AI có thể thay thế kỹ sư thiết kế? Khi AI bước vào thế giới Engineering

AI không còn chỉ viết nội dung, tạo hình ảnh hay trả lời câu hỏi. AI đang bắt đầu thiết kế, phân tích, mô phỏng và tham gia sâu hơn vào chính công việc của kỹ sư.

Một yêu cầu thiết kế có thể được chuyển thành nhiều phương án. Hàng loạt dữ liệu kỹ thuật có thể được phân tích nhanh hơn. Những thao tác từng cần kỹ sư thực hiện thủ công đang dần có thể được AI hỗ trợ.

Thậm chí, Dassault Systèmes đang đưa những AI-powered Virtual Companions như AURA, LEO và MARIE vào 3DEXPERIENCE Platform, hướng đến các bối cảnh từ business knowledge, engineering đến science.

Vậy câu hỏi không còn quá xa vời:

Nếu AI ngày càng hiểu engineering và làm được nhiều việc hơn, liệu AI có thể thay thế kỹ sư thiết kế?

Câu trả lời hiện tại là chưa. AI có thể thay thế một số tác vụ, nhưng chưa thể thay thế vai trò của kỹ sư trong việc hiểu bài toán, đánh giá các ràng buộc và đưa ra quyết định kỹ thuật.

Điều đang thay đổi nhanh hơn chính là cách kỹ sư thiết kế và phát triển sản phẩm.

1. AI đang thay đổi công việc của kỹ sư thiết kế như thế nào?

Thiết kế kỹ thuật hiếm khi kết thúc ngay ở phương án đầu tiên. Kỹ sư thường phải liên tục thiết kế – kiểm tra – chỉnh sửa – mô phỏng – tối ưu trước khi tìm được phương án phù hợp.

Đây chính là một trong những khu vực AI có thể tạo ra khác biệt.

Thay vì thay kỹ sư tạo ra một sản phẩm hoàn chỉnh, AI có thể hỗ trợ ở những công việc cần xử lý nhiều dữ liệu, khám phá nhiều phương án hoặc lặp lại nhiều lần, chẳng hạn:

• Khám phá phương án: tạo hoặc đề xuất nhiều hướng thiết kế dựa trên requirement và constraint.
• Tối ưu thiết kế: hỗ trợ tìm phương án cân bằng giữa trọng lượng, độ bền, hiệu suất và các mục tiêu kỹ thuật.
• Tự động hóa: giảm những thao tác lặp lại trong quá trình engineering.
• Khai thác dữ liệu: tìm kiếm và tái sử dụng dữ liệu, knowledge từ các dự án trước.
• Hỗ trợ kiểm chứng: kết hợp với mô phỏng CAE để đánh giá phương án trước khi tạo prototype thực tế.

Hãy lấy một ví dụ đơn giản: kỹ sư cần giảm trọng lượng một chi tiết nhưng vẫn đảm bảo độ bền.

Theo cách truyền thống, kỹ sư có thể phải tạo một phương án, chạy mô phỏng, kiểm tra kết quả rồi tiếp tục chỉnh sửa. Khi AI, Generative Design và simulation tham gia vào quy trình, nhiều phương án có thể được khám phá và sàng lọc nhanh hơn.

Kỹ sư không biến mất khỏi quy trình. Ngược lại, họ có thêm khả năng để thử nhiều hơn trước khi quyết định.

Và đây cũng chính là giới hạn quan trọng cần hiểu về AI.

AI có thể giúp tìm ra phương án. Nhưng phương án tối ưu về mặt tính toán chưa chắc là phương án tốt nhất ngoài thực tế.

2. Vì sao AI vẫn chưa thể thay thế kỹ sư?

Một sản phẩm không được quyết định chỉ bởi hình dạng hay một chỉ số kỹ thuật.

Một thiết kế nhẹ hơn có thể khó gia công hơn. Một vật liệu có đặc tính tốt hơn có thể khiến chi phí tăng cao. Một thay đổi nhỏ trong thiết kế cũng có thể ảnh hưởng đến quá trình lắp ráp, danh mục vật tư (BOM), sản xuất hoặc bảo trì sau này.

Vì vậy, kỹ sư phải nhìn bài toán ở nhiều góc độ:

Đây chính là điểm khác biệt giữa việc tạo ra một thiết kế và đưa ra quyết định kỹ thuật – điều đòi hỏi sự đánh giá và trách nhiệm của người kỹ sư.

AI cũng phụ thuộc vào dữ liệu và yêu cầu mà con người cung cấp. Nếu constraint ban đầu không phù hợp, dữ liệu thiếu context hoặc mục tiêu tối ưu được đặt sai, một kết quả có vẻ rất thuyết phục vẫn có thể không giải quyết đúng bài toán.

Do đó, AI có thể đảm nhận ngày càng nhiều công việc, nhưng kỹ sư vẫn là người cần hiểu “tại sao”, cân nhắc “có nên hay không” và quyết định “phương án nào phù hợp nhất”.

AI chưa thể thay thế tư duy của kỹ sư. Nhưng AI đang ngày càng tham gia sâu hơn vào quá trình thiết kế và phát triển sản phẩm.

3. AURA, LEO và MARIE: Khi AI bắt đầu đi sâu vào công việc thực tế

Một dấu hiệu cho sự thay đổi đó là AI không còn chỉ tồn tại như một chatbot đứng ngoài các công cụ kỹ thuật.

Dassault Systèmes đang phát triển các Virtual Companions trên 3DEXPERIENCE Platform để AI có thể hỗ trợ người dùng trong những bối cảnh chuyên môn cụ thể.

Ba Virtual Companions đáng chú ý gồm:

• AURA – The Business Expert: tập trung vào tri thức, bối cảnh và kinh nghiệm được tích lũy trong doanh nghiệp.
• LEO – The Engineer: tập trung vào các hoạt động kỹ thuật, từ thiết kế đến sản xuất.
• MARIE – The Scientist: tập trung vào tri thức khoa học và hỗ trợ giải quyết các bài toán nghiên cứu chuyên sâu.

Điểm đáng chú ý không đơn thuần nằm ở việc có ba AI với ba chức năng khác nhau.

Nó cho thấy một xu hướng lớn hơn:

AI trong công nghiệp đang chuyển từ “trả lời câu hỏi” sang “hiểu bối cảnh công việc”.

Kỹ thuật cần dữ liệu thiết kế, khoa học cần tri thức chuyên môn, còn doanh nghiệp có nguồn kinh nghiệm và tri thức tích lũy qua nhiều dự án.

Khi AI có thể tiếp cận đúng những context này, vai trò của nó có thể tiến xa hơn một công cụ hỗ trợ chung và trở thành một phần của chính môi trường làm việc.

Nhưng điều đó cũng dẫn tới một bài toán quan trọng khác.

AI càng hiểu sâu bối cảnh, chất lượng dữ liệu nền tảng càng trở nên quan trọng.

4. Muốn kỹ sư làm việc cùng AI, doanh nghiệp cần chuẩn bị gì?

Khi nói đến AI, doanh nghiệp thường nghĩ ngay đến việc tìm kiếm một công cụ mới. Nhưng trong R&D và phát triển sản phẩm, AI chỉ thực sự tạo ra giá trị khi có đúng dữ liệu, đúng quy trình và đúng bài toán.

Trước khi hỏi “Nên sử dụng AI nào?”, doanh nghiệp có thể kiểm tra ba yếu tố.

Dữ liệu Engineering có thực sự sẵn sàng?

Một doanh nghiệp có thể sở hữu hàng nghìn:

Mô hình 3D – Bản vẽ kỹ thuật – BOM – Kết quả mô phỏng – Thông số kỹ thuật – Lịch sử thay đổi

Nhưng nếu kỹ sư vẫn phải mở nhiều folder để xác định revision mới nhất, kiểm tra Excel để đối chiếu BOM hoặc tìm lại email để biết một thay đổi đã được phê duyệt hay chưa, dữ liệu đó chưa thực sự dễ khai thác.

Đây là lý do PLM – Product Lifecycle Management và các giải pháp như ENOVIA trở nên quan trọng. Khi dữ liệu, revision, cấu trúc sản phẩm và engineering change được quản lý có hệ thống, doanh nghiệp có nền tảng tốt hơn để tiến tới những ứng dụng AI sâu hơn.

Nếu doanh nghiệp vẫn gặp các vấn đề trên, có thể kiểm tra 7 dấu hiệu cho thấy doanh nghiệp nên cân nhắc PLM trước khi nghĩ tới bước tiếp theo.

Các công cụ Engineering có đang hoạt động rời rạc?

Dữ liệu tốt hơn sẽ tạo ra nhiều giá trị hơn khi các hoạt động thiết kế, mô phỏng và quản lý sản phẩm có thể kết nối.

Trong hệ sinh thái Dassault Systèmes:

• CATIA hỗ trợ thiết kế và phát triển sản phẩm.
• SIMULIA hỗ trợ mô phỏng và kiểm chứng.
• ENOVIA hỗ trợ quản lý dữ liệu và quy trình.
• 3DEXPERIENCE Platform tạo môi trường kết nối các hoạt động này.

Khi kết hợp với Virtual Twin và AI, kỹ sư có thể tiến gần hơn đến một quy trình trong đó nhiều phương án được khám phá – mô phỏng – đánh giá trên môi trường số trước khi làm thật.

Doanh nghiệp muốn AI giải quyết vấn đề gì?

AI không nên được triển khai chỉ vì đang là xu hướng.

Mục tiêu cần cụ thể hơn:

• Giảm thời gian thiết kế?
• Giảm số lượng mẫu thử?
• Hạn chế việc phải chỉnh sửa, làm lại?
• Tận dụng tri thức kỹ thuật từ các dự án trước?
• Rút ngắn thời gian đưa sản phẩm ra thị trường (Time-to-Market)?

Khi dữ liệu – công cụ – mục tiêu đã rõ, doanh nghiệp mới có thể xác định bước tiếp theo nên là tối ưu CAD, kết nối simulation, triển khai PLM, xây dựng Virtual Twin hay tiến tới AI-assisted Engineering.

5. Kỹ sư sẽ có lợi thế gì trong kỷ nguyên AI?

Khi AI có thể thực hiện ngày càng nhiều thao tác, vai trò của kỹ sư không nhất thiết nhỏ đi. Nhưng giá trị của từng kỹ năng có thể thay đổi.

Khả năng sử dụng thành thạo phần mềm vẫn quan trọng. Tuy nhiên, nếu AI có thể hỗ trợ ngày càng nhiều thao tác kỹ thuật, lợi thế của kỹ sư sẽ dịch chuyển mạnh hơn về khả năng:

• Hiểu đúng bài toán thay vì chỉ thực hiện yêu cầu.
• Xác định đúng yêu cầu và các ràng buộc của thiết kế.
• Đánh giá kết quả từ AI và mô phỏng thay vì mặc định chấp nhận.
• Hiểu mối liên hệ giữa thiết kế – mô phỏng – sản xuất.
• Đưa ra quyết định dựa trên dữ liệu và kinh nghiệm kỹ thuật.

Nói cách khác, kỹ sư có thể chuyển dần từ việc dành phần lớn thời gian để thực hiện từng thao tác sang tập trung nhiều hơn vào định nghĩa – đánh giá – quyết định.

AI có thể làm giảm giá trị của một số thao tác, nhưng lại làm tăng giá trị cho tư duy của kỹ sư.

Vì vậy, lợi thế trong tương lai có lẽ không thuộc về AI hay kỹ sư.

Mà thuộc về những kỹ sư biết làm việc cùng AI.

AI không thay thế kỹ sư – nhưng sẽ thay đổi cách kỹ sư làm việc

Vậy cuối cùng, AI có thể thay thế kỹ sư thiết kế không?

Ở thời điểm hiện tại, AI có thể đảm nhận ngày càng nhiều tác vụ trong quá trình thiết kế và phát triển sản phẩm. Nhưng AI vẫn cần con người xác định bài toán, đặt constraint, đánh giá trade-off và chịu trách nhiệm cho quyết định kỹ thuật cuối cùng.

Sự xuất hiện của AURA, LEO và MARIE cũng cho thấy một hướng phát triển mới của AI công nghiệp: AI đang dần tham gia sâu hơn vào tri thức doanh nghiệp, hoạt động kỹ thuật và nghiên cứu khoa học, thay vì chỉ đóng vai trò như một công cụ hỏi – đáp.

Với doanh nghiệp R&D và sản xuất, vì vậy, câu hỏi đáng quan tâm không chỉ là:

“AI có thể thay thế kỹ sư của chúng ta không?”

Mà còn là:

“Dữ liệu, công cụ và quy trình R&D hiện tại đã sẵn sàng để kỹ sư làm việc cùng AI chưa?”

New System Vietnam hỗ trợ doanh nghiệp xây dựng môi trường phát triển sản phẩm số với CATIA, SIMULIA, ENOVIA và 3DEXPERIENCE Platform, từ thiết kế, mô phỏng, quản lý dữ liệu đến Virtual Twin và các hướng ứng dụng AI trong engineering.

👉 Liên hệ New System Vietnam để đánh giá hiện trạng R&D và xác định lộ trình phát triển phù hợp từ CAD – CAE – PLM đến 3DEXPERIENCE và trợ lý AI.

Câu hỏi thường gặp

1. AI có thể thay thế hoàn toàn kỹ sư thiết kế không?
Hiện tại chưa. AI có thể tự động hóa và hỗ trợ nhiều tác vụ, nhưng kỹ sư vẫn cần xác định bài toán, requirement, constraint, đánh giá tính khả thi và đưa ra quyết định kỹ thuật.

2. AI được ứng dụng như thế nào trong thiết kế kỹ thuật?
AI có thể hỗ trợ tạo và khám phá phương án, tối ưu thiết kế, phân tích dữ liệu, tự động hóa tác vụ, khai thác engineering knowledge và hỗ trợ quá trình simulation.

3. AURA, LEO và MARIE là gì?

Đây là các trợ lý AI (Virtual Companions) của Dassault Systèmes. AURA tập trung vào tri thức doanh nghiệp, LEO vào hoạt động kỹ thuật, còn MARIE hướng đến tri thức khoa học.

4. Doanh nghiệp cần chuẩn bị gì trước khi ứng dụng AI trong R&D?
Ba yếu tố quan trọng là dữ liệu engineering có cấu trúc, quy trình/công cụ được kết nối và bài toán kinh doanh rõ ràng mà AI cần giải quyết.