Russian Journal of Innovation Economics Russian Journal of Innovation Economics Вопросы инновационной экономики 2222-0372 BIBLIO-GLOBUS Publishing House 121070 10.18334/vinec.14.3.121070 BAUPLD Articles Статьи Research Article Decision-making in the modern economy: artificial intelligence vs. behavioral economics Принятие решений в современной экономике: искусственный интеллект vs поведенческая экономика Lukichev Pavel Mikhaylovich Лукичев Павел Михайлович

профессор кафедры менеджмента организации, доктор экономических наук, профессор

 loukitchev20@mail.ru Baltic State Technical University «VOENMEH» named after D.F. Ustinov Балтийский государственный технический университет ВОЕНМЕХ им. Д.Ф. Устинова 30 09 2024 14 3 VOL 14, NO3 (2024) ТОМ 14, №3 (2024) 649 666 04 05 2024 08 05 2024 Copyright ©; 2024, Lukichev P.M. Copyright ©; 2024, Лукичев П.М. 2024 Lukichev P.M. Лукичев П.М. https://1economic.ru/lib/121070

The article examines the problems of making economic decisions by artificial intelligence algorithms and the possibility of joint work on making final decisions by humans and artificial intelligence. The features of decision-making by artificial intelligence are analyzed; and a criterion for their success is introduced. The article identifies two classes of reasons that are responsible for the lack of trust among employees in the decisions of artificial intelligence algorithms. The author concludes that now technological solutions that imitate the human way of cognition are more effective than traditional ones. The effectiveness of solutions offered by artificial intelligence in the economy is still determined by employees inputting data to train large language models. The author introduces the concept of digital marketing as marketing of the 21st century. There are two stages in the evolution of digital marketing. They differ in the extent to which behavioral economics is applied. It is concluded that the modern economy is experiencing a period of hybrid retreat when an increasing role in decision-making is transferred to artificial intelligence algorithms.

В статье исследуются проблемы принятия экономических решений алгоритмами искусственного интеллекта и возможности совместной работы над принятием итоговых решений человеком и искусственным интеллектом. Анализируются особенности принятия решений искусственным интеллектом и вводится критерий их успешности. В статье выявлены два класса причин, которые ответственны за недостаток доверия работников к решениям алгоритмов искусственного интеллекта. Автор делает вывод, что сейчас технологические решения, имитирующие человеческий путь познания, оказываются более эффективными, чем традиционные. Эффективность решений, предлагаемых в экономике искусственным интеллектом, по-прежнему определяется работниками, вводящими данные для обучения больших языковых моделей. Автор вводит понятие «цифровой маркетинг», как маркетинг XXIвека. В прогрессе «цифрового маркетинга» выделяются два этапа., различающихся между собой по степени использования положений Поведенческой экономики. Делается вывод, что современная экономика переживает период «гибридного отступления», когда всё большая роль в принятии решений передаётся алгоритмам искусственного интеллекта

 artificial intelligence behavioral economics consumer choice trust digital marketing искусственный интеллект поведенческая экономика потребительский выбор доверие цифровой маркетинг 1. Бутл Роджер Искусственный интеллект и экономика. Работа, богатство и благополучие в эпоху мыслящих машин. - М., Альпина PRO, 2020. 2. Hengstler M., Enkel E., Duelli S. Applied artificial intelligence and trust—The case of autonomous vehicles and medical assistance devices // Technological Forecasting and Social Change. – 2016. – p. 105-120. 3. Лукичев П. М. Поведенческая экономика. - Санкт-Петербург, 2022. 4. Thaler R., Sunstein C. Nudge: The final edition. - London: Penguin, 2021. – 366 p. 5. Солдатова Н.Ф., Азарова С.П., Ребрикова Н.В. Поведенческая экономика в маркетинговом анализе: новые аспекты // Экономика, предпринимательство и право. – 2022. – № 5. – c. 1555-1566. – doi: 10.18334/epp.12.5.114633. 6. Belleflamme P., Lambert T., Schwienbacher A. Individualcrowdfundingpractices // Venture Capital. – 2013. – № 4. – p. 313–333. 7. Ashton H., Franklin M., Gorman R., Armstrong S. Recognising the importance of preference change: A call for a coordinated multidisciplinary research effort in the age of AI //arXiv preprint arXiv:2203.10525. – 2022 8. Korteling J. H., vande Boer-Visschedijk G. C., Blankendaal R. A., Boonekamp R. C., Eikelboom A. R. Human-versusartificialintelligence // Frontiersinartificialintelligence. – 2021. – p. 622364. 9. Канеман Д. Думай медленноhellip; решай быстро. - Издательство АСТ. Москва, 2014. – 710 c. 10. Лукичев П. М., Чекмарев О.П. Экономика искусственного интеллекта: перспективы и риски. - Санкт-Петербург, 2023. – 188 c. 11. Harding J., D’Alessandro W., Laskowski N. G., Long R. AI language models cannot replace human research participants. - Ai Society, 2023. – 1-3 p. 12. Messeri L., Crockett M.J. Artificial intelligence and illusions of understanding in scientific research // Nature. – 2024. – p. 49–58. 13. Bansal G., Wu T., Zhou J., Fok R., Nushi B., Kamar E., Weld D. Does the whole exceed its parts? the effect of ai explanations on complementary team performance // Proceedings of the 2021 CHI conference on human factors in computing systems. 2021. – p. 1-16. 14. Adarlo S. Lawsuit claims woman burned, killed by surgical robot. [Электронный ресурс]. URL: HTTPS://FUTURISM.COM/NEOSCOPE/LAWSUIT-WOMAN-KILLED-SURGICAL-ROBOT (дата обращения: 26.04.2024). 15. Maddox T. M., Rumsfeld J. S., Payne P. R. O. Questions for artificial intelligence in health care // Jama. – 2019. – № 1. – p. 31-32. 16. Gulati S., Sousa S., Lamas D. Design, development and evaluation of a human-computer trust scale // Behaviour Information Technology. – 2019. – № 10. – p. 1004-1015. 17. Holmquist L. E. Intelligence on Tap: Artificial Intelligence As a New Design Material // Interactions. – 2017. – № 4. – p. 28–33. 18. AndrasP., L. EsterleM. GuckertT. A. HanP. R. LewisK. MilanovicT. PayneC. Perret, J. PittS. T. Powers, etal. 2018. “Trusting Intelligent Machines: Deepening Trust Within Socio-Technical Systems.” // IEEE Technology and Society Magazine Vol. 37 (4). P. 76–83 19. Buçinca Z., Malaya M. B., Gajos K. Z. To trust or to think: cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making // Proceedings of the ACM on Human-Computer Interaction. – 2021. – p. 1-21. 20. Zhang Y., Liao Q. V., Bellamy R. K. E. Effect of confidence and explanation on accuracy and trust calibration in AI-assisted decision making // Proceedings of the 2020 conference on fairness, accountability, and transparency. 2020. – p. 295-305. 21. Green B., Chen Y. The principles and limits of algorithm-in-the-loop decision making // Proceedings of the ACM on Human-Computer Interaction. – 2019. – p. 1-24. 22. Vasconcelos H., Jörke M., Grunde-McLaughlin M., Gerstenberg T., Bernstein M. S., Krishna R. Explanations can reduce overreliance on ai systems during decision-making // Proceedings of the ACM on Human-Computer Interaction. – 2023. – p. 1-38. 23. Gu A., Dao T. Mamba: Linear-time sequence modeling with selective state spaces //arXiv preprint arXiv:2312.00752. – 2023 24. AI’s next top model // The Economist. April 20th, 2024 25. The first mile // The Economist. September 24th, 2022 26. Wendel S. Designing for behavior change: Applying psychology and behavioral economics. - O'Reilly Media, 2020. 27. Москалёв М.В., Лукичев П.М. Маркетинг. / Учебное пособие для дистанционного обучения / Сер. Tacis. Укрепление реформ в сельском хозяйстве посредством образования. - Москва, 2000. 28. Michie S., Richardson M., Johnston M., Abraham C., Francis J., Hardeman W., Wood C. E. The behavior change technique taxonomy (v1) of 93 hierarchically clustered techniques: building an international consensus for the reporting of behavior change interventions // Annals of Behavioral Medicine. – 2013. – № 1. – p. 81-95. 29. Susser D., Roessler B., Nissenbaum H. Online manipulation: Hidden influences in a digital world //Geo. L. Tech. Rev. – 2019. – Vol. 4. – P. 1 30. Zuboff S. The age of surveillance capitalism. / Social theory re-wired. - Routledge, 2023. – 203-213 p. 31. Doyuran E. B. Nudge goes to Silicon Valley: designing for the disengaged and the irrational // Journal of Cultural Economy. – 2024. – № 1. – p. 1-19. 32. Cole-Lewis H. Ezeanochie N., Turgiss J. Understanding health behavior technology engagement: pathway to measuring digital behavior change interventions // JMIR formative research. – 2019. – № 4. – p. e14052. 33. Caliskan K., Wade M. DARN, Part 2: An Evidence-Based Research and Prototyping Method for Strategic Design // She Ji: The Journal of Design, Economics, and Innovation. – 2022. – № 3. – p. 319–335. 34. Raghu M., Blumer K., Corrado G., Kleinberg J., Obermeyer Z., Mullainathan S. The algorithmic automation problem: Prediction, triage, and human effort // ArXiv preprint arXiv. – 2019. – № 1903. – p. 12220. 35. Rambachan A. Identifying Prediction Mistakes in Observational Data. – 2022 36. Domenighetti G., Casabianca A., Gutzwiller F., Martinoli S. Revisiting the most informed consumer of surgical services: the physician-patient // International Journal of Technology Assessment in Health Care. – 1993. – № 4. – p. 505-513. 37. Almog D., Gauriot R., Page L., Martin D. AI Oversight and Human Mistakes: Evidence from Centre Court // ArXiv preprint arXiv. – 2024. – № 2401. – p. 16754. 38. Camerer C. F. Artificial intelligence and behavioral economics // The economics of artificial intelligence: An agenda. 2019. – p. 587-608. 39. Лукичёв П. М., Кузекова С.А. Роль визуального искусства как инновационной практики в преподавании экономических дисциплин // Инновации в образовании. – 2023. – № 12. – c. 86-94. 40. Fusaro R., Sperling-Magro J. Much anew about ‘nudging’. - McKinsey Quarterly, 2021.