CC BY
1
Вестник Челябинского государственного университета. 2023. № 12 (482). С. 126-133. ISSN 1994-2796 (print). ISSN 2782-4829 (online)
Bulletin of Chelyabinsk State University. 2023;(12(482):126-133. ISSN 1994-2796 (print). ISSN 2782-4829 (online) Научная статья УДК 004.89:65.012.4
doi: 10.47475/1994-2796-2023-482-12-126-133
ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ПРИНЯТИИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В СИСТЕМЕ КОРПОРАТИВНОГО МЕНЕДЖМЕНТА
Александр Владимирович Агеев1, Сергей Вадимович Симонов2^, Сергей Михайлович Кашин3, Виталий Анатольевич Матчинов4, Игорь Владимирович Черпаков5
1 Финансовый университет при Правительстве Российской Федерации, Орел, Россия, [email protected], ORCID 0000-0001-5974-2488
2 Финансовый университет при Правительстве Российской Федерации, Орел, Россия, [email protected], ORCID 0000-0003-4190-1641
3 Финансовый университет при Правительстве Российской Федерации, Санкт-Петербург, Россия, [email protected], ORCID 0000-0003-8342-5151
4 Финансовый университет при Правительстве Российской Федерации, Калуга, Россия, [email protected], ORCID 0000-0002-9342-6152
5 Финансовый университет при Правительстве Российской Федерации, Липецк, Россия, [email protected], ORCID 0009-0007-5592-0145
Аннотация. Расширение практики использования интеллектуальных компьютерных систем на основе искусственного интеллекта позволяет оперировать большим количеством вводных данных, генерировать на основе предшествующего опыта и конкурентного анализа большее число альтернатив, выбирать и ре-ализовывать оптимальную из них для текущих рыночных условий. Такие возможности особенно востребованы при решении нестандартных, сложных, неструктурированных управленческих задач. Результатом применения технологий искусственного интеллекта в системе принятия управленческих решений является повышение гибкости и эффективности бизнес-процессов, реализация лучших комплексных вариантов в режиме ограниченного времени и ресурсов. Статья посвящена рассмотрению результатов современных исследований и успешных кейсов, связанных с использованием технологии искусственного интеллекта в корпоративном управлении. Методологическая основа представлена общенаучными методами познания: сравнительным анализом, систематизацией и т. п. В результате на основе анализа управленческой практики определяются общие требования к использованию искусственного интеллекта в процессе принятия решений в системе корпоративного управления.
Ключевые слова: процесс принятия управленческих решений, бизнес-процесс, искусственный интеллект, нейронные сети
Для цитирования: Агеев А. В., Симонов С. В., Кашин С. М., Матчинов В. А., Черпаков И. В. Возможности использования искусственного интеллекта при принятии управленческих решений в системе корпоративного менеджмента // Вестник Челябинского государственного университета. 2023. № 12 (482). С. 126-133. doi: 10.47475/1994-2796-2023-482-12-126-133.
© Агеев А. В., Симонов С. В., Кашин С. М., Матчинов В. А., Черпаков И. В., 2023 126
Original article
THE POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN DECISION-MAKING IN THE CORPORATE MANAGEMENT SYSTEM
Alexander V. Ageev, Sergey V. SimonoV81, Sergey M. Kashin3, Vitaliy A. Matchinov4, Igor V. CherpakoV
1 Orel branch of Financial University under the Government of the Russian Federation, Orel, Russia, [email protected], ORCID 0000-0001-5974-2488
2 Orel branch of Financial University under the Government of the Russian Federation, Orel, Russia, [email protected], ORCID 0000-0003-4190-1641
3 Saint Petersburg branch of Financial University under the Government of the Russian Federation, Saint Petersburg, Russia, [email protected], ORCID 0000-0003-8342-5151
4 Kaluga branch of Financial University under the Government of the Russian Federation, Kaluga, Russia, [email protected], ORCID 0000-0002-9342-6152
5 Lipetsk branch of Financial University under the Government of the Russian Federation, Lipetsk, Russia, [email protected], ORCID 0009-0007-5592-0145
Abstract. The expansion of the use of intelligent computer systems based on artificial intelligence makes it possible to operate with a large amount of input data, generate a greater number of alternatives based on previous experience and competitive analysis, select and implement the best one for current market conditions. Such opportunities are especially in demand when solving non-standard, complex, unstructured management tasks. The result of artificial intelligence application in managerial decision-making is to increase the flexibility and efficiency of business processes, the implementation of the best complex options in a limited time and resource mode. The article is devoted to the consideration of research and successful cases related to the use of artificial intelligence technology in corporate governance. The methodological basis is represented by general scientific methods of cognition: comparative analysis, systematization, etc. As a result, based on the analysis of management practice, general requirements for the use of artificial intelligence in the decision-making process in corporate management are determined.
Keywords: management decision-making process, business process, artificial intelligence, neural networks
For citation: Ageev AV, Simonov SV, Kashin SM, Matchinov VA, Cherpakov IV. The Possibilities of Using Artificial Intelligence in Decision-Making in the Corporate Management System. Bulletin of Chelyabinsk State University. 2023;(12(482):126-133. (In Russ.). doi: 10.47475/1994-2796-2023-482-12-126-133.
Введение
Теория принятия решений как область науки управления рассматривает этот процесс как комплекс целенаправленных взаимосвязанных логически и последовательных управленческих действий, которые обеспечивают решение управленческих задач и реализацию управленческих функций. Бизнес-процессы современных компаний протекают в условиях динамично меняющейся внешней конкурентной среды. Для достижения управленческих целей в их рамках используются разнообразные данные, объем которых характеризуется экспоненциальным ростом. Для сбора и обработки информации о различных аспектах деятельности предприятия и условиях рынка сегодня необходимо использовать эффективные инструменты, позволяющие выявлять тенденции и осуществлять прогнозирование развития ситуации для принятия менеджерами обоснованных решений [2].
Возможности автоматизации различных этапов принятия управленческих решений используются с 1970-х гг., чему способствовало развитие
науки и нормативного обеспечения менеджмента, в том числе и в части формализации бизнес-процессов. В конце ХХ в. Г. Саймон и Дж. Марч отмечали в своих работах, что принципиальные препятствия в алгоритмизации всех без исключения этапов процесса принятия управленческих решений отсутствуют, проблема заключается лишь в создании быстродействующих компьютеров с необходимым объемом памяти для хранения и обработки данных [9]. В момент зарождения технологий искусственного интеллекта одним из направлений стал поиск возможностей его использования в управленческих целях, что было обусловлено корпоративным характером финансирования исследований. Цель статьи заключается в изучении успешных российских и зарубежных кейсов использования искусственного интеллекта при принятии решений в системе корпоративного менеджмента, определении ключевых областей его применения и разработке классификации данных технологий по этапам принятия решений.
Материалы и методы исследования
Для достижения поставленной цели авторами осуществлены отбор и систематизация специальной литературы, в том числе на иностранном языке, посвященной исследуемой проблематике. В основе исследования лежит метод кейсов как метод проведения анализа конкретной практической ситуации, используемый для изучения лучших практик управления с применением искусственного интеллекта. В завершении статьи использовался метод обобщения для формулировки общих требований к применению когнитивных компьютерных технологий в корпоративном менеджменте.
Результаты исследования и их обсуждение Понятие и возможности использования искусственного интеллекта
Сегодня в российском законодательстве искусственный интеллект рассматривается как комплекс технологических решений, которые позволяют имитировать когнитивные функции человека, его способность к самообучению и нахождению решений без формально заданного алгоритма, а также получать результаты в решении различных проблем, сопоставимые с результатами когнитивной деятельности человека в решении подобных проблем. В состав технологий искусственного интеллекта включаются как программное обеспечение, так и информационно-коммуникационная инфраструктура, в том числе и методы машинного обучения, сервисы обработки больших данных и поиска решений \
Существуют и другие определения искусственного интеллекта. Так, М. Джордан, один из ведущих специалистов в сфере развития искусственного интеллекта, утверждает, что большинство современных технологий, относящихся сегодня к искусственному интеллекту, представляет собой алгоритмическое мультинаучное поле, которое сочетает в себе идеи статистики, компьютерных наук, программирования и ряда других отраслей научного знания, которое объединяет алгоритмы, разработанные для обработки данных, построения прогнозов, оказания поддержки в принятии решений [13].
Вследствие бурного развития технологий искусственного интеллекта, наблюдаемого сегодня, теоретическое осмысление данного феноме-
1 Указ Президента РФ от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» // Собрание законодательства РФ. 14.10.2019 г. № 41. Ст. 5700.
на в академической науке носит «догоняющий» характер. Это предопределяет не только относительно размытое и неунифицированное понимание искусственного интеллекта, но и различные подходы к классификации соответствующих технологий. Одной из наиболее распространенных классификаций является классификация по целям, на достижение которых направлена разработка и функционирование искусственного интеллекта в рамках решения общей проблемы моделирования интеллекта в целом:
— рассуждение;
— представление знаний;
— обучение;
— машинное восприятие;
— социальный интеллект и аффективные вычисления [3].
Искусственный интеллект является одной из самых многообещающих технологий в контексте оптимизации процессов управления организацией. В некоторых отраслях, например, в сфере розничной торговли, использование алгоритмов искусственного интеллекта повлекло за собой настоящую революцию — от использования новых форм распределения и коммуникаций с покупателями до прогнозирования спроса, управления логистикой, поставками, товарами и т. п. [14]. Его возможности в практике принятия управленческих решений оцениваются учеными неоднозначно. Так, в ранних исследованиях в числе преимуществ искусственного интеллекта в данном процессе назывались снижение неопределенности последствий решений, минимизация корыстных мотивов в выборе решений менеджером, возможность опоры на большие данные и т. п. [17]. Самообучаемые системы основываются на историческом экспертном опыте, который включает в себя в том числе и ошибочно принятые низкоэффективные решения, игнорируют морально-этические аспекты и корпоративные ценности и характеризуются рядом других недостатков [18].
Использование искусственного интеллекта в принятии управленческих решений: зарубежный опыт
Рассмотрим примеры успешного использования современных технологий искусственного интеллекта зарубежными компаниями и транснациональными корпорациями в процессе принятия управленческих решений в разных областях корпоративного менеджмента.
Лидерами в использовании интеллектуальных компьютерных систем принятия управленческих
решений являются IT-компании и маркетплей-сы. Разрабатывая системы искусственного интеллекта сначала в целях внутрикорпоративного использования, при успешном тестировании и доработке под потребности целевых аудиторий организации указанных отраслей предлагают их своим партнерам и широкому кругу хозяйствующих субъектов. Так, платформа Amazon.com предлагает поставщикам и продавцам инструмент «Amazon SageMaker Canvas», который на основе технологии машинного обучения формирует рекомендации по управлению спросом, рекламой, закупками и логистикой \
Еще один сектор, в котором технологии искусственного интеллекта активно развиваются, — сектор финансов и капитала. Платформа Morgan Stanley Wealth Desk — показательный пример использования современных технологий машинного обучения в практике финансового консультирования. Сотрудники компании Morgan Stanley используют платформу для подготовки презентаций инвестиционных решений для клиентов, используют инструменты сценарного анализа для выбора оптимального варианта в режиме реального времени, предлагая пул жизнеспособных инвестиционных стратегий не только на основе анализа ретроспективных данных, но и в контексте основных новостей финансового рынка, ожиданий его участников и прочих факторов, которые не учитываются стандартными математическими алгоритмами2.
Транснациональная компания Unilever в 2018 г. внедрила онлайн-платформу на основе искусственного интеллекта, которая позволяет оценить потенциального кандидата на этапе первичного отбора удаленно. Сначала соискателям предлагают сыграть в подборку игр для оценки их логических способностей, характеристик внимания, быстроты и точности рассуждений и склонности к риску. После этого система анализирует видеоинтервью соискателя по формализованному списку вопросов. Алгоритмы машинного обучения оценивают пригодность кандидата для конкрет-
1 Patrushev A., Gallitelli D. Enable intelligent decision-making with Amazon SageMaker Canvas and Amazon QuickSight. URL: https://aws.amazon.com/ ru/blogs/machine-learning/enable-intelligent-decision-making-with-amazon-sagemaker-canvas-and-amazon-quicksight/.
2 Decision Analytics in Finance: How ML (AI) Boosts Your Intelligence. URL: https://intellias.com/ decision-analytics-in-finance-how-ml-ai-boosts-your-intelligence/.
ной вакансии по ролевой модели поведения и общения, а также сравнивают профили кандидатов с профилями наиболее эффективных сотрудников компании. Система выдает рекомендации, а окончательное решение принимает Ьг-менеджер совместно с функциональными руководителями, что позволяет экономить ежегодно более 70 тыс. человко-часов [15].
Несмотря на то, что крупные транснациональные корпорации широко используют искусственный интеллект в различных бизнес-процессах, их топ-менеджеры часто критически оценивают его возможности. Так, директор центра по обработке данных и аналитике компании Рго^ег&ОатЫе Г. Пэри в качестве примера ограниченности возможностей технологий искусственного интеллекта приводит период коронавирусных ограничений, когда управление компанией пришлось осуществлять аврально и в ручном режиме на фоне резкого повышения потребительского спроса на товары для гигиены. Искусственный интеллект, сопровождающий процессы принятия решений в компании Ргойег&ОатЫе, был обучен на исторических данных, в которых прецеденты подобных ограничений отсутствовали, поэтому в реальных условиях он не смог предложить эффективных рекомендаций для корпоративных менеджеров 3.
В 2017 г. Джек Ма предположил, что через 30 лет искусственный интеллект станет лучшим генеральным директором года4. В 2022 г. виртуальный робот с искусственным интеллектом Танг Ю стала первым в мире генеральным директором китайской компании Бирай NetDгagon Websoft, специализирующейся на разработке сетевых онлайн-игр. В режиме реального времени круглосуточно новый «руководитель» обрабатывает масштабные данные о различных аспектах деятельности возглавляемой компании, с установленной периодичностью и по запросу формирует различные отчеты, отслеживает уровень рисков, определяет задачи управления, утверждает управленческие решения и даже обладает правом подписи управленческих документов. При этом
3 How Procter & Gamble is leveraging AI to constructively disrupt supply chain and retail execution. URL: https://venturebeat.com/ai/how-procter-gam-ble-is-leveraging-ai-to-constructively-disrupt-sup-ply-chain-and-retail-execution/.
4 Jack Ma: «In 30 years, a robot will likely be on the cover of Time Magazine as the best CEO». URL: https://money.cnn.com/.element/ssi/tools/5.0/bubble. html.
компания не несет издержек по оплате труда и социальному обеспечению искусственного интеллекта, ежегодно экономя значительные суммы [8].
Российский опыт использования искусственного интеллекта при принятии управленческих решений в системе корпоративного управления
Крупные российские компании также активно используют возможности искусственного интеллекта в процессе принятия управленческих решений. Так, в 2022 г. в работу компании «Сбербанк» была внедрена платформа на основе искусственного интеллекта «Сбер. Кредитная машина», которая является собственной разработкой и позволяет принимать 99 % всех решений по кредитам автоматически без запроса дополнительных данных. Система обучена на многочисленных примерах принятия решений по кредитным заявкам и позволяет обрабатывать более 1,2 млн заявок в минуту1. Участие интеллекта в данном процессе способствует экономии времени, снижению риска операционной ошибки и минимизации субъективного фактора, позволяет учитывать больше параметров при оценке риска и принятии решения.
Некоторые продукты ПАО «Сбербанк», предназначенные для внутреннего использования, имеют значительный потенциал коммерциализации. Ярким примером является платформа «Sber Process Mining», разработанная для решения корпоративных задач по оптимизации управленческих процессов на основе сочетания аналитического инструментария и технологий машинного обучения, сегодня успешно реализуется на российском рынке аналитических бизнес-систем. Платформа «Sber Process Mining» позволяет в режиме реального времени отслеживать эффективность процессов, находить слабые места и определять резервы повышения эффективности управления крупной компанией. Использование системы позволяет сократить издержки бизнес-процессов на 10 %. В 2022 г. пользователем системы стала компания «X5 Group», заменившая ранее использовавшееся зарубежное решение в сфере процессной аналитики на отечественную разработку.
1 «99 % решений по кредитам в Сбере принимает искусственный интеллект»: интервью с заместителем председателя правления ПАО «Сбербанк», руководителем блока «Розничный бизнес» К. Царевым. URL: https://plus.rbc.ru/ news/638ceb2a7a8aa97b488a6194.
Компания «Росатом» на основе технологий искусственного интеллекта разработала цифровую систему управления атомной отраслью (ЦСУАО) «Навигатор», к которой на начало 2023 г. к системе были подключены более 25 тыс. пользователей 328 предприятий 11 дивизионов государственной корпорации. Система по запросу формирует « подсказки» для руководителей различных уровней на основе анализа предустановленных значимых параметров, влияющих на управленческое решение. В зависимости от поставленных задач «Навигатор» может не только генерировать отчеты и аналитику, но и предлагать варианты решения различных управленческих задач с детализированным описанием ожидаемых результатов 2.
Компания «Додо-Пицца» с 2021 г. использует искусственный интеллект для прогнозирования расхода ингредиентов на приготовление блюд при принятии решений в сфере управления закупками. Система основана на машинном обучении и реализуется на базе «Microsoft Azure Machine Learning» при участии «Crayon». До внедрения искусственного интеллекта каждая пиццерия сети самостоятельно определяла примерный расход продуктов, на что расходовалось около 4-5 часов рабочего времени персонала в неделю. Неточные прогнозы приводили к перезакупке или нехватке ингредиентов. Предиктивная система искусственного интеллекта позволяет учитывать колебания сезонного спроса, в период праздников и мероприятий, маркетинговую активность компании и ряд других факторов, влияющих на необходимый объем закупок, что позволяет экономить более 4 млн руб. ежемесячно и повысить точность закупок на 18 % 3.
Активно применяются технологии искусственного интеллекта в практике принятия диспетчерских решений в ПАО «Газпром». Нейросетевая самообучающаяся система осуществляет мониторинг и анализ показателей текущего состояния единой системы газоснабжения, прогнозирование данных по потреблению газораспределитель-
2 Росатом представил систему управления атомной отраслью «Навигатор» на базе искусственного интеллекта : пресс-релиз. URL: https://rosatom. ru/journalist/arkhiv-novostey/rosatom-predstavil-sistemu-upravleniya-atomnoy-otraslyu-navigator-na-baze-iskusstvennogo-intellekta/.
3 До 54 млн рублей в год будет экономить «Dodo Brands» с помощью искусственного интеллекта Microsoft. URL: https://news.microsoft.com/ru-ru/ dodo-brands-ai-microsoft/.
ных станций, учет прогнозных данных по климатическим условиям с целью оптимизации управления объемами поставок газа и работой оборудования [6].
Общие рекомендации по использованию искусственного интеллекта в принятии управленческих решений в системе корпоративного менеджмента
Очевидно, что применение технологий искусственного интеллекта менеджерами различного уровня управления должно осуществляться при условии их максимальной обученности, осознания ими ограничений и рисков рекомендаций машинных когнитивных систем. В целом можно обнаружить следующие общие черты в использовании технологий искусственного интеллекта в процессе принятия управленческих решений в системе корпоративного управления:
— ограниченность сферы применения конкретной технологии конкретной управленческой функцией или предметной областью (финансы, продажи, логистика и т. п.);
— осуществление поиска и отбора данных технологией для достижения определенной формализованной управленческой цели, задачи;
— ориентация систем искусственного интеллекта на обнаружение не только корреляционных связей, но и определение причинности;
— обязательный контроль систем искусственного интеллекта и результатов их работы экспертами-людьми;
— выбор одной или нескольких пилотных систем в соответствии с актуальными потребностями и целями корпоративного развития;
— обучение систем искусственного интеллекта на данных, степень предвзятости и субъективизма в формировании которых минимальна.
Применение современных технологий в системе корпоративного управления расширяет возможность работы с информацией на начальных этапах принятия управленческих решений благодаря возможности использования больших данных. Возможности искусственного интеллекта позволяют обрабатывать эти данные в кратчайшие сроки, определять значимые тренды и тен-
денции, находить скрытые закономерности и взаимосвязи между показателями.
В качестве преимуществ использования искусственного интеллекта часто указывается непредвзятость принимаемых решений. Согласимся с Дж. Кэналс в том, что для обеспечения такого результата система должна оперировать качественными ретроспективными данными [9]. Искажение данных, используемых в основе обучения искусственного интеллекта, может привести к снижению эффективности принимаемых решений. С применением искусственного интеллекта в корпоративном управлении связаны этические дискуссии, прогнозы массовой безработицы, проблема обеспечения конфиденциальности данных, качество алгоритмов, правовые аспекты распределения ответственности между лицом, принимающим решение, и рекомендующей такое решение системой, не имеющей юридического статуса.
Для эффективного внедрения технологий искусственного интеллекта в систему управления организацией необходимо обучать руководителей высшего уровня управления таким инструментам и осознанию того, что их возможности в постановке целей, формировании стратегии, мотивации персонала, обеспечении социальной ответственности и устойчивости в контексте принципов корпоративной культуры и принятых компанией ценностей сильно ограничены.
Заключение
Накопление практики применения искусственного интеллекта в системе управления организациями и ее активное научное осмысление привели к возникновению термина «корпоративный искусственный интеллект» — технологии, интегрированные в бизнес-стратегию развития организации и позволяющие принимать управленческие решения любого уровня на основе результатов анализа больших данных не просто с коммерческими целями, но и для обеспечения эффективного, устойчивого, социально ответственного будущего. При этом на данной стадии развития искусственный интеллект не заменяет человеческий интеллект, а дополняет его.
Список источников
1. Зуб А. Т., Петрова К. С. Искусственный интеллект в корпоративном управлении: возможности и границы применения // Государственное управление. 2022. № 94. С. 173-187.
2. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / пер. с англ. Н. И. Галагана и др. 4-е изд. М. : Вильямс, 2003. 863 с.
3. Швечков В. А. Организационно-методические основы создания научно-производственного полигона решения задач диспетчерского управления системами газоснабжения на основе технологий искусственного интеллекта // Компьютерные технологии поддержки принятия решений в диспетчерском управлении газотранспортными и газоснабжающими системами : сборник материалов VII международной научно-технической конференции (г. Москва, 14-15.10.2021 г.). М. : Газпром ВНИИГАЗ, 2021. 58 с.
4. Baum T. AI-powered humanoid robot named CEO of Chinese video game company in world first // The Sun. 2020. 30.08. Р. 2.
5. Canals J. Renewing General Managers' Tasks in an Artificial Intelligence World // Canals J., Heukamp F. The Future of Management in an AI World. NY. : Palgrave Macmillan, 2020. Р. 9-17.
6. Jordan M. artificial intelligence — the revolution hasn't happened yet // Harvard data Science review. 2019. Vol. 1, № 1. Р. 14-15.
7. Loureiro S. M. C., Guerreiro J., Tussyadiah I. Artificial intelligence in business: State of the art and future research agenda // Journal of Business Research. 2021. № 129. Р. 911-926.
8. Marr B. How Unilever Uses Artificial Intelligence To Recruit & Train Thousands Of Employees // Forbes. 2018. 14.12. Р. 17.
9. Pomerol J-C. Artificial intelligence and human decision making // European Journal of Operational Research. 1997. № 99. Р. 3-25
10. Wright S. A., Schultz A. E. The rising tide of artificial intelligence and business automation: developing an ethical framework // Business Horizons. 2018. № 61. 823-832.
References
1. Zub AT, Petrova KS. Artificial Intelligence in Corporate Governance: Possibilities and Limits of Application. Gosudarstvennoye upravleniye = Public Administration. 2022;(94):173-187. (In Russ.).
2. Luger JF. Artificial intelligence: Strategies and methods for solving complex problems. Per. from English. NI Galagan and others. 4th ed. Moscow; 2003. 863 p. (In Russ.).
3. Shvechkov VA. Organizational and methodological foundations for the creation of a research and production test site for solving problems of dispatch control of gas supply systems based on artificial intelligence technologies. Sbornik materialov VII mezhdunarodnoy nauchno-tekhnicheskoy konferentsii «Komp'yuternyye tekhnologii podderzhki prinyatiya resheniy v dispetcherskom upravlenii gazotransportnymi i gazosnabzhay-ushchimi sistemami» (g. Moskva, 14-15.10.2021 g.) = Collection of materials of the VII International Scientific and Technical Conference "Computer Technologies for Decision Support in the Dispatch Control of Gas Transportation and Gas Supply Systems" (Moscow, 14-15.10.2021). Moscow; 2021. 58 p. (In Russ.).
4. Baum T. AI-powered humanoid robot named CEO of Chinese video game company in world first. The Sun. 30.08.2020:2.
5. Canals J. Renewing General Managers' Tasks in an Artificial Intelligence World. Canals J, Heukamp F. The Future of Management in an AI World. NY., Palgrave Macmillan; 2020. 9-17 p.
6. Jordan M. artificial intelligence — the revolution hasn't happened yet. Obzor Harvard data Science review = Harvard data Science review. 2019;(1):14-15.
7. Loureiro SMC, Guerreiro J, Tussyadiah I. Artificial intelligence in business: State of the art and future research agenda. Zhurnal biznes-issledovanij = Journal of Business Research. 2021;129:911-926.
8. Marr B. How Unilever Uses Artificial Intelligence to Recruit & Train Thousands Of Employees. Forbes, 14.12.2018:17.
9. Pomerol J-C. Artificial intelligence and human decision making. Evropejskij zhurnal operativnyh issledo-vanij = European Journal of Operational Research. 1997;(99):3-25.
10. Wright SA, Schultz AE. The rising tide of artificial intelligence and busi ness automation: developing an ethical framework. Gorizonty biznesa = Business Horizons. 2018;(61):823-832.
Информация об авторах
А. В. Агеев — кандидат экономических наук, доцент кафедры «Математика, информатика и общегуманитарные дисциплины».
С. В. Симонов — кандидат экономических наук, доцент кафедры «Экономика и менеджмент».
С. М. Кашин — кандидат технических наук, доцент кафедры «Бизнес-информатика».
В. А. Матчинов — кандидат экономических наук, доцент кафедры «Учет и менеджмент».
И. В. Черпаков — кандидат физико-математических наук, доцент кафедры «Учет и информационные технологии в бизнесе».
Information about the authors
A. V. Ageev — Candidate of Economic Sciences, Associate Professor of the Department of Mathematics, computer science and general humanities.
S. V. Simonov — Candidate of Economic Sciences, Associate Professor of the Department of Economics and Management.
S. M. Kashin — Candidate of Technical Sciences, Associate Professor of the Department of Business Informatics.
V. A. Matchinov — Candidate of Economic Sciences, Associate Professor of the Department of Accounting and Management.
I. V. Cherpakov — Candidate of Physical and Mathematical Sciences, Associate Professor of the Department of Accounting and information technology in business.
Статья поступила в редакцию 28.07.2023; одобрена после рецензирования 14.12.2023; принята к публикации 28.12.2023.
Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
The article was submitted 28.07.2023; approved after reviewing 14.12.2023; accepted for publication 28.12.2023.
Contribution of the authors: the authors contributed equally to this article.
The authors declare no conflicts of interests.
