Системы управления качеством с ИИ: как связать документы с реальными процессами
Системы управления качеством часто остаются стопкой папок, которые достают к аудиту и убирают обратно на полку, но ИИ позволяет превратить эту бюрократию в рабочую инженерную модель, где каждый документ привязан к конкретному предмету качества, событию и доказательной записи.

Большинство предприятий в РФ имеют формально полную СМК (систему менеджмента качества, то есть набор правил, процедур и записей, которые доказывают, что продукция соответствует требованиям), но документы в ней живут отдельно от реальных процессов. Предметно-ориентированный подход с поддержкой ИИ связывает каждый протокол, журнал и акт с конкретным требованием и событием, и система впервые начинает отвечать не на вопрос «какие документы у нас есть», а на вопрос «какие предметы качества мы доказательно удерживаем».
Проблема знакома каждому, кто работал с качеством на производстве или в сервисе. Политика есть, процедуры утверждены, журналы подшиты, архив существует. Но связность между этими элементами держится на людях: специалист помнит, где лежит журнал, начальник ОТК помнит, какой протокол относится к какой партии, инженер по качеству вручную сопоставляет акт, несоответствие и корректирующее действие. Стоит одному человеку уйти в отпуск или уволиться, и связи рвутся.
Ниже разобран пошаговый подход: как перейти от разрозненных документов к связной системе управления качеством, где ИИ берёт на себя рутину нормализации, классификации и проверки.
Что понадобится
- Доступ к ИИ-ассистенту с длинным контекстом. Подойдут ChatGPT (GPT-4o), Claude, YandexGPT или GigaChat. Ключевое: модель должна уметь работать с документами объёмом от нескольких страниц
- Реестр действующих документов СМК. Всё, что сейчас есть: политика качества, процедуры, журналы, протоколы, акты, формы, планы аудитов, реестры несоответствий. В любом формате: сканы, Word, PDF, таблицы
- Перечень предметов качества предприятия. То, что вы реально контролируете: входное сырьё, готовая продукция, оборудование, компетенции персонала, условия хранения и так далее
- Время: от 4 до 8 часов на первичную нормализацию силами одного инженера по качеству
- Таблица или база данных для фиксации связей (Excel, Notion, 1С, любая ERP)
Как превратить папку документов в живую модель качества?
-
Соберите полный реестр СМК-документов в одну таблицу. Каждому документу присвойте тип: процедура, журнал, протокол, акт, форма, досье. Укажите, кто владелец, когда утверждён, где хранится. Это инвентаризация: пока без анализа, просто честный список того, что есть.
-
Выделите предметы качества. Предмет качества это то, что вы обязаны контролировать: входное сырьё, полуфабрикат, готовая продукция, средство измерения, компетенция сотрудника. Не документ, а реальный объект или свойство, к которому предъявлено требование. Загрузите перечень в ИИ-ассистент и попросите структурировать:
Вот перечень того, что мы контролируем на предприятии:
[вставьте список]
Для каждого пункта определи:
— Это предмет качества (объект, к которому предъявлено требование)?
— Или это документ, который подтверждает что-то о предмете качества?
— Или это процедура (действие, которое нужно выполнить)?
Раздели на три группы. Если пункт не удаётся однозначно отнести,
отметь как «требует уточнения».
- Свяжите каждый документ с предметом качества. Это центральный шаг. Для каждого документа из реестра задайте вопрос: какой предмет качества этот документ подтверждает? Какое требование он закрывает? Если ответа нет, документ «висит в воздухе», он формально существует, но не встроен в систему.
Вот документ: [название, тип, краткое содержание].
Вот список наших предметов качества: [список].
Определи:
1. К какому предмету качества относится этот документ?
2. Какое требование он подтверждает?
3. Какое событие качества должно произойти, чтобы этот документ
стал доказательной записью (а не просто формой)?
4. Если связь неочевидна — скажи прямо.
-
Определите события качества для каждого предмета. Событие качества это факт, который фиксируется: входной контроль партии, испытание образца, обнаружение несоответствия, приёмка досье. Именно событие превращает пустую форму в доказательную запись. Без события документ остаётся бланком.
-
Проверьте полноту цепочки: предмет, требование, процедура, событие, запись. Загрузите собранную таблицу связей в ИИ-ассистент:
Вот таблица связей нашей СМК:
[предмет качества | требование | процедура | событие | доказательная запись]
Найди разрывы:
— Где есть предмет качества, но нет привязанного события?
— Где есть процедура, но нет доказательной записи после неё?
— Где есть запись, но непонятно, какое требование она закрывает?
— Где одно и то же требование дублируется в нескольких документах
без ясного разграничения?
-
Устраните разрывы и зафиксируйте маршруты. Для каждой доказательной записи определите: кто создаёт, кто проверяет, в каком статусе запись считается принятой, куда она передаётся дальше (архив, ERP, папка аудита). Это маршрут записи. Без маршрута запись может потеряться между отделами.
-
Запустите регулярную сверку. Раз в месяц или в квартал загружайте обновлённую таблицу связей в ИИ и повторяйте промпт из шага 5. Система управления качеством живёт, только если её проверяют: новые продукты, новые требования, новые процессы порождают новые предметы качества, и цепочки нужно достраивать.
Что было. На предприятии есть журнал входного контроля, протоколы лабораторных испытаний и акты приёмки. Всё подшито, всё подписано. Но при аудите выясняется: протокол испытания партии 247 относится к сырью «мука пшеничная», а в журнале входного контроля эта партия вообще не упомянута. Акт приёмки есть, но в нём нет ссылки на протокол. Документы существуют, но цепочка разорвана.
Что сделали. Загрузили в ChatGPT перечень предметов качества (мука пшеничная, масло подсолнечное, сахар, упаковка) и список всех документов входного контроля за месяц. Попросили найти разрывы по промпту из шага 5.
Что получили. ИИ выявил 12 разрывов за один месяц: 4 партии без протокола испытания, 3 протокола без привязки к акту приёмки, 5 актов, где не указан предмет качества, а только номер поставки. Инженер по качеству закрыл разрывы за 2 часа вместо обычных двух дней ручной сверки.
Путать документ с доказательной записью. Пустой бланк протокола это не запись. Запись появляется, когда произошло событие качества (испытание, контроль, приёмка) и результат зафиксирован с реквизитами: дата, исполнитель, результат, статус. Если в вашей системе управления качеством формы считаются записями просто потому, что они утверждены, цепочка доказательности не работает.
Начинать с документов, а не с предметов качества. Интуитивно хочется сначала разложить папки и навести порядок в архиве. Но если начать с документов, вы получите аккуратный архив, который по-прежнему не отвечает на вопрос «какие требования закрыты». Начинайте с предметов, требования подтянутся к ним, и уже потом станет видно, каких документов не хватает.
Доверять ИИ без проверки. ИИ-ассистент отлично находит структурные разрывы и классифицирует документы, но он может допустить галлюцинацию (уверенно выдумать связь, которой нет). Каждый вывод ИИ инженер по качеству проверяет по первичным документам. ИИ здесь ускоритель, а не замена эксперта.
Игнорировать отраслевые формы. Если в вашей отрасли есть утверждённые формы (ПМИ, паспорта качества, акты типовых испытаний), их нельзя заменять свободными таблицами. Предметно-ориентированный подход не отменяет отраслевые формы. Он встраивает их в цепочку: форма привязывается к предмету, событию и маршруту.
Что это даёт вам на практике?
Инженеру по качеству и руководителю ОТК. Вместо ручного сопоставления журналов, протоколов и актов вы получаете таблицу связей, которую ИИ проверяет на разрывы за минуты. Перед аудитом не нужно две недели «собирать доказательства», они уже привязаны к предметам качества.
Владельцу или директору малого и среднего предприятия. Системы управления качеством перестают быть статьёй расходов на «бумажную работу к проверке» и становятся инструментом управления: видно, какие требования реально закрыты, а какие закрыты только формально. Это снижает риски при аудитах и рекламациях.
Автору Дзена или контент-маркетологу, который пишет о производстве, сертификации, бизнес-процессах. Предметно-ориентированный подход даёт структуру для экспертных статей: вместо общих слов о «процессном подходе» можно разбирать конкретные цепочки «предмет, требование, событие, запись». Такой контент ценят специалисты, и он собирает профессиональную аудиторию.
По моему опыту, главный барьер не технический, а психологический. Люди, которые годами вели СМК «от папки», воспринимают предметный подход как угрозу: «у нас всё было в порядке, а теперь вы говорите, что не было». Поэтому я рекомендую начинать не с полного аудита всей системы, а с одного предмета качества, буквально одной позиции сырья или одного вида готовой продукции. Постройте для него полную цепочку от требования до архивной записи, покажите результат руководству, и дальше масштабирование пойдёт легче.
Честная оговорка: ИИ пока не заменяет инженера по качеству. Он не знает вашу отраслевую специфику, не видит физическое состояние образца, не несёт ответственности за подпись в акте. Но рутину классификации, поиска разрывов и нормализации документов он снимает радикально, и именно на этой рутине инженеры теряют большую часть рабочего времени.
Системы управления качеством с поддержкой ИИ не требуют замены всего, что у вас есть. Они требуют другого взгляда: не «какие документы мы ведём», а «какие предметы качества мы доказательно удерживаем». Начните с одного предмета, одной цепочки, одного промпта, и через неделю у вас будет рабочая модель, которую можно предъявить аудитору, а не просто показать ему папку.
Попробуйте генератор промптов dzen.guru
Соберите первый промпт для анализа разрывов в вашей СМК за 5 минут, без ручного подбора формулировок
Попробовать бесплатно
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Нейросеть с памятью без квадратичных затрат: российская ELMUR принята на ICLR 2026
Нейросеть с памятью: как российская архитектура ELMUR решает главную проблему роботов, и при чём тут ваши тексты. Российские исследователи из МФТИ и…

Claude Code AI оценивает 100 вебинаров за ночь: кейс Otus.ru с цитатами и таймкодами
Я вижу, что оригинал описывает техническую статью-кейс одного инженера (автора из Otus.ru) о построении конвейера автооценки вебинаров с помощью Claude Code.…

Открытое ядро MoonMath обгоняет AMD Instinct MI300X AITER на 18% в среднем
MoonMath AI 10 июня опубликовала первое открытое ядро внимания (attention kernel) для ускорителя AMD Instinct MI300X, которое, по замерам команды, обходит…
Комментарии