UDK 33 Экономика. Народное хозяйство. Экономические науки
In recent years, there has been active digitalization of various industries. One of the promising end-to-end technologies is artificial intelligence. The introduction of tools based on its application helps to optimize business processes and management, including anti-crisis management, which is especially sensitive to the speed and objectivity of decisions made. This is due to the dynamism of the external environment and the inefficiency of applying methods that made it possible to diagnose and resolve crises earlier in the new conditions. At the same time, there is a lag in the scientific and methodological base from the demands of practical activities. The article provides an overview of the opportunities provided by the use of artificial intelligence technologies for solving anti-crisis management problems (analysis of the external environment, internal potential, competitive advantages, strategic restructuring and a posteriori analysis of the causes of crisis situations). Special attention is paid to assessing the readiness of Russian organizations to implement the relevant tools. As a result of the study, the scale of AI use at the current stage of digital transformation was determined, as well as the prospects for its further development at various levels of management. Conclusions are made about the positive effects (increased speed, quality and objectivity of decisions taken, reduced costs of crisis management) of the use of new technologies, provided that they are comprehensively implemented taking into account risks.
anti-crisis management, crisis, artificial intelligence, digital transformation, intellectual maturity index
Введение
Возникающие в российской экономике кризисные явления обуславливают актуальность развития антикризисного управления как научного направления и сферы практической деятельности, осуществляемой на всех уровнях хозяйствования.
С начала XXI века в России под влиянием внешних событий произошло четыре масштабных кризиса [4]:
- 2008-2009 годов. Основной причиной этого кризиса стали глобальные макроэкономические дисбалансы, предпосылки которых были заложены финансовой либерализацией и недостаточным развитием систем регулирования и управления рисками в мировой финансовой системе;
- 2014-2015 годов. Этот кризис был спровоцирован введением антироссийских экономических санкций (в первую очередь ограничением доступа отечественных компаний к зарубежным источникам финансирования) и падением цен на нефть;
- 2020 года. Ключевым фактором развития кризиса стали противоэпидемические ограничения, установленные в связи с распространением инфекции COVID-19 (локдауны, необходимость трансформации функционирования реального сектора с учетом жестких санитарных требований, резкое снижение доходов во многих отраслях [3]);
- 2022 года. Этот кризис, в отличие от предыдущих, имел ярко выраженный национальный характер и был вызван наложением санкций на российские предприятия ключевых отраслей и финансового сектора, отказом бывших партнеров от сотрудничества и необходимостью быстро выстраивать новые торгово-финансовые связи.
Сравнение экономических показателей в период перечисленных кризисов приведено в таблице 1.
Таблица 1
Экономические показатели РФ в период кризисов
Table 1
Economic indicators of the Russian Federation during crises
|
|
2008-2009 |
2014-2015 |
2020 |
2022 |
|
Максимальное падение ВВП за квартал | Maximum drop in GDP in a quarter |
11,2% (II квартал 2009 года) |
3,3% (II квартал 2015 года) |
7,4% (II квартал 2020 года) |
4,5% (II квартал 2022 года) |
|
Пиковое значение инфляции (данные за месяц в пересчете на годовое значение) | Peak inflation (monthly data, annualized) |
15,2% (июнь 2008 года) |
16,9% (март 2015 года) |
4,9% (декабрь 2020 года) |
17,8% (апрель 2022 года) |
|
Сальдированный финансовый результат организаций (без субъектов малого предпринимательства, кредитных и некредитных финансовых организаций) | Balanced financial result of organizations (excluding small business entities, credit and non-credit financial organizations) |
2007 г.: 6,0 трлн. руб. 2008 г.: 3,8 трлн. руб. 2009 г.: 4,4 трлн.руб. |
2013 г.: 6,9 трлн. руб. 2014 г.: 4,3 трлн. руб. 2015 г.: 7,5 трлн. руб. |
2019 г.: 16,6 трлн. руб. 2020 г.: 13,4 трлн. руб. 2021 г.: 33,9 трлн. руб. |
2021 г.: 33,9 трлн. руб. 2022 г.: 22,3 трлн. руб. 2023 г.: 33,3 трлн. руб. |
Источник: составлено автором по материалам [4]
Source: compiled by the author based on materials from [4]
Кризисы как неотъемлемый этап развития социально-экономических систем определяются совокупностью множества взаимовлияющих ситуаций, что повышает сложность антикризисного управления.
По мнению Е.П. Кочеткова [6], причина большинства кризисов кроется в недочетах функционирования институциональной среды. М.С. Оборин [10] указывает, что в условиях цифровизации главной задачей антикризисного управления становится нейтрализация негативного влияния внешней макросреды и определение «точки невозврата»; Чэнь Гаосян формулирует ее как «противодействие и смягчение последствий неблагоприятных изменений» [17]. Е.В. Бутрова [2] отмечает, что изменения, связанные с цифровизацией бизнес-процессов, делают нецелесообразным применение механизмов антикризисного управления, которые использовались ранее.
По мнению О. Кухара, Ю. Кравчика и О. Бречко [23], благодаря использованию цифровых технологий появляются новые возможности преодоления кризисных ситуаций за счет разработки новых стратегий управления рисками и адаптации к меняющимся условиям. В то же время Фэн Пин [16] отмечает возникновение противоречия между получаемыми преимуществами и новыми рисками экономической безопасности, а О.Е. Устинова [15] акцентирует внимание на проблемах управленческого сопротивления.
Поиск наиболее эффективных инструментов диагностирования и профилактики кризисов, принятия решений для позитивного разрешения кризисов обуславливает интерес к внедрению новейших технологий, одной из наиболее перспективных среди которых представляется искусственный интеллект (являющийся, по утверждению С.Ю. Глазьева [7, c. 171], составной частью управленческой революции).
М.А. Юдинцев и А.Г. Зайцев [19] рассматривают эволюцию теории антикризисного управления компаний в контексте цифровой трансформации, делая вывод о необходимости комплексного подхода к внедрению новых инструментов. Н.В. Сергеева [11] также отмечает рост спроса на решения, предполагающие интеграцию искусственного интеллекта с иными цифровыми технологиями.
Цель данного исследования – анализ возможностей и перспектив применения искусственного интеллекта в антикризисном управлении.
Материал и методы исследования
Методологической основой исследования выступают общенаучные методы – анализ и синтез, а также систематизация научных источников (трудов отечественных и зарубежных исследователей по вопросам трансформации антикризисного управления в условиях цифровизации, применения искусственного интеллекта в рассматриваемой сфере деятельности).
Результаты исследования и их обсуждение
Интерес к прикладному применению искусственного интеллекта увеличился в последние годы в связи с повышением доступности соответствующих инструментов (по данным исследователей из Стэнфордского университета [20], число публикаций по этой теме за период с 2010 по 2021 год возросло более чем вдвое; при этом академические заведения уступили лидерство в разработках коммерческому сектору, обладающему значительным ресурсным потенциалом). Однако разработки этой технологии, инициировавшей новую технологическую революцию и переход к новому технологическому укладу, начались еще в середине XX века. Сам термин «искусственный интеллект» впервые был использован на Дартмутской конференции 1956 года [8, c. 220], но определение до сих пор остается дискуссионным. В России используется следующее легальное определение, содержащееся в Национальной стратегии развития искусственного интеллекта на период до 2030 года: «Искусственный интеллект – комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека или превосходящие их» [14].
Технологии искусственного интеллекта находят применение как в коммерческом сегменте, так и в государственном и муниципальном управлении. Оценка готовности к внедрению технологий производится на основе индексных методов. За рубежом получил распространение AI maturity index – показатель зрелости, характеризующий степень, в которой организации освоили возможности искусственного интеллекта в правильном сочетании. Для классификации компаний используется матрица 2х2, имеющая два измерения:
- базовые возможности искусственного интеллекта (применение платформ данных, облачных платформ и т.д. – все то, что позволяет не отставать от конкурентов);
- дифференцирующие возможности искусственного интеллекта (целостная стратегия внедрения искусственного интеллекта, инновационная корпоративная культура и т.д. – характеристики, позволяющие компании выделиться).
Это позволяет выделить четыре группы компаний:
- лидеры ИИ – высокий уровень и базовых, и дифференцирующих возможностей (12%);
- новаторы ИИ - высокий уровень дифференцирующих, низкий уровень базовых возможностей (13%);
- разработчики ИИ – высокий уровень развития базовых возможностей при низком уровне дифференцирующих (12%);
- экспериментаторы ИИ – низкий уровень развития обоих типов возможностей, отсутствие зрелых стратегий (63%) [24].
В России используется иной подход – НЦРИИ при Правительстве РФ по данным опросов представителей из различных сфер выполняет расчет интегрального индекса интеллектуальной зрелости отраслей экономики, секторов социальной сферы и системы государственного управления. Распределение сфер и отраслей по степени готовности к использованию ИИ (по данным 2023 года) представлено на рисунке 1.
1. Ansoff, I. Strategicheskoe upravlenie / I. Ansoff. – M.: Ekonomika, 1989. – 519 s.
2. Butrova, E.V. Osobennosti antikrizisnogo upravleniya predpriyatiem v usloviyah cifrovizacii / E.V. Butrova // Ekonomika, predprinimatel'stvo i pravo. – 2021. – T. 11. - №3. – S. 579-590.
3. Vertakova, Yu.V. Realizaciya antikrizisnyh mer dlya naseleniya i biznesa v usloviyah pandemii koronavirusa COVID-19 / Yu.V. Vertakova, T.V. Feoktistova // Ekonomika i upravlenie. – 2020. – T. 26. - №5. – S. 444-454.
4. Doklad ob antikrizisnyh merah Banka Rossii. – M.: Bank Rossii, 2024. – 125 s.
5. Indeks gotovnosti prioritetnyh otrasley ekonomiki Rossiyskoy Federacii k vnedreniyu iskusstvennogo intellekta. Analiticheskiy doklad. − M.: Nacional'nyy centr razvitiya iskusstvennogo intellekta pri Pravitel'stve Rossiyskoy Federacii, 2023. — IV + 68 s.
6. Kochetkov, E.P. Transformaciya antikrizisnogo upravleniya v usloviyah cifrovoy ekonomiki: obespechenie finansovo-ekonomicheskoy ustoychivosti vysokotehnologichnogo biznesa: monografiya / E.P. Kochetkov. – M.: Prospekt, 2020. – 328 s.
7. Kudina, M.V. Gosudarstvennoe upravlenie v novyh geopoliticheskih i geoekonomicheskih usloviyah (itogi raboty XX mezhdunarodnoy konferencii). Chast' 1 / M.V. Kudina, K.A. Ishekov, S.A. Sobolev // Vestnik Moskovskogo universiteta. Seriya 21. Upravlenie (gosudarstvo i obschestvo). – 2024. – T. 21. - №1. – S. 168-190.
8. Mal'ceva, I.F. Ispol'zovanie sistem iskusstvennogo intellekta v upravlencheskih i proizvodstvennyh processah / I.F. Mal'ceva, Yu.V. Shul'gina // Estestvenno-gumanitarnye issledovaniya. – 2024. - №5 (55). – S. 220-228.
9. Metody i vidy konkurentnogo analiza rynka v marketinge [Elektronnyy resurs] // AI Wiz. – URL: https://aiwiz.ru/analyzing_competitors_with_ai (data obrascheniya: 29.11.2024).
10. Oborin, M.S. Formirovanie mehanizma antikrizisnogo upravleniya promyshlennost'yu regiona v usloviyah cifrovizacii proizvodstva / M.S. Oborin // Gosudarstvennoe upravlenie. Elektronnyy vestnik. – 2020. - №81. - S. 144-162.
11. Sergeeva, N.V. Ispol'zovanie tehnologiy iskusstvennogo intellekta v mezhdunarodnom biznese kak otvet na vyzovy chrezvychaynyh situaciy // Ekonomika. Nalogi. Pravo. – 2022. – № 15(2). – S. 72-79.
12. Surtaeva, O.S. Ispol'zovanie potenciala iskusstvennogo intellekta v strategicheskom analize vneshney sredy predpriyatiya / O.S. Surtaeva // Ekonomicheskie sistemy. – 2022. – T. 15. – №2 (57). – S. 54-56.
13. Primenenie iskusstvennogo intellekta na finansovom rynke: doklad dlya obschestvennyh konsul'taciy. – M.: Bank Rossii, 2023. – 52 s.
14. Ukaz Prezidenta RF ot 10.10.2019 N 490 (red. ot 15.02.2024) «O razvitii iskusstvennogo intellekta v Rossiyskoy Federacii» (vmeste s «Nacional'noy strategiey razvitiya iskusstvennogo intellekta na period do 2030 goda») [Elektronnyy resurs] // Konsul'tant Plyus. – URL: https://www.consultant.ru/document/cons_doc_LAW_335184/ (data obrascheniya: 01.12.2024).
15. Ustinova, O.E. Iskusstvennyy intellekt v menedzhmente kompaniy / O.E. Ustinova // Kreativnaya ekonomika. – 2020. – T. 14. - № 5. – S. 885-904.
16. Fen Pin. Riski ekonomicheskoy bezopasnosti predpriyatiya v usloviyah cifrovoy transformacii / Fen Pin // Progressivnaya ekonomika. – 2024. - №7. – S. 155-163.
17. Chen' Gaosyan. Antikrizisnoe upravlenie kompaniey v sovremennyh usloviyah / Ch. Gaosyan // Ekonomika i socium. – 2024. - № 6-1 (121). – S. 1466-1470.
18. Shed'ko, Yu.N. Strategicheskoe upravlenie proektami na osnove ispol'zovaniya iskusstvennogo intellekta / Yu.N. Shed'ko, M.N. Vlasenko, N.V. Unizhaev // Ekonomicheskaya bezopasnost'. – 2021. – T.4. - №3. – S. 629-641.
19. Yudincev, M.A. Evolyuciya teorii antikrizisnogo upravleniya kompaniy v kontekste cifrovoy transformacii / M.A. Yudincev, A.G. Zaycev // Progressivnaya ekonomika. – 2024. - № 10. – S. 91-103.
20. Artificial Intelligence Index Report 2023 [Elektronnyy resurs] // Stanford University Human-Centered Artificial Intellegence. – URL: https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf (data obrascheniya: 28.11.2024).
21. Castro H. et al. Artificial Intelligence Models: A literature review addressing Industry 4.0 approach // Procedia Comput Sci. 2024. Vol. 239. P. 2369-2376.
22. Mariani, M.M. et al. Artificial intelligence in innovation research: A systematic review, conceptual framework, and future research directions // Technovation. 2023. Vol. 122. P. 102623.
23. Kukhar, O. Digital transformation as a factor in ensuring economic security of enterprises / O. Kukhar, Y. Kravchyk, O. Brechko // Baltic Journal of Economic Studies. - №9(5). – P. 143-152.
24. The art of AI maturity [Elektronnyy resurs] // Accenture. – URL: https://www.accenture.com/se-en/insights/artificial-intelligence/ai-maturity-and-transformation (data obrascheniya: 22.11.2024).
