CC BY
2ИСКУССТВЕННЫМ ИНТЕЛЛЕКТ В БИЗНЕСЕ И ЕГО ВЛИЯНИЕ НА
ЭКОНОМИЧЕСКИЙ ЛАНДШАФТ
Базекина А.А.1, Головин Ф.С.2, Хрыкина А.Р.3
Финансовый университет при Правительстве Российской Федерации, Москва, РФ E-mail:[email protected]; [email protected]; [email protected] Научный руководитель: Невежин В.П., профессор
Финансовый университет при Правительстве Российской Федерации, Москва, РФ
E-mail: [email protected]
Аннотация. В статье рассмотрено влияние искусственного интеллекта на стратегическое управление в бизнесе. Анализируется, как ИИ трансформирует процессы принятия решений, повышая эффективность и конкурентоспособность компаний. Особое внимание уделяется адаптации к новым технологиям и потенциальным ограничениям, связанным с качеством данных и сложностями их интерпретации. Подчеркивается необходимость сбалансированного подхода к интеграции ИИ, учитывая как возможности, так и вызовы, связанные с этой технологией.
Ключевые слова: искусственный интеллект, стратегическое управление, стратегический менеджмент, принятие решений.
ARTIFICIAL INTELLIGENCE IN BUSINESS AND ITS IMPACT ON THE
ECONOMIC LANDSCAPE
A.A. Bazekina1, F.S. Golovin2, A.R. Khrykina3
Financial University under the Government of the Russian Federation, Moscow, Russia E-mail:1 [email protected]; [email protected]; [email protected] Scientific director: V.P. Nevezhin, Professor Financial University under the Government of the Russian Federation, Moscow, Russia
E-mail: [email protected]
Abstract. The article explores the impact of artificial intelligence on strategic management in business. It analyzes how AI is transforming decision-making processes, enhancing efficiency and competitiveness of companies. Special attention is given to adapting to new technologies and potential limitations related to data quality and interpretation complexities. The necessity of a balanced approach to AI integration is emphasized, considering both the opportunities and challenges associated with this technology.
Keywords: artificial intelligence, strategic management, decision-making.
ВВЕДЕНИЕ процессов, улучшения прогнозирования и
На рубеже 20-го века научная фантастика принятия решений, а также создания новых
привнесла понятие искусственного интеллекта продуктов и услуг, улучшающих
(ИИ). В 1950-х годах ученые, вместе с Аланом пользовательский опыт и конкурентоспособность
Тьюрингом, который является родоначальником компании [1].
современного компьютера, уже обсуждали Искусственный интеллект (ИИ)
возможности ИИ в создании интеллектуальных преобразовывает стратегическое управление,
машин. В 1956 году была разработана первая обеспечивая глубокий анализ данных и
программа искусственного интеллекта, что оптимизацию процессов принятия решений. Эта
послужило стимулом к развитию в области технология позволяет компаниям адаптироваться
машинного обучения и алгоритмов, сделав ИИ к динамично меняющимся рыночным условиям и
неотъемлемой частью современной эпохи улучшать конкурентоспособность за счет более
больших данных. точного прогнозирования и планирования.
С конца 19-го века начали применять Однако, несмотря на значительные
различные концепции управления и технологии, преимущества, ИИ в стратегическом
что повышало конкурентоспособность менеджменте сталкивается с ограничениями,
отдельных организаций и стран. С середины 20- такими как качество входных данных и
го века компании начали применять ИИ в бизнесе сложность интерпретации сложных человеческих
для повышения эффективности, оптимизации взаимодействий, что требует внимательного
управления и интеграции с традиционными подходами к управлению.
ОБЗОР ЛИТЕРАТУРЫ
Статья, посвященная использованию искусственного интеллекта в принятии стратегических решений в бизнесе, представляет собой увлекательное исследование современных тенденций в области бизнес-аналитики. В статье приведен анализ роли искусственного интеллекта в улучшении процессов принятия стратегических решений и его значимости для современных организаций.
В статье подробно рассматриваются преимущества использования искусственного интеллекта в бизнесе, такие как повышение эффективности и точности анализа данных, улучшение прогнозирования трендов и оптимизация стратегического планирования. Также затронуты проблемы, с которыми могут столкнуться компании при внедрении и использовании искусственного интеллекта.
Особое внимание в статье уделено примерам успешного применения искусственного интеллекта в различных отраслях бизнеса, что демонстрирует его широкий потенциал и возможности для улучшения
конкурентоспособности компаний.
В целом, статья представляет собой ценный исследовательский материал, который помогает понять роль искусственного интеллекта в современном бизнесе и его потенциал для улучшения стратегического управления. Она является отличным источником информации для всех, кто интересуется темой цифровой трансформации и инноваций в бизнесе.
МЕТОДЫ ИССЛЕДОВАНИЯ
В статье, посвященной использованию искусственного интеллекта в принятии стратегических решений в бизнесе, применены различные методы исследования. Был проведен литературный обзор, благодаря которому удалось проанализировать актуальные научные публикации о применении ИИ в бизнесе и стратегическом управлении. Это позволило выявить основные тенденции, проблемы и перспективы развития данной области. Далее, был выполнен анализ примеров практического
применения ИИ в различных компаниях, что помогло идентифицировать ключевые принципы и методы работы, способствующие успешному применению ИИ в бизнесе и стратегическом управлении.
РЕЗУЛЬТАТЫ И ДИСКУССИЯ
Для получения представления об использовании искусственного интеллекта (ИИ) в бизнес-процессах и его влияние на принятие стратегических решений необходимо провести анализ реальных кейсов и данных, который позволит выявить основные направления и эффекты от внедрения ИИ.
1. ИСПОЛЬЗОВАНИЕ ИИ В БИЗНЕСЕ
Можно выделить несколько направлений использования ИИ в бизнесе:
1. Прогнозирование спроса
Прогнозирование спроса на продукцию играет
ключевую роль в разработке технологических изделий, улучшении взаимодействия с клиентами и эффективности работы предприятия. Увеличение точности в прогнозах позволяет сократить риски и издержки, улучшить управление запасами, разработать
стратегический план деятельности организации и определить продукцию, наиболее
востребованную у потребителей [2]. В прогнозировании спроса активно применяются алгоритмы машинного обучения, такие как линейная регрессия для оценки зависимости спроса от различных факторов, решающие деревья и случайные леса для учета нелинейных взаимосвязей и сложных паттернов поведения потребителей. Также нейронные сети используются для обработки больших объемов данных и выявления скрытых закономерностей, что позволяет повысить точность прогнозов спроса [3].
2. Сегментация потребителей
Одним из основных направлений применения машинного обучения является сегментация потребителей - это применение машинного обучения, которое помогает бизнесу разделять своих клиентов на группы согласно их характеристикам, потребностям, предпочтениям или поведению. Сегментация клиентов может способствовать лучшему пониманию клиентов,
настройке маркетинговых стратегий,
предложению персонализированных услуг и оптимизации ценообразования [2]. Сегментация клиентов может использовать различные техники машинного обучения, такие как кластеризация, классификация или регрессия, для нахождения оптимального способа сегментации клиентов на основе доступных данных. Например, онлайн-ретейлеры используют машинное обучение для сегментации своих клиентов на основе истории покупок, поведения при просмотре или демографической информации [4].
3. Рекомендательные системы
Одно из наиболее распространенных и популярных применений машинного обучения в бизнесе — это системы рекомендаций. Эти системы применяют алгоритмы машинного обучения для анализа предпочтений, поведения и отзывов пользователей, чтобы предложить им соответствующие продукты, услуги или контент. Системы рекомендаций могут повысить удовлетворенность клиентов, их лояльность, удержание и доходы компаний, работающих в сферах электронной коммерции, развлечений, образования и других [5, С. 83].
4. Обнаружение мошенничества
Также одним из ключевых применений машинного обучения в бизнесе - это выявление мошенничества. Этот процесс включает в себя использование методов машинного обучения для выявления и предотвращения мошеннических транзакций, действий или поведения, которые могут привести к финансовым потерям или ущербу для репутации компаний или их клиентов. Для обнаружения мошенничества могут использоваться методы машинного, которые позволяют исторические данные и выявлять аномалии, модели или выбросы, указывающие на мошенничество. Например, компании, выпускающие кредитные карты, применяют машинное обучение для отметки подозрительных операций и оповещения держателей карт или властей [6, С. 57].
5. Автопилоты и автономные транспортные системы
Искусственный интеллект обладает
способностями анализировать текущую обстановку
(обрабатывать данные, управлять ресурсами, выполнять диагностику) и принимать на ее основе решения. "Умные" устройства могут использоваться компаниями для контроля за процессами производства, управления роботами, АТС, дронами и другими устройствами или качестве систем для доставки. Это позволяет компании минимизировать человеческий фактор [7].
6. Языковые модели
Генеративный искусственный интеллект (ИИ), особенно большие языковые модели (БЯМ), созданные на основе разработок в области машинного обучения и обработки естественного языка, представляют собой смену парадигмы во взаимодействии с информацией и, как следствие, в способах нашей работы. Эти технологии способны создавать оригинальный контент, извлекать полезные выводы из больших объемов данных, переводить языки с точностью, близкой к человеческой, и потенциально даже принимать сложные решения [8]. Всесторонность и эффективность этих технологий, включая новые интерфейсы взаимодействия человека с машиной на основе БЯМ, такие как интеллектуальные агенты, могут иметь глубокие последствия для рабочих мест и будущего рынка труда.
7. Чат-боты и виртуальные ассистенты
Виртуальные помощники или "умные" чат-
боты обладают человеческими способностями. Они позволяют часть рутинных задач снять с людей, снизить расходы за счет этого и повысить привлекательность бренда, которая определяется характером взаимодействия с клиентами. ИИ отличается от сотрудника отсутствием эмоционального воздействия и высокой скоростью обработки запросов.
Преимущества "умных" чат-ботов
определяются их способностью поддерживать контекст общения, при этом не затрачивая человеческие ресурсы. Чат-боты способны решить большинство проблем, с которыми приходят пользователи.
Однако есть и недостатки таких систем: это стоимость и трудность обучения. Перед тем, как бот будет готов ответить на любой вопрос в контексте деятельности организации, его этому нужно обучить [9].
2. КАК ИИ ИЗМЕНИЛ БИЗНЕС
Для определения того, как именно технологии ИИ трансформируют отраслевые стандарты и процессы, а также для определения потенциала искусственного интеллекта (ИИ) в стратегическом управлении, необходимо рассмотреть конкретные примеры использования ИИ в бизнесе.
Амазон активно использует передовые технологии глубокого обучения для уменьшения объемов упаковочных отходов путем определения оптимального количества упаковки для каждого товара. Это стало возможным благодаря анализу больших данных, поступающих из многочисленных отзывов клиентов и изображений продукции. В результате, за последние шесть лет, Амазон смог сократить вес упаковки на 36% и уменьшить использование упаковочных материалов более чем на миллион тонн, что позволило не только снижает затраты и увеличить удовлетворенность клиентов, но и внести значительный вклад в устойчивое развитие компании [10].
Компания Google активно применяет искусственный интеллект для повышения эффективности своих центров обработки данных. В частности, с помощью машинного обучения, разработанного DeepMind, Google смогла сократить энергопотребление на охлаждение до 40%. Используя нейронные сети, обученные на различных рабочих сценариях и параметрах данных центров, компания создала адаптивную систему для оптимизации работы оборудования и управления энергопотреблением [11].
Netflix успешно использует искусственный интеллект (ИИ) для персонализации контента, что значительно повышает популярность сервиса. ИИ анализирует предпочтения пользователей, основываясь на просмотренных фильмах и сериалах, оценках и выбранных жанрах. Затем, используя сложные алгоритмы машинного обучения, система определяет закономерности в поведении пользователей и предлагает контент, который им наиболее понравится. Благодаря этой системе рекомендаций, до 80% просмотров на платформе приходится на подобранный таким образом контент [12].
IBM использует искусственный интеллект для улучшения обнаружения и предотвращения мошенничества в банковских, карточных и платёжных системах. В новом процессоре IBM Z16 Telum внедрен специализированный ускоритель ИИ, который позволяет применять модели ИИ непосредственно на чипе в реальном времени. Это значительно увеличивает пропускную способность и сокращает время отклика, позволяя обрабатывать практически все транзакции через модели обнаружения мошенничества на основе глубокого обучения. Это нововведение потенциально может сократить потери от мошенничества на сумму до 161 миллиарда долларов глобально, обеспечивая более эффективное и быстрое решение проблемы мошенничества в финансовой сфере [13].
После рассмотрения практического влияния искусственного интеллекта (ИИ) на различные бизнес-процессы необходимо глубже
погрузиться в его роль в стратегическом менеджменте, для понимания роли ИИ в стратегическом управлении в настоящее время.
3. ИИ В СТРАТЕГИЧЕСКОМ МЕНЕДЖМЕНТЕ
Искусственный интеллект (ИИ) проникает в стратегическое управление, предлагая новые подходы к анализу данных и принятию решений, что вносит существенные изменения в управленческие процессы. Влияние ИИ на стратегическое управление, его потенциальное использование, подтверждающие и
ограничивающие факты, а также перспективы ИИ рассматриваются ниже более подробно.
ИИ способствует разработке стратегий, основанных на анализе больших объемов данных, что позволяет глубже понимать рыночные тренды и поведение потребителей. Системы ИИ помогают компаниям адаптироваться к изменениям, предсказывать будущие тенденции и оптимизировать процессы принятия решений, делая их более оперативными и основанными на фактических данных. Использование ИИ в стратегическом планировании может также ускорить анализ, являющийся входным параметром для стратегии, и даже изменить подход к большим решениям,
которые регулярно пересматриваются на основе изменяющихся предположений [14].
Использование ИИ для стратегического управления
ИИ активно используется для улучшения стратегического управления, особенно в сферах, требующих анализа больших объемов данных и принятия решений на их основе. Компании, использующие ИИ, могут быстрее реагировать на изменения рынка и принимать обоснованные решения, что повышает их
конкурентоспособность. Это подтверждается примерами компаний, которые адаптировали своё финансовое планирование под наблюдаемые рыночные паттерны с помощью ИИ, что позволило им быстро реагировать на изменения спроса и предложения и поддерживать рентабельность [15].
Факты, поддерживающие использование ИИ:
1. Адаптация к изменениям - ИИ способен быстро адаптироваться к изменениям внешней среды, что критически важно для стратегического управления.
2. Объективность решений - ИИ обеспечивает объективный анализ данных, минимизируя человеческие предвзятости и ошибки.
3. Прогнозирование и оптимизация - ИИ помогает предсказывать тренды и оптимизировать процессы, что делает стратегические решения более эффективными [3].
Факты, ограничивающие использование ИИ:
1. Требование к качеству данных -эффективность ИИ напрямую зависит от качества входных данных. Недостаточно качественные или неполные данные могут привести к ошибочным выводам.
2. Сложность нестандартных ситуаций - ИИ может не учитывать все нюансы человеческого поведения и социальных взаимодействий, что затрудняет принятие сложных стратегических решений.
3. Человеческий фактор - несмотря на преимущества ИИ, человеческое участие остаётся критически важным, так как стратегические решения часто требуют понимания контекста и эмоционального
интеллекта, которые машины пока не способны полностью воспроизвести [14].
Перспективы использования ИИ в стратегическом управлении обнадеживают, но требуют осознанного подхода к интеграции этой технологии в управленческие процессы. ИИ может стать важным инструментом для анализа и оптимизации стратегий, однако его эффективность будет зависеть от способа интеграции в существ
4. РОСТ ИСПОЛЬЗОВАНИЯ ИИ В БИЗНЕСЕ: ТЕНДЕНЦИИ И ПЕРСПЕКТИВЫ
Многие убеждены, что в будущем искусственный интеллект заменит большую часть профессий, что повысит уровень безработицы в развитых странах. Однако замена рабочих мест возможна лишь в сфере добычи ископаемых, строительства и производства, в то время как в других профессия ИИ станет помощником в выполнении рутинных и повторяющихся операций: поиск документов, ответы потенциальным клиентам, обработка платежей и т.д. По сравнению с 2017 г. в 2022 г. процент компаний, которые использует в своей деятельности нейросети, увеличился на 30%, а в 2024 году больше половины организаций во всем мире используют искусственный интеллект. По данным 2024 года, ИИ экономит сотруднику в среднем 2,5 часа в день. Использование программного обеспечения и инструментов на базе искусственного интеллекта позволяет значительно быстрее выполнять 15% всех рабочих задач в США уже сегодня. В будущем ИИ может забрать на себя от 47% до 56% всех рабочих задач [16, 17].
В рамках исследования Microsoft 2023 года было опрошено более 1000 бизнес-лидеров и сотрудников компаний, из которых почти 50% остерегаются внедрения в свою работу искусственного интеллекта по причине страха потери рабочих мест. 70% опрошенных, в большинстве своем это сотрудники руководящих должностей и менеджеры, готовы делегировать часть рутинных операций на AI, чтобы снизить нагрузку и уделить время более стратегическим задачам. Для бизнеса важны сотрудники со знанием функционирования нейросетей. Тесная коммуникация персонала и ИИ позволит
повысить производительность, сэкономить время и ресурсы, увеличить творческую и техническую поддержку и укрепить репутацию компании [18].
Важно понимать, что искусственный интеллект является не заменой человека, а лишь его помощником. Преимущество ИИ
заключается в его способности анализировать огромные объемы данных и выявлять закономерности, неочевидные для человеческого восприятия. Однако решение о принятии конкретных мер остается за человеком.
Сегодня ИИ применяется в компаниях для развития бизнеса. Важно понимать: ИИ поможет компаниям только при грамотно выстроенном взаимодействии с сотрудниками. Такое сотрудничество позволит не только сократить время обработки рутинных операций, но и повысить
На данный момент некоторые сотрудники осторожно относятся к искусственному интеллекту и не всегда знают, как с ним работать. Для успешной интеграции ИИ в бизнес-процессы критически важно правильно формулировать запросы. В этом контексте пользователи выступают в роли «клиентов» системы ИИ. Эффективное использование нейросетей зависит от нескольких ключевых аспектов:
1. Осознание возможностей ИИ: понимание, какие задачи лучше всего решаются с помощью ИИ, и осведомлённость о технических ограничениях.
2. Точная формулировка запросов: способность ясно определить и описать задачи и цели, которые должен решить ИИ.
3. Компетенции в области данных: знание основ данных, статистики и методов машинного обучения, что необходимо для эффективного применения алгоритмов ИИ.
ЗАКЛЮЧЕНИЕ
Проведенное исследование демонстрирует, как искусственный интеллект (ИИ) кардинально изменяет бизнес-процессы и стратегическое управление. ИИ не только автоматизирует рутинные задачи, но и существенно повышает точность прогнозирования, оптимизирует взаимодействие с клиентами и улучшает логистические операции. Такие изменения открывают новые возможности для повышения эффективности и стимулирования инноваций в компаниях.
Однако, несмотря на многочисленные преимущества, интеграция ИИ требует внимательного управления и адаптации. Необходимо учитывать не только технологические возможности, но и потенциальные вызовы, такие как вопросы безопасности данных и этики использования ИИ. Подход к внедрению ИИ должен быть сбалансированным, с учетом специфики отрасли и индивидуальных потребностей компании.
Ожидается, что в ближайшем будущем ИИ привнесет значительную добавленную стоимость в экономику, открывая новые пути для сокращения издержек и увеличения доходов. Вклад ИИ в развитие отраслей будет расти, предоставляя компаниям инструменты для достижения устойчивого роста и конкурентного преимущества на мировом рынке.
Список использованных источников
1. Tproger. Нейросети: начало или что было до ChatGPT. - URL: (Дата обращения: 20.03.2024)
2. What are some examples of successful machine learning applications in business? - URL: https://www.linkedin.eom/advice/3/ (Дата обращения: 01.04.2024)
3. Пилипенко А.Ю. Прогнозирование спроса на товары средствами машинного обучения // Научно-образовательный журнал для студентов и преподавателей «StudNet» N°2/2022.
4. TechTalk. Customer segmentation: How machine learning makes marketing smart. - URL: https://bdtechtalks.com/2020/12/28 (Дата обращения: 22.03.2024)
5. Ершов Т.А. РЕКОМЕНДАТЕЛЬНАЯ СИСТЕМА ДЛЯ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА// E-Scio. 2023. №8 (83). - URL: https://cyberleninka.ru/article/ (дата обращения: 20.04.2024).
6. Багреева Е.Г., Исмаилов Н.Э.-Оглы, Бобылева Л.М. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК ПРОТИВОДЕЙСТВИЕ МОШЕННИЧЕСТВУ В БАНКОВСКОЙ СФЕРЕ// Евразийская адвокатура. 2022. №2 (57). - URL: https://cyberleninka.ru/article/ (Дата обращения: 20.04.2024).
7. Вкалывают роботы: как ИИ и машинное обучение меняют повседневную жизнь. - URL: https://habr.com/ru/companies/first/articles/ (Дата обращения: 15.03.2024).
8. Humza Naveed, Asad Ullah Khan, Shi Qiu, Muhammad Saqib, Saeed Anwar, Muhammad Usman, Naveed Akhtar, Nick Barnes, Ajmal Mian A
Comprehensive Overview of Large Language Models// Cornell University 2023. - URL: https://arxiv.org/pdf/ (Дата обращения 14.04.2024).
9. Как искусственный интеллект управляет виртуальными помощниками и чат-ботами - URL: https://techbullion.com/ (Дата обращения: 18.03.2024).
10. How Amazon is using AI to deliver customer orders with less packaging. - URL: https://www.aboutamazon.com/news/sustainability/ (Дата обращения 10.04.2024).
11. DeepMind AI Reduces Google Data Centre Cooling Bill by 40%. - URL: https://deepmind.google/discover/blog/ (Дата обращения 10.04.2024).
12. Case Study: How Netflix Uses AI to Personalize Content Recommendations and Improve Digital Marketing. - URL: https://medium.com/@shizk/ (Дата обращения 10.04.2024).
13. How high-tech AI is helping stop real-time payment fraud. - URL: https://www.ibm.com/blog/ (Дата обращения 10.04.2024).
14. Artificial intelligence in strategy. - URL: https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/ (Дата обращения 15.04.2024).
15. Intelligence gathering: Bringing AI technology into strategic planning. - URL: https ://www2. deloitte.com/us/en/pages/finance/article s/ (Дата обращения 15.04.2024).
16. How Many Companies Use AI? (New Data) - URL: https://explodingtopics.com/blog/ (Дата обращения 16.04.2024).
17. What Careers Will Likely Be Replaced By AI? 20 Jobs to Watch. - URL: https://unmudl.com/blog/ (Дата обращения 13.04.2024).
18. The economic potential of generative AI: The next productivity frontier. - URL: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/ (Дата обращения 07.04.2024).
V V
