В статье исследуется трансформация процесса управления ассортиментной матрицей в розничной торговле под влиянием технологий искусственного интеллекта и машинного обучения. Центральной проблемой, рассматриваемой в работе, является противоречие между необходимостью поддержания широкого ассортимента для удовлетворения спроса и минимизацией связанных с этим операционных издержек. Автор проводит анализ современных подходов к оптимизации, включая применение предиктивной аналитики для прогнозирования спроса, динамического ценообразования и автономного пополнения запасов. На основе обзора практик ведущих ритейлеров и рыночных данных предлагается концептуальная модель внедрения, интегрирующая технологические решения с организационными изменениями. Доказано, что комплексное использование алгоритмов машинного обучения позволяет не только снизить затраты на хранение и логистику на 1520%, но и повысить общую рентабельность за счет более точного соответствия ассортимента потребительским предпочтениям. Статья адресована исследователям в области менеджмента и практикам розничной торговли.
Автор отмечает, что изучение искусственного интеллекта представляется критически важным элементом в развитии современной научной мысли, предлагая новые методы исследования. Акцентируется внимание, что благодаря искусственному интеллекту, научное сообщество получает возможность делать открытия, способствующие глубокому пониманию сложных явлений, что является движущей силой научного прогресса и его приложения в практической деятельности человека. Констатируется, что возможности при использовании новейших информационно-коммуникационных технологий с использованием искусственного интеллекта создают предпосылки для эффективного развития цифровой экономики.
Экономическое развитие любого государства, в условиях быстрой смены технологических укладов, перехода от Индустрии 4.0 к Индустрии 5.0 и далее, в первую очередь, определяется темпами технологической модернизации промышленных отраслей на основе цифровизации. Цифровые технологии способствуют радикальному сокращению производственных издержек, автоматизируя и роботизируя производственные процессы, оптимизируя воспроизводственные цепочки, повышают производительность труда, в том числе и управленческого. Несмотря на усилия государства, экономика России, кроме наличия структурных диспропорций и низкой производительности труда, имеет низкий уровень общего технологического развития, и темпы преобразований.
Целью настоящей статьи выступает анализ и систематизация результатов цифровой трансформации промышленности в региональных странах-лидерах: Юго-Восточной Азии, Америки и Европы, а также рассмотрение ситуации с цифровизацией и робототехникой промышленности в нашей стране, по отношению к ним и существующих потенциальных возможностей по ускоренной автоматизации и роботизации промышленности. Выполненный анализ различных научных, аналитических и статистических источников, позволил авторам сформулировать не только особенности реализации процессов цифровизации по разным странам, но и выявить и определить логику и факторы цифрового перехода, призванные обеспечить требуемые темпы цифровой трансформации российской промышленности и в первую очередь, наличие стратегической государственной политики в сфере цифровизации и роботизации.
В статье рассматривается проблема низкой эффективности традиционных методов менеджмента в сфере жилищного строительства и обосновывается необходимость перехода к дата-центричному управлению.
Целью исследования является разработка концептуального подхода к интеграции технологий искусственного интеллекта (ИИ) в систему принятия управленческих решений девелоперских компаний. В работе использованы методы системного анализа, моделирования бизнес-процессов и экспертной оценки. Автором проанализирован мировой и отечественный опыт применения нейросетевых алгоритмов и машинного обучения на различных этапах жизненного цикла инвестиционно-строительного проекта.
Основным результатом исследования стала классификация управленческих функций, подлежащих автоматизации посредством ИИ, а также выявление барьеров внедрения. Научная новизна заключается в предложении модели «гибридного интеллекта» в строительном менеджменте, где рутинные и прогнозноаналитические задачи делегируются алгоритмам, а стратегические и этические аспекты остаются прерогативой человека.
Сделан вывод о том, что внедрение ИИ позволяет перейти от реактивного типа управления к предиктивному, снижая риски срыва сроков и перерасхода бюджета.
Статья посвящена исследованию организационных механизмов интеграции искусственного интеллекта и технологий больших данных в систему управления общеобразовательными организациями. Современный этап развития системы образования характеризуется стремительным переходом к глубокой цифровой трансформации, где ключевым вектором становится использование интеллектуальных технологий [Гладилина, Карасев, 2025; Давыдов и др., 2024]. В условиях реализации национальных целей развития Российской Федерации до 2030 года и на перспективу до 2036 года, автоматизация управленческих процессов в образовательных организациях перестает быть локальной инициативой и переходит в разряд стратегических задач обеспечения качества образования. Цифровая трансформация управления образованием перестает быть вопросом внедрения ИТ-решений и требует системной перестройки управленческих механизмов. Автор обосновывает смену роли руководителя в условиях цифровой трансформации - от администратора к «архитектору цифровой среды», обеспечивающему переход к управлению на основе данных. В работе проанализированы модели взаимодействия человека и алгоритмов («Кентавр» и «Киборг»), а также систематизированы ключевые барьеры внедрения инноваций: этико-правовая неопределенность, дефицит профильных компетенций и проблемы качества исходных данных.
Практическая значимость исследования заключается в возможности применения предложенных механизмов для минимизации управленческих рисков в условиях цифровизации школы.
В работе проанализировано влияние цифровой трансформации на стратегическое развитие промышленных компаний и методы управления таким развитием.
Задачи исследования: (1) систематизировать теоретические подходы к цифровой трансформации; (2) рассмотреть модели стратегических изменений (8 шагов Дж. Коттера, McKinsey 7S и ADKAR) с целью оценки изменений стратегий развития предприятий на кейсах Siemens (умный завод в Амберге) и ПАО «КАМАЗ»; (4) сопоставить российскую и зарубежную практику в области цифровой трансформации; (5) разработать прикладные рекомендации руководству промышленных предприятий.
Методология исследования комбинирует качественный контент-анализ корпоративных отчётов, пресс-релизов и экспертных интервью с кейс-методом и сравнительным анализом. Сравнительный анализ выявил, что интеграция AI, IoT, Big Data и сквозных цифровых платформ повышает производительность, точность и скорость выхода продукта на рынок, при этом ключевым фактором успеха выступает системное управление изменениями: стратегическая целостность (7S), этапность (Коттер) и работа с персоналом (ADKAR). Предложены управленческие рекомендации: вписать цифровизацию в общую стратегию, создать коалицию лидеров, развивать цифровые навыки персонала, компенсировать локальные барьеры партнёрствами, встроить кибербезопасность и непрерывно измерять эффект. Рекомендации, изложенные в работе, подчеркивают необходимость комплексных действий: от разработки ясной стратегии цифровизации до инвестиций в людей и культуру, от устранения барьеров до заимствования лучших мировых практик.
В статье исследуется взаимосвязь цифровых экосистем банков с коэффициентами финансовой устойчивости на примере российских банков Сбербанк, ВТБ, МТС Банк, ТБанк. Актуальность работы обусловлена развитием цифровых экосистем и особенностями их влияния на финансовую устойчивость банков.
Цель исследования - определить взаимосвязь источников прибыли по каждому элементу цифровой экосистемы банка и соответствующих коэффициентов финансовой устойчивости. В качестве методов применены построение коэффициентов корреляции и оценка коэффициентов эластичности с помощью EViews. Построение коэффициентов корреляции и оценка коэффициентов эластичности с помощью EViews осуществлена на основе данных с сайта Центрального банка РФ и отчетности организационных единиц банков.
Полученные результаты показывают, что искусственный интеллект имеет существенное влияние на финансовое банковское состояние и наиболее снижающимся коэффициентом финансовой устойчивости является коэффициент покрытия - снижение данного показателя может привести к невозможности погашать банком свои обязательства.
Научная новизна заключается в обосновании зависимости коэффициентов финансовой устойчивости банков от объема чистой прибыли в разрезе по источникам с помощью математического анализа и оценки экосистемы банков.