Проблемы совершенствования системы управления требованиями к новой технике с использованием искусственного интеллекта

В условиях динамичного развития техники традиционные системы управления требованиями сталкиваются с множеством системных проблем: наличие большого объема неструктурированных данных, высокая сложность согласования изменений в требованиях, а также субъективность анализа и риск возникновения противоречий. В статье рассматриваются ключевые проблемы совершенствования данной системы за счет внедрения технологий искусственного интеллекта (ИИ), анализируются такие аспекты, как автоматизация анализа и классификации текстовых требований с использованием методов обработки естественного языка (NLP), выявление скрытых зависимостей и противоречий с помощью семантического моделирования, а также предиктивная аналитика для оценки рисков и изменчивости требований на ранних стадиях проектирования. Особое внимание уделяется организационно-техническим вызовам: необходимости наличия качественных данных для обучения моделей, интеграции ИИ-инструментов в рабочие процессы и изменении роли инженера. Делается вывод о том, что внедрение и использование искусственного интеллекта способно обеспечить переход от реактивного к проактивному управлению требованиями, значительно повышая качество, сокращая сроки и снижая риски при создании новой техники. Данный переход системно повышает качество и надежность итоговых продуктов, способствует сокращению сроков разработки и минимизирует проектные риски на всех этапах создания сложных технических систем. In the current conditions of dynamic technology development, traditional requirements management systems face a huge variety of systemic problems: the presence of a large amount of unstructured data, the high complexity of coordinating changes in requirements, as well as the subjectivity of analysis and the risk of contradictions. This article examines the key issues of improving this system through the introduction of artificial intelligence (AI) technologies, in addition, it analyzes aspects such as automating the analysis and classification of text requirements using natural language processing (NLP) methods, identifying hidden dependencies and contradictions of requirements using semantic modeling, as well as predictive analytics for risk assessment and the variability of requirements in the early stages of design. My work also focuses on organizational and technical challenges: the need for high-quality data to train models, integrate AI tools into existing workflows, and change the role of an engineer. As a result of the analysis, it is concluded that the introduction and use of artificial intelligence (AI) is able to ensure the transition from reactive to proactive requirements management, significantly improving quality, reducing deadlines and reducing risks when creating new technology. This transition systematically improves the quality and reliability of the final products, helps to reduce the development time and minimizes project risks at all stages of creating complex technical systems.