ИИ уже генерирует 3D-модели, ищет коллизии в проектах и восстанавливает CAD-модели по фотографиям деталей. Казалось бы, следующий шаг — сокращение потребности в инженерах. Но рынок движется в обратную сторону. По данным Всемирного экономического форума, инженерные специальности входят в число наиболее востребованных на ближайшие годы. Причина в том, чем больше рутины берут алгоритмы, тем дороже обходится специалист, способный принимать решения там, где универсального ответа нет.
В статье Николай Флягин, руководитель группы технической экспертизы Департамента решений САПР и ГИС «Софтлайн Решения» (ГК Softline), расскажет, какие навыки дорожают по мере развития ИИ.
Что уже делает ИИ в инженерных задачах
Одни сценарии стали частью повседневной работы, другие проходят пилотирование, но алгоритмы забирают операции, которые поддаются формализации, а человек все чаще занимается постановкой задачи и оценкой результата.
Подготовка технологической документации
«Сбер» совместно с AIRI представил ассистентов на базе GigaChat, которые формируют проекты технологических процессов по конструкторской документации. Инженер загружает чертеж в PDF или даже фотографию детали — система анализирует размеры, допуски, материал и предлагает готовый черновик. Например, на каком оборудовании изготавливать деталь, в какой последовательности выполнять операции, какие режимы обработки использовать. Раньше все это приходилось собирать вручную по документации и справочникам.
Обратный инжиниринг
Решения класса scan-to-CAD, например Geomagic Design X, строят параметрическую модель по данным 3D-сканирования. В перспективе сценарий упростится: сделал снимок детали, загрузил — получил трехмерную модель, и останется лишь скорректировать размеры и выпустить комплект документации.
Проверка коллизий
Российские BIM-решения находят коллизии по заданным правилам: пересечения труб с балками, нарушения монтажных зазоров, конфликты между смежными разделами. Но современный проект содержит сотни условий проверки и тысячи взаимосвязей между элементами.
На мировом рынке такой анализ выполняют платформы уровня Autodesk Construction Cloud или Bentley iTwin — они учитывают больше параметров одновременно, и к этому уровню движутся отечественные системы.
Оптимизация трасс и инженерных сетей
Чтобы проложить трубопровод длиной 5 км через овраги, болото и рядом с действующими коммуникациями, проектировщики могут неделями прорабатывать несколько вариантов. Отечественные САПР уже предлагают варианты соединения участков трассы, но финальной доработкой занимается инженер. При интеграции с ИИ алгоритм способен проанализировать спутниковые снимки, цифровую модель рельефа и почти сразу выдать несколько вариантов с учетом стоимости строительства, сроков и сложности дальнейшей эксплуатации.
Цифровой нормоконтроль
Специализированные системы анализируют документацию, сверяют с нормативной базой и автоматически находят чертежи, которые требуют актуализации. Наиболее зрелые платформы идут дальше: проверяют сами модели на соответствие нормативам и ищут конфликты между элементами. Фактически это нормоконтроль на уровне инженерной модели, не только бумажного документа.
Сметы, графики и оценка рисков
Смета на материалы, график поставок, погодные условия, данные по предыдущим объектам — обычно все это разбросано по разным таблицам. ИИ собирает информацию воедино и обращает внимание инженера на потенциальные проблемы еще до того, как они начнут влиять на сроки и бюджет. «Норникель» развивает именно такую систему — MetalGPT-C для работы с инженерной документацией и автоматизации отдельных этапов проектирования.
Ассистенты внутри инженерных систем
Это направление развивается быстрее всего. Многие российские компании подключают ИИ-ассистентов к внутренним базам знаний и проектным данным. К примеру, «Газпром нефть» создает систему, через которую инженеры управляют процессами разработки и добычи текстовыми командами. Она анализирует информацию из более чем 200 баз данных и цифровых двойников, а прототип уже решает десятки типовых инженерных задач — от проектирования разработки месторождений до оптимизации работы оборудования.
Следующий логичный шаг — такие помощники внутри самих САПР. Инженер впервые сможет открыть новую систему, задать вопрос и получить подсказку прямо в рабочем интерфейсе, а не искать нужную функцию по меню.
Как меняется путь в профессию
Еще недавно молодой инженер годами набивал руку на рутине: чертил детали, проверял документацию, искал коллизии. Когда часть этой работы берут цифровые инструменты, специалист гораздо раньше сталкивается с задачами более высокого уровня – разбирается, почему модель должна выглядеть именно так, оценивает, будет ли решение работать на стройплощадке или в цеху.
Параллельно меняется и среда обучения. Несколько лет назад инженерное образование опиралось на западные системы, сейчас им на смену приходят отечественные: компании, которые предоставляют учебные лицензии и работают с вузами, встраивают свои продукты в образовательные программы. Выпускники приходят на рынок с разным бэкграундом, а затем адаптируются под стандарты конкретного работодателя — непрерывное обучение становится неотъемлемой частью профессии.
7 навыков инженера будущего
Изменения затрагивают не только процессы, но и требования к специалистам. Вот навыки, значение которых будет только расти.
- Творчество. Инженеры, проектировщики, архитекторы должны генерировать идеи — задача ИИ-ассистента просчитать последствия и ограничения на пути к их реализации. Архитектор предлагает сделать фасад полностью стеклянным без видимых опор — ИИ быстро оценивает ветровые нагрузки, вес конструкций, требования к фундаменту и предлагает несколько реалистичных вариантов решения.
- Системная интеграция и принятие решений. Инженерный проект — это всегда набор компромиссов: стоимость против надежности, сроки против качества, технологичность против безопасности. Ни один алгоритм не определит, какой из них окажется правильным в конкретной ситуации, — это задача человека, и ответственность за результат тоже лежит на нем.
- Основы автоматизации и программирования. Умение работать в Revit или AutoCAD когда-то считалось преимуществом. Сегодня это базовое требование. Со скриптами и ИИ-инструментами произойдет то же самое. Инженер должен уметь писать простые скрипты на Python, C++, C#. Да, нейросеть сделает это за секунды, но отличить рабочее решение от артефакта генерации может только человек с предметным пониманием задачи.
- Системное мышление. ERP, MES, BIM и PLM-платформы все теснее интегрируются друг с другом. Инженер, который проектирует узел для экскаватора, должен понимать: разработанный узел должен без ошибок попасть в MES завода (чтобы станки получили управляющие программы), подтянуться в ERP для закупки материалов и сохраниться в PLM для сервисного обслуживания через три года. Если экскаватор работает на объекте с цифровой моделью карьера, нужно учитывать еще и требования BIM-среды.
- Умение ставить задачи цифровым помощникам. Два инженера просят ИИ сгенерировать техпроцесс изготовления вала. Первый пишет: «Сделай вал». Получает общие слова, неприменимые на практике. Второй пишет: «Материал: сталь 45, твердость 200 HB, допуск на диаметр 30 мм ±0,02 мм, шероховатость Ra 0,8. Сгенерируй маршрут обработки на токарном и шлифовальном станках с указанием режимов резания». Разница в результате колоссальная, ведь чем точнее инженер понимает задачу и формулирует запрос, тем полезнее будет ответ.
- Критическая оценка результатов. Инженер обязан проверить все, что выдала машина, так что без базового образования здесь не обойтись. Например, ИИ предлагает оптимальную трассу трубопровода. На первый взгляд решение выглядит убедительно, но инженер замечает, что маршрут проходит через участок вечной мерзлоты: алгоритм не учел локальные геологические особенности, поэтому трассу приходится править вручную. Если этого не сделать, через несколько лет трубу придется перекладывать.
- Коммуникация и понимание задач бизнеса. Техническое задание по-прежнему формирует человек. Запрос может звучать просто: «Нужен склад». Но за этой фразой стоят совершенно разные сценарии — хранение стройматериалов, продуктов питания или архивной документации. В каждом случае разные требования к температурному режиму, нагрузкам и логистике. ИИ поможет с расчетами, но задавать правильные вопросы и интерпретировать ответы — задача человека.
Машина работает с ответами, вопросы задает человек
Ручная проверка коллизий, обмеры штангенциркулем, оформление документации по ГОСТ — то, на что уходили часы, сегодня выполняется за минуты, но это вовсе не снижает значимость профессии. Освобождаясь от механической работы, инженер возвращается к тому, ради чего она существует: проектированию, поиску нестандартных решений, работе с реальными запросами заказчика.
Эмпатия, этика, способность сформулировать задачу и принять решение в условиях неопределенности – эти компетенции не поддаются автоматизации. ИИ ускоряет расчеты и предлагает варианты, но не понимает, зачем создается продукт и какую проблему он решает. И ответственность за то, что и как строить, все еще остается за нами.