятельство. Они касались главным образом процессов, сопровождающих инженерную деятельность. Это вполне закономерно.Сегодня искусственный интеллект наиболее эффективен там, где требуется быстро анализировать большие объёмы информации. Именно такие задачи составляют значительную часть современной инженерной практики, хотя обычно остаются менее заметными, чем разработка схем или поиск новых технических решений.
Работа с технической документацией
Пожалуй, наиболее очевидная область применения современных языковых моделей — обработка технической документации. Сегодня они способны за считанные минуты выполнить объём работы, который ещё недавно требовал нескольких часов инженерного анализа: извлечь параметры компонентов, сопоставить версии документов, обнаружить расхождения, собрать сведения из нескольких источников и привести их к единой структуре.Подобная работа давно стала привычной частью инженерной деятельности. Без неё невозможно подготовить проект к следующему этапу, однако высокой инженерной квалификации она обычно не требует. При этом именно на такие операции ежедневно расходуется значительная часть рабочего времени специалистов.
Если этот этап удаётся существенно сократить, выигрывает весь проект. Инженер быстрее возвращается к задачам, где действительно необходимы его опыт и профессиональная экспертиза: анализу технических решений, поиску компромиссов и оценке последствий конструкторских изменений. Именно поэтому обработка технической документации сегодня считается одним из наиболее перспективных направлений практического применения искусственного интеллекта в электронной промышленности.
Контроль качества инженерных данных
Не менее востребованной областью применения ИИ оказался контроль качества инженерных данных.На современном предприятии специалисты ежедневно работают с ERP-, CRM- и другими корпоративными информационными системами. Даже при хорошо организованных процессах полностью исключить ошибки невозможно. Незаполненное обязательное поле, некорректное обозначение компонента или несогласованность между документами способны стать причиной задержек и дополнительных затрат на последующих этапах проекта.
Современные интеллектуальные системы позволяют автоматически выявлять подобные ситуации. Они обращают внимание пользователя на отсутствующие параметры, обнаруживают очевидные несоответствия, сопоставляют сведения из разных источников и выделяют данные, требующие дополнительной проверки.
При этом важно понимать границы их применения. Система не принимает инженерных решений и не исправляет данные самостоятельно. Её задача — обнаружить потенциальную проблему и своевременно сообщить о ней специалисту. Такой подход значительно эффективнее поиска ошибок после передачи заказа в производство, когда исправление даже небольшой неточности обходится существенно дороже.
Интеллектуальная маршрутизация заявок
Ещё одно направление, где искусственный интеллект уже приносит ощутимую практическую пользу, связано с обработкой входящих запросов заказчиков.Для компаний, работающих в сфере контрактной разработки и производства электроники, практически каждое новое обращение требует предварительного анализа. Необходимо определить тип проекта, понять, какие специалисты должны участвовать в его рассмотрении, и передать информацию соответствующему подразделению. Долгое время эта работа полностью выполнялась вручную.
Сегодня значительную часть подобных операций берут на себя интеллектуальные алгоритмы. Они классифицируют обращения, выделяют ключевые признаки проекта, определяют предполагаемое направление работ и автоматически маршрутизируют заявку профильным специалистам.
Инженерные и коммерческие решения по-прежнему принимают сотрудники предприятия. Искусственный интеллект лишь ускоряет прохождение заявки через начальные этапы обработки, избавляя специалистов от однотипной организационной работы.
Такая автоматизация может показаться менее впечатляющей, чем полностью автономное проектирование электронных устройств. Однако именно административные процедуры ежедневно создают заметную нагрузку на инженерные подразделения. Их оптимизация позволяет сократить сроки обработки проектов практически без изменения существующих технологических процессов.
Предварительная технологическая подготовка с использованием ИИ
Не менее показателен пример применения искусственного интеллекта при подготовке производства.На конференции обсуждалась автоматизация предварительного расчёта стоимости изготовления электронных модулей. Несмотря на кажущуюся простоту, такая задача требует анализа спецификации изделия, оценки технологии монтажа и учёта факторов, влияющих на будущую себестоимость.
Именно здесь интеллектуальные алгоритмы позволяют существенно сократить объём подготовительной работы.
Проанализировав спецификацию, система автоматически определяет количество компонентов, число точек пайки, типы корпусов, особенности монтажа и общую технологическую сложность изделия. На основе этих данных формируется предварительная оценка стоимости изготовления.
Однако окончательное решение по-прежнему остаётся за технологом. Только специалист способен учесть реальные производственные возможности предприятия, загрузку оборудования, особенности конкретного заказа и другие факторы, которые невозможно полностью формализовать.
Фактически искусственный интеллект подготавливает исходные данные для анализа, освобождая технолога от трудоёмких вычислений и позволяя сосредоточиться на задачах, требующих профессионального опыта.
Интеллектуальная поддержка контроля качества
Тема искусственного интеллекта вновь прозвучала и в докладе, посвящённом контролю качества электронной компонентной базы. Это ещё раз подтвердило один из главных выводов конференции: ИИ постепенно становится универсальным инструментом обработки инженерной информации и находит применение практически на всех этапах жизненного цикла изделия.В подразделениях контроля качества алгоритмы помогают сопоставлять маркировку компонентов с технической документацией, проверять корректность дата-кодов, анализировать сведения об условиях хранения и выделять признаки, которые могут свидетельствовать о возможных несоответствиях.
Для подобных задач особенно важны внимательность, последовательность и способность быстро анализировать большие объёмы однотипной информации. Именно поэтому они хорошо подходят для интеллектуальной автоматизации.
При этом возможности системы не следует переоценивать. Искусственный интеллект не подтверждает подлинность компонентов, не оценивает их пригодность к применению и не заменяет эксперта службы качества. Его задача — ускорить анализ и обратить внимание специалиста на потенциально проблемные участки.
Такой подход объединял практически все примеры внедрения ИИ, представленные на конференции. Независимо от области применения алгоритмы брали на себя обработку и анализ информации, тогда как ответственность за окончательное решение неизменно оставалась за инженером.
Следующий этап – интеллектуальные агенты
Одной из наиболее перспективных тем конференции стало обсуждение интеллектуальных агентов. Если традиционная языковая модель в основном отвечает на запросы пользователя, то агент способен самостоятельно выполнять последовательность действий внутри корпоративной информационной среды. Он может обращаться к ERP- и CRM-системам, использовать корпоративную базу знаний, анализировать электронные таблицы и техническую документацию, формировать отчёты и передавать результаты другим программным модулям без постоянного участия человека.Фактически языковая модель перестаёт быть самостоятельным приложением и становится одним из компонентов корпоративной цифровой инфраструктуры.
Особый интерес вызывает архитектура, в которой одновременно работают несколько специализированных агентов. Каждый из них отвечает за собственную функцию: получение исходных данных, их анализ, проверку результатов, подготовку отчётов или передачу информации следующему участнику производственного процесса. Ещё недавно подобный подход рассматривался преимущественно как экспериментальное направление развития искусственного интеллекта. Сегодня он всё чаще становится предметом практических проектов промышленной автоматизации.
Почему инженер остаётся центром принятия решений
Несмотря на быстрый прогресс языковых моделей, материалы конференции постоянно возвращали участников к одному принципиальному вопросу — границам их применения.Современные системы искусственного интеллекта по-прежнему обладают фундаментальными ограничениями, обусловленными принципом их работы. Большая языковая модель не проверяет достоверность собственных выводов. Она формирует наиболее вероятный ответ на основе статистических закономерностей, выявленных в процессе обучения. Поэтому даже убедительно сформулированный результат требует инженерной проверки.
На конференции приводились примеры, показывающие, что ошибки возможны даже при выполнении достаточно формализованных операций. В частности, автоматический подсчёт количества точек пайки в отдельных случаях требовал дополнительной проверки специалистом. Именно такие примеры наиболее наглядно определяют реальные возможности современной технологии.
Искусственный интеллект способен существенно ускорить обработку информации, сократить объём рутинной интеллектуальной работы и помочь специалисту быстрее подготовить решение. Однако ответственность за техническую корректность проекта и его последствия остаётся за инженером. Именно такой подход сегодня определяет место искусственного интеллекта в электронной промышленности.
Главная сила ИИ – работа с информацией
Если сопоставить все примеры, представленные на конференции, становится заметна общая закономерность. Наиболее успешные проекты внедрения искусственного интеллекта почти не связаны с непосредственным управлением производственным оборудованием или автоматизацией сложных инженерных расчётов, где стоимость ошибки особенно высока. Основная область применения современных языковых моделей – работа с инженерной информацией. Техническая документация, спецификации изделий, корпоративные базы знаний, производственные данные, сведения о поставщиках, внутренняя документация и деловая переписка – именно здесь ИИ сегодня демонстрирует наиболее убедительные результаты.Он быстро находит необходимые сведения, сопоставляет документы, выявляет противоречия, структурирует большие массивы информации и сокращает время подготовки инженерных решений. Поэтому большинство практических проектов, представленных на конференции, посвящено не автоматизации самого производства, а цифровизации процессов, сопровождающих разработку, изготовление и сопровождение электронной аппаратуры. По существу искусственный интеллект начинает выполнять роль ещё одного интеллектуального слоя корпоративной информационной среды, ускоряя движение информации между подразделениями предприятия.
Генеративный ИИ дополняет традиционные алгоритмы
Ещё один вывод конференции заслуживает особого внимания своей практической направленностью.Ни один из докладчиков не утверждал, что генеративные модели способны полностью заменить традиционные программные решения. Наиболее эффективной выглядит комбинированная архитектура, в которой каждая технология применяется там, где её преимущества проявляются наиболее полно. Классические алгоритмы продолжают выполнять строго формализованные операции. Искусственный интеллект подключается при работе с плохо структурированными данными, анализе текстов, поиске взаимосвязей между документами и обработке больших массивов информации.
Такое распределение функций сегодня представляется наиболее рациональным. Практика показывает, что максимальный эффект достигается не заменой одного подхода другим, а их совместной работой в рамках единой информационной системы предприятия.
ИИ становится частью инженерной среды
Обсуждение искусственного интеллекта стало одним из наиболее показательных итогов конференции.Если ещё несколько лет назад разговор об ИИ строился главным образом вокруг ожиданий, то сегодня в центре внимания находятся реальные производственные проекты, накопленный опыт внедрения и понимание практических ограничений технологии. Именно это можно считать главным результатом прошедшей конференции.
Отрасль постепенно уходит от двух противоположных крайностей. С одной стороны, становится очевидно, что современные языковые модели не способны заменить инженера и принять на себя ответственность за технические решения. С другой — исчезает прежний скепсис, рассматривавший искусственный интеллект исключительно как очередную технологическую моду.
Практика показывает значительно более прагматичный путь. Максимальный эффект достигается там, где ИИ применяется для решения конкретных инженерных задач: анализа технической документации, проверки производственных данных, подготовки предварительных расчётов, поддержки контроля качества и автоматизации информационных потоков.
Во всех этих случаях он не изменяет роль инженера, а повышает эффективность его работы, освобождая специалистов от значительной части повторяющихся операций и позволяя сосредоточиться на анализе, принятии технических решений и оценке их последствий.
Материалы конференции позволяют сделать ещё один важный вывод. По мере развития корпоративных информационных систем и появления специализированных интеллектуальных агентов число подобных решений будет быстро расти. Однако само по себе использование искусственного интеллекта ещё не становится конкурентным преимуществом предприятия.
Решающим фактором остаётся качество его интеграции в существующие инженерные процессы и корпоративную информационную среду. Именно поэтому сегодня искусственный интеллект всё чаще воспринимается как естественная составляющая современной инженерной инфраструктуры — ещё один профессиональный инструмент, позволяющий разработчикам электроники работать быстрее, точнее и эффективнее, сохраняя за инженером ключевую роль в создании сложной электронной техники.
_________________________________
Продолжение следует. В следующей статье мы продолжим разговор о том, почему главным ресурсом современной электронной промышленности становятся не технологии сами по себе, а люди, их знания и опыт. Действительно ли кадровый кризис можно решить только повышением зарплат? Почему предприятия всё чаще конкурируют не за инженеров, а за эффективность использования их времени и компетенций? И какую роль в этом играют цифровизация, управление знаниями и искусственный интеллект? Ответы на эти вопросы — в следующем материале.
.
Аналитический материал подготовлен на основе содержания докладов конференции с использованием инструментов искусственного интеллекта. Все выводы основаны исключительно на материалах представленных выступлений.
© СТА-ПРЕСС, 2026
Если вам понравился материал, кликните значок — вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал —не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
