Abstract
The article is devoted to the urgent problem of integrating artificial intelligence (AI) components in the creation of various information systems (IS) in the bachelor's degree program in Intelligent Information Systems and Technologies. The possibility of modernizing the traditional laboratory workshop on IP design, focused on the study of the unified graphical modeling language UML, in the context of the rapid development of generative AI, is substantiated. A methodology based on an evolutionary approach is proposed and consists of several stages: mastering the professional language of industrial engineering, developing critical thinking for analyzing and verifying the generated code and synthesizing skills in a complex project. The practical experience of implementing this technique is described, where the AI assistant acts as an intellectual partner, personal tutor and a tool for the teacher. It is concluded that this approach allows students to develop not only practical IP skills, but also critical, systematic and ethical thinking, which is necessary for a modern IT specialist.

Key words: artificial intelligence, information systems, IP design, UML, generative AI, industrial engineering.

----------------

Для эффективного решения задач разработки информационных систем   (ИС) предлагается использовать язык UML (Unified Modeling Language), предназначенный для проектирования объектно-ориентированных (ОО) систем [1−3]. Язык поддерживает весь цикл моделирования ИС на основе ОО-подхода, обеспечивает связь между концептуальными и программными понятиями, помогает решать проблемы масштабирования сложных систем. Моделирование с использованием UML применяется на всех стадиях жизненного цикла ИС, начиная с этапа бизнес-анализа и заканчивая этапом сопровождения.

До середины 90-х годов прошлого столетия существовало множество подходов к объектному моделированию, предложенных разными авторами, каждый из которых обладал своими преимуществами, однако ни один метод не обеспечивал построения полной модели ИС. Отсутствие единого стандарта осложняло выбор оптимального метода, ограничивая распространение ОО-технологий в индустрии разработки ПО.

Проблема была решена организацией Object Management Group (OMG), ответственным органом за стандарты в сфере объектных технологий и баз данных. По инициативе OMG три известных специалиста – Грэг Буш, Джим Рамбох и Айвар Якобсон объединили усилия и разработали первую версию UML 1.1, принятую в 1997 году в качестве официального стандарта [4].

Подобно любому языку программирования, UML обладает собственным набором символов и правилами их комбинации. Однако специфика UML заключается в том, что основным инструментом являются графические элементы, каждому из которых приписана определенная семантическая нагрузка. Это свойство облегчает понимание моделей, созданных разными специалистами. Модели представляются в виде сущностей и связей между ними, отображаемых на диаграммах. Выделяют четыре категории сущностей: структурные (например, класс, интерфейс, компонент), поведенческие (например, взаимодействие, состояния), группирующие (пакеты) и аннотирующие (комментарии).

Применение технологии ИИ при проектировании ИС с использованием UML способно существенно сократить временные затраты и повысить качество итогового продукта. Вместе с тем, исследования подтверждают важность адаптации образовательных программ вузов с целью интеграции технологий ИИ [5−9]. Умение эффективно использовать ИИ представляет собой сложную междисциплинарную компетенцию, охватывающую знания промпт-инжиниринга, развитие критического мышления и способность синтезировать полученные навыки в рамках комплексного проекта. Данные исследований свидетельствуют, что около половины генерируемого ИИ-кода содержат критические ошибки , что подчеркивает значимость тщательной проверки и оценки результатов автоматизированного проектирования.

Основные направления применения ИИ

Направление 1. Исследование потребностей ИС. При проектировании ИС ИИ способен оказать помощь следующим образом:

• Автоматический анализ документации: ИИ-решения вроде GPT либо иных моделей обработки естественного языка способны проводить автоматизированный разбор технических заданий, составленных естественным языком, приводя их к стандартизированному виду.
   
• Создание диаграмм вариантов использования: основываясь на исходных данных, ИИ генерирует use case диаграммы, определяя пользователей системы и характер взаимодействий. Пример: При вводе требования "пользователи обязаны пройти регистрацию в системе", ИИ создает соответствующую use case диаграмму и размещает её на диаграмме.

Направление 2. Структурный дизайн системы. Во время разработки структурной схемы системы ИИ применяется для построения различных видов UML-диаграмм:

• Диаграммы классов: проанализировав описание элементов и связей между ними, ИИ предложит оптимальные варианты классов, атрибутов и методов.

Пример: Требование "необходимо сохранить информацию о покупателях, такую как имя, адрес и покупки" приведет к созданию класса Customer с полями name, address и Order.

• Диаграммы последовательностей: ИИ строит сценарии поведения объектов исходя из внутренней логики приложения.
   
• Диаграммы состояний: на основании возможных состояний и путей перехода ИИ формирует модели состояний.

Пример: Для системы заказов ИИ определит необходимые состояния заказа ("новый", "обрабатывается", "отправлен", "завершен").

Направление 3. Архитектурная оптимизация. На данном этапе ИИ помогает совершенствовать архитектурное решение ИС:

• Анализ сложности: оценка уровня сложности предложенных схем и рекомендации по упрощению структуры. К примеру, ИИ может порекомендовать дробление крупного класса на отдельные компоненты.
   
• Выявление проблем: выявление потенциальных трудностей, таких как замкнутые цепочки зависимостей или чрезмерное количество соединений между элементами.

Направление 4. Кодогенерация.Современные инструменты, основанные на ИИ, позволяют автоматизировать процесс написания программного кода:

• Генерация каркаса: перевод UML-диаграмм в готовый исходный код на заданном языке программирования (Java, Python, C# и др.).
   
• Тестирование и дебаггинг: создание тестов на основе существующих диаграмм последовательностей и состояний.

Направление 5. Совместная работа команды. ИИ облегчает взаимодействие членов команды разработчика:

• Обновление диаграмм: при внесении изменений в спецификации ИИ автоматически поддерживает актуальность UML-схем.
   
• Предложения по улучшению проекта: постоянный мониторинг процесса разработки позволяет ИИ давать советы по повышению качества решения согласно лучшим практикам.

Пример использования ИИ. Предположим, что мы хотим создать ИС для интернет-магазина. Мы хотим использовать UML для проектирования и использовать ИИ:

1. Проведем анализ требований:
• Входные данные: "Пользователь может просматривать каталог товаров, добавлять товары в корзину и оформлять заказ".
   
• ИИ создает Use Case диаграмму с актором «User» и вариантами использования «View Catalog», «Add to Cart», «Place Order».
   
2. Создание диаграммы классов:
• ИИ предлагает классы «Product», «Cart», «Order» с соответствующими атрибутами и методами.
   
3. Формирование диаграммы последовательности:
• ИИ создает сценарий, показывающий, как пользователь добавляет товар в корзину: «User -> Cart: Add Product».
   
4. Генерация кода:
• ИИ преобразует диаграмму классов в код на Python или Java.

Расширение возможностей с использованием PlantUML с Visual Studio Code. PlantUML — это бесплатный инструмент, который превращает текстовые описания в диаграммы UML— например, диаграммы классов, диаграммы последовательностей, диаграммы активности и даже ментальные карты (визуальные схемы для структурирования информации, идей и задач) или диаграммы Ганта. Генеративные модели, такие как ChatGPT, Claude, или специализированные инструменты, теперь могут понимать запросы на естественном языке и выводить готовый к использованию код PlantUML. Не нужно больше запоминать синтаксис или исправлять ошибки — ИИ возьмет на себя всю тяжелую работу. Например, говорим ИИ: «Создай диаграмму последовательности PlantUML для входа пользователя на веб-сайт». ИИ создаёт код, который вы можете скопировать в рендерер PlantUML (например, plantuml.com), чтобы увидеть диаграмму.

То, что раньше занимало часы, теперь происходит за минуты. ИИ демократизирует создание диаграмм — неспециалисты могут вносить свой вклад, описывая идеи, а профессионалы дорабатывать результаты. Это отлично подходит для документирования, мозгового штурма или объяснения сложных систем. На что следует обратить внимание: конечно есть определенные нюансы. ИИ может неправильно интерпретировать расплывчатые подсказки, что приводит к некорректным схемам — всегда нужно проверять код. Поэтому необходимо начать с чётких подсказок, используя бесплатные инструменты, такие как PlantUML GPT и постепенно их совершенствуя.

С развитием ИИ можно ожидать бесшовной интеграции — например, редактирования в реальном времени в IDE (интегрированная среда разработки) или автоматической генерации из кодовых баз. Такие инструменты, как PlantUML Online Editor, уже используют ИИ для мгновенного предварительного просмотра и внесения изменений. ИИ и PlantUML — это идеальное сочетание, которое делает построение диаграмм увлекательным и эффективным для всех. Независимо от того, работа осуществляется в одиночку или в большой команде.

Таким образом, использование ИИ при создании ИС с помощью UML позволяет автоматизировать рутинные задачи, уменьшить количество ошибок и ускорить процесс разработки. Однако следует понимать, что ИИ — это инструмент, который дополняет, но не заменяет опыт и знания разработчиков. ИИ также может быть успешно применен на всех этапах создания ИС с использованием UML, включая анализ требований, проектирование, оптимизацию архитектуры, генерацию кода и поддержку совместной работы.

Авторы заявляют об отсутствии потенциального или явного конфликта интересов.

Вклад авторов 50/50

Финансирование: Исследование выполнено за счет внутреннего гранта РГПУ им. А. И. Герцена (проект № 77-ВГ).
 

Литература

1. Хассан Гома. UML. Проектирование систем реального времени, параллельных и распределенных приложений / пер. с англ. Слинкин А.А. 2-е изд. М.,ДМК Пресс, 2023. 700 с.

2. Флегонтов А.В., Матюшичев И.Ю. Моделирование информационных систем. Unified Modeling Language : учебное пособие / 3-е изд., доп. Санкт-Петербург : Лань, 2023. 140 с.

3. Галиаскаров, Э. Г. Анализ и проектирование систем с использованием UML: учебное пособие для вузов / Э. Г. Галиаскаров, А. С. Воробьев. Москва: Издательство Юрайт, 2024. 125 с.

4. Буч, Г. Язык UML. Руководство пользователя / Г. Буч, Дж. Рамбо, А. Джекобсон. 2-е изд. СПб.: ДМК Пресс; Питер, 2004. 432 с.

5. Матюшичев И.Ю., Пассет Б.В. Cоздание экспертной системы по прогнозированию потребности в лекарственных средствах // Фармация. 1995. Т. 44. № 2. С. 27.

6. Флегонтов А.В., Матюшичев И.Ю. Анализ современных тенденций в области методов и технологий искусственного интеллекта для информационных систем // В сборнике: Современные проблемы математики и математического образования. Международная научная конференция «78 Герценовские чтения». Санкт-Петербург, 2025. С. 336-341.

7. Kazimova, D.; Tazhigulova, G.; Shraimanova, G.; Zatyneyko, A.; Sharzadin, A. Transforming university education with AI: a systematic review of technologies, applications, and implications. International Journal of Engineering Pedagogy, 2025, Vol. 15, No. 1, Pp. 4–24.

8. Даггэн, С. Искусственный интеллект в образовании: изменение темпов обучения. Аналитическая записка ИИТО ЮНЕСКО; Перевод с английского: Паршаков А.В. Под ред. Князевой С.Ю. Москва: Институт ЮНЕСКО по информационным технологиям в образовании, 2020. 124 с.

9. Ng, D.T.K.; Leung, J.K.L.; Chu, S.K.W.; Qiao, M.S. Conceptualizing AI literacy: an exploratory review. Computers and Education: Artificial Intelligence, 2021, Vol. 2, Article number 100041.

Рекомендовано к публикации:
А.А.Ахаян, доктор педагогических наук, член Редакционной Коллегии

Literature

1. Khassan Goma. UML. Proyektirovaniye sistem real'nogo vremeni, parallel'nykh i raspredelennykh prilozheniy / per. s angl. Slinkin A.A. 2-ye izd. M.,DMK Press, 2023. 700 s.

2. Flegontov A.V., Matyushichev I.YU. Modelirovaniye informatsionnykh sistem. Unified Modeling Language : uchebnoye posobiye / 3-ye izd., dop. Sankt-Peterburg : Lan', 2023. 140 s.

3. Galiaskarov, E. G. Analiz i proyektirovaniye sistem s ispol'zovaniyem UML: uchebnoye posobiye dlya vuzov / E. G. Galiaskarov, A. S. Vorob'yev. Moskva: Izdatel'stvo Yurayt, 2024. 125 s.

4. Buch, G. YAzyk UML. Rukovodstvo pol'zovatelya / G. Buch, Dzh. Rambo, A. Dzhekobson. 2-ye izd. SPb.: DMK Press; Piter, 2004. 432 s.

5. Matyushichev I.YU., Passet B.V. Cozdaniye ekspertnoy sistemy po prognozirovaniyu potrebnosti v lekarstvennykh sredstvakh // Farmatsiya. 1995. T. 44. № 2. S. 27.

6. Flegontov A.V., Matyushichev I.YU. Analiz sovremennykh tendentsiy v oblasti metodov i tekhnologiy iskusstvennogo intellekta dlya informatsionnykh sistem // V sbornike: Sovremennyye problemy matematiki i matematicheskogo obrazovaniya. Mezhdunarodnaya nauchnaya konferentsiya «78 Gertsenovskiye chteniya». Sankt-Peterburg, 2025. S. 336-341.

7. Kazimova, D.; Tazhigulova, G.; Shraimanova, G.; Zatyneyko, A.; Sharzadin, A. Transforming university education with AI: a systematic review of technologies, applications, and implications. International Journal of Engineering Pedagogy, 2025, Vol. 15, No. 1, Pp. 4–24.

8. Daggen, S. Iskusstvennyy intellekt v obrazovanii: izmeneniye tempov obucheniya. Analiticheskaya zapiska IITO YUNESKO; Perevod s angliyskogo: Parshakov A.V. Pod red. Knyazevoy S.YU. Moskva: Institut YUNESKO po informatsionnym tekhnologiyam v obrazovanii, 2020. 124 s.

9. Ng, D.T.K.; Leung, J.K.L.; Chu, S.K.W.; Qiao, M.S. Conceptualizing AI literacy: an exploratory review. Computers and Education: Artificial Intelligence, 2021, Vol. 2, Article number 100041.

Матюшичев Илья Юрьевич
Российский государственный педагогический университет им. А. И. Герцена
РИНЦ AuthorID: 625416
SPIN-код: 3902-5551
Scopus AuthorID: 15731234100
Web of Science ResearcherID: AAE-1083-2019
ORCID: 0000-0001-8940-6928
Google Scholar ID: Gkm2sBMAAAAJ

Флегонтов Александр Владимирович
Российский государственный педагогический университет им. А. И. Герцена
РИНЦ AuthorID: 4385
SPIN-код: 8164-5259
Scopus AuthorID: 6506667889
Web of Science ResearcherID: K-4780-2013
ORCID: 0000-0003-2320-2476
Google Scholar ID: jSp5q4YAAAAJ