Роль технологий искусственного интеллекта в цифровой трансформации экономики

Яковлева Е.А.1,2, Виноградов А.Н.3,4, Александрова Л.В.3, Филимонов А.П.1,5
1 Санкт-Петербургский государственный экономический университет
2 Финансовый Университет при Правительстве Российской Федерации
3 Российский университет дружбы народов, Россия, Москва
4 Институт программных систем им. А.К. Айламазяна Российской академии наук
5 Аппарат Комитета Государственной Думы ФС РФ по государственному строительству и законодательству

Статья в журнале

Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 13, Номер 2 (Апрель-июнь 2023)

Цитировать:
Яковлева Е.А., Виноградов А.Н., Александрова Л.В., Филимонов А.П. Роль технологий искусственного интеллекта в цифровой трансформации экономики // Вопросы инновационной экономики. – 2023. – Том 13. – № 2. – С. 707-726. – doi: 10.18334/vinec.13.2.117710.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=54060710
Цитирований: 2 по состоянию на 07.12.2023

Аннотация:
В статье рассматриваются подходы к применению методов искусственного интеллекта для решения задач цифровой трансформации экономики в сегменте поддержки и обеспечения традиционных бизнес-процессов промышленных предприятий, в части создания совершенно новых бизнес-моделей и идей для умного правительства. В статье раскрываются новые пути применения технологий искусственного интеллекта в цифровой экономике. Статья включает анализ особенностей технологии искусственного интеллекта с точки зрения их интеграционных возможностей в обработке данных для государственного управления, требуемой цифровой зрелости предприятия и влияния технологий на результаты деятельности компании, вклада к повышению ее ценности и добавленной стоимости в процессе цифровизации. Статья будет интересна участникам процесса цифровизации, сотрудникам компаний, отвечающим за ее проведение, архитекторам и проектировщикам информационных систем.

Ключевые слова: искусственный интеллект, обработка текстов на естественном языке, распознавание образов, стратегическое управление, цифровая трансформация экономики

JEL-классификация: O31, O32, O33



1. Введение. Современная экономика в рамках концепции постиндустриального общества давно и неразрывно связана с IT-технологиями, в том числе немаловажную роль в современной экономике играют технологии искусственного интеллекта, причем как в сегменте поддержки и обеспечения традиционных бизнес-процессов, так и в части создания совершенно новых бизнес-моделей и идей.

В качестве информационной базы настоящего исследования следует назвать научные обзоры по цифровой трансформации Д. Рейса, М. Аморима, Н. Мелао и других [2, с. 411-421], труды Национального исследовательского университета «Высшая школа экономики» Г. И. Абдрахманова, К. Б. Быховского, Н. Н. Веселитской, К. О. Вишневского, Л. М. Гохберга и др. [3, c. 19-199], материалы по анализу, трендам, мировому опыту цифровизации А. Прохорова и Л. Коника [6, c. 82-358], по искусственному интеллекту в аналитическом материале Д. Вронтиса, М. Христофи, В. Перейра, Ш. Тарба, А. Макридеса и Э. Тричина [7, c.6-23], Ж. Ду, Дж. Лю, Т. Ван из Пекинского спортивного университета [12, с. 2-14], по технологиям кибербезопасности Доктора Ю. Первей, профессора Института менеджмента и технологий Амбалика, К. Аббаса, Д. Дикситв, Н. Ахтара [14, c. 670-700], по цифровым банковским технологиям Б. Нуи, Д. Рена, Х. Ли [21, c. 4-14] и работам многих других исследователей.

Актуальность темы настоящего исследования определяется как развитием цифровых технологий в экономических отношениях, так значительным отставанием, своеобразным пробелом нормативно-правовой базы по внедрению современных информационных технологий в общество и в систему государственное управление, особенно для языковых технологий.

Цель исследования – обосновать пути применения искусственного интеллекта в процессе цифровой трансформации экономики, проанализировать области применения технологий искусственного интеллекта в решении приоритетных практических задач управления компанией.

Научная новизна состоит в том, выделены новые направления технологий искусственного интеллекта для развития Российской цифровой экономики, определены современные тренды использования технологий искусственного интеллекта в экономике, для которых должна быть разработана и уточнена новая правовая база.

Методология исследования основана на применении теории систем, системного анализа, теории искусственного интеллекта и теории управления.

Авторская гипотеза исследования состоит в том, что ускорение процессов цифровой трансформации будет происходить за счет активного внедрения технологий искусственного интеллекта.

Основные технологические тренды цифровой трансформации экономики раскрываются разработками институтов развития цифровых технологий всего мира, важно подчеркнуть приоритет в этом направлении разработок Института программных систем им. А.К.Айламазяна Российской академии наук и его исследовательских центров, Национального суперкомпьютерного форума, Национальная Суперкомпьютерная Технологическая Платформа (НСТП), Евразийская Суперкомпьютерная Технологическая Платформа (ЕСТП), отечественных IT-компаний и банковских учреждений.

Процесс интеграции информационных технологий в экономику можно разделить на три основных этапа. Первый этап представлял собой использование возможностей цифровых технологий для более удобной и быстрой обработки имеющейся информации. Следующий этап представлял собой уже непосредственное включение IT-технологий в существующие бизнес-процессы с целью сокращения временных, материальных и финансовых издержек. И, наконец, третий этап, называемый «цифровой трансформацией» привел к радикальному изменению существующих и появлению новых бизнес-процессов моделей и идей. Закономерным итогом цифровой трансформации экономики является появление цифровых предприятий (в соответствии с концепцией Индустрии 4.0 [1, с.1]) в рамках которых обеспечивается полная цифровая интеграция всех процессов и функций предприятия и создания так называемых Цифровых двойников.

Приведем основные стадии цифровой трансформации экономики:

1) Автоматизация. Развитие научно-технического прогресса. Преобразование информации и документов из аналоговых форматов в цифровые. Цифровое сопровождение существующих бизнес-процессов.

2) Информатизация. Информационное общество. Информационно-коммуникационные технологии. Образовательные технологии

3) Цифровизация. Интеграция цифровых технологий в существующие бизнес-процессы, их оптимизация и улучшение с одной стороны и цифровая экономика при отсутствии цифровой стратегии и суверенитета в государственном управлении Российской Федерации с другой. Общество знаний и попытки всеобщего охвата дистанционного образования.

Цифровая трансформация (ЦТ) экономики [2, с. 412] отражает необходимость адаптации и совершенствования существующих бизнес-процессов и принятие новых решений в условиях цифровой экономики. ЦТ строится на интеграции новых технологий и цифровых решений в каждый аспект бизнеса - от маркетинга и продаж до логистики и сервиса [3, с.9-14]. Таким образом, компании, осуществляющие цифровую трансформацию, могут улучшить свою эффективность, снизить затраты и повысить удовлетворенность клиентов, а также обеспечить свою конкурентоспособность в условиях быстро меняющегося рынка. ЦТ включает в себя феномен цифрового переосмысления клиентского опыта, бизнес-моделей и производственных операций, а также поиск новых путей увеличения ценности выручки и инвестиционной отдачи в рамках соблюдения требований по достижению технологического суверенитета [4, с. 4592].

ЦТ включает в себя широкий спектр изменений в бизнес-процессах, моделях и методах работы, которые осуществляются с помощью технологий и данных. Один из ключевых факторов цифровой трансформации ‑ это использование и развитие искусственного интеллекта (AI). Искусственный интеллект используется в цифровой трансформации экономики для оптимизации производства и бизнес-процессов, улучшения качества продукции и услуг, снижения затрат и улучшения продуктивности. Например, AI может помочь в автоматизации и оптимизации производственных процессов, таких как контроль качества продукции, планирование производства и распределение ресурсов. AI также может быть использован в управлении бизнесом, например, для проведения анализа рынка и клиентской базы, что дает возможность определить потребности и предпочтения клиентов, что позволяет разработать наилучшую стратегию продвижения продукции и услуги на рынке.

Цифровая трансформация экономики и искусственный интеллект также могут повысить эффективность и точность взаимодействия с клиентами за счет использования умных систем чат-ботов, которые могут быстро и мгновенно ответить на все вопросы клиентов. Более того, использование AI может запустить общественные сервисы, такие как автоматические системы мониторинга навигации, мониторинг клеточных сетей и и др.

В целом, использование и развитие искусственного интеллекта является необходимым и принципиальным шагом в цифровой трансформации экономики при улучшении работы таких секторов, как производство, финансы, здравоохранение, транспорт и другие.

В настоящее время мы являемся свидетелями процесса цифровизации государственного управления промышленной политикой в результате перехода ее на цифровые технологии и интеллектуальные решения в промышленности [5, с. 493]. Цифровая трансформация отраслей промышленности служат ускорению вертикальной интеграции разрозненных организационно-производственных цепочек как предприятий малого и среднего бизнеса так и госкорпораций для соединение их в новые природно-продуктовые вертикали.

На этом этапе цифрового развития нашего государства для создания природно-продуктовых цепочек важно целеполагать повышение параметры качества жизни в регионе и экологизации производства за счет цифровой трансформации промышленности в отличии от проводимой политики западных цифровых элит. В промышленности находит широкое применение аддитивной технологии наращивания материалов и технологий 3d принтера. Широкие возможности автоматизации цепочек поставок позволяет как исключать лишних посредников так и применять трансфертные цены. Открываются широкие возможности для применения технологии бесконтактной доставки за счет внедрения беспилотных технологий на транспорте. В целях контроля и повышения качества управления в промышленном производстве находит широкое распространение технологии высокоскоростной передачи данных и интернета вещей. Для сокращения не производственных издержек предприятия массово могут переходить на реализацию товаров и услуг из офлайна в онлайн. Данные тенденции частично отражены в содержании законодательных актов, регламентирующих отдельные отрасли промышленности [6, c. 223].

Цифровая трансформация – это системное преобразование в электронном формате определенной сферы, являющееся результатом применения совокупности комплексных процессов интеллектуальных и управленческих действий по разработке, внедрению и широкомасштабному использованию в отношении такой сферы информационных, информационно-коммуникационных и цифровых технологий (при соответствующей вербализации, формализации и автоматизации этих процессов и визуализации их результатов), включающих пересмотр и изменение способов управления состоянием искусственных систем, окружающей среды и деятельности различных субъектов за счёт всестороннего сбора и анализа данных, обработки неструктурированных потоков информации, синтеза решений с использованием больших массивов данных, а также посредством формирования новых организационно-технологических цепочек с использованием электронных средств коммуникации и связи.

Трансформация экономики за счет промышленного сектора происходит по широкому ряду направлений, включая:

1) Обновление ИТ инфраструктуры, обеспечивающее повышение безопасности и ускорение всех, даже самых простых операций. Выделение приоритетов науки в этом секторе хозяйственной деятельности.

2) Цифровизацию производственного и управленческого контура предприятия путем внедрения сквозных интеллектуальных технологий в его бизнес-процессы для обеспечения качества и эффективности.

3) Стратегическое планирование как механизм управления, направленный на формирование и достижение приоритетных целей и включающий в себя процессы целеполагания, прогнозирования и планирования, реализуемые с помощью современных технологий искусственного интеллекта.

4) Цифровой маркетинг - одно из первых направлений, в котором активно начали развиваться процессы цифровой трансформации - сбор метаданных о потребителях товаров и услуг, и формирование комплексной маркетинговой экосистемы, интегрирующей в себя различные маркетинговые платформы и методы работы с данными.

5) Создание принципиально новых бизнесов, ключевой ценностью которых являются новые цифровые технологии и получаемая с их помощью информация.

6) Внедрение киберфизических систем (CPS), являющихся комплексными техническими системами, объединяющими физические объекты с цифровыми системами обработки информации и управления. В промышленности CPS могут использоваться для автоматизации процессов производства, повышения эффективности и улучшения качества продукции. Они могут включать в себя сенсоры, контроллеры, системы управления и мониторинга, а также коммуникационные устройства для передачи данных. Такие системы могут внедряться для обеспечения более точных решений при управлении производственными процессами, мониторинге состояния оборудования и предотвращении аварийных ситуаций, а также для сбора и анализа данных о производственной деятельности. Благодаря эффективному использованию CPS, компании могут значительно улучшить свою конкурентоспособность и оптимизировать свою деятельность.

7) Тесную интеграцию с современной наукой. Наука играет ключевую роль в цифровой трансформации экономики. Современная экономика стремится к использованию новых технологий, что помогает ей улучшать свою производительность и конкурентоспособность. Наука же предоставляет необходимые инструменты для создания и развития этих технологий. Кроме того, наука также помогает способствовать развитию цифровой инфраструктуры, создавать новые товары и услуги на основе цифровых технологий, а также улучшать процессы управления и принятия решений в бизнес-сфере. В целом, наука и цифровая трансформация экономики взаимно поддерживают друг друга, обеспечивая наиболее эффективное использование ресурсов и повышение качества жизни в обществе.

8) Умное управление является одним из ключевых инструментов в цифровой трансформации экономики. Оно позволяет эффективно управлять производственными процессами, максимизировать использование ресурсов, оптимизировать бизнес-процессы и улучшить взаимодействие с клиентами. Одним из основных преимуществ умного управления является улучшение операционной эффективности и сокращение издержек за счет автоматизации и оптимизации процессов. Аналитика данных и машинное обучение помогают улучшить точность прогнозирования и принимать взвешенные решения на основе реальных данных. Умное управление также позволяет улучшить взаимодействие с клиентами, создавать персонализированные продукты и услуги и увеличивать удовлетворенность клиентов. В целом, умное управление играет ключевую роль в обеспечении цифровой трансформации экономики и является необходимым компонентом для достижения конкурентных преимуществ в современном бизнесе.

2. Основные технологические тренды цифровой трансформации экономики

Рассмотрим основные технологические тренды цифровой трансформации экономики с применением AI-технологий.

1) Разговорный интеллект [7, с.6]. В первую очередь (как наиболее заметные для рядового потребителя, и находящиеся на верхушке «AI-айсберга») нельзя не отметить технологии «разговорного интеллекта». На самом деле «разговорный интеллект» представляет собой комплекс из трех технологий - системы обмена сообщениями, технологии распознавания голоса и непосредственно искусственный интеллект в части задач анализа и обработки естественного языка (NLP - Natural Language Processing).

В нашем мире в самом распространенном примером разговорного интеллекта в «коробочном варианте» являются различные голосовые помощники (такие как Siri от Apple или Алиса от Яндекса), пользующиеся в последнее время всё большей и большей популярностью у самой широкой аудитории потребителей. Различные текстовые чат-боты также уже воспринимаются как обыденная реальность. Однако с точки бизнеса, использование инструментов NLP (базирующихся на технологиях искусственного интеллекта) открывает огромные возможности для цифровой трансформации - это и автоматизация лидогенерации, позволяющая значительно увеличить объём клиентской базы и автоматизация взаимодействия с уже имеющимися клиентами (работающие в режиме 24/7 call-центры, создание мощных servicedesk систем, обеспечивающих оперативную обработку жалоб и получение отзывов от клиентов) и пр.

Разговорный интеллект – это одна из современных технологий, которая позволяет компаниям оценивать риски, управлять системами государственного управления и экономить время и деньги. Она имеет большой потенциал во многих отраслях, включая финансовый сектор, медицину, образование, транспорт и т.д.

Для того чтобы успешно использовать разговорный интеллект, необходима достаточная цифровая зрелость предприятия. В идеале, компания должна иметь все необходимые инструменты и инфраструктуру, чтобы обеспечить безопасность и работоспособность приложений, которые используют разговорный интеллект.

Несмотря на то, что разговорный интеллект еще не столь широко распространен (в настоящее время используются преимущественно примитивные реализации, содержащие вопросно-ответные системы, базирующиеся на жестких шаблонах ответов и вопросов или навигации при помощи однозначных ответов да/нет) все больше высокотехнологичных предприятий начинают использовать его в своей работе. Это связано с тем, что является новым инструментом в области построения клиентоориентированного бизнеса, что позволяет увеличить эффективность и конкурентоспособность компании.

Одна из ответственностей компании за внедрение и использование разговорного интеллекта – это обеспечение безопасности и конфиденциальности биометрических и персональных данных клиентов. При внедрении систем разговорного интеллекта законы и правила по обработке персональных данных должны соблюдаться с особой тщательностью.

2) Синтетические данные [8, с.2]. Ещё одно важное направление применения технологий искусственного интеллекта - синтетические (или дополненные) данные. Это данные, созданные программным обеспечением для имитации реальных данных. Они используются для тестирования и отладки программного обеспечения, а также для «тренировки» алгоритмов машинного обучения. Современные методы машинного обучения на основе анализа пользовательских данных позволяют создавать быстрые и эффективные алгоритмы принятия решений для самых различных бизнес-процессов. Однако особенностью таких алгоритмов является потребность в наличии датасетов большого объёма для первоначального обучения. Проблема заключается в том, что обычно имеющиеся в наличии реальные наборы данных либо недостаточны по объёму, либо неполны - часть информационных полей просто-напросто не заполнены, что делает такой набор непригодным для машинного обучения. Причем, как правило речь идет о чувствительных персональных данных (например финансовая или медицинская информация), получить которые из других источников невозможно. В таких случаях недостающую информацию можно сгенерировать программно, заполнив недостающие поля синтезированными, но статистически достоверными данными. В качестве примера можно привести такой важный компонент цифрового маркетинга, как маркетинговой персоны. Маркетинговую персону считают как виртуальный искусственно сформированный образ потребителя, обладающий определенными атрибутами представителей изучаемого класса целевого рынка. Характеристики маркетинговой персоны представляют собой черты типичного покупателя на основе оцифровки имеющейся информации для представления типа пользователя, который может использовать сайт, бренд или продукт аналогичным образом. Невозможно понять и правильно воздействовать на каждого клиента или потенциального клиента по отдельности, однако можно создать образы клиентов, которые будут отражать каждый сегмент клиентской базы [9, с.1].

В задачах государственного управления синтетические данные могут использоваться при разработке и тестировании информационных систем, используемых для обработки информации о гражданах и организациях, а также при проведении анализа данных для определения потребностей конкретных групп населения. Маркетинговые персоны могут использоваться для анализа поведения граждан и организаций при взаимодействии с государственными органами, для разработки маркетинговых стратегий для повышения эффективности работы государственных служб, а также для моделирования поведения населения и организаций в проблемных ситуациях, возникающих в ходе цифровой трансформации экономики.

3). Цифровые двойники [10, с.2-5]. Ещё одна важная точка приложения технологий искусственного интеллекта - Цифровые двойники (Digital Twins). Цифровые двойники ‑ это виртуальные копии реальных объектов, процессов или систем. Они создаются с помощью технологий Интернета вещей, облачных вычислений, искусственного интеллекта и других инновационных технологий, и позволяют эффективно анализировать и управлять физическими объектами и процессами. Digital Twin Consortium дает следующее определение "цифровых двойников" [11, с.1]: «представляет собой виртуальное представление объектов и процессов реального мира, синхронизированных с заданной частотой и точностью; мотивируется результатами, адаптируется к вариантам использования, основывается на интеграции, основана на данных, руководствуется знаниями предметной области и реализована на специализированной платформе; преобразует бизнес, ускоряя целостное понимание, принятие оптимальных решений и эффективные действия» [11, с.4].

Выделяется 5 уровней цифровых двойников, начиная от самого простого "описательного" (визуальная копия моделируемого объекта) и заканчивая "автономным", не только полностью моделирующим все внешние и внутренние процессы, но и обладающим встроенными системами принятия решений (СППР) для управления ими. Чем сложнее уровень цифрового двойника, тем больше потребность в разнообразных технологиях искусственного интеллекта для его создания и функционирования.

В зоне экономики цифровые двойники используются для решения ряда задач, таких как:

¾ Оптимизация производственных процессов. Цифровые двойники предоставляют полную информацию о работе оборудования и производственных линий, что позволяет эффективно оптимизировать процессы и снизить затраты на производство.

¾ Управление запасами и логистикой. Цифровые двойники позволяют оперативно отслеживать перемещение грузов и складских запасов, оптимизировать логистические процессы и снизить затраты на хранение и доставку товаров.

¾ Повышение качества продукции. Цифровые двойники используются для анализа качества продукции и выявления возможных дефектов еще на этапе проектирования или производства, что позволяет своевременно вносить коррективы и повышать качество продукции.

¾ Управление ресурсами. Цифровые двойники помогают эффективно управлять энергопотреблением, водоснабжением, канализацией и другими ресурсами, что позволяет снижать их расходы и повышать эффективность использования.

¾ Анализ данных и прогнозирование. Цифровые двойники используются для анализа огромных объемов данных, осуществления прогнозирования и предсказания различных сценариев развития экономики, что позволяет принимать более обоснованные решения.

¾ Цифровая медицина. Цифровые двойники используются в медицинских областях, чтобы создать виртуальные копии человеческих органов и их систем, что может помочь в разработке инновационных методов диагностики и лечения различных заболеваний.

Таким образом, использование цифровых двойников является одним из ключевых элементов цифровой трансформации экономики. Он позволяет оптимизировать процессы, повышать качество продукции, снижать расходы и повышать эффективность использования ресурсов, что в конечном итоге приводит к экономическому росту и процветанию.

4) AR/VR технологии [12, с. 6]. Следующим важным инструментом для цифровой трансформации экономики являются AR/VR технологии [13, с.1]. Виртуальную (Virtual Reality, VR) и дополненную (Augmented Reality, AR) часто путают, хотя несмотря на сходство — это совершенно разные технологии. И хотя виртуальная реальность является более известным и "раскрученным" брендом - с точки зрения бизнеса наибольший интерес представляет дополненная реальность (AR), позволяющая объединять реальное и виртуальное в единую иммерсивную среду. Эта технология может использоваться как в обучающих (например отработка мероприятий по технике безопасности на опасных производствах), так и производственных целях (например проектирование, создание и эксплуатация сложных технических объектов в таких отраслях как строительство, машиностроение, энергетика и пр.). AR технологии позволяют "видеть" внутреннее устройство объектов и механизмов, а также воссоздавать протекающие внутри них процессы, увидеть которые традиционными способами практически невозможно.

AR/VR технологии на государственном уровне могут привести ко многим положительным результатам, в таких областях как:

¾ Образование. Внедрение AR/VR технологий в учебный процесс может значительно улучшить восприятие материала студентами. Эти технологии могут создавать интерактивные виртуальные пространства, которые помогают студентам лучше понимать сложные научные концепции и процессы. Например, учебник с элементами виртуальной реальности может помочь студентам визуализировать географические или физические процессы.

¾ Медицина. AR/VR технологии в медицинских учреждениях могут улучшить диагностику и лечение пациентов. Это может включать использование виртуальной реальности для дистанционного обучения врачей, виртуальные тренажеры для обучения проведению операций и дополненную реальность в уходе за пациентами.

¾ Сфера развлечений и туризма. AR/VR технологии могут быть использованы для создания интерактивного контента для туристов. Виртуальные туры могут помочь туристам изучать богатое культурное наследие страны, а также предоставлять им возможность увидеть места, которые были бы для них недоступны в реальной жизни. Также VR/AR можно использовать в развлечениях и играх.

Примеры внедрения AR/VR технологий на государственном уровне:

¾ В Китае была запущена программа виртуального обучения в области металлургии для студентов в колледжах и университетах. Эта программа использует AR/VR технологии для создания отображения процессов, таких как обработка металла и ковка.

¾ В Корее была разработана программа Dopamine, в рамках которой VR технологии используются для помощи людям, страдающим расстройствами пищевого поведения.

¾ В США была запущена программа «Virtual Heroes», в рамках которой VR технология используется для тренировки сотрудников правоохранительных органов к нештатным ситуациям, таким как нападение на школу или террористический акт.

¾ В России создан проект «Россия 360», представляющий собой виртуальную реальность, в которой можно посмотреть на уникальные достопримечательности России, такие как Кремль, различные музеи и театры.

В целом, AR/VR технологии могут значительно повысить качество жизни населения и придать новый импульс развития самым раличным отраслям экономики.

5) Кибербезопасность [14, c.690]. Ещё одна важная точка применения AI-технологий – кибербезопасность [15, c.3]. На сегодняшний день без использования информационных систем и сетей передачи данных не способна обходиться практически ни одна из отраслей экономики и цена, которую приходится платить за вторжение злоумышленников в большинстве случаев очень велика. Существует огромный спектр задач по обеспечению кибербезопасности, решаемых нейронными сетями, в данном обзоре выделим только основные, являющиеся наиболее актуальными: обнаружение вторжений, выявление уязвимостей, обнаружение мошенничества и вредоносных программ. Решение большинства этих задач базируется на AI-технологиях выявления аномального поведения, реализуемых при помощи искусственных нейронных сетей.

Кибербезопасность становится все более важной в контексте цифровой трансформации экономики. Это объясняется тем, что с ростом использования цифровых технологий увеличивается уязвимость информационных систем и возрастает риск кибератак. Государственные органы должны проявлять высокую активность и ответственность в области кибербезопасности, ведь на их плечах лежит защита как государственных, так и частных интернет-систем от киберугроз. В этом случае, государство выполняет важнейшую задачу – обеспечение стабильности и надежности функционирования цифровой экономики. Кроме того, государства должны разрабатывать и внедрять эффективные механизмы киберзащиты на различных уровнях: как на основных критических объектах, так и на уровне обычных пользователей, чтобы увеличить уровень осведомленности населения в области цифровой безопасности. Наконец, на государственном уровне необходимо развивать технические и инновационные продукты в области кибербезопасности. Существует множество новых технологий, которые могут помочь в борьбе с кибератаками, такие как искусственный интеллект, блокчейн и квантовые вычисления. Направление средств на эту область позволит решать киберпроблемы с высоким уровнем эффективности и надежности. Таким образом, огромную роль в обеспечении безопасности в цифровой трансформации экономики играют государственные органы. Критические объекты должны быть защищены от кибератак, а регулирующие органы должны внедрять и разрабатывать эффективные механизмы для обеспечения безопасности.

6) Low-code и Zero-code [16, c.735]. Разработка различного прикладного программного обеспечения для решения задач реального сектора экономики является крайне востребованным и в то же время дорогостоящим процессом, требующим привлечения высококвалифицированных и соответственно высокооплачиваемых специалистов, что приводит к значительным издержкам. Решить (или хотя бы - в значительной степени ослабить) эту проблему призваны технологии Low-code и Zero-code [17, c.1], позволяющие создавать программные продукты без написания кода, используя инструменты моделирования и блоки графического интерфейса (GUI) обычным пользователям, не имеющим профессионального образования, технического опыта и навыков программирования. Low-code и Zero-code - это две разновидности технологий, направленных на упрощение и ускорение процесса разработки программного обеспечения и автоматизации бизнес-процессов. Обе технологии предполагают использование визуального интерфейса и готовых модулей, что позволяет создавать приложения без необходимости написания кода на языках программирования.

Low-code технологии используют блочную модель, которая позволяет быстро и легко создавать приложения на основе стандартных или произвольных модулей, без особых знаний в области программирования. Эти технологии позволяют создавать приложения со сложной логикой и функциональностью, которые могут быть интегрированы со сторонними системами и базами данных.

Zero-code технологии еще проще и доступнее, чем Low-code. Они предполагают создание приложений через графический интерфейс без использования кода. Эти технологии позволяют быстро и легко разрабатывать приложения для автоматизации бизнес-процессов, которые могут быть интегрированы с другими системами и платформами.

Резюмируя - Low-code предоставляет предопределенные блоки кода, которые можно настраивать и соединять вместе, чтобы создавать приложения, а Zero-code, в свою очередь, позволяет создавать приложения с помощью готовых шаблонов и конфигурационных файлов.

Высокая скорость разработки, возможность быстро прототипировать приложение и ускорение процесса цифровой трансформации – главные достоинства Low-code и Zero-code технологий, которые также позволяют снизить стоимость разработки и обслуживания приложений.

Таким образом бизнес получает возможность создавать полноценное ПО для закрытия собственных потребностей без привлечения профессиональных программистов, значительно сокращая при этом издержки без потери эффективности. Естественно, что создание полноценного набора фунциональных "блоков" для подобных "конструкторов" невозможно без применения технологий искусственного интеллекта. Перечислим лишь некоторые из них: Анализ текстов на естественном языке (NLP), в том числе такие инструменты, как распознавание языка, автоматический перевод, анализ тональности текста (позитивный, негативный или нейтральный); Распознавание изображений и видео и поиск на них определённой информации, в том числе - запрещённого контента; Распознавание и синтез речи; Предиктивный анализ (прогнозирование наступления определенного события по набору входных данных).

Использование всего этого комплекса технологий имеет множество преимуществ, таких как экономия времени и денег, быстрое развертывание проектов, повышение производительности и гибкость в адаптации к изменяющимся требованиям бизнеса. Одним из примеров успешного внедрения Low-code является проект компании Siemens, которая использовала эту технологию для создания приложения ведения журнала обслуживания своего оборудованя. Разработка и внедрение этого приложения заняло у Siemens менее года, что помогло значительно сократить время на выполнение задач и увеличить производительность. Zero-code тоже имеет множество примеров успешной реализации, например, компания Zoho, использующая данную технологию для создания различных приложений CRM и управления проектами. С помощью Zero-code Zoho заметно сократила время на разработку своего ПО и смогла настроить систему под свои нужды. В целом, Low-code и Zero-code являются эффективными технологиями, которые помогают создавать проекты быстрее и с меньшими затратами, чем традиционный способ разработки. Эти технологии могут быть полезны для небольших компаний, которые не могут позволить себе большие затраты на разработку ПО, а также для крупных компаний, которые нуждаются в быстром развертывании проектов. В свою очередь - активное применение подобных инноваций способно придать значительный импульс развитию современной экономики в направлении цифровой трансформации.

7) RPA ­ Robotic process automation [18, c.67]. Ещё одна крайне важная сфера применения современных технологий - это Robotic process automation (или RPA) — технология автоматизации бизнес-процессов, предназначенная для решения рутинных задач, которые выполняются четко по определённому шаблону (алгоритму) [19, c.1; 20 c. 1]. Перечислим области использования технологии RPA, в которых их применение может быть полезным:

¾ Поддержка простых и максимально рутинных задач. Примитивные задачи, где использование человека неэффективно как по причине их крайней дешевизны, так и из-за необходимости исключения человеческого фактора (случайных ошибок). Как правило, в этом случае все остальные средства автоматизации автоматизации обойдутся значительно дороже. При этом важно помнить, что для сложных задач технологии RPA подходят плохо.

¾ Временная заплатка для небольшой проблемы (пока не будет внедрена более сложная и комплексная ИТ-система, решающая в том числе и эту проблему).

¾ Постоянный «костыль» в составе более сложной IT-системы (например, кога одна из подзадач решается старой программой или оборудованием, которые переработка или замена которых на более современные либо невозможно, либо экономически неэффективна). Сюда же входит ситуация полноценная автоматизация какого-либо бизнес-процесса является неоправданно дорогой. Вообще финансовая эффективность внедрения ИТ-технологий является крайне важным показателем. Если внедрение IT в какой-либо бизнес-процесса удорожает его, но не приносит при этом повышения доходов, то такая "цифровизация" бессмысленна.

¾ Гибкие процессы, изменяющиеся быстрее чем могут быть внедрены полноценные IT-механизмы их решения.

RPA уже давно стала одним из самых актуальных направлений цифровой трансформации экономики. В России RPA используется не только в коммерческих компаниях, но и в государственных информационных системах.

Одним из крупных проектов, в которых было внедрено роботизированное программное обеспечение, является система распределения субсидий на оплату жилья в Москве. Раньше её работа серьёзно затруднялась в в связи с наличием множества документов, поступающих из различных источников. С помощью роботизации процессов сократилось количество ошибок при заполнении заявлений и ускорилось выдача субсидий.

Еще одним примером успешного внедрения RPA в государственных информационных системах является проект «Сбербанк Технологии» в Кемеровской области. Здесь была автоматизирована работа с клиентской базой Государственной корпорации «Росатом» и других государственных компаний, что позволило значительно ускорить обработку заявок и снизить количество ошибок.

Также стоит отметить проекты Центральной избирательной комиссии об ускорении процесса подсчета голосов на выборах и разработку мобильного приложения для голосования на дистанционных выборах.

В целом, RPA способствует ускорению и оптимизации работы государственных информационных систем, повышению точности и снижению затрат при обработке больших объемов данных.

8) Кредитный скоринг ‑ это система оценки кредитной надежности потенциального заемщика, которая основывается на анализе его кредитной истории и других факторов [21, c.397]. Кредитный скоринг помогает банкам и другим кредиторам принимать решение о выдаче кредита и определении процентной ставки. Развитие модели потребительского кредитования заставляет банки выдавать как можно больше кредитов и при этом расширять потребительские сегменты. Такая модель развития влечёт значительные финансовые риски - в начале 2000-х, когда рынок потребительского кредитования только начинал развиваться банки уверенно шли по экстенсивному пути развития, выдавая кредиты всем желающим, однако последовавшие за этим финансовые кризисы 2008 и 2014 годов и понесенные в связи с этим убытки заставили банки более тщательно подходить к оценке заемщиков, анализируя уже скопившуюся историю. Первоначально скоринг-модели строились и проверялись вручную, и приводили к огромным финансовым, а главное временным издержкам. Применение технологий искусственного интеллекта [8] позволило успешно автоматизировать эти процессы и привело к закономерному снижению числа проблемных клиентов. В применении технологий кредитного скоринга за заинтересованы банковские структуры и их клиенты. Как минимум - снижения числа проблемных клиентов позволяет снизить ставки по кредитам и сделать их боле привлекательными для клиентов без снижения маржи банка. Но, помимо этого, использование автоматических скоринг систем позволяет потребителю выбрать наиболее выгодное для него кредитное предложение при условии достаточно высокого прогноза его одобрения и обратиться именно в ту кредитно-финансовую организацию, которая работает именно с этим конкретным сегментом заемщиков. При этом минимизируются и временные затраты на подачу кредитных заявок, и кредитная история не "портится" лишними отказами от банков.

Вот некоторые примеры положительного влияния кредитного скоринга на экономику и социальную политику в России и за рубежом:

¾ Большая часть банков в России использует кредитный скоринг для выдачи кредитов. Это помогает им уменьшить риски и снизить количество невозвратных кредитов. Таким образом, банки могут предоставлять больше кредитов и по более низким процентным ставкам, что стимулирует экономический рост.

¾ Кредитный скоринг также может помочь потребителям, которые ищут кредиты, получать более выгодные условия. Они могут получить доступ к более высокой сумме кредита или более низкой процентной ставке, если их кредитная история свидетельствует о высокой кредитной надежности.

¾ В развивающихся странах кредитный скоринг может способствовать развитию микрофинансовых организаций, которые предоставляют малые ссуды мелкому и среднему бизнесу. Микрофинансовые организации могут использовать кредитный скоринг для быстрого принятия решений о выдаче кредитов, что помогает увеличить доступность кредитного капитала для малых бизнесов.

¾ Кредитный скоринг также может играть положительную роль в социальной политике. Например, в США использование кредитного скоринга стало обязательным при выдаче кредитов на жильё в рамках федеральной программы FHA. Это помогает увеличить доступность жилья для людей с низкой кредитной надежностью, поскольку FHA требует от банков учитывать не только кредитную историю, но и другие факторы, такие как доход и занятость.

¾ Кредитный скоринг можно использовать для борьбы с дискриминацией при выдаче кредитов. Некоторые исследования показали, что традиционные методы оценки кредитной надежности могут приводить к дискриминации на основе расы, пола или других факторов. Кредитный скоринг, в свою очередь, основывается на объективных данных, что позволяет избежать дискриминации при принятии решений о выдаче кредитов.

Таким образом, кредитный скоринг является важным инструментом финансового рынка, который помогает повысить его эффективность и доступность для широкого круга потребителей.

Основным трендом применения технологий искусственного интеллекта для цифровой трансформации экономики является управление данными. В течение многих десятилетий этот термин, возникший ещё на начальном этапе "оцифровки" означал каталогизацию существующих данных - их сбор, систематизацию хранение и обеспечение доступа, в т.ч. с применением технологий информационного поиска. Однако в новом тысячелетии возникла новая тенденция - количество неструктурированных данных, восприятие которых напрямую чаще всего затруднено или вовсе невозможно, равно как и обработка стандартными методами и алгоритмами, разработанными для структурированной информации, стало лавинообразно нарастать.

Объём этих данных огромен, они затрагивают все сферы жизни и в том числе - экономические процессы. Данные имеют самую различную природу, хранятся в различных местах (корпоративные базы данных, системы технического мониторинга, социальные сети) и умение правильно и грамотно ими воспользоваться дает значительные конкурентные преимущества бизнесу. Именно поэтому значение такой IT-отрасли, как аналитика больших данных с помощью современных технологий искусственного интеллекта всё более и более возрастает. Предприятиям необходимо оперативно принимать бизнес-решения, а это невозможно без наличия мощной и современной инфраструктуры аналитики неструктурированных данных и применения передовых информационных технологий.

Искусственный интеллект помогает собрать, обработать и анализировать большие объемы данных быстрее, эффективнее и более точно, чем это возможно для человека. Это дает компаниям возможность делать более осознанные бизнес-решения, оптимизировать свои процессы и улучшать опыт клиентов. Это также открывает новые возможности для развития более инновационных продуктов и услуг, которые могут быть настроены под конкретные потребности потребителей. Например, рекомендательные системы на основе машинного обучения могут предлагать клиентам индивидуальные рекомендации на основе их предпочтений и истории покупок. Однако, ослепленность восторгом от искусственного интеллекта может привести к игнорированию некоторых негативных последствий такого применения технологий, в том числе потере рабочих мест для людей, утрате конфиденциальности данных и увеличению дискриминации на основе алгоритмов. Поэтому необходимо убедиться, что внедрение искусственного интеллекта происходит сознательно и ответственно.

Выводы. Приведенный анализ безусловно является неполным и не охватывает все возможные сферы применения технологий искусственного интеллекта в цифровой трансформации экономики, однако однозначно дает понять, что без активного развития и тесной интеграции AI-технологий в существующие бизнес-процессы и создания на их основе принципиально новых высокотехнологичных бизнесов успешное формирование Индустрии 4.0 невозможно. На данном этапе важно подчеркнуть мер государственной поддержки в части информационной безопасности. Государственными мерами информационной безопасности, реализуемыми в процессе осуществления цифровой трансформации отраслей промышленности, являются: стратегическое планирование, а также последующие осуществление и оценка эффективности комплекса мер по обеспечению информационной безопасности за счет актуализации нормативно-правовой базы, защиты отечественного информационного пространства; регулярного осуществления мониторинга об электронных угрозах на уровне государства; совершенствование нормативных-правовых, экономических, информационно-аналитических и научно-технических аспектов функционирования системы обеспечения информационной безопасности; выработка и реализация мер государственной поддержки субъектов предпринимательской деятельности в сфере промышленности и субъектов, входящих в состав инфраструктуры обеспечения поддержки указанной деятельности, осуществляющих разработку, производство и эксплуатацию средств обеспечения информационной безопасности и оказание услуг в области обеспечения информационной безопасности, а также образовательных организаций; укрепление организационно-функциональной вертикали государственного и муниципального управления, а также централизация сил обеспечения информационной безопасности на федеральном, межрегиональном, региональном, муниципальном уровнях, а также на уровне объектов информатизации, операторов информационных систем и сетей связи.


Источники:

1. Клейменова Л. Что такое индустрия 4.0 и что нужно о ней знать. Trends.rbc.ru. [Электронный ресурс]. URL: https://trends.rbc.ru/trends/industry/5e740c5b9a79470c22dd13e7 (дата обращения: 30.01.2023).
2. Reis J., et al. Digital Transformation: A Literature Review and Guidelines for Future Research // Trends and Advances in Information Systems and Technologies: World Conference on Information Systems and Technologies. 2018. – p. 411-421.– doi: 10.1007/978-3-319-77703-0_41.
3. Абдрахманова Г.И., Вишневский К.О., Гохберг Л.М. и др. Цифровая трансформация отраслей: стартовые условия и приоритеты. / Докл. к XXII Апр. междунар. науч. конф. по проблемам развития экономики и общества. - М.: Изд. Дом Высшей школы экономики, 2021. – 239 c.
4. Абдулов Р.Э., Реснов Д.Г. Перспективы достижения технологического суверенитета и цифровизации в России на фоне беспрецедентного санкционного давления // Креативная экономика. – 2022. – № 12. – c. 4591-4604. – doi: 10.18334/ce.16.12.117035.
5. Шихалиева Д.С., Муталимов В.А., Трубачеев Е.В., Демчинская Е.А. Развитие отраслевых технологических платформ на основе конвергенционного замыкания технологических циклов // Креативная экономика. – 2023. – № 2. – c. 493-506. – doi: 10.18334/ce.17.2.117189.
6. Прохоров А., Коник Л. Цифровая трансформация. Анализ, тренды, мировой опыт. / Издание второе, исправленное и дополненное. - М.: ООО «КомНьюс Груп», 2019. – 368 c.
7. Vrontis D., Christofi M., Pereira V., Tarba Sh., Makrides A., Trichina E. Artificial intelligence, robotics, advanced technologies and human resource management: a systematic review // The International Journal of Human Resource Management. – 2021. – № 3. – p. 1237-1266. – doi: 10.1080/09585192.2020.1871398.
8. Joshi S. et al. Synthesizing Tabular Data via Deep Generative Model. ArXiv preprint. [Электронный ресурс]. URL: https://arxiv.org/abs/1912.00571.
9. Cohen Н. 7 Steps To Use Personae In Your Marketing Plan. Heidicohen.com. [Электронный ресурс]. URL: https://heidicohen.com/post-marketing-persona-creation/ (дата обращения: 30.01.2023).
10. Kukushkin K., Ryabov Y., Borovkov A. Digital Twins: A Systematic Literature Review Based on Data Analysis and Topic Modeling // Data. – 2022. – № 12. – p. 173. – doi: 10.3390/data7120173.
11. Digital Twin Consortium. [Электронный ресурс]. URL: https://www.digitaltwinconsortium.org/ (дата обращения: 30.01.2023).
12. Du Z., Liu J., Wang T. Augmented Reality Marketing: A Systematic Literature Review and an Agenda for Future Inquiry // Frontiers in Psychology. – 2022. – p. 925963. – doi: 10.3389/fpsyg.2022.925963.
13. Букарев А. Как технологии VR и AR применяют в производстве, науке и образовании?. Цифровая экономика. [Электронный ресурс]. URL: https://www.comnews.ru/digital-economy/content/221427/2022-08-01/2022-w31/kak-tekhnologii-vr-i-ar-primenyayut-proizvodstve-nauke-i-obrazovanii (дата обращения: 30.01.2023).
14. Dr. Perwej Yu., et al. A Systematic Literature Review on the Cyber Security // International Journal of Scientific Research and Management. – 2021. – № 12. – p. 669-710. – doi: 10.18535/ijsrm/v9i12.ec04.
15. Лукацкий А. Кибербезопасность цифровой трансформации. 4cio.ru. [Электронный ресурс]. URL: https://4cio.ru/content/4CDTO/Кибербезопасность цифровой трансформации v2.0.pdf (дата обращения: 30.01.2023).
16. Bock A.C., Frank U. Low-Code Platform // Business & Information Systems Engineering. – 2021. – № 63. – p. 733-740. – doi: 10.1007/s12599-021-00726-8.
17. Что такое Low Code и Zerocode и когда применяются. Vc.ru. [Электронный ресурс]. URL: https://vc.ru/marketing/374861-chto-takoe-low-code-i-zerocode-i-kogda-primenyayutsya (дата обращения: 30.01.2023).
18. Aguirre S., Rodriguez A. Automation of a business process using robotic process automation (RPA): a case study. / In book: WEA 2017: Applied Computer Sciences in Engineering, vol. 742. - Colombia, 2017. – 65-71 p.
19. Исаков И. Роботизация бизнеса: что такое RPA и кому она нужна. Trends.rbc.ru. [Электронный ресурс]. URL: https://trends.rbc.ru/trends/innovation/62a8fd169a7947f5847e4d4f (дата обращения: 30.01.2023).
20. Степанов А. Скоринг c применением нейронных сетей (ML, ИИ). Vc.ru. [Электронный ресурс]. URL: https://vc.ru/finance/341642-skoring-c-primeneniem-neyronnyh-setey-ml-ii (дата обращения: 30.01.2023).
21. Niu B., Ren J., Li X. Credit Scoring Using Machine Learning by Combing Social Network Information: Evidence from Peer-to-Peer Lending // Information. – 2019. – № 12. – p. 397. – doi: 10.3390/info10120397.

Страница обновлена: 04.04.2024 в 19:15:22