Искусственный интеллект в системе управления предприятием: эволюция, инновации и перспективы

Введение

Актуальность. В условиях глобальной конкуренции и динамичных изменений в экономической среде предприятия постоянно совершенствуют свои методы управления. Искусственный интеллект (ИИ) обеспечивает новые инструменты и решения для эффективного управления предприятием в условиях неопределенности и быстро меняющихся требований рынка. Одной из перспективных программ в РФ по цифровизации является «Национальное развитие цифровой экономики Российской Федерации» [1], которая включает в себя развитие искусственного интеллекта, дополнительно разработан Указ Президента РФ от 10.10.2019 N 490 "О развитии искусственного интеллекта в Российской Федерации", который задает вектор развития цифровой экономики в том числе [2].

С появлением интернета и развитием информационных технологий возникла возможность собирать и анализировать большие объемы данных. Это способствовало развитию методов машинного обучения, которые стали широко применяться в управлении предприятием. Модели машинного обучения способны обрабатывать и анализировать данные быстрее и эффективнее, что позволяет принимать основанные на них решения.

Искусственный интеллект стал ключевым фактором современной трансформации методов управления предприятиями. Эта тема приобретает особую актуальность во всем мире стремительного развития и изменения технологий, а также их применения в бизнес-процессах.

Литературный обзор. В качестве информационной базы анализа исторического развития искусственного интеллекта рассмотрены работы отечественных исследователей: Устинова О.Е. [3], Двадцатов Р.В., Иванова И.В. [4]. Актуальные исследования в области применения искусственного интеллекта приведены в работах российских ученых:

Малыгин И.Г., Комашинский В.И., Михалев О.А. [7] в своей работе занимались исследованием зарубежных государственных концепций развития ИИ, а также сформулировали предложения для формирования концепции развития технологий ИИ в России.

Вербицкая В.В., Соколова Я.А [9] в своем исследовании занимались анализом применения систем искусственного интеллекта в различных областях управления предприятием, в том числе рассмотрены положительные и отрицательные аспекты внедрения искусственного интеллекта.

Несмотря на огромный вклад указанных авторов в вопросе изучения применения искусственного интеллекта, использование ИИ в практике управления предприятиями имеет потребность в анализе возможностей применения ИИ, а также это создает необходимость в систематическом исследовании и оценке примеров и методов интеграции ИИ в процессы управления предприятиями, что позволит выявить как потенциальные выгоды, так и возможные риски, обеспечивая более эффективное использование технологий в бизнесе.

Целью данного исследования является выделение основных этапов развития искусственного интеллекта, его классификация и анализ примеров применения искусственного интеллекта для эффективного управления предприятиями.

Научная новизна исследования заключается в комплексном подходе к изучению искусственного интеллекта, который включает практическое применение в контексте управления предприятиями. Это позволит создать методологическую базу для оптимизации процессов управления с использованием ИИ, стремящихся интегрировать современные технологии в свою систему.

Авторская гипотеза исследования состоит в том, чтобы систематизировать этапы развития искусственного интеллекта, а также проанализировать на конкретных примерах возможности его применения в управлении предприятием, для выявления как положительных, так и отрицательных ключевых факторов, способствующих повышению эффективности управления.

Методология исследования основана на следующих методах: метод сравнения, аналитический метод, метод изучения информационных материалов, табличный метод.

Этапы развития искусственного интеллекта

Искусственный интеллект находился в центре внимания ученых и практиков с 1950-х годов. Его можно представить как «способность системы правильно интерпретировать внешние данные, извлекать знания из таких данных и использовать их для достижения конкретных целей и задач посредством гибкой адаптации». В последующие годы искусственный интеллект получил фрагментированное и несбалансированное развитие в различных областях исследований. Этому способствуют наличие больших данных, возможности самообучения алгоритмов и возрастающая мощность компьютеров. Системы, основанные на искусственном интеллекте, становятся более эффективными благодаря последним технологическим достижениям, менее дорогими и часто используемыми для решения деловых проблем.

Исследования роли искусственного интеллекта в стратегическом управлении проводились еще в 1980-х годах. Приводилось много обещаний относительно его управленческой полезности, но ранние формы, в виде экспертных систем, не смогли достичь своих целей на стратегическом уровне. Это привело к сокращению публикаций и временной потере значимости данной области исследований. В ранних работах в период с 1979 по 2005 год искусственный интеллект рассматривался как основная технология экспертных систем на основе правил для поддержки и совершенствования процесса принятия стратегических решений. В более поздних публикациях (2015–2019) искусственный интеллект находит свою технологическую основу в алгоритмах машинного обучения. Они распознают шаблоны в наборах данных с помощью статистических выводов и обладают потенциальной способностью автономно действовать в области когнитивных задач и автоматизации процессов [3].

Этапы развития искусственного интеллекта представлены в таблице 1. [4]

Таблица 1. Этапы развития искусственного интеллекта

Периоды развития	Характеристика
Нейрон и нейронные сети (1950г.)	Он связан с появлением первых машин последовательного действий для решения задач сугубо вычислительного характера.
Эвристический поиск (1960г.)	В «интеллект» машины добавились механизмы поиска, сортировки, простейшие операции по обобщению информации. Это стало новой точкой отсчета в развитии и понимании задач автоматизации деятельности человека
Представление знаний (1970г.)	Учеными была осознана важность знаний для синтеза интересных алгоритмов решения задач.
Обучающие машины (1980г.)	Четвертый этап развития ИИ стал прорывным. С появлением экспертных систем в мире начался принципиально новый этап развития интеллектуальных технологий.
Автоматизированные и обрабатывающие сети (1990г.)	Усложнение систем связи и решаемых задач потребовало качественно нового уровня «интеллектуальности» обеспечивающих программных систем.
Робототехника (2000г.)	Область применения роботов достаточно широка и простирается от автономных газонокосилок и пылесосов до современных образцов военной и космической техники.
Сингулярность (2008 – настоящее время)	Создание искусственного интеллекта и самовоспроизводящихся машин, интеграция человека с вычислительными машинами, либо значительное скачкообразное увеличение возможностей человеческого мозга за счёт биотехнологий.

Источник: [4].

Категоризация (виды) искусственного интеллекта

Ряд экспертов (Mclarney, E.; Gawdiak, Y.; Oza, N.; Mattmann, C. и др.) выделяют три категории ИИ на основе возможностей технологии: слабый ИИ, сильный ИИ и суперсильный ИИ. [5]

Слабый ИИ (Artificial Narrow Intelligence, ANI – ИИ узкого назначения) определяется как набор алгоритмов, ориентированный на решение узкоспециализированных, прикладных задач.

В рамках слабого ИИ условно можно выделить три типа:

· Традиционный ИИ – тип ИИ, имитирующий умственную деятельность и способный делать прогнозы и выводы на основе анализа. В финансовой отрасли используется для кредитного скоринга, борьбы с мошенничеством, управления рисками и других задач.

· Адаптивный ИИ – тип ИИ, в рамках которого модель может обучаться и динамически адаптироваться к изменениям в окружающей среде за счет сбора обратной связи в режиме реального времени.

· Генеративный ИИ – тип ИИ, который может создавать новый контент (текст, изображение, аудио и видео) в ответ на запросы пользователя, что является ключевым отличием от традиционного ИИ.

Сильный ИИ (Artificial General Intelligence, AGI – ИИ общего назначения) – гипотетическая концепция системы ИИ, способной к решению любого класса задач, которые могут быть выполнены человеком. Среди возможных свойств сильного ИИ выделяют способность к автономному принятию решений и самостоятельной постановке задач, построению логических умозаключений, стратегическому планированию и действиям в условиях значительной неопределенности, а также возможность самообучения.

Суперсильный ИИ (Artificial Superintelligence, ASI – супер-ИИ) – концепция, выделяемая некоторыми исследователями и описывающая возможность создания в отдаленной перспективе систем ИИ, которые будут существенно превосходить разум человека. Перспектива появления суперсильного ИИ является неопределенной, а контуры и смысловое содержание этой концепции на сегодня не сформированы. Суперсильный ИИ в большей степени остается предметом футуристических рассуждений. [6]

Применение искусственного интеллекта

Приоритетные направления использования и развития ИИ-технологий:

· Промышленность: использование робототехники и ИИ расширяет производственные возможности за счет надежного прогнозирования спроса и гибкости операций. В результате повышаются производительность труда и качество продукции, снижаются затраты, улучшается здоровье работников.

· Финансы: применение ИИ в системах финансовой безопасности снизит вероятность злонамеренного поведения: манипулирования рынками, мошенничества, аномальных операций. Технологии ИИ способствуют повышению эффективности и снижению волатильности рынков и торговых издержек на основе предотвращения таких системных сбоев, как «ценовые пузыри» и недооценка кредитных рисков.

· Транспорт, перевозки пассажиров и грузов: с использованием ИИ увеличится безопасность всех видов транспорта; откроются возможности для мониторинга состояния транспортной инфраструктуры и повышения качества управления транспортными потоками, сокращения расходов на ремонт и реконструкцию транспортных средств и транспортной инфраструктуры.

· Сельское хозяйство: устойчивость сельского хозяйства повысится на основе интеллектуализации аграрного и животноводческого секторов, повышения эффективности переработки, хранения, распределения и потребления сельскохозяйственной продукции. С помощью сельскохозяйственных систем ИИ будут обрабатываться данные о конкретных объектах и культурах, эффективно использоваться ресурсы (например семена, вода, химические вещества и удобрения), а также компенсироваться отток населения из сельских районов в города.

· Торговля: ИИ даст возможность коммерческим структурам лучше соответствовать спросу потребителей, увеличить прибыльность, быстро находить товары и услуги запрашиваемого качества при более низкой стоимости, эффективно финансировать наиболее востребованные секторы потребления.

· Наука и технологии: системы ИИ помогут ученым и инженерам узнавать о публикациях и патентах сразу после их появления, предлагать и проверять новые гипотезы, проводить эксперименты с использованием роботизированных систем и интеллектуальных систем моделирования, разрабатывать новые приборы, устройства и программное обеспечение.

· Расширение образовательных возможностей, повышение уровня жизни: процессы обучения и переобучения станут непрерывными, виртуальные преподаватели будут разрабатывать индивидуальные планы согласно интересам, способностям и потребностям обучаемого. «Умные» квартиры, дома, кварталы и города благодаря персональным виртуальным помощникам позволят разумно расходовать время на решение повседневных задач.

· Медицина: методы ИИ позволят оценивать многомерные медицинские данные для изучения проблем общественного здравоохранения и оперативно поддерживать принятие решений по медицинской диагностике и назначению лечения. Новые технологии адаптации лекарственных препаратов к определенному пациенту усилят эффективность медицинских услуг и повысят продолжительность жизни населения [7]

В рамках данной работы более подробно будет рассмотрено использование ИИ в системе управления предприятием.

Управление – это процесс планирования, организации, мотивации и контроля, предназначенного для формирования и достижения целей компании. [8]

Сегодня, в эпоху цифровой экономики, многие компании трансформируются, растут, выходят на новые рынки. Для того, чтобы темпы развития бизнеса оставались на высоком уровне, необходим гибкий и современный подход к управлению. Следовательно, внедрение новых технологий в службу управления приобретает свою актуальность. [9]

Инновации играют важную роль в современных подходах к управлению предприятием. В контексте управления, инновации обычно определяются как процесс внедрения новых идей, продуктов, услуг или процессов, которые способствуют улучшению деятельности организации. Одним из ключевых инструментов для управления инновациями в современных предприятиях становится использование новых технологий. Искусственный интеллект, большие данные, облачные технологии и другие технологии индустрии позволяют существенно ускорить и упростить процесс создания и внедрения инноваций. Эти технологии позволяют, например, проводить более глубокий и точный анализ данных для выявления новых возможностей для инноваций, автоматизировать процессы идентификации и оценки идей, улучшить коммуникации и сотрудничество внутри организации и т.д. [10]

Использование искусственного интеллекта в деятельности компаний.

В последнее десятилетие искусственный интеллект активно внедряется в бизнес-процессы компаний. Направления его использования могут быть разными.

— Прогноз объема продаж имеет решающее значение для большинства компаний

— Ценообразование

— Прогнозирование и определение профиля клиента

— Автоматизация обслуживания

— Автоматизация процессов

— Обнаружение мошенничества

— Создание контента

— Разговорная коммерция

— Отзывы клиентов

Учитывая вышеизложенное, применение искусственного интеллекта в структуре бизнеса компании можно представить на разных уровнях (таблица 2).

Таблица 2. Применение искусственного интеллекта в структуре бизнеса компаний

Уровни бизнеса	Область применения
Входящая логистика	Оптимизация процессов в местах хранения с помощью интеллектуального программного обеспечения
Производство	Структурированные процессы могут быть оцифрованы и автоматизированы. Результатом становится увеличение производительности, улучшение параметров управления и неизменно высокое качество
Контроллинг	Эффективно отслеживать и контролировать с помощью алгоритмов
Продажи / CRM и маркетинг	Реализация индивидуально подобранных комбинаций товаров, услуг и цен для каждого клиента Алгоритмизация персонализированной рекламы
Управление	Создание и анализ отчетов, прогнозирование

Источник: [3].

Программное обеспечение позволяет наиболее эффективно интегрировать рабочий процесс, предоставив инструкции для персонала. В целом роботы и интеллектуальные системы улучшают логистические процессы и способствуют быстрому реагированию на определенные проблемы. Если учесть, что в прошлом было меньше возможностей для оптимизации процессов, то современные технологии открывают новые возможности для компаний. [3]

На основе изученных примеров применения машинного обучения и обученного с его помощью ИИ следует выделить подходы, которые систематизируют знания машинного обучения в отношении использования их в разных сферах деятельности человека, а именно:

– маркетинг-ориентированный;

– производственный;

– финансовый;

– управленческий (организационный);

– социальный.

Данная классификация представлена на основе зарубежных и отечественных материалов, рассматривающих проблемы и вопросы в данной области. Систематизация примеров применения ИИ и машинного обучения представлена в табл. 3. [11]

Таблица 3. Примеры применения искусственного интеллекта и машинного обучения в соответствии с областями деятельности

Подход	Применение Big Data (электронный документооборот)	Применение обучающих моделей для искусственного интеллекта
Производственный	Компании «Транснефть», «Роснефть» анализируют процесс добычи нефти и наиболее эффективные способы ее извлечения; отслеживают процесс бурения, анализируют качество сырья, а также обработку и сбыт конечной продукции.	В компании «Газпром нефть» разрабатывается проект «Когнитивный Геолог», целью которого является повышение эффективности и скорости работы геологов. Канадская компания Superior Essex использует платформу Sight Machine для считывания и контроля показателей датчиков и как следствие повышения эффективности работы оборудования.
Управленческий (организационный)	Газпромбанк применяет технологию Big Data для оперативного получения отчетности, персонализации предложений, проверки репутации потенциальных заемщиков и др.	Российская компания Cognitive Technologies использует ИИ для беспилотной работы трактора с системой компьютерного зрения
Финансовый	Сбербанк использует Big Data для управления рисками, а также для борьбы с мошенничеством, сегментации и оценки кредитоспособности клиентов	ВТБ применяет алгоритмы машинного обучения для управления рисками предотвращения финансовых махинаций
Социальный	Автоматизация работы служб охраны с помощью продвинутых систем видеонаблюдения от Aptonomy (производителя дронов) и Sanbot (производителя роботов) Технологии Maersk совместно с IBM и государственными органами используют блокчейн на основе Big Data для отслеживания цепочек поставок.	Российская компания «Интеллоджик» применяет российскую систему Botkin.AI, которая с точностью до 95  % позволяет выявлять онкологические заболевания на ранних стадиях благодаря анализу медицинских изображений с помощью технологий ИИ.

Источник: [11,12]

Компании-разработчики систем с использованием ИИ, применяющиеся в управлении предприятия

Как было описано выше, системы искусственного интеллекта находят свое применение в разных аспектах управления предприятием. Рассмотрим принципы работ таких систем на конкретных примерах.

Такие лидеры программного обеспечения, как SAP, Microsoft, Veriato, IBM, Entelo,

BluVision разрабатывают системы искусственного интеллекта, которые помогают оптимизировать управленческие вопросы предприятия.

Одним из лидеров в «цифровизации» управления персоналом является SAP. Для упрощения данных процессов и повышения продуктивности производитель программного обеспечения предлагает ряд решений для компаний, а именно: программы по обучению и повышению квалификации; адаптация и подбор рабочего персонала; процессы планирования и анализа и т.д. Программное обеспечение, которое предлагается компанией-разработчиком, способно на треть сократить текучесть кадров. Благодаря возможности моделирования состава и затрат труда, становится реальностью способность оценить финансовые последствия деятельности сотрудников. В данном случае, бумажная отчетность сокращается на 72%, а доход компаний увеличивается примерно на 20%.

Помимо программных обеспечений, действующих автономно, существуют целые организации, способные координировать управленчeскую деятельность любого предприятия, возлагая на себя все обязанности по внедрению ИИ-систем. Рассмотрим это на примере российской фирмы. Gridnine Systems – компания, помогающая автоматизировать внутренние процессы и взаимодействие с клиентами с помощью решений на основе искусственного интеллекта. У GS есть опыт разработки и введения в промышленную эксплуатацию систем, использующих технологии искусственного интеллекта:

1) Интеллектуальная динамическая система. «Ассистент менеджера по продажам» – анализируя большой объём исторических и оперативных данных, выдаёт различные рекомендации, в том числе касающиеся ценообразования.

2) Система планирования закупок для большой разветвлённой сети региональных складов – учитывает множество факторов и строит прогноз спроса для предсказания остатков на складах.

3) Отчетно-аналитические системы – сбор, анализ и визуализация данных для поддержки принятия управленческих решений.

4) Гибкая онлайн-система формирования рекомендаций по товарам и услугам в интернет-магазине – учитывает множество маркетинговых и коммерческих правил, а также индивидуальную и обобщенную статистику продаж. [8]

Использование систем искусственного интеллекта в скором времени может вовсе заменить человека, его навыки в управлении и ведении переговоров. Ученые из Массачусетского технологического института разработали систему искусственного интеллекта, способную поддерживать отношения и вести переговоры эффективнее людей. С помощью специального алгоритма исследователи запрограммировали машины, а затем протестировали их в разных ситуациях взаимодействия. В большинстве испытаний система превосходила людей в поиске компромиссов, приносящих пользу обеим сторонам. Положительные полученные результаты могут иметь долгосрочную перспективу для человеческих отношений. [13]

В процессе анализа областей применения систем искусственного интеллекта на предприятиях, можно выделить следующие положительные стороны управления на базе данных технологий:

1) Способность масштабирования бизнеса без перегоняющего роста издержек. Автоматическая обработка запросов и подбор предложений при резком увеличении количества клиентов не увеличит транзакционные затраты;

2) Кастомизация товаров и услуг в условиях обслуживания огромного количества клиентов. Умная система управления индивидуализирует продукт автоматически на основе предыдущих заказов и просмотров каталога клиентом;

3) Обеспечение объективности принятия управленческих решений посредством их автоматизации, что приводит к сокращению ошибок решений, принятых субъективными лицами;

4) Мониторинг состояния рынка.

Технологии умного управления способны отслеживать изменения и оценивать динамику всех рыночных процессов (появление нового продукта, изменение потребительских предпочтений и т.д.).

Но, несмотря на очевидные преимущества внедрения искусственного интеллекта в работу предприятия, следует отметить, что компании на пути цифровизации своей деятельности встречаются с рядом проблем. [9]

Согласно исследованию от 12 декабря 2019 года Проектного офиса по реализации национальной программы «Цифровая экономика» Всероссийского центра изучения общественного мнения (ВЦИОМ) и Аналитического центра при Правительстве России около 43% российского бизнеса не обращается к искусственному интеллекту в работе и не планирует использовать его в будущем. Существуют различные причины выявленных результатов исследования. Около 37% респондентов заявили, что у них нет необходимости в подобных технологиях, 28% сказали, что сфера их деятельности не подразумевается использование ИИ. Примерно 11% признались, что причина отсутствия соответствующих технологий – это недостаток достаточных знаний о них, а 8% заявили, что их смущает достаточно высокая стоимость их внедрения. Еще 6% отказываются от использования потому, что у них маленькая компания, а 4% потому, что в России слабо развиты подобные технологии. Около 4% просто не доверяют современным технологиям и предпочитают человеческий труд.

Так, можно выделить три основные причины отказа бизнеса от использования технологий искусственного интеллекта. Первая – это отсутствие таких наглядных кейсов, которые доказывали бы эффективность данных технологий. Вторая – отсутствие доступных решений и массовых продуктов в данной сфере. Третья причина – нехватка компетенций на рынке. [14] [7]

Заключение

В ходе работы сделан основной вывод, что в целом, искусственный интеллект может значительно повысить эффективность и результативность системы управления предприятием. Он позволяет автоматизировать рутинные задачи, принимать более обоснованные решения на основе данных, прогнозировать будущие события и тренды, а также улучшить качество обслуживания клиентов.

Проведенные в работе исследования показывают, что современные предприятия и бизнес широко применяют возможности искусственного интеллекта, но несмотря на значительные достижения в области развития технологии, существует потребность в большем количестве исследований о возможности интеграции ИИ. Выделенные в ходе исследования примеры успешного применения технологий, служат основой для дальнейших исследований и практических рекомендаций.

Результаты исследования по причинам отказа бизнеса от использования технологий искусственного интеллекта формируют потребность в создании четких стратегий и подходов для возможности эффективного внедрения ИИ в бизнес-процессы, что в конечном итоге может привести к повышению конкурентоспособности и устойчивости предприятий в современных условиях