+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансы и кредит»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика
5.2.4. Финансы
5.2.5. Мировая экономика
5.2.6. Менеджмент


ЭКОНОМИЧЕСКИЕ,
ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ:
5.2.2. Математические, статистические и инструментальные методы в экономике

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Управленческий инструментарий моделирования бизнес-процессов с использованием методов искусственного интеллекта

Купить электронную версию статьи

т. 30, вып. 5, май 2024

Получена: 21.12.2023

Получена в доработанном виде: 15.01.2024

Одобрена: 29.01.2024

Доступна онлайн: 30.05.2024

Рубрика: СТОИМОСТЬ БИЗНЕСА

Коды JEL: G34

Страницы: 1167–1186

https://doi.org/10.24891/fc.30.5.1167

Денисов М.В. аспирант кафедры финансов и валютно-кредитных отношений, Всероссийская академия внешней торговли Министерства экономического развития Российской Федерации (ВАВТ Минэкономразвития России), Москва, Российская Федерация 
mdenisov@rambler.ru

ORCID id: отсутствует
SPIN-код: 4589-0641

Предмет. Искусственный интеллект, который мощно и интенсивно активизирует бизнес-среду и стимулирует своевременную адаптацию и цифровую трансформацию предприятий для сохранения и усиления их конкурентных преимуществ на рынке.
Цели. Определить направления применения искусственного интеллекта в принятии решений в компаниях для регулирования бизнес-процессов.
Методология. Применены общенаучные методы.
Результаты. Исследована организационная производительность и эффективность, достигаемые бизнесом в результате адаптации к технологическому контексту и инвестициям в новые когнитивные технологии. Предложена модель оценки бизнес-процессов компаний с использованием методов искусственного интеллекта, включающая аспекты и показатели, актуальные для компаний, осуществляющих цифровую трансформацию в целях совершенствования их бизнес-моделей и достижения лучших финансово-экономических результатов.
Выводы. Сквозные технологии, в том числе искусственный интеллект, обладают явными преимуществами, которые обеспечивают оптимальный и эффективный инструментарий для принятия рациональных решений на основе увеличенного объема данных с меньшей предвзятостью и экономической нерациональностью, оптимизируюся бизнес-процессы и снижаются операционные затраты. Постепенно окружающий нас искусственный интеллект перестает быть территорией, зарезервированной для крупных компаний. Ключевыми факторами этого развития являются возросший технологический прогресс и культура компаний и предприятий, накопление исторических данных, наличие огромного количества других полезных данных и алгоритмов, а также рост цифровой мощи и снижение затрат на облачные сервисы.

Ключевые слова: управление, цифровая трансформация, когнитивные технологии, принятие решений, оптимизация

Список литературы:

  1. Устинова Л.Н., Макаров А.М., Бритвина В.В. Модель цифровой трансформации инновационной экосистемы на основе технологической платформы // π-Economy. 2022. Т. 15. № 4. С. 110—122. URL: Link
  2. Кожевников Н.Н., Данилова В.С. Формирование онтологических оснований современного универсализма // Наука и техника в Якутии. 2022. № 1. С. 56—61. URL: Link
  3. Волкова Т.В., Рахлина Л.В. Инвестиционная активность в России на фоне пандемии COVID-19 // Вестник экономической безопасности. 2022. № 1. С. 250—256. URL: Link
  4. Olan F., Arakpogun E.O., Suklan J. et al. Artificial Intelligence and Knowledge Sharing: Contributing Factors to Organizational Performance. Journal of Business Research, 2022, vol. 145, pp. 605–615. URL: Link
  5. Tsolakis N., Schumacher R., Dora M., Kumar M. Artificial Intelligence and Blockchain Implementation in Supply Chains: A Pathway to Sustainability and Data Monetisation? Annals of Operations Research, 2023, vol. 327, pp. 157–210. URL: Link
  6. Намиот Д.Е., Ильюшин Е.А., Чижов И.В. Искусственный интеллект и кибербезопасность // International Journal of Open Information Technologies. 2022. Т. 10. № 9. С. 135—147. URL: Link
  7. Шваб К. Глобализация 4.0. Новая архитектура для четвертой промышленной революции // Евразийская интеграция: экономика, право, политика. 2019. № 1. С. 79—84. URL: Link
  8. Дежина И. Технологические платформы и инновационные кластеры: вместе или порознь? М.: Институт экономической политики им. Е.Т. Гайдара, 2013. 124 с.
  9. Яковлева Е.А., Виноградов А.Н., Александрова Л.В., Филимонов А.П. Роль технологий искусственного интеллекта в цифровой трансформации экономики // Вопросы инновационной экономики. 2023. Т. 13. № 2. С. 707—726. URL: Link
  10. Chao M., Zhen J.-Q. Comparative Research on Performance of Cross-Border Mergers and Acquisitions Implemented by State-Owned and Private Enterprises Based on Event Study Model and Fama-French Three Factor Model. Journal of Interdisciplinary Mathematics, 2017, vol. 20, iss. 6-7, pp. 1483–1487. URL: Link
  11. Naim A. Role of Artificial Intelligence in Business Risk Management. American Journal of Business Management, Economics and Banking, 2022, vol. 1, pp. 55–66. URL: Link
  12. Платов А.В., Новичкова И.А., Хореева Н.К. Диджитализация управленческого учета в рамках концепции процессного управления // Экономика. Профессия. Бизнес. 2023. № 3. С. 60—66. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8709 (Online)
ISSN 2071-4688 (Print)

Свежий номер журнала

т. 30, вып. 6, июнь 2024

Другие номера журнала