Инженер через 5 лет: от генерации к верификации. И главный кадровый риск, о котором молчат

Начнём с фактов, а не с прогноза

Чтобы разговор был предметным.

На ЦИПР-2026 показали двух ИИ-ассистентов для заводских инженеров на базе GigaChat:

• ассистент инженера-технолога — по конструкторской документации выдаёт прототип технологического процесса;

• обратное проектирование — по готовой детали или чертежу восстанавливает редактируемую цифровую модель.

Пилоты идут на «Технодинамике», «Тяжмаше» и в Объединённой двигателестроительной корпорации.

«Норильский никель» отчитывается о внедрении генеративного ИИ в промышленное проектирование: по заявлениям компании, это позволяет существенно сократить сроки подготовки проектной документации и разгрузить проектные команды.

Это уже не презентации. Это пилоты на реальных предприятиях.

Что именно сжимается

Обратите внимание на важное.

Сжимается не профессия. Сжимается конкретная фаза работы — черновая генерация вариантов и рутинное оформление документации.

Ровно та фаза, на которой раньше учился и рос младший инженер.

Запомните это. В конце статьи я вернусь к этому — там главный риск.

Сдвиг 1: от генерации к верификации

Инженер перестаёт быть автором первого варианта. Он становится редактором и валидатором.

И это когнитивно сложнее, а не проще.

Критиковать правдоподобный, но неверный техпроцесс труднее, чем создать свой с нуля.

Модель ошибается уверенно, красиво и в правильном формате. Она не подаёт сигнала «здесь я не уверена».

Человеку, привыкшему доверять аккуратно оформленному документу, требуется новая привычка — системное недоверие к правдоподобию.

И здесь — вещь, которую относят к «техническим деталям», а она определяет всё

Требовать от инженера верификации, выдавая ему голый ответ модели, — бессмысленно.

Верификация физически возможна только тогда, когда система показывает, откуда она это взяла:

• ссылка на конкретный пункт вашего техпроцесса;

• ссылка на конкретный чертёж;

• ссылка на конкретную рекламацию в вашей базе.

Не «модель считает», а «основание — вот эти три документа, посмотрите сами».

Это архитектурное требование к решению, а не пожелание к сотруднику.

Ассистент без прослеживаемости источника — это генератор правдоподобия. Никакой инженер его не проверит. Он просто нажмёт «принять».

К этому же ряду относятся честное отображение неуверенности модели и метрики её точности, замеренные на вашей собственной выборке, а не в презентации вендора.

Прежде чем требовать от людей нового поведения, дайте им инструмент, который делает это поведение возможным. Иначе вы получите ритуал вместо контроля.

Сдвиг 2: от варианта к ограничениям

Когда генерация стоит копейки, ценность смещается к постановке ограничений и критериев выбора:

• допуски;

• доступная оснастка;

• реальный парк станков;

• себестоимость;

• ремонтопригодность;

• требования по безопасности.

Умение точно сформулировать ограничение становится главной инженерной компетенцией.

По сути, это возвращение старой культуры технического задания. Просто теперь плохое ТЗ наказывает вас не через полгода, а через пять минут — и в промышленных масштабах.

Сдвиг 3: от личной экспертизы к активу компании

Ассистент, который реально работает, — это ассистент, обученный на ваших данных: вашей конструкторской документации, ваших техпроцессах, ваших рекламациях, ваших отказах.

Значит, знание, которое тридцать лет жило в голове ветерана цеха, должно попасть в данные.

И вот тут начинается самое недооценённое.

Это меняет социальный контракт на предприятии.

Неформализованное знание перестаёт быть личной страховкой сотрудника от увольнения и становится активом компании.

Здесь и будет главный источник сопротивления — гораздо больший, чем страх «нас заменят роботы».

Люди сопротивляются не машине. Люди сопротивляются потере монополии на знание.

Пока вы не решите этот вопрос честно — через статус, деньги, роль наставника-верификатора — вы не получите данных. А без данных ассистент останется красивым демо.

Пять компетенций, которые станут дефицитными

И только одна из них — «про ИИ».

• Доменная глубина — физика процесса, а не широта. Парадокс: чем доступнее ИИ, тем ценнее глубокое понимание сути. Верифицировать выход модели может только тот, кто понимает, почему так, а не что написано.

• Постановка задачи и работа с ограничениями. Плохое ТЗ + ИИ = быстро и качественно оформленная ерунда. Ограничения — новый интерфейс инженера.

• Грамотность в работе с данными. Понимать, откуда взялась обучающая выборка, что такое дрейф модели, почему ассистент, безупречный на серийной детали, врёт на единичном производстве.

• Трассируемость и ответственность за решение. Подпись останется человеческой. Инженер должен уметь объяснить решение — а не сказать «так сказала модель».

• Инженер-«переводчик» между цехом и специалистом по данным. Самая дефицитная и самая недооценённая роль. В моей практике управления портфелем именно её отсутствие губило проекты чаще, чем плохие алгоритмы.

Это не отдельная система, а проекция моей общей модели компетенций для внедрения ИИ — личностных, управленческих и цифровых — на роль инженера. Пункты 3–5 — это её цифровые компетенции («работа с данными», «безопасность и этика ИИ», «взаимодействие человек-ИИ»), заточенные под цех; а доменная глубина — та профессиональная подложка, на которой они держатся. Полная модель — в статье «Модель компетенций для внедрения ИИ».

Главный риск: мы можем проиграть поколение

Теперь возвращаемся к тому, о чём я просил запомнить.

Если ИИ забирает работу младшего инженера — откуда через десять лет возьмётся старший, способный ИИ верифицировать?

Мы рискуем выиграть три года производительности и проиграть поколение экспертизы.

Это не абстракция.

Кадровая пирамида в инженерии держится на том, что человек проходит через рутину и в ней набивает интуицию: почему эта деталь так себя ведёт, почему этот техпроцесс не пойдёт на нашем станке.

Если рутину забрал ассистент — интуиция не формируется.

А верификация без интуиции невозможна. Вы просто нажимаете «принять».

Что с этим делать

Ответ не в том, чтобы «не давать ИИ новичкам». Это проиграно: они уже им пользуются, просто не говорят вам об этом.

Ответ в том, чтобы перепроектировать обучение.

Младший инженер учится не на черновой работе, а на разборе ошибок модели.

Дайте ему сто выходов ассистента, из которых двадцать неверны, и задачу: найти и обосновать ошибки.

Это гораздо более быстрый и более жёсткий тренажёр, чем три года на подхвате.

Но его надо построить осознанно. Ждать, что сложится само, бессмысленно. Не сложится.

Что делать: чек-лист по трём столпам

Управление

1. Определить, какие 2–3 фазы работы инженера реально сжимаются ИИ, и измерить их долю в трудозатратах до внедрения. Без базового уровня вы никогда не докажете эффект — ни себе, ни совету директоров.

2. Ввести роль владельца модели — того, кто отвечает за качество ассистента после запуска. Без неё модель тихо деградирует, и через год ею никто не пользуется.

3. Ответить на вопрос «кто подписывает» — до внедрения, а не после первого спорного случая. Пока ответственность не определена, ассистентом будут пользоваться украдкой.

Технология

1. Прослеживаемость источника — обязательное требование в техническом задании.

2. Метрики точности на своей выборке, а не на вендорской. И дашборд качества модели, за который отвечает её владелец.

3. Формализовать неявное знание — рекламации, отказы, «так у нас не делают». Это и есть обучающая выборка. Начинать надо с неё, а не с выбора модели. Почему данные и владелец модели решают больше, чем алгоритм, — в разборе 8 барьеров внедрения ИИ.

Люди

1. На этапе адаптации платить за использование, а не за результат. Это снимает страх ошибки — а страх ошибки и есть главный тормоз.

2. Честно закрыть вопрос с носителями знания. Ветеран, чью экспертизу вы забираете в базу, должен получить новый статус — наставника-верификатора, владельца доменной модели, — а не ощущение, что он выкопал себе яму. Иначе данных вы не получите, а получите саботаж, который назовёте консерватизмом.

3. Переписать программу подготовки инженеров под верификацию, а не под генерацию.

Итог

Через пять лет инженер никуда не денется.

Исчезнет инженер, который был ценен скоростью рук. Останется инженер, который ценен качеством суждения.

Это хорошая новость. Но только для тех, кто начал перестраивать подготовку кадров сегодня — а не собирается прочитать об этом в аналитическом отчёте через три года.

Контекст шире — почему большинство цифровых инициатив буксует независимо от технологии — в статье «7 причин большинства проблем на пути цифровизации»