Опубликовано: 08.04.2026 | Источник: briansolis.com

Как использовать AI-ренессанс в дипломе: актуальные темы, структура и ошибки

Представьте: вы пишете ВКР, а в мире уже не просто «внедряют ИИ» — происходит перезагрузка всей логики бизнеса. Такой момент описал эксперт по цифровым трансформациям Брайан Солис в своём выступлении на ежегодной конференции Baker Hughes в 2026 году. Он назвал это «CTRL-ALT-DEL моментом» — не просто обновлением, а полной перезагрузкой подхода к работе, где ИИ, физический ИИ (humanoids, дроны) и люди создают новую ценность.

Почему это важно для вас? Потому что если ваш диплом про «автоматизацию» или «цифровизацию», но не учитывает переход от автоматизации к переосмыслению работы — он рискует выглядеть устаревшим. А если вы включите в работу идеи из статьи Солиса, вы не просто покажете актуальность, но и продемонстрируете системное мышление. Это то, что ценят на защите — особенно в специальностях: менеджмент, ИТ, экономика, промышленная логистика, инновационный менеджмент.

Давайте разберёмся, как использовать этот материал не как цитату, а как основу для реальной, современной выпускной квалификационной работы.

Актуальные темы ВКР на основе статьи

Ниже — три конкретные темы, которые можно адаптировать под ваш профиль. Каждая опирается на ключевые идеи статьи: переосмысление работы, физический ИИ, governance, net new value.

1. «Реинжиниринг бизнес-процессов с использованием ИИ-агентов: от автоматизации к созданию новой ценности»

• Актуальность: Как отмечает Солис, большинство компаний просто «цифровизировали вчерашнюю работу». Настоящая трансформация — это не замена людей, а перепроектирование процессов с учётом ИИ-агентов. Это соответствует тренду AI Darwinism — выживает не самый большой, а самый адаптивный.
• Цель исследования: Разработать модель реинжиниринга ключевого бизнес-процесса с внедрением ИИ-агентов для создания нетто-новой ценности (net new value).
• Задачи:
  • Проанализировать текущий процесс и выделить задачи, пригодные для автоматизации.
  • Определить, какие задачи требуют человеческого суждения, этики, креативности.
  • Спроектировать новую архитектуру процесса с разделением ролей: человек, ИИ-агент, физический ИИ.
  • Оценить экономическую эффективность и риски (включая энергопотребление).
• Структура работы:
  • Глава 1: Анализ современных подходов к автоматизации и ИИ в бизнесе (включая концепцию AI Darwinism).
  • Глава 2: Диагностика и моделирование выбранного процесса (например, обработка заказов, техобслуживание).
  • Глава 3: Проектирование ИИ-архитектуры и оценка эффекта.

2. «Физический ИИ в промышленности: внедрение humanoids и world models для повышения безопасности и эффективности»

• Актуальность: Статья поднимает тему physical AI — интеллектуальных устройств, работающих в реальном мире. Это не просто роботы, а системы, обученные на world models, способные предсказывать поведение в сложных условиях. Особенно важно для энергетики, добычи, ЖКХ.
• Цель исследования: Обосновать и спроектировать внедрение физического ИИ на объекте с высоким уровнем риска (например, на нефтеперерабатывающем заводе).
• Задачи:
  • Изучить мировой опыт применения humanoids и дронов с ИИ.
  • Оценить технические и этические ограничения.
  • Разработать сценарии использования (например, осмотр оборудования в опасных зонах).
  • Смоделировать экономический и социальный эффект.
• Структура работы:
  • Глава 1: Анализ технологий физического ИИ и мировых кейсов.
  • Глава 2: Диагностика проблем безопасности и эффективности на выбранном объекте.
  • Глава 3: Проект внедрения физического ИИ с оценкой ROI и рисками.

3. «Система governance ИИ в организации: баланс между скоростью, безопасностью и человеческим фактором»

• Актуальность: Солис подчёркивает: governance — это не бюрократия, а «операционная система доверия». Без неё масштабирование ИИ приведёт к ошибкам, утечкам, этическим скандалам. Это особенно важно для банков, госструктур, медицины.
• Цель исследования: Разработать модель системы governance ИИ для средней компании с учётом масштабируемости и этических норм.
• Задачи:
  • Проанализировать существующие фреймворки (например, NIST AI RMF, EU AI Act).
  • Выявить уязвимости в текущей ИТ-политике.
  • Создать матрицу ролей и ответственности (RACI) для работы с ИИ.
  • Предложить механизмы контроля и аудита ИИ-решений.
• Структура работы:
  • Глава 1: Правовые и этические аспекты ИИ (включая EU AI Act и российские инициативы).
  • Глава 2: Анализ практик governance в отраслях (финансы, здравоохранение).
  • Глава 3: Разработка и внедрение модели governance для конкретной организации.

Как использовать этот кейс в аналитической главе

Анализ рынка или современных решений

Не ограничивайтесь пересказом статьи. Используйте её как точку входа в анализ. Например:

• Сравните подход Baker Hughes с другими компаниями (например, Siemens, Yandex, Сбер).
• Изучите, как растёт энергопотребление дата-центров — используйте данные из статьи (удвоение к 2030) как аргумент.
• Проанализируйте, какие отрасли уже внедряют физический ИИ (автомобильная, логистика, энергетика).

Пример: «Согласно прогнозам, упомянутым в выступлении Брайана Солиса, потребление энергии дата-центрами удвоится к 2030 году. Это создаёт новое ограничение для масштабирования ИИ — энергоэффективность становится не просто экологическим, но и стратегическим фактором».

Обоснование актуальности

Не пишите: «Актуально, потому что ИИ развивается». Говорите конкретно:

«Традиционная цифровизация замораживала устаревшие процессы. Сегодня ИИ даёт возможность не просто автоматизировать, а переосмыслить работу — как отмечает Солис, это «CTRL-ALT-DEL момент». Это делает тему не просто актуальной, а стратегически необходимой для устойчивого развития организаций».

Практические примеры для проектной части

Адаптация технологии под задачи ВКР

Допустим, вы пишете про логистику. Возьмите идею «люди над циклом» и спроектируйте:

• ИИ-агенты — обрабатывают заказы, рассчитывают маршруты.
• Физический ИИ — дроны или автономные погрузчики в складе.
• Человек — решает конфликты, настраивает правила, контролирует этику.

Это не фантастика — такие кейсы уже есть у Amazon, DHL, Ozon.

Пример архитектуры ИИ-процесса

Можно описать архитектуру словами (или в виде схемы в приложении):

1. Поступление заказа → ИИ-агент классифицирует и направляет
2. Система проверяет наличие → если нет, запускает цепочку поставок
3. Маршрут рассчитывается ИИ с учётом пробок, погоды, энергопотребления
4. На складе физический ИИ (робот-манипулятор) подготавливает товар
5. Человек одобряет исключения (например, VIP-заказ)
6. Агент контролирует доставку и собирает обратную связь

Такой подход покажет, что вы понимаете не только технологии, но и их интеграцию.

Экономические расчёты — как учесть новые данные

Статья даёт важный аргумент: энергопотребление. Это можно включить в расчёты:

Вывод: даже при росте энергозатрат — эффект положительный. Но если не учитывать энергию, вы переоцените выгоду.

Чему вы научитесь

Если вы возьмёте одну из этих тем и проработаете её с опорой на статью Солиса, вы:

• Научитесь анализировать не технологии, а их влияние на бизнес-модель.
• Освоите методы реинжиниринга процессов с учётом ИИ.
• Поймёте, как обосновывать экономическую эффективность с учётом новых факторов (энергия, этика, безопасность).
• Научитесь формулировать net new value — то, что отличает реинновацию от простой автоматизации.
• Сможете аргументировать актуальность не общими словами, а конкретными трендами и цитатами экспертов.

FAQ

Можно ли использовать статью 2026 года как источник?

Да, особенно если она опубликована на авторитетном ресурсе (как briansolis.com). Это даже плюс — вы демонстрируете работу с современными источниками. Главное — указать дату и ссылку. В методических рекомендациях (например, ГОСТ 7.0.5–2008) нет запрета на использование онлайн-источников, если они достоверны.

Что делать, если в моём вузе требуют строгую структуру ВКР?

Всё зависит от специальности. Но даже в жёсткой структуре можно вписать актуальные темы. Например, в «Аналитической части» — анализ AI Darwinism, в «Проектной» — архитектура ИИ-процесса, в «Экономической» — расчёты с учётом энергопотребления. Главное — сохранить логику и показать, что вы понимаете предмет.

Где взять данные для расчётов, если нет доступа к реальной компании?

Используйте:

• Открытые отчёты компаний (например, Baker Hughes, Сбер).
• Прогнозы от McKinsey, Gartner, Statista.
• Данные из статьи (например, удвоение энергопотребления к 2030).
• Модельные цифры — но обязательно укажите, что это гипотетический расчёт.

Как не перегрузить работу терминами вроде "world models" или "physical AI"?

Объясняйте термины простым языком. Например: «World models — это цифровые копии реальных условий, в которых тренируют ИИ, чтобы он не ошибался в опасных ситуациях». Используйте глоссарий в приложении. Главное — показать, что вы понимаете суть, а не просто копируете модные слова.

Источник: CTRL-ALT-DEL: Rebooting Your Business in the AI RenAIssance (опубликовано 2026-02-17)