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 статье рассмотрена проблема прогнозирования сроков выполнения работ и оценки строительных рисков в секторе индивидуального жилищного строительства (ИЖС). Обоснована острая необходимость совершенствования системы управления рисками в строительных проектах ИЖС для повышения их эффективности и снижения потерь. Проведен всесторонний анализ и классификация основных типов рисков, характерных для данного сектора. На основе разработанных и обоснованных критериев отобраны наиболее значимые риски, подходящие для применения современных методов машинного обучения. Для этих рисков определены конкретные методы и задачи машинного обучения, а также ожидаемые результаты их использования в практике. Сформулированы ключевые выводы о высоком потенциале технологий машинного обучения для более точной оценки рисков и прогнозирования сроков реализации инвестиционно-строительных проектов в ИЖС.
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 данной статье рассматриваются особенности и эффективность сделок слияния и поглощения (M&A) в финтех-отрасли России. Показано, что активизация сделок в сегментах платежных сервисов, онлайн-банкинга, эквайринга и цифровой инфраструктуры совпала с этапом цифровой трансформации банковского сектора и развитием экосистем крупных финансовых групп. Проанализированы теоретические аспекты оценки эффективности и синергетического эффекта, особенности финтех-сектора как объекта M&A, а также современная практика российских сделок в данной сфере. Приведены примеры крупных сделок и тенденции рынка. На основе обобщения результатов эмпирических исследований и практических кейсов выделены ключевые факторы, влияющие на результативность сделок: стратегическая комплементарность, регуляторная среда, качество интеграции и управление технологическими и киберрисками.
Переход к цифровой экономике создает благоприятные условия для принципиально нового подхода к организации строительного сектора. Однако, анализ динамики внедрения цифровых технологий в отрасли в регионах России, показал наличие существенных проблем, замедляющих данный процесс.
Целью проведенного исследования является стратегическая приоретизация цифровой трансформации строительных организаций. Проведенная типологизация регионов по показателям темпов роста количества застройщиков, применяющих технологии информационного моделирования (ТИМ) и темпов роста строящихся ими квадратных метров за период 2023-2025 гг. выявила значительную дифференциацию регионов, с выделением явных единичных лидеров и существенной группы аутсайдеров. Изучение внешних и внутренних факторов цифровизации строительной отрасли осуществлялось согласно методологии стратегирования В. Л. Квинта с построением OTSW-матрицы. Результатами OTSWанализа являются выявленные внешние и внутренние условия и вызовы для проведения цифровой трансформации строительных организаций Кузбасса.