iDesignGPT usprawnia projektowanie koncepcyjne dzięki agentowym przepływom pracy opartym na dużych modelach językowych

Dlaczego inteligentniejsze narzędzia projektowe mają znaczenie

Od samochodów elektrycznych po drony ratunkowe — każdy złożony produkt zaczyna się jako szkic na tablicy. Najwcześniejsze decyzje projektowe często determinuje większość kosztów, bezpieczeństwa i wydajności produktu, a mimo to etap ten wciąż opiera się w dużej mierze na intuicji ekspertów, długich spotkaniach i rozproszonych dokumentach. W artykule przedstawiono iDesignGPT, nową ramę opartą na sztucznej inteligencji, której celem jest przekształcenie dużych modeli językowych — tej samej rodziny narzędzi stojących za współczesnymi chatbotami — w zdyscyplinowanych współpracowników dla inżynierów, pomagając zarówno ekspertom, jak i nowicjuszom systematyczniej eksplorować pomysły, gromadzić informacje i oceniać wczesne koncepcje.

Problemy we wczesnej fazie inżynierii

Projektowanie koncepcyjne to „rozmyty front” inżynierii: zespoły muszą zdecydować, co system ma robić, jak może działać i czy w ogóle jest wykonalny, przy jednoczesnym niedoborze informacji. Badania pokazują, że do 80% kosztów cyklu życia zostaje ustalone na tym etapie, a błędy mogą być później niezwykle kosztowne do naprawienia. Tradycyjne metody — takie jak strukturyzowane wykresy wymagań i podręczniki rozwiązywania problemów — powstały dla węższych kontekstów przemysłowych i często wymagają głębokiego szkolenia specjalistycznego. Jednocześnie narzędzia do projektowania wspomaganego komputerowo i symulacje pomagają głównie wtedy, gdy istnieje już szczegółowy układ, pozostawiając lukę we wspieraniu najwcześniejszej, najbardziej kreatywnej fazy. W miarę jak produkty stają się bardziej interdyscyplinarne, a firmy dążą do angażowania mniej wyspecjalizowanych projektantów, te ograniczenia stają się coraz bardziej dotkliwe.

Co dzisiejsze AI robi dobrze — i co źle

Nowoczesne duże modele językowe (LLM), takie jak GPT-4o i DeepSeek, wykazują imponujące umiejętności rozumowania i już teraz mogą pomagać w zadaniach takich jak redagowanie raportów czy burza mózgów. Można je też przekształcić w „agentów”, którzy planują kroki, wywołują narzędzia i konsultują zewnętrzne bazy danych. Jednakże w standardowej formie mają trudności z projektowaniem inżynieryjnym: brakuje im wiedzy specjalistycznej, mogą błędnie odczytać intencje użytkownika i są podatne na „halucynacje” — pewne, lecz błędne stwierdzenia. Istniejące narzędzia AI wspierające projektowanie zwykle koncentrują się na jednym kroku, np. generowaniu pomysłów, i są wrażliwe na to, jak użytkownik formułuje zapytania. Utrudnia to ich zaufanie w decyzjach o dużym znaczeniu lub przy wsparciu nowicjuszy, którzy nie zawsze potrafią łatwo wykryć subtelne błędy techniczne.

Strukturalny partner AI dla projektantów

iDesignGPT rozwiązuje te problemy przez wplecenie agentów LLM w kompletny, oparty na metodzie proces projektowy. Zbudowany na otwartej platformie, organizuje asystentów AI w klastry o odrębnych rolach — analityków, oficerów informacji, innowatorów i ewaluatorów — powiązane z czterema etapami: definiowaniem problemu, zbieraniem informacji, generowaniem koncepcji i oceną opcji. W trybie „Copilot” agent konwersacyjny współpracuje z użytkownikiem, doprecyzowując cele i dopracowując wymagania w naturalnym dialogu, przyjmując tekst i obrazy. W trybie „Agent” wyspecjalizowane agenty automatycznie stosują ugruntowane techniki projektowe, takie jak ramy analizy potrzeb i macierze jakości-funkcji, aby przekształcić życzenia klienta w ważone cele inżynieryjne. Baza wiedzy agreguje patenty, artykuły naukowe i przykłady wyróżnionych produktów, podczas gdy zabezpieczenia i agenty krzyżowej weryfikacji pomagają ograniczyć halucynacje i utrzymać proces przejrzystym.

Testy systemu

Aby sprawdzić praktyczność tej ramy, autorzy przetestowali iDesignGPT na głośnym wyzwaniu: zaprojektowaniu kompaktowego samolotu ratunkowego zdolnego do autonomicznych lotów w sytuacjach awaryjnych. System najpierw rozszerzył i przeorganizował pierwotną listę wymagań, eliminując wąsko zdefiniowane szczegóły testowe i wyciągając szersze potrzeby, takie jak bezpieczeństwo i autonomia. Następnie przeszukał patenty, prace badawcze i bazy nagród projektowych oraz zastosował wiele metod twórczych — biomimikrę, burzę mózgów, strukturalną rekombinację i analizę zasad wynalazczych — aby zbudować modułowe opcje rozwiązań. W końcu ocenił i wybrał złożony projekt. Miary ilościowe wykazały, że proces ten poszerzył eksplorowaną przestrzeń projektową oraz zwiększył różnorodność i nowatorstwo pomysłów na wczesnym etapie, po czym przesunął się ku dopracowaniu. Porównanie powstałej koncepcji z 22 zwycięskimi zgłoszeniami ludzkimi z tej samej konkursu wykazało, że jej wynik w mierniku zadowolenia klienta plasował ją mniej więcej w górnej ćwiartce.

Jak wypada na tle innych przepływów pracy AI

Zespół porównał także iDesignGPT z typowymi konfiguracjami LLM — prostym promptowaniem, promptowaniem z łańcuchem myślenia oraz modelem skoncentrowanym na rozumowaniu — na sześciu publicznych wyzwaniach inżynieryjnych z agencji takich jak NASA i amerykański Departament Energii. Korzystając z obiektywnych miar osadzonych w praktyce inżynieryjnej, oceniali rozwiązania pod kątem nowatorstwa, oryginalności (jak bardzo różniły się od istniejących patentów), racjonalności, dojrzałości technicznej i modułowości. iDesignGPT konsekwentnie generował bardziej oryginalne i modułowe koncepcje przy zachowaniu wysokiej racjonalności, nawet jeśli jego pomysły były nieco mniej gotowe do natychmiastowej implementacji niż te z najbardziej konserwatywnych modeli. Recenzenci eksperccy w dużej mierze potwierdzili te wzorce. W badaniach użytkowników z udziałem 48 uczestników — od studentów po inżynierów zawodowych — wsparcie AI ogólnie zmniejszało obciążenie poznawcze w porównaniu z projektowaniem prowadzonym wyłącznie przez ludzi, a iDesignGPT w szczególności dawał początkującym projektantom wyraźniejsze wskazówki procesowe, odsłaniał pomijane potrzeby i wspierał podejmowanie decyzji bez wymogu zaawansowanych umiejętności formułowania promptów.

Co to oznacza dla przyszłych projektantów

Dla czytelników niezwiązanych z branżą najważniejsze wnioski są takie, że narzędzia jak iDesignGPT nie mają na celu zastąpienia inżynierów, lecz uczynienie wczesnych, chaotycznych etapów projektowania bardziej dostępnymi, przejrzystymi i eksploracyjnymi. Opakowując rygorystyczne metody projektowe w wieloagentowe przepływy pracy AI, rama pomaga użytkownikom sformułować rzeczywiste potrzeby, eksplorować szerszy zakres możliwości i porównywać opcje za pomocą jawnych kryteriów. Choć nadal ma ograniczenia — zwłaszcza w problemach o ścisłych wymogach i poza fazą koncepcyjną — daje wyobrażenie o środowiskach projektowych, w których studenci, generalniści i eksperci mogą współtworzyć złożone systemy z AI, która zachowuje się mniej jak rozmowny asystent, a bardziej jak metodyczny, dobrze wyszkolony współpracownik.

Cytowanie: Liu, S., Shen, Y., Zhang, Y. et al. iDesignGPT enhances conceptual design via large language model agentic workflows. Nat Commun 17, 1997 (2026). https://doi.org/10.1038/s41467-026-68672-1

Słowa kluczowe: projektowanie inżynieryjne, narzędzia projektowe AI, duże modele językowe, generowanie koncepcji, współpraca człowiek–AI