در سیستم‌های سنتی، تمرکز بر ویژگی‌های کیفی (Quality Attributes) شناخته‌شده‌ای همچون کارآیی (Performance)، امنیت (Security) و نگهداشت‌پذیری (Maintainability) است. این ویژگی‌ها اغلب به‌خوبی در چارچوب‌های کلاسیک مهندسی نیازمندی‌ها (Requirements Engineering – RE) از جمله مدل پرسمن (Pressman) پوشش داده شده‌اند.
اما در سیستم‌های هوشمند (Intelligent Systems)، ویژگی‌های کیفی جدیدی مطرح می‌شوند که از لحاظ ماهیت، پیچیده‌تر و دشوارتر برای فرموله‌سازی (Formalization) هستند. برخی از این ویژگی‌ها عبارت‌اند از:
عدالت (Fairness): مانند تبعیض‌زدایی از گروه‌های خاص کاربری (Non-discrimination against specific user groups)
شفافیت و قابلیت توضیح (Transparency and Explainability): توانایی توضیح چگونگی و چرایی تصمیم‌گیری مدل
مقاومت در برابر داده‌های خصمانه (Robustness to Adversarial Inputs): توانایی مدل در مواجهه با داده‌های مخرب یا گمراه‌کننده
پایبندی به اصول اخلاقی و الزامات قانونی (Ethical and Regulatory Compliance): مانند رعایت استانداردهای GDPR یا اصول عدالت‌محور هوش مصنوعی
این ویژگی‌ها به‌سختی در قالب مشخصات رسمی یا کمی قابل بیان‌اند و ابزارها و متدولوژی‌های سنتی برای تعریف و اعتبارسنجی آن‌ها کفایت نمی‌کنند.
شهاب و همکاران (Shehab et al., 2020) بر اهمیت گنجاندن نیازمندی‌های اجتماعی و اخلاقی (Societal and Ethical Requirements) در فرآیند مهندسی نیازمندی‌ها تأکید می‌کنند؛ نیازهایی که به‌ندرت در مهندسی نرم‌افزار سنتی رسمی‌سازی شده‌اند[1].
در نتیجه، مهندسی نیازمندی‌ها برای سیستم‌های هوشمند باید به‌سوی رویکردهای جدیدی حرکت کند که توانایی بیان، سنجش، و ارزیابی ویژگی‌های کیفی پیچیده، غیرفنی، و وابسته به زمینه را داشته باشند—ویژگی‌هایی که در عصر هوش مصنوعی، به‌ویژه در کاربردهای حساس مانند سلامت، قضاوت، و امور مالی، نقشی حیاتی ایفا می‌کنند.
[1] M. Shehab, L. Abualigah, M. I. Jarrah, O. A. Alomari, and M. S. Daoud, “(AIAM2019) Artificial Intelligence in Software Engineering and inverse: Review,” Int. J. Comput. Integr. Manuf., vol. 33, no. 10–11, pp. 1129–1144, 2020, doi: 10.1080/0951192X.2020.1780320.