В статье рассматривается интеллектуальная трансформация как этап цифровой эволюции, основанный на интеграции искусственного интеллекта, машинного обучения и аналитики данных в производственные процессы для повышения адаптивности и стратегической устойчивости бизнеса. Раскрывается переход к управлению, основанному на когнитивных и алгоритмических моделях, обеспечивающий автономное функционирование организаций за счёт интеллектуальной обработки данных. Выявлено различие между цифровизацией и интеллектуальной трансформацией, создающей новые управленческие модели на основе искусственного интеллекта. Интеллектуальная трансформация обеспечивает переход от цифровой автоматизации к самоуправляемым и адаптивным системам, способным повышать устойчивость и конкурентоспособность в условиях глобальных вызовов. Ключевые компоненты интеллектуальной трансформации, аналитика больших данных, когнитивные алгоритмы, цифровые двойники и адаптивные системы, представлены основой построения интеллектуально активной организации, ориентированной на автоматизацию и предиктивное управление в условиях многопараметрической неопределённости. Интеллектуальная оптимизация бизнес-процессов резюмируется как инструмент повышения операционной эффективности и фактор стратегического развития, способствующий формированию инновационно-активных организационных моделей.
Целью данной статьи является изучение практики зарубежных транснациональных корпораций в области использования искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Методологическим основанием данной статьи явился комплексный подход, позволивший использовать совокупность методов (анализа, классификации и обобщения), позволивших системно и последовательно исследовать опыт транснациональных корпораций в решении проблемы использования новейших достижений в области машинного обучения и использования искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. В результате исследования автором выделены и систематизированы основные причины, требующие использования машинного обучения искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. Практическая ценность данной статьи определяется возможностью использования полученных результатов в целях дальнейшей разработки проблемы, связанной с использованием искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Сделан вывод, что система машинного обучения, позволяющая расширять возможности искусственного интеллекта, дает возможность транснациональным компаниям принимать решения на основе исторической и текущей информации о спросе и предложении, формируя точные прогнозы относительно функционирования цепочек поставок в условиях турбулентной внешней среды. Интеллектуальные системы машинного обучения (ИСМО) предоставляет транснациональным корпорациям инструмент, который способствует сокращению расходов и увеличению доходов, позволяет поддержать имидж надежного поставщика.
- 1
- 2