РИЗИКИ ВИКОРИСТАННЯ ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ МЕНЕДЖМЕНТУ СИСТЕМИ УПРАВЛІННЯ ЯКІСТЮ ВИРОБНИЧИХ ПІДПРИЄМСТВ В УКРАЇНІ

Автор(и)

DOI:

https://doi.org/10.31732/2663-2209-2026-83-274-282

Ключові слова:

штучний інтелект (ШІ), система управління якістю (СУЯ), ризик-менеджмент, класифікація ризиків, матриця «ймовірність × вплив»

Анотація

Актуальність дослідження зумовлена поширенням технологій штучного інтелекту у виробничих системах управління якістю та необхідністю контролювати специфічні ризики, пов’язані з якістю даних, надійністю моделей, кібербезпекою, кадровими компетенціями й нормативною відповідністю. Метою статті є розроблення та практична апробація підходу до оцінювання ризиків інтеграції ШІ в систему управління якістю виробничого підприємства. Об’єктом дослідження є процес управління ризиками під час інтеграції ШІ в СУЯ на прикладі ТОВ «КСЕНКО АВТОПРОДАКШН». Теоретичну основу сформовано положеннями ISO 9001:2015, ISO 31000:2018, ISO 13485:2016, ISO/IEC 23894:2023 та ISO/IEC 42001:2023. Використано аналіз і синтез наукових джерел, системний і процесний підходи, експертне оцінювання та напівкількісну матрицю «ймовірність-вплив». Експертну групу сформували п’ять фахівців, пов’язаних з управлінням, якістю, виробництвом, ІТ та роботою з даними; оцінювання проведено у 2026 р. на основі матеріалів проєкту, даних про виробничі й контрольні процеси та професійних суджень експертів. Ідентифіковано 29 ризиків і згруповано їх за технічними, організаційними, кадровими, інформаційно-кібербезпековими, регуляторними та соціально-етичними ознаками. Для кожної події визначено нормовані оцінки ймовірності та впливу від 0 до 1, після чого сформовано ризик-профіль. До критичних за прийнятими порогами віднесено 7 ризиків; найвищі оцінки отримали відключення інтернету та енергосистем, мобілізація ключових фахівців і низька якість даних для навчання моделі. Запропоновано превентивні та коригувальні заходи, що охоплюють аудит даних, резервування інфраструктури, калібрування моделей, крос-навчання персоналу та формалізацію вимог. Практичне значення результатів полягає у можливості використання підходу як відтворюваного інструменту пріоритизації ризиків і планування заходів у межах СУЯ без застосування складних статистичних моделей. Наукова новизна полягає в узгодженні ризик-орієнтованої логіки стандартів систем менеджменту з оцінюванням специфічних для ШІ загроз та її апробації на конкретному виробничому підприємстві. Запропонований підхід забезпечує прозорість критеріїв, порівнюваність оцінок і можливість повторного моніторингу залишкового ризику після впровадження управлінських заходів.

 

Завантаження

Дані завантаження ще не доступні.

Біографії авторів

Ігор Ковальчук, ВНЗ «Університет економіки та права «КРОК»,KROK University

Аспірант освітньо-наукової програми «Менеджмент», кафедра управлінських технологій, Університет "КРОК", Київ, Україна

Ольга Орлова-Курилова, ВНЗ «Університет економіки та права «КРОК»,KROK University

Доктор економічних наук, доцент, професор кафедри інформаційного менеджменту, математики та статистики Університету "КРОК", м. Київ, Україна

Посилання

International Organization for Standardization. (2015). ISO 9001:2015 Quality management systems – Requirements. https://www.iso.org/standard/62085.html

International Organization for Standardization. (2016). ISO 13485:2016 Medical devices – Quality management systems – Requirements for regulatory purposes. https://www.iso.org/standard/59752.html

International Organization for Standardization. (2018). ISO 31000:2018 Risk management – Guidelines. https://www.iso.org/standard/65694.html

International Organization for Standardization, & International Electrotechnical Commission. (2023a). ISO/IEC 23894:2023 Information technology—Artificial intelligence – Guidance on risk management. https://www.iso.org/standard/77304.html

International Organization for Standardization, & International Electrotechnical Commission. (2023b). ISO/IEC 42001:2023 Information technology – Artificial intelligence– Management system. https://www.iso.org/standard/42001.html

Ashmore, R., Calinescu, R., & Paterson, C. (2021). Assuring the machine learning lifecycle: Desiderata, methods, and challenges. ACM Computing Surveys, 54(5), Article 111, 1-39. https://doi.org/10.1145/3453444

Дашко, І. М., & Никончук, Г. В. (2025). Вплив штучного інтелекту на процеси прийняття управлінських рішень. Економічний простір, 204, 82-88. https://doi.org/10.30838/EP.204.82-88

Escobar, C. A., McGovern, M. E., & Morales-Menendez, R. (2021). Quality 4.0: A review of big data challenges in manufacturing. Journal of Intelligent Manufacturing, 32, 2319-2334. https://doi.org/10.1007/s10845-021-01765-4

Ковальчук, І., & Орлова-Курилова, О. (2025). Цифрова трансформація управління якістю на підприємстві засобами штучного інтелекту. Вчені записки Університету «КРОК», 3(79), 294–300. https://doi.org/10.31732/2663-2209-2025-79-294-300

Кривда, О. В., & Кашпуренко, Т. О. (2023). Ризики впровадження штучного інтелекту на підприємствах. У Бізнес, інновації, менеджмент: проблеми та перспективи: збірник тез доповідей IV Міжнародної науково-практичної конференції. КПІ ім. Ігоря Сікорського, Видавництво «Політехніка».

Крискун, І., & Орлова-Курилова, О. (2025). Керування ризиками в управлінні ІТ-проєктами з використанням інструментів штучного інтелекту. Вчені записки Університету «КРОК», 2(78), 315–325. https://doi.org/10.31732/2663-2209-2025-78-315-325

КСЕНКО Авто Продакшн. (n.d.). Офіційний сайт. https://ksenkoautoproduction.com/

Morley, J., Floridi, L., Kinsey, L., & Elhalal, A. (2020). From what to how: An initial review of publicly available AI ethics tools, methods and research to translate principles into practices. Science and Engineering Ethics, 26, 2141-2168. https://doi.org/10.1007/s11948-019-00165-5

Raji, I. D., Smart, A., White, R. N., Mitchell, M., Gebru, T., Hutchinson, B., Smith-Loud, J., Theron, D., & Barnes, P. (2020). Closing the AI accountability gap: Defining an end-to-end framework for internal algorithmic auditing. In Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency (pp. 33-44). Association for Computing Machinery. https://doi.org/10.1145/3351095.3372873

Скіцько, О., Складанний, П., Ширшов, Р., Гуменюк, М., & Ворохоб, М. (2023). Загрози та ризики використання штучного інтелекту. Кібербезпека: освіта, наука, техніка, 2(22), 6–18. https://doi.org/10.28925/2663-4023.2023.22.618

Tercan, H., & Meisen, T. (2022). Machine learning and deep learning based predictive quality in manufacturing: A systematic review. Journal of Intelligent Manufacturing, 33, 1879-1905. https://doi.org/10.1007/s10845-022-01963-8

Трикуліч, П. П. (2025). Ризики впровадження штучного інтелекту у підприємницьку діяльність. Економіка та суспільство, 71. https://doi.org/10.32782/2524-0072/2025-71-159

Downloads

Опубліковано

2026-09-30

Як цитувати

Ковальчук, І., & Орлова-Курилова, О. (2026). РИЗИКИ ВИКОРИСТАННЯ ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ МЕНЕДЖМЕНТУ СИСТЕМИ УПРАВЛІННЯ ЯКІСТЮ ВИРОБНИЧИХ ПІДПРИЄМСТВ В УКРАЇНІ. Вчені записки Університету «КРОК», (3(83), 274–282. https://doi.org/10.31732/2663-2209-2026-83-274-282

Номер

Розділ

Розділ 2. Управління та адміністрування