РИЗИКИ ВИКОРИСТАННЯ ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ МЕНЕДЖМЕНТУ СИСТЕМИ УПРАВЛІННЯ ЯКІСТЮ ВИРОБНИЧИХ ПІДПРИЄМСТВ В УКРАЇНІ
DOI:
https://doi.org/10.31732/2663-2209-2026-83-274-282Ключові 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
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
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.