MIT Technology Review: 90% من الشركات الهندسية ستزيد استثماراتها في AI، لكن من دون تسرع

ИИ всё заметнее влияет не только на софт, но и на вещи, которые работают в физическом мире: автомобили, бытовую технику и медицинские устройства. Исследование MIT Technology Review Insights и L&T Technology Services показывает, что инженеры готовы расширять применение ИИ, но делают это не по логике хайпа, а по логике риска, проверки и измеримого результата.

Почему цена ошибки высока В продуктовой инженерии ошибка модели

обходится иначе, чем в цифровом сервисе. Если неудачный ответ чат-бота можно поправить обновлением, то дефект в конструкции, встроенной системе или производственном решении может привести к отзыву партии, аварии или проблемам с регулятором. Поэтому команды, которые внедряют ИИ в проектирование и выпуск физических продуктов, не готовы доверять универсальным моделям как есть.

Они строят процессы с разными уровнями доверия, обязательной верификацией и понятной человеческой ответственностью. Авторы исследования подчеркивают: здесь важна не демонстрационная магия, а first-time-right — способность получить корректный результат с первого раза или максимально близко к этому. Для компаний, которые выпускают машины, электронику или медтехнику, такая метрика важнее громких заявлений о трансформации.

Поэтому внедрение ИИ идет слоями: сначала в участках, где можно проверить эффект, а затем — глубже в жизненный цикл продукта. Именно так компании снижают риск дорогих ошибок и накапливают доверие к новым инструментам.

«Там, где результат ИИ влияет на физическую систему и не может быть

откатан, в приоритете надежность и измеримость».

Куда идут бюджеты

Опрос охватил 300 руководителей product engineering, разработки и технологий из США. Все они представляют компании с выручкой от $500 млн в 16 отраслях, а интервью дополнили мнением топ-менеджеров и отраслевых экспертов. Девять из десяти респондентов собираются увеличить инвестиции в ИИ в ближайшие один-два года, но резкого рывка не планируют.

45% ждут роста расходов максимум на 25%, около трети — на 26–50%, и только 15% готовы поднять бюджет сразу на 51–100%. Приоритеты тоже прагматичные: лидируют не умные ассистенты ради ассистентов, а инструменты, которые проще проверить, защитить перед регулятором и привязать к ROI. На первом плане — аналитика, симуляции и валидация, то есть зоны, где у инженеров есть понятная обратная связь и исторические данные.

Такие задачи легче аудировать, согласовывать и защищать перед бизнесом. Исследование выделяет несколько направлений, вокруг которых сейчас строится основной спрос: предиктивная аналитика для раннего поиска дефектов и слабых мест ИИ-симуляции и валидация до запуска в производство многоуровневая проверка моделей и результатов специализированные, аудируемые инструменты вместо универсальных систем ## Что меняется в командах Отдельный вывод касается людей. 73% руководителей ожидают, что ИИ возьмет на себя рутинную инженерную работу.

Это не означает, что специалисты становятся менее важны; меняется сам центр тяжести. Внутри компаний ценность смещается от ручного выполнения повторяемых операций к архитектурным решениям, системному мышлению и стратегической оценке компромиссов. Чем больше операционной работы уходит в инструменты, тем важнее люди, которые понимают границы модели и отвечают за финальный выбор.

Параллельно растет роль внешних партнеров и специализированных поставщиков. Если часть исполнения уходит в сторонние экосистемы, то владение ключевой логикой, данными и правилами принятия решений становится вопросом контроля. Авторы отмечают и другой сдвиг: компании измеряют успех не только скоростью вывода продукта на рынок.

Выше в списке целей стоят качество продукта и устойчивость — показатели, которые видят клиенты, инвесторы и регуляторы. А снижение издержек и удовлетворенность команды уходят ниже в приоритетах.

Что это значит

Для рынка это сигнал: ИИ в инженерии физического мира входит не через эффектные демо, а через проверяемые узкие сценарии с понятным ROI. Побеждать будут не те, кто громче всех обещает революцию, а те, кто быстрее встроит ИИ в симуляции, контроль качества и принятие инженерных решений без потери доверия, безопасности и ответственности. Именно такая осторожная модель, похоже, и станет главным шаблоном внедрения в ближайшие годы.