Автоматизация процессов системного анализа с помощью искусственного интеллекта
Автор: Глушко П.Н.
Журнал: Международный журнал гуманитарных и естественных наук @intjournal
Рубрика: Технические науки
Статья в выпуске: 2-1 (113), 2026 года.
Бесплатный доступ
Статья посвящена исследованию методов трансформации аналитической деятельности посредством внедрения технологий машинного обучения и обработки естественного языка. Рассматриваются проблемы традиционных подходов к сбору, формализации и верификации требований, приводящие к возникновению логических противоречий на ранних этапах проектирования сложных информационных комплексов. Предлагается гибридный метод автоматизации, сочетающий использование больших языковых моделей для семантического разбора текстов и аппарата математической логики предикатов для проверки архитектурной непротиворечивости. Описывается применение графовых нейронных сетей для выявления скрытых топологических зависимостей между функциональными модулями, а также использование метрик векторной алгебры для идентификации дублирующих спецификаций. Внедрение разработанных интеллектуальных инструментов переводит оценку качества проектной документации из субъективной плоскости в область измеримых математических параметров. Представленные результаты апробации демонстрируют существенное снижение времени на подготовку технических заданий и минимизацию рисков возникновения скрытых дефектов. Дополнительно рассматриваются вопросы интеграции разнородных сервисов через специализированные программные интерфейсы, поддерживающие передачу контекста предметной области. Использование методик трансферного обучения позволяет адаптировать универсальные алгоритмы под узкоспециализированные корпоративные стандарты. Реализация нейросимволического подхода способствует прозрачности принимаемых решений и повышению надежности разрабатываемого программного обеспечения. Делается вывод о необходимости изменения роли системного аналитика, переходящего от рутинной обработки данных к управлению гипотезами, генерируемыми искусственным интеллектом, что закладывает базис для создания автономных экосистем непрерывного проектирования.
Системный анализ, искусственный интеллект, автоматизация требований, графовые нейронные сети, формальная верификация, векторное представление
Короткий адрес: https://sciup.org/170212950
IDR: 170212950 | DOI: 10.24412/2500-1000-2026-2-1-218-223
Automation of system analysis processes using artificial intelligence
The article investigates methods of transforming analytical activities through the implementation of machine learning and natural language processing technologies. The paper examines the problems of traditional approaches to gathering, formalizing, and verifying requirements, which lead to logical contradictions at the early stages of designing complex information systems. A hybrid automation method is proposed, combining the use of large language models for the semantic parsing of texts and the mathematical apparatus of predicate logic for the formal verification of architectural consistency. The study describes the application of graph neural networks to identify hidden topological dependencies between functional modules, along with the use of vector algebra metrics to identify duplicate specifications. The integration of the developed intellectual tools shifts the quality assessment of project documentation from a subjective perspective into the realm of measurable mathematical parameters. The presented testing results demonstrate a significant reduction in the time required to prepare technical specifications and the minimization of risks associated with hidden defects. Additionally, the paper considers the issues of integrating heterogeneous services through specialized application programming interfaces that support the transfer of domain context. The application of transfer learning techniques allows adapting universal algorithms to highly specialized corporate standards. Implementing a neurosymbolic approach promotes the transparency of decision-making and enhances the reliability of the developed software. A conclusion is drawn regarding the necessity of changing the role of the systems analyst, who transitions from routine data processing to managing hypotheses generated by artificial intelligence, thereby laying the foundation for creating autonomous continuous design ecosystems.
