CC BY
7
чам Национального проекта, включая цифровизацию государственного управления, интеграцию платформы с государственными информационными системами и развитие цифровой инфраструктуры, что позволит использовать современные технологии для обеспечения высокой доступности и надежности сервисов, став частью стратегии цифровизации экономики для повышения эффективности и конкурентоспособности регионов.
Источники:
1. Российская Федерация. Законы. Об утверждении стратегии социально-экономического развития Тюменской области до 2030 года : Закон Тюменской области от 24 марта 2020 года №23 [Принят областной Думой 12 марта 2020 года]. - Справочно-правовая система «КонсультантПлюс»: Законодательство: Версия Проф. - Текст : электронный. - URL: http://www.consultant.ru
2. Российская Федерация. Законы. О Стратегии социально-экономического развития Ханты-Мансийского автономного округа -Югры до 2036 года с целевыми ориентирами до 2050 года [Распоряжение Правительства Ханты-Мансийского автономного окру-га-Югры от 3 ноября 2022 года N° 679-рп]. - Справочно-правовая система «КонсультантПлюс»: Законодательство: Версия Проф. -Текст : электронный. - URL: http://www.consultant.ru
3. Российская Федерация. Законы. О стратегии социально-экономического развития Ямало-Ненецкого автономного округа до 2035 года [Постановление Законодательного Собрания Ямало-Ненецкого автономного округа от 24 июня 2021 года № 478]. - Справоч-но-правовая система «КонсультантПлюс»: Законодательство: Версия Проф. - Текст : электронный. - URL: http://www.consultant.ru
4. Зубаревич, Н.В., Макаренцева, А.О., Мкртчян, Н.В. Социально-экономическое положение регионов и демографические итоги 2019 г. (по результатам регулярного мониторинга ИНСАП РАНХиГС) / Н.В. Зубаревич, А.О. Макаренцева, Н.В. Мкртчян // Экономическое развитие России. - 2020. - Т. 27. - № 4. - С. 73-87. - ISSN 2306-5001.
5. Рабаданова, А.А. Механизм реализации Стратегии социально-экономического развития региона / А.А. Рабаданова // Региональные проблемы преобразования экономики. - 2010. - № 2 (24). - С. 4. - ISSN 1812-7096.
6. Правительство Тюменской области : официальный сайт. - URL: https://admtyumen.ru/ - Текст : электронный.
7. Единый официальный сайт государственных органов Ханты-Мансийского автономного округа-Югры : официальный сайт. - URL: https://admhmao.ru/ - Текст : электронный.
8. Правительство Ямало-Ненецкого автономного округа : официальный сайт. - URL: https://yanao.ru/ (дата обращения: 04.11.2020). -Текст : электронный.
9. Стратегия СЭР ЯНАО / Правительство Ямало-Ненецкого автономного округа : официальный сайт. - Текст : электронный. -URL: https://de.yanao.ru/activity/24/
10. Стратегия социально-экономического развития Ханты-Мансийского автономного округа — Югры до 2050 года : официальный сайт. - URL: https://ugra2030.myopenugra.ru/ - Текст : электронный.
EDN: BJNIDT
А.В. Бабкин - к.т.н., д.э.н., профессор Высшей инженерно-экономической школы, заведующий НИЛ «Цифровая экономика промышленности», Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия, [email protected],
A.V. Babkin - candidate of technical sciences, doctor of economics, professor of the Higher School of Engineering and Economics, Head of NIL "Digital Economy of Industry", St Petersburg Polytechnic University of Peter the Great, St Petersburg, Russia;
К.Ю. Гаев - магистр экономики, Высшая инженерно-экономическая школа, Институт промышленного менеджмента, экономики и торговли, Санкт-Петербургский политехнический университет Петра Великого, РФ, Санкт-Петербург, Россия, [email protected],
K.Yu. Gaev - master student, Higher School of Engineering and Economics, Institute of Industrial Management, Economics and Trade, St Petersburg Polytechnic University of Peter the Great, St Petersburg, Russia;
П.А Михайлов - аспирант, Высшая инженерно-экономическая школа, Институт промышленного менеджмента, экономики и торговли, Санкт-Петербургский политехнический университет Петра Великого, РФ, Санкт-Петербург, Россия, [email protected],
P.A Mikhailov - graduate student, Higher School of Engineering and Economics, Institute of Industrial Management, Economics and Trade, St Petersburg Polytechnic University of Peter the Great, Russian Federation, St Petersburg, Russia;
Г.С. Теплицкий - аспирант, кафедра менеджмента и государственного и муниципального управления, Санкт-Петербургский университет технологий управления и экономики, Санкт-Петербург, Россия, [email protected],
G.S. Teplitsky - graduate student, Department of Management and Public and Municipal Management, St Petersburg University of Management Technologies and Economics, Russian Federation, St Petersburg, Russia.
МЕТОДИКА ВЫБОРА И ВНЕДРЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРЕДПРИЯТИЙ И КЛАСТЕРНЫХ ЭКОСИСТЕМ В УСЛОВИЯХ ИНДУСТРИИ 5.0 METHODOLOGY FOR THE SELECTION AND IMPLEMENTATION OF ARTIFICIAL INTELLIGENCE TECHNOLOGIES FOR ENTERPRISES AND CLUSTER ECOSYSTEMS IN THE CONTEXT OF INDUSTRY 5.0
Аннотация. Современные технологии искусственного интеллекта (ИИ) играют ключевую роль в трансформации бизнес-процессов, особенно в контексте Индустрии 5.0, где синергия между человеком и машиной становится критически важной. В данной работе разработана методика выбора и внедрения ИИ для предприятий и кластерных экосистем, направленная на повышение эффективности и оптимизацию процессов. Методика включает детальный анализ бизнес-процессов, оценку их характеристик и особенностей с использованием методологии IDEF0, а также оценку целесообразности внедрения ИИ, учитывая ограничения и риски. Кроме того, рассматривается сравнительный анализ альтернативных технологий ИИ и экономическая оценка их внедрения. Теоретическая и методологическая база исследования основана на научных публикациях, нормативно-правовых актах и государственной стратегии развития цифровой экономики. Представленные этапы и методы анализа позволяют объективно оценить и эффективно внедрить ИИ в бизнес-процессы, способствуя комплексной автоматизации и повышению конкурентоспособности предприятий.
Abstract. Modern artificial intelligence (AI) technologies play a key role in transforming business processes, especially in the context of Industry 5.0, where the synergy between humans and machines becomes critically important. This study develops a methodology for selecting and implementing AI for enterprises and cluster ecosystems, aimed at enhancing efficiency and optimizing processes. The methodology includes a detailed analysis of business processes, evaluation of their characteristics and features using the IDEF0 methodology, and assessment of the feasibility of AI implementation, considering constraints and risks. Additionally, a comparative analysis of alternative AI technologies and an economic evaluation of their implementation are considered. The theoretical and methodological foundation of the research is based on scientific publications, regulatory legal acts, and the national strategy for the development of the digital economy. The presented stages and methods of analysis enable an objective assessment and effective implementation of AI in business processes, contributing to comprehensive automation and increased competitiveness of enterprises.
Ключевые слова: Цифровые платформы, цифровые технологии, цифровая экономика, передовые технологии, промышленная революция, Индустрия 4.0/5.0, искусственный интеллект.
Keywords: Digital platforms, digital technologies, digital economy, advanced technologies, industrial revolution, Industry 4.0/5.0, artificial intelligence.
Благодарности. Исследование выполнено в рамках гранта Российского научного фонда № 23- 28-01316 «Стратегическое управление эффективным устойчивым ESG-развитием многоуровневой киберсоциальной промышленной экосистемы кластерного типа в циркулярной экономике на основе концепции Индустрия 5.0: методология, инструментарий, практика», https//rscf.ru/ project/23-28-01316.
Acknowledgments. The research was carried out within the framework of the grant of the Russian Science Foundation No. 23- 28-01316 "Strategic management of effective sustainable ESG development of a multi-level cybersocial industrial ecosystem of cluster type in a circular economy based on the concept of Industry 5.0: methodology, tools, practice", https//rscf.ru/ project/23-28-01316.
Введение
В настоящее время анализ и развитие технологий искусственного интеллекта (ИИ) в производственно-логистических процессах компаний являются ключевыми направлениями исследований. Использование технологий ИИ, таких как анализ больших данных, машинное обучение и рекомендательные системы, играет важную роль в обеспечении контроля качества продукции. Эти инструменты позволяют автоматизировать процессы распознавания веса и оценки качества продуктов, обрабатывая разнообразные данные о составе и свойствах ингредиентов, а также обратную связь от потребителей [1].
Применение ИИ включает использование алгоритмов машинного обучения для обнаружения аномалий в производственных процессах и прогнозирования качества продукции. Анализ больших объемов данных помогает выявлять закономерности и тенденции, которые могут быть использованы для улучшения производственных процессов и оптимизации использования ресурсов [2].
Технологии компьютерного зрения и алгоритмы обработки естественного языка могут быть применены для автоматического анализа текстовых и графических отзывов клиентов о продукции. Это позволяет быстро выявлять проблемы и предлагать решения для их устранения. [3]
Использование систем искусственного интеллекта в производственно-логистической деятельности компании способствует повышению эффективности и качества производства, а также созданию уникальных конкурентных преимуществ на рынке [4].
В аспекте оценки применимости искусственного интеллекта (ИИ) в бизнес-процессах компании необходимо учитывать множество экономических факторов, включая замещение трудовых функций, ценовую эластичность, комплементарность, эластичность доходов и редизайн бизнес-процессов. Эти факторы играют важную роль при анализе и принятии решений о внедрении технологий ИИ. Таким образом вопрос оценки эффективности внедрения цифровых платформ в целом или отдельных цифровых решений имеет на сегодняшний день значительную актуальность [5].
Цель исследования - разработать методику выбора и внедрения технологий искусственного интеллекта для предприятий и кластерных экосистем в условиях Индустрии 5.0.
Методы и материалы исследования.
Для выполнения данного исследования использовались различные методологические подходы, включая анализ, изучение и синтез существующей литературы, посвященной цифровизации и цифровым платформам. Применение метода индукции позволило выявить общие закономерности на основе конкретных наблюдений и данных. Важным этапом работы было использование методов классификации и обобщения полученных данных, что помогло определить перспективные направления для дальнейших исследований в этой области.
Теоретическая и методологическая база исследования основывалась на научных публикациях как отечественных, так и зарубежных авторов, которые рассматривали вопросы цифровизации, цифровых платформ для предприятий, их цифровой трансформации, а также концепции Индустрии 4.0 и 5.0 и цифровой экономики [6]. В процессе работы были тщательно проанализированы различные документы и нормативно-правовые акты, регулирующие процесс цифровизации и развитие цифровой экономики, что позволило сформировать целостное представление о текущем состоянии и перспективах развития цифровых технологий в России.
Особое внимание вопросам цифровых платформ уделяется правительством Российской Федерации. Одним из ключевых направлений государственной политики является интеграция цифровых платформ в сферу государственного управления и создание на их основе новых цифровых сервисов. Важным документом в этом контексте является указ Президента Российской Федерации от 9 мая 2017 года «О Стратегии развития информационного общества в Российской Федерации на 2017-2030 годы». Согласно этому указу, цифровая экономика рассматривается как хозяйственная деятельность, в которой основным фактором производства являются данные в цифровом формате. Обработка больших объемов данных и использование результатов анализа позволяют значительно повысить эффективность различных видов деятельности, включая производство, технологии, оборудование, хранение, продажу и доставку товаров и услуг [7].
На сегодняшний день в России действует Национальная программа «Цифровая экономика Российской Федерации», утвержденная 4 июня 2019 года. Эта программа охватывает широкий спектр вопросов, включая нормативное регулирование цифровой среды, развитие информационной инфраструктуры, внедрение цифровых технологий и искусственного интеллекта. Она направлена на создание условий для ускоренного внедрения цифровых решений в различных сферах жизни и деятельности, что является важным шагом на пути к цифровой трансформации российской экономики [8].
Аналитический отчет "Цифровая трансформация в России 2018" (рисунок 1) подчеркивает высокую значимость "сквозных" технологий в сфере ИТ и программного обеспечения. В большинстве аспектов российские разработки соответствуют мировым стандартам, однако в областях машинного обучения, голосовых интерфейсов и беспилотного транспорта существует заметное отставание [9].
НАПРАВЛЕНИЯ ПОДДЕРЖКИ ЦИФРОВЫХ ИНИЦИАТИВ
НАПРАВЛЕНИЕ ПОДДЕРЖКИ
Поддержка исследовательских программ ло СЦТ, реализуемых лидирующими исследовательскими центрами (ЛИЦ)
Поддержка российских компаний-лидеров (Ком лани и-лидеры)
Поддержка проектов га
преобразованию приоритетных отраслей (Отрасли)
Поддержка региональных проектов внедрения CUT (Регионы)
Субсидирование процентной ставки кредитным организациям (Льготное кредитование)
Поддержка малых предприятий (Малые предприятия)
Поддержка промышленных разработок (Промышленные разработки)
ОПЕРАТОР ХАРАКТЕРИСТИКА ПРОЕКТА TRL (УГТ)
V РВК НИОКР, направленные на достижение целевых показателей развития СЦТ, с последующей передачей разработок компаниям-партнерам для коммерциализации в приоритетны* отраслях* 3-6 Исследования и разработка
VPBK Разработка и коммерциализация отечественных решежй на основе СЦТ, направленных на достижение целевых показателей развития CUT 5-8 Разработка, инжиниринг и коммерциализация
Sk Проекты пилотного внедрения отечественных решений на основе CUT в приоритетные отрасли с потенциалом и возможностью отраслевого тиражирования 7-9 Пилотное внедрение в приоритетных отраслях
fassrsa, ш Проекты регионального тиражирования отечественных решений на основе CUT с высокой социально-экономической значимостью для субъекта РФ Проекты внедрения отечественных решений на основе CUT в приоритетные отрасли 7-9 Региональное внедрение 7-9 Внеярение в приоритетных отраслях
нмсшкпм .......... ,1 ИИНЛТОШС»Т JX юссин НИОКР в области цифровых решений, способствующие достижению целевых показателей развития CUT Проекты по разработке и коммерциализации цифровых платформ и программных продуктов, направленные на достижение целевых показателей развития СЦТ и соответствующие целям и задачам Госпрограммы «Развитие промышленности и повышение ее конкурентоспособности» 1-6 Исследования и разработка 0-7 Исследования, разработка и коммерциализация
ПОЛУЧАТЕЛЬ ПОДДЕРЖКИ
Российская
организация,
структурным
подразделением
которой
является ЛИЦ
Компании-разработчики
Отраслевые заказчики
Региональные заказчики
Заказчик проекта
Малые
предприятия-
разработчики
Компании-разработчики
Рисунок 1 - Направления поддержки цифровых инициатив
Основными заказчиками научных исследований и опытно-конструкторских работ выступают государственные фонды и федеральные органы власти. Тем не менее, по законодательству, включение информации о таких работах в реестр не является обязательным, что может привести к неполноте предоставленных данных.
Исследования института статистических исследований и экономики знаний НИУ ВШЭ показывают, что внедрение систем искусственного интеллекта может способствовать росту валового внутреннего продукта (ВВП) страны на 1 % к 2025 году. Это подтверждает значимость технологий ИИ для экономического развития и роста национальных экономик (рисунок 2) [10].
Рисунок 2 - Финансирование мероприятий проекта «Искусственного интеллекта»
Понимание важности и роли искусственного интеллекта (ИИ) в современном мире имеет важное значение для разработки стратегий развития различных секторов экономики. Недавние исследования показывают, что более чем у 20 % предприятий в России уже реализованы технологии ИИ, что, в свою очередь, способствует увеличению их прибыльности на 5 %. Эти выводы подчеркивают значимость инновационных технологий в современной экономике [11].
Результаты исследования
Для создания методики для принятия обоснованных решений о внедрении ИИ в бизнес-процессы компании следует изучить теоретические аспекты его применения в реинжиниринге бизнес-процессов. Методика должна охватывать анализ исходной информации, разработку методического подхода для оценки, обоснование применяемых методов и разработку этапов их обоснования.
Для разработки информационной базы методики использовались критерии, определенные Э. Бринолфссо-ном и Т. Митчелом, а также инструмент выбора приоритетных для автоматизации с использованием ИИ бизнес-процессов [12,13]. Этот инструмент включает в себя последовательность этапов, начиная с детального описания бизнес-процессов и заканчивая анализом их составляющих с использованием стандартных методологий.
На первом этапе исследования проводится всесторонний и углубленный анализ бизнес-процессов компании с участием высококвалифицированных экспертов. Специалисты детально изучают текущие процессы, описывают их и выявляют их взаимосвязь с долгосрочными стратегическими целями организации. При этом учитываются не только ресурсы, необходимые для выполнения задач, но и ограничения, такие как уровень квалификации персонала, состояние технического оборудования и объем доступных финансовых средств. Особое внимание уделяется выявлению узких мест и проблемных областей, требующих модернизации. Эти собранные данные становятся фундаментом для принятия обоснованных решений по внедрению искусственного интеллекта (ИИ) на последующих этапах исследования, позволяя точнее определить, где ИИ может принести наибольшую выгоду.
На втором этапе методики происходит детализированное описание характеристик и особенностей бизнес-процессов. Экспертная группа разделяет бизнес-процессы на четыре ключевых компонента в соответствии с методологией IDEF0: входные данные, управляющие воздействия, механизмы выполнения и выходные данные. В соответствии со стандартом ЕМБО 9001:2000, бизнес-процесс трактуется как совокупность действий и методов, преобразующих входные данные в желаемые результаты. Макропроцессы используются для общего описания всей цепочки создания ценности на предприятии, тогда как микропроцессы применяются для детального анализа внутренних аспектов процессов. Это позволяет всесторонне понять функционирование компании и выявить конкретные области для оптимизации с использованием ИИ [14].
На третьем этапе методики проводится оценка целесообразности внедрения ИИ в конкретные бизнес-процессы. Эксперты тщательно анализируют каждую функцию, выявляя существующие ограничения и потенциальные барьеры для внедрения ИИ. Важным аспектом является учет всех возможных ограничений, включая технологические риски, этические аспекты, требования интеграции с существующими системами и соответствие законодательным нормам. Учитывая эмерджентные свойства сложных систем, таких как предприятия, эксперты формируют всесторонний список функций бизнес-процесса, которые могут быть улучшены с помощью ИИ. Этот анализ включает оценку потенциала ИИ для автоматизации рутинных задач, повышения точности и скорости выполнения процессов, а также улучшения общей эффективности и производительности. На основании этого анализа формируется перечень функций для дальнейшей оценки, и эксперты делают выводы о целесообразности и готовности внедрения ИИ-технологий в соответствии с отраслевыми требованиями и ограничениями.
Таблица 1 - Классификация бизнес-процессов по уровню автоматизации (составлено авторами)
Категория Описание Примеры
Высокий уровень Полная автоматизация процессов с использованием ИИ Предсказательная аналитика, управление запасами
Средний уровень Частичная автоматизация, требующая минимального вмешательства человека Автоматизация бухгалтерского учета, управление кадрами
Низкий уровень Минимальная автоматизация, значительная зависимость от человека Ручная обработка заказов, поддержка клиентов
Методика предусматривает многократные итерации, позволяя учитывать изменения в ограничениях и требованиях. Описание методики используется для сравнительного анализа на основе представленной информационной базы. Ответы на вопросы помогают выполнить основную задачу методики, заключающуюся в оценке связанных компонентов бизнес-процессов с применением критериев, определенных в анкете для экспертной оценки.
Для выполнения основной задачи методики оцениваются группы компонентов бизнес-процессов с использованием анкетных опросов в качестве метода экспертной оценки. Этот сравнительный анализ в рамках информационной базы позволяет делать обоснованные выводы о целесообразности внедрения ИИ.
Благодаря представленным этапам и методам анализа, методика предоставляет возможность всесторонне оценить целесообразность внедрения ИИ в бизнес-процессы производственно-логистической компании, обеспечивая комплексный подход к автоматизации и повышению эффективности деятельности.
Процесс анкетного опроса включает несколько этапов [15]:
1) выбор объекта для экспертной оценки;
2) определение критериев для сравнения;
3) назначение весов каждому критерию;
4) установление сравнительной шкалы;
5) проведение сравнения.
Для проведения эффективного анализа результатов анкетного опроса была создана специальная таблица-матрица, где строки соответствуют критериям, а столбцы - функциям бизнес-процесса. В каждой ячейке таблицы содержатся оценки функций по каждому критерию, взвешенные их весами. Итоговая оценка каждой функции получается суммированием значений с учетом всех критериев.
На пятом этапе исследования экспертная группа анализирует общие оценки функций бизнес-процесса. Функции, которые превышают пороговое значение, рассчитанное как максимальная сумма всех оценок функций, умноженная на заданный коэффициент, считаются пригодными для автоматизации с применением ИИ. Для определения оптимального коэффициента рекомендуется рассматривать диапазон от 0,5 до 1, где более высокое значение снижает риски неудачного внедрения.
Шестой этап включает подготовку информации о существующих технологиях искусственного интеллекта. Создается база данных, содержащая информацию о всех доступных технологиях ИИ на момент исследования. Для каждой технологии предоставляются характеристики, такие как классификация, уровень ИИ, настройки, алгоритмы принятия решений и область применения. Также составляется список готовых решений с указанием стоимости внедрения и эксплуатации, что делает эту базу данных ключевым ресурсом для выбора оптимальных ИИ-решений.
На седьмом этапе эксперты выбирают оптимальное решение для каждой функции, анализируя характеристики доступных технологий и решений ИИ. Оценка может проводиться с использованием метода экспертной оценки, учитывая такие критерии, как опыт внедрения, стоимость, воздействие на другие процессы, совместимость и риск ошибок. Возможность параллельного выполнения функций позволяет применять одно решение для нескольких функций, повышая общую эффективность процесса [16].
Восьмой этап посвящен экономической оценке. Здесь проводится анализ срока окупаемости, чистой приведенной стоимости и нормы доходности проекта. При расчете чистой приведенной стоимости особое внимание уделяется скрытым издержкам, таким как стоимость привлечения экспертов, интеграция с существующими системами и возможные модификации. Также учитываются издержки, связанные с определенными типами технологий, например, стоимость привлечения аналитиков данных. Все эти факторы учитываются при принятии обоснованных решений о внедрении решений искусственного интеллекта в автоматизированные бизнес-процессы [17].
Процесс выбора и внедрения технологий искусственного интеллекта (ИИ) в организацию требует систематического и комплексного подхода, охватывающего несколько ключевых этапов. Каждый из этих этапов направлен на обеспечение наилучшего соответствия выбранных технологий стратегическим и операционным целям компании, а также на максимизацию их эффективности и полезности:
На первом этапе осуществляется анализ и установление границ применимости современных технологий ИИ, а также условий их выбора для повышения эффективности производственных и логистических процессов организации. Глубокое исследование существующих технологий ИИ и их потенциала позволяет выявить области, где их применение может привести к значительным улучшениям.
Второй этап предполагает формулировку критериев выбора конкретных технологий ИИ с учетом стратегических целей организации, особенностей производственного процесса и логистической сети. Критерии выбора должны быть измеримыми и применимыми к различным технологиям ИИ, чтобы обеспечить объективность решения [18].
Третий этап включает определение базовых и специальных требований к технологиям ИИ, учитывая, как общие требования (надежность, масштабируемость, безопасность), так и специфические требования, например, способность к обработке больших объемов данных. Четко определенные требования гарантируют соответствие выбранных технологий потребностям организации.
Четвертый этап подразумевает проведение сравнительного анализа различных альтернативных технологий ИИ для определения наиболее подходящих решений для компании. Этот процесс включает в себя тестирование выбранных технологий в реальных условиях рабочего процесса, что позволяет оценить их практическую эффективность и соответствие установленным критериям. Основное внимание уделяется таким аспектам, как производительность, надежность, интеграция с существующими системами и гибкость в адаптации к изменяющимся требованиям бизнеса. Результаты тестирования тщательно документируются и анализируются, чтобы обеспечить объективную оценку каждой технологии.
На четвертом этапе также проводится анализ обратной связи от сотрудников, участвующих в тестировании технологий ИИ. Их мнение о функциональности, удобстве использования и влиянии на их рабочие обязанности имеет значительное значение. Этот этап помогает выявить потенциальные проблемы и препятствия, которые могут возникнуть при полномасштабном внедрении технологии, и разработать стратегии их преодоления. Важно учитывать и такие показатели, как время, необходимое для обучения персонала, и ресурсы, затраченные на адаптацию рабочих процессов к новой технологии.
Пятый этап включает комплексное рассмотрение всех факторов, влияющих на выбор и внедрение технологий ИИ. Ключевые аспекты, такие как бюджет компании, стоимость внедрения и последующей эксплуатации технологий, квалификация персонала и доступность технической поддержки, тщательно анализируются. Финансовый анализ включает оценку стоимости лицензий на программное обеспечение, расходов на оборудование, затрат на обучение и переобучение сотрудников, а также возможных дополнительных расходов, связанных с техническим обслуживанием и поддержкой.
На пятом этапе также учитываются долгосрочные перспективы и потенциал выбранной технологии для масштабирования. Это включает оценку возможности интеграции ИИ с будущими системами и проектами компании, а также анализ устойчивости и гибкости технологии в условиях быстро меняющегося технологического ландшафта. Кроме того, рассматриваются риски, связанные с внедрением технологии, такие как возмож-
ные сбои в работе системы, вероятность возникновения непредвиденных затрат и влияние на организационную структуру компании.
Результаты пятого этапа обобщаются в виде детального отчета, который представляется руководству компании для принятия окончательного решения о целесообразности и приоритетности внедрения той или иной технологии ИИ.
В таблице 2 представлено описание последовательных этапов выбора технологий ИИ, которые помогут определить наиболее подходящие решения для совершенствования бизнес-процессов в компании.
Таблица 2 - Этапы выбора технологий искусственного интеллекта (составлено авторами)
Этап Ожидаемые результаты
Анализ и определение границ применимости - Изучение существующих технологий ИИ - Оценка их потенциала в контексте требований компании - Выявление сильных и слабых сторон каждой технологии
Формулировка критериев выбора - Разработка критериев выбора, учитывающих цели компании - Установление параметров, таких как точность, скорость, интеграция с существующими системами, экономическая целесообразность и надежность технологий [19]
Определение базовых и специальных требований - Установление общих требований, таких как масштабируемость, эффективность и гибкость - Определение специфических требований к каждой конкретной технологии в контексте ее применения в компании
Анализ альтернативных технологий - Сравнительный анализ различных технологий ИИ - Оценка их соответствия критериям выбора - Выявление наиболее подходящих технологий
Рассмотрение и учет факторов, влияющих на выбор - Анализ финансовых ресурсов - Оценка стоимости внедрения и эксплуатации технологий - Учет квалификации персонала и доступности технической поддержки - Оценка уровня развития технологий ИИ на текущий момент [20]
Непосредственный выбор технологии - Выбор конкретной технологии ИИ на основе проведенного анализа и установленных критериев - Выбор соответствующего программного и аппаратного обеспечения для реализации выбранной технологии
Внедрение различных технологий искусственного интеллекта (ИИ) предоставляет широкие возможности для автоматизации множества процессов, что ведет к значительному сокращению операционных затрат и повышению производительности компании. Автоматизация рутинных задач освобождает сотрудников от выполнения монотонной работы, позволяя им сосредоточиться на более сложных и творческих задачах, что в свою очередь способствует повышению общей эффективности организации и улучшению мотивации персонала [21].
Внедрение искусственного интеллекта (ИИ) в промышленную экосистему направлено на создание самоорганизующейся сети продуктов и услуг. Цель состоит в формировании мультиакторной сети, где участники различаются по стратегическим решениям и принципам. Концепция промышленного симбиоза играет ключевую роль, объединяя экономические системы через обмен материалами, энергией и отходами, что создает экономические и экологические преимущества. ИИ может автоматизировать процесс управления ресурсами и отходами, оптимизируя их использование и способствуя полной циркулярности в зрелых системах.
Внедрение ИИ также включает управление экосистемой через оркестрацию, где ведущая фирма (оркестратор) координирует действия участников. ИИ может обеспечить транспарентность, контроль рисков и соблюдение экосистемных правил. При этом использование ИИ в аналитике данных помогает минимизировать издержки и повысить эффективность взаимодействия между субъектами, что способствует стабильному развитию и адаптации промышленных экосистем к новым условиям [22].
Применение систем ИИ обеспечивает более точный контроль качества продукции и позволяет предлагать персонализированные решения для клиентов, что существенно улучшает клиентский опыт. Использование ИИ для анализа больших объемов данных и контроля качества продукции помогает компании своевременно выявлять и устранять потенциальные проблемы, тем самым повышая уровень удовлетворенности клиентов и укрепляя их доверие к бренду [23].
Процесс анализа и определения области применения современных технологий ИИ направлен на повышение эффективности производственных и логистических процессов. В условиях стремительно меняющегося рынка и бурного развития технологий внедрение ИИ становится необходимостью для компаний, стремящихся сохранить свою конкурентоспособность. Этот этап включает тщательное изучение существующих технологий ИИ с учетом специфики работы компании и ее индивидуальных требований. От выбора подходящих алгоритмов машинного обучения до определения конкретных применений ИИ, компании сталкиваются с рядом сложностей и вызовов, требующих профессионального подхода и глубокого анализа.
Для этой цели был проведен анализ и сравнение нескольких видов ИИ, таких как системы ИИ для оценки качества продукции, ИИ в логистике и ИИ в области чат-ботов. Каждая из этих областей представляет собой ключевой элемент в эффективной работе современного бизнеса. Контроль качества продукции на производственных линиях с использованием ИИ позволяет значительно сократить количество дефектов и улучшить общее качество продукции. В логистике ИИ помогает оптимизировать маршруты, сокращать время доставки и снижать затраты на транспортировку. Автоматизация обслуживания клиентов с помощью ИИ в виде чат-ботов позволяет существенно улучшить качество обслуживания, ускорить ответы на запросы клиентов и снизить нагрузку на отдел поддержки.
Для более детального понимания преимуществ и недостатков различных технологий ИИ был создан сравнительный анализ их применения в различных сферах бизнеса. Этот анализ включал исследование возможностей и ограничений каждой технологии, оценку их стоимости и эффективности, а также рассмотрение потенциальных рисков и выгод от их внедрения. В таблице 3 представлены результаты этого анализа, которые показывают, как ИИ может быть эффективно использован в различных областях бизнеса, таких как производство, логистика и обслуживание клиентов.
Кроме того, внедрение ИИ требует не только технической готовности, но и организационной перестройки. Это включает обучение персонала новым навыкам, адаптацию бизнес-процессов под новые технологии и обеспечение интеграции ИИ с существующими системами. Важно учитывать, что успешное внедрение ИИ зависит от способности компании адаптироваться к изменениям и готовности к постоянному улучшению и обновлению технологий [24].
Таким образом, представленные этапы и методы анализа позволяют обоснованно оценить целесообразность внедрения ИИ в бизнес-процессы производственно-логистической компании, обеспечивая комплексный подход к автоматизации и повышению эффективности деятельности. В условиях современной экономики, где конкуренция и инновации играют ключевую роль, применение ИИ становится важным стратегическим инструментом, способствующим устойчивому развитию и успеху компании.
Таблица 3 - Сравнение применения искусственного интеллекта в различных сферах бизнеса
Характеристика ИИ ИИ по определению качества продукции ИИ для логистики ИИ чат-бот
Применимость Методы машинного обучения и анализа данных применяются для контроля качества продукции на стадиях производства. ИИ для логистики использует алгоритмы оптимизации маршрутов и прогнозирования спроса для улучшения логистических процессов. ИИ чат-боты используются для автоматизации обслуживания клиентов и ответов на запросы через чаты и мессенджеры.
Потенциал ИИ позволяет снизить процент брака и повысить удовлетворенность клиентов за счет оперативного контроля качества продукции. ИИ в логистике помогает сократить время доставки, оптимизировать использование ресурсов и снизить издержки на логистические операции. ИИ чат-боты могут улучшить уровень обслуживания клиентов, снизить нагрузку на службу поддержки и повысить конверсию через персонализированные рекомендации.
Технологии Включает в себя методы машинного обучения, анализа данных, а также технологии компьютерного зрения для детекции дефектов продукции. Основан на методах машинного обучения, анализа Big Data и оптимизации маршрутов с применением алгоритмов машинного обучения. [25] Использует технологии обработки естественного языка (Natural Language Processing, NLP) и машинного обучения для обработки запросов и предоставления информации клиентам. [26]
Примеры реализации Автоматизированные системы контроля качества на производственных линиях с использованием камер и сенсоров. Платформы управления логистикой с алгоритмами прогнозирования спроса и оптимизации маршрутов. [26] Чат-боты на веб-сайтах, мессенджерах и социальных сетях, обученные отвечать на часто задаваемые вопросы и решать базовые проблемы клиентов.
Потенциал для компании Повышение репутации бренда и удовлетворенности клиентов за счет улучшения качества продукции и сокращения времени на выявление дефектов. Улучшение эффективности логистических операций и снижение издержек на их выполнение. Повышение уровня обслуживания клиентов, сокращение времени ответа на запросы и увеличение конверсии за счет персонализированных рекомендаций.
(Составлено авторами)
Выводы
В ходе проведенного исследования была раскрыта сущность и важность технологий искусственного интеллекта (ИИ) в трансформации бизнес-процессов, особенно в контексте Индустрии 5.0, где взаимодействие между человеком и машиной играет ключевую роль. Исследование продемонстрировало, что применение ИИ позволяет значительно повысить эффективность и оптимизировать процессы на предприятиях и в кластерных экосистемах [27].
Была разработана методика выбора и внедрения технологий искусственного интеллекта, включающая:
1. Анализ бизнес-процессов: Проведен глубокий анализ существующих процессов на предприятии, определены их характеристики и особенности с использованием методологии IDEF0. Это позволило идентифицировать ключевые компоненты процессов и их связь со стратегическими целями компании.
2. Оценка целесообразности внедрения ИИ: Проведена детальная оценка целесообразности внедрения ИИ в различные бизнес-процессы с учетом ограничений и рисков, таких как квалификация персонала, техническое оборудование, финансовые ресурсы и возможные изменения в законодательстве.
3. Сравнительный анализ альтернативных технологий ИИ: Проведен сравнительный анализ различных технологий ИИ, чтобы выявить наиболее подходящие решения для конкретных задач предприятия. Оценивались такие факторы, как стоимость внедрения, совместимость с существующими системами и риски ошибок.
Исследование также показало, что выбор и внедрение ИИ следует рассматривать как инвестиционный проект, требующий внимательного анализа рисков и оценки эффективности. Важно учитывать не только экономические, но и стратегические цели компании, такие как улучшение качества продукции, оптимизация логистических процессов и повышение уровня обслуживания клиентов.
Таким образом, представленные этапы и методы анализа позволяют объективно оценить и эффективно внедрить ИИ в бизнес-процессы, что способствует комплексной автоматизации и повышению конкурентоспособности предприятий в условиях Индустрии 5.0.
Направления дальнейших исследований
В ходе дальнейших исследований возможно применение полученных результатов и разработанных методик выбора и внедрения технологий ИИ на примере реальных компаний и кластерных экосистем. Особое внимание будет уделено анализу рисков и оценке эффективности внедрения ИИ в конкретных бизнес -процессах. Это позволит оценить практическую применимость и результативность предложенных методов, а также выявить возможные улучшения и адаптации методик под специфические условия различных отраслей.
Источники:
1. Демура, Н.А. Цифровизация: сущность и роль в развитии экономики страны и региона / Н.А. Демура, Н.П. Путивцева // Научный результат. Экономические исследования. 2021. Т. 7. № 1. С. 22-31.
2. Юдина, Т.Н. Цифровизация как тенденция современного развития экономики Российской Федерации: pro et contra / Т.Н. Юдина // Государственное и муниципальное управление. Ученые записки скагс. 2017. №3. - С. 139 - 143.
3. Васильев В. Г., Худякова М. В., Давыдов С. Классификация отзывов пользователей с использованием фрагментных правил //Программный комитет конференции выражает искреннюю благодарность Российскому фонду фундаментальных исследований за финансовую поддержку, грант N° 12-06-06045-г. - 2012. - С. 66.
4. Мозговой А. И. Повышение эффективности управления за счет цифровизации экономики //Вестник евразийской науки. - 2018. -Т. 10. - №. 5. - С. 37.
5. Ивановский Б. Г. Экономические эффекты от внедрения технологий «искусственного интеллекта» //Социальные новации и социальные науки. - 2021. - №. 2 (4). - С. 8-25.
6. Бабкин А.В., Федоров А.А., Либерман И.В., Клачек П.М. Индустрия 5.0: понятие, формирование и развитие // Экономика промышленности. 2021. Том 14 (№ 4). С. 375-385.7. Указ Президента Российской Федерации от 09.05.2017 г. «О Стратегии развития информационного общества в Российской Федерации на 2017 - 2030 годы» [Электронный ресурс]. - Сайт Президента Российской Федерации - Режим доступа: http://www.kremlin.ru/acts/bank/41919 (дата обращения: 19.02.2024).
7. Национальная Программа Цифровая экономика Российской Федерации [Электронный ресурс]. - Сайт Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации - Режим доступа: https://digital.gov.ru/ru/activity/directions/858/ (дата обращения: 20.02.2024).
8. Искусственный интеллект Российской Федерации [Электронный ресурс]. - Федеральный проект «Искусственный интеллект» -Режим доступа: https://unctad.org/system/files/official-document/der2021_overview_ru.pdf (дата обращения: 20.02.2024).
9. Цифровая трансформация: новые вызовы для бизнеса и руководителей компаний // Учебный центр подготовки руководителей НИУ ВШЭ: [сайт]. - URL: https://kc.hse.ru/2018/05/15/cifrovaya-transformaciya-novye-vyzovy/ (дата обращения: 10.03.2024).
10. Цифровая трансформация экономики и промышленности: проблемы и перспективы: монография / А.С. Алетдинова, А.В. Бабкин [и др.] / под ред. д-ра экон. наук, проф. А.В. Бабкина. СПб.: Изд-во Политехи. ун-та, 2017. 807 с.
11. Чупров К.К. Экспресс-метод диагностики бизнес-процессов компании. URL: http://www.cfin.ru/management/controlling/fsa/express.shtml (дата обращения: 05.03.2024).
12. Бабкин, А. В. Сущность цифровых платформ и особенности их применения в деятельности промышленных кластеров и предприятий / А. В. Бабкин, Л. В. Ташенова // Цифровая экономика и сквозные технологии: теория и практика / Под редакцией А. В. Бабкина. - Санкт-Петербург: Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого". - 2019. - С. 230-250.
13. Головенчик Г. Теоретические подходы к определению понятия «Цифровая экономика» // Наука и инновации. 2018. №1 (191). С. 54-59.
14. Глобальные тренды и перспективы научно-технологического развития Российской Федерации: докл. к XVIII Апр. междунар. науч. конф. по проблемам развития экономики и общества / Л.М. Гохберг, А.В. Соколов, А.А. Чулок и др.; Нац. иссл. ун-т «Высшая школа экономики». М.: Изд. дом Высшей школы экономики, 2017. 39 с.
15. Данелян Т. Я. Формальные методы экспертных оценок //Статистика и экономика. - 2015. - №. 1. - С. 183-187.методы исследования развития. М.: РЭУ им. Г.В. Плеханова, 2017. 332 с.
16. Бабкин А.В. Задачи принятия решений по развитию предпринимательских систем // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2013. № 3 (173). С. 119-130.
17. Chen C. et al. Artificial intelligence on economic evaluation of energy efficiency and renewable energy technologies //Sustainable Energy Technologies and Assessments. - 2021. - Т. 47. - С. 101358.
18. Цифровая трансформация экономики и промышленности: проблемы и перспективы: монография / А.С. Алетдинова, А.В. Бабкин [и др.] / под ред. д-ра экон. наук, проф. А.В. Бабкина. СПб.: Изд-во Политехи. ун-та, 2017. 807 с.
19. Акулинин Ф. В., Адамов Д. В. Россия на пороге сингулярности. Искусственный интеллект, основные аспекты и сложности развития и внедрения в России и в мире //Экономические отношения. - 2019. - Т. 9. - №. 2. - С. 867-880.
20. Ковальчук Ю. А. Цифровая экономика: трансформация промышленных предприятий / Ю. А. Ковальчук, И. М. Степнов // Инновации в менеджменте. - 2017. - № 1. - С. 32-43. - URL: https://www.elibrary.ru/item.asp?id=29041024 (дата обращения: 10.03.2024).
21. Плотников В. А. Цифровизация производства: теоретическая сущность и перспективы развития в российской экономике / В. А. Плотников // Известия Санкт-Петербургского государственного экономического университета. - 2018. - № 4. - С. 16-24. -URL: https://www.elibrary.ru/item.asp?id=35304372 (дата обращения: 10.03.2024).
22. Ходжаева Д. Ф., Омонов А. А., Тугизбоев Ф. У. Проблемы, с которыми можно столкнуться при внедрении искусственного интеллекта //Наука, техника и образование. - 2021. - №. 5 (80). - С. 23-26.
23. Искандерова Ш. Д. Влияние искусственного интеллекта на современный мир //Science and Education. - 2023. - Т. 4. - №. 4. - С. 564-570.
24. Глухов В. В., Бабкин А. В., Шкарупета Е. В., Плотников В. А. Стратегическое управление промышленными экосистемами на основе платформенной концепции // Экономика и управление. 2021. Т. 27. № 10. С. 752-766. http://doi.org/10.35854/1998-1627-2021-10-752-766.
25. Благовещенский И. Г. и др. Автоматизация контроля показателей качества и выявления брака продукции с использованием системы компьютерного зрения //Кондитерское производство. - 2016. - №. 3. - С. 26-30.
26. Кауфман Н. Ю., Зеленцова С. Ю. Взаимодействие HR Tech и обучения персонала //Вестник университета. - 2022. - №. 6. - С. 23-30.
27. Fan J., Han F., Liu H. Challenges of big data analysis //National science review. - 2014. - Т. 1. - №. 2. - С. 293-314.
28. Chowdhary K. R., Chowdhary K. R. Natural language processing //Fundamentals of artificial intelligence. - 2020. - С. 603-649.
29. Асаул А.Н., Карпов Б.М., Перевязкин В.Б., Старовойтов М.К. Модернизация экономики на основе технологических инноваций СПб: АНО ИПЭВ, 2008. 606 с.
