Многопрофильные инновационные промышленные предприятия в эпоху цифровизации: искусственный интеллект и интеллектуальный капитал как драйверы конкурентоспособности

Введение. Многопрофильные инновационные промышленные предприятия – это крупные интегрированные холдинги, в которых цепочка создания стоимости формируется через несколько производственных направлений деятельности, а также включает различные сервисы, как правило, – это энергетика, логистика, переработка отходов и т.п. Инновационность предприятия определяется уровнем внедрения новых технологических и управленческих решений, которые повышают эффективность, создают новые ценностные предложения и способствуют формированию интеллектуального капитала [7]. В контексте многопрофильных инновационных промышленных предприятия инновационность рассматривается как интегративное свойство, в котором цифровые технологии служат связующим звеном между различными профилями производства. Учитывая сложность управления такими предприятиями, цифровизация основных и вспомогательных видов экономической деятельности (в том числе основных, вспомогательных и управленческих бизнес-процессов) становится одним из главных условий сохранения устойчивости их развития и конкурентоспособности на внешних и внутренних рынках [10].

По некоторым официальным данным, уровень цифровизации многопрофильных инновационных промышленных предприятий оценивается как достаточно высокий и включает [27]:

1) интегрированные цифровые платформы, посредством которых планируется и координируется деятельность различных подразделений, распределяются ресурсы, осуществляется внутренняя логистика и т.д.;

2) AI-оптимизацию оптимизацию (оптимизацию всех видов и направлений деятельности с использованием искусственного интеллекта), что позволяет внедрять автоматизацию рутинных операций, промышленную роботизацию, использовать цифровые двойники, промышленный IoT и многие другие интеллектуально-цифровые решения.

Безусловно, цифровая трансформация российской экономики и, в частности, сегмента многопрофильных промышленных предприятий, способствуют сохранению тренда на устойчивое развитие и сбалансированный рост. Но одновременно с этим перед руководством многопрофильных промышленных предприятий стоит задача по переосмыслению текущих конкурентных преимуществ и формированию новых источников обеспечения конкурентоспособности. В современных условиях, когда экономика стала полностью знаниевой и когнитивной, ключевым источником формирования конкурентных преимуществ становится интеллектуальный капитал [1].

Этому в немалой степени способствует распространение промышленно ориентированных моделей и алгоритмов искусственного интеллекта, который является технологическим базисом накопления и применения фундаментальных и прикладных знаний на практике [2]. С одной стороны, весьма сложно с использованием традиционных методов и инструментов оценить вклад как естественного, так и искусственного интеллекта в конкурентоспособность многопрофильных промышленных предприятий [11]. Это связано с тем, что до сих пор не сложилось целостного теоретико-методологического подхода к анализу и оценке конкурентоспособности многопрофильных промышленных предприятий в интеллектуально-цифровой парадигме. С другой стороны, значимость интеллектуального капитала в обеспечении конкурентоспособности современных промышленных предприятий, в том числе и многопрофильных, весьма сложно переоценить.

Поэтому целью данной статьи является построение модели формирования конкурентоспособности многопрофильных инновационных промышленных предприятий, в которую будут включены современные аналитические инструменты, позволяющие учитывать различные аспекты влияния интеллектуально-цифровой парадигмы экономического развития. В том числе зависимость и динамическую изменчивость конкурентных преимуществ предприятий от наличия или отсутствия интеллектуального капитала, который в современных условиях включает и цифровое измерение.

Методология. Долгое время теоретико-методологические основы конкуренции строились на предположении о гомогенности продукта, фиксированных технологиях иррациональном поведении фирм – экономических акторов. Но XX век, и особенно его вторая половина, показал, что экономическая и социальная глобализация, новые технологии, информатизация, а позже и цифровизация, изменяют ландшафт конкуренции, и ранее сделанные предположения уже не могут объяснить различий в рыночном успехе одних и в рыночных провалах других акторов. Поэтому возникли новые теории конкуренции, учитывающие роль инноваций, инвестиций, стратегического управления и динамических изменений.

В 1980-е гг., когда ещё сохраняла своё влияние традиционная теория конкуренции, методологически воплощенная в отраслевом анализе М. Портера, начался складываться ресурсный подход к пониманию конкурентоспособности различных фирм, компаний, предприятий.

К началу 1990-х гг. ресурсный подход (Resource-Based View, RBV) [12; 13] стал самостоятельной теоретической концепцией, которая утверждала, что различия в конкурентоспособности экономических акторов зависят от ценности, редкости, некопируемости задействованных в создании продукта ресурсов (VIRO-ресурсы, от англ.: Value – ценность, Inimitability – некопируемость, Rarity – редкость, Organization – организационно задействованные).

В середине 1990-х гг. RBV получила своё логическое развитие в теоретической концепции динамических способностей фирм. Динамические способности (Dynamic Capabilities) [16; 28] в контексте конкуренции и конкурентных преимуществ – это способности фирмы (компании, предприятия) быстро перестраивать и интегрировать VIRO-ресурсы под условия изменяющейся среды. Экономические акторы, обладающие динамическими способностями имеют лучшую среди равных конкурентоспособность.

Но к началу 2000-х гг. ни ресурсная теория, ни теория динамических способностей не могли объяснить различия в рыночном успехе фирм, компаний, предприятий. Вероятно, это было связано с тем, что знания – как особый специфический и стратегически ценный ресурс – не включались в концепцию VIRO-ресурсов, поскольку рассматривались как неотъемлемый элемент принятия решений. Поэтому в 1995-1996 гг. было предложено сразу две новых теоретических концепции:

1) спираль знаний предполагает динамический процесс трансформации скрытого знания (Tacit Knowledge) в явное знание (Explicit Knowledge) через четыре этапа (социализация → экстернализация →комбинирование → интернализация) [20; 21]. Такой процесс является итеративным и восходящим по спирали. Применительно к конкуренции это означает, что фирмы, которые эффективно создают, осваивают и распространяют знания во внутренней среде, более успешны, нежели те, которые этого не делают;

2) знаниевая парадигма (Knowledge-Based View, KBV) [15] предполагает, что именно знание есть специфический и стратегически важный ресурс, уникальность, ценность и некопируемость которого, во-первых, определяет динамические способности фирмы (компании, предприятия) и, во-вторых, создаёт значимый задел на будущее в виде интеллектуального капитала. Интеллектуальный капитал предприятия складывается из индивидуальных интеллектуальных возможностей и когнитивных способностей работников, но не равен им (возможностям и способностям).

И уже начиная с 2020-х гг. активно развивается новая теоретическая концепция, ещё не имеющая точного и устоявшегося определения, но может именоваться как «когнитивно-цифровая конкуренция» [25; 26]. Под этой концепцией когнитивно-цифровой конкуренции обычно понимается способность фирмы (компаний, предприятий) воспринимать, интерпретировать, создавать и применять знания через взаимодействие человеческого мышления и цифровых технологий (прежде всего AI), чтобы опережать конкурентов в динамично изменяющейся среде с высокой степенью неопределённости. В концепции когнитивно-цифровой конкуренции объединены следующие основные компоненты:

1) интеллект и когнитивные способности человека, т.е. восприятие, память, рассуждения, интуиция, метапознание, которые определяют, что человек остаётся источником контекста, смыслов, этики и креативности для цифрового агента;

2) цифровые агенты (AI, NLP, ML, нейросетевые алгоритмы, генеративные модели и др.) и технологии (cloud computing, big data, digital twins, автоматы, роботы и др.), которые, обрабатывая большие объёмы данных и информации, находят скрытые паттерны, закономерности и различия, что позволяет им предсказывать решения, результаты и / или моделировать различные разработки [3];

3) гибридные когнитивные системы (Human-AI Co-Cognition) объединяют интеллект и когнитивные способности человека с цифровыми агентами и технологиями, из этого рождается новая форма коллективного интеллекта, которая более успешна в разработках, принятии решений, предсказании результатов;

4) культура когнитивного доверия и диалога через оптимальную постановку человеком задач цифровым агентам, что позволяет обмениваться мнениями, суждениями, правильно интерпретировать выводы, которые в дальнейшем получат свое практическое применение;

5) процесс непрерывного коллективного обновления, когда человек и цифровой агент через постоянное обучение, адаптацию и переосмысление имеющихся знаний (например, получая новые данные, новый контекст) создают новые знания, предлагают новые решения и разработки для практического применения в условиях VUCA-среды (Volatility – неустойчивость, Uncertainty – неопределённость, Complexity – сложность, Ambiguity – неоднозначность).

Таким образом, концептуальная модель когнитивно-цифровой конкуренции многопрофильных промышленных предприятий предполагает, что её ядром являются когнитивные способности и интеллект работников (принимаются во внимание все категории персонала, т.е. не только топ-менеджмент и линейные руководители, менеджеры среднего звена), а драйверами формирования и использования конкурентных преимуществ является интеллектуальный капитал предприятия и его цифровые агенты.

Методологической основой служит концепция когнитивно-цифровой конкуренции, которая предполагает, что управление знаниями, обучение, инновации и цифровые технологии обеспечивают промышленным предприятиям, в том числе и многопрофильным, устойчивые, а иногда и уникальные конкурентные преимущества, которые позволяют предприятиям максимизировать экономические и прочие выгоды. Конкурентные преимущества локализованы во внутренней среде и по существу являются организационными или ключевыми компетенциями (core competence – в классической терминологии Г. Хэмела и К. Прахалада [24]).

Поскольку когнитивно-цифровая концепция конкуренции – это синтез более ранних теорий конкуренции (от RBV и далее), соответственно методы исследования, использованные в данной статье, интегрируют контентный, экономико-статистический, корреляционно-регрессионный и индексный конкурентный анализ, основанные на:

1) сравнении российских отраслей промышленности (обрабатывающие производства) с высокой и низкой концентрацией капитала (табл. 1);

2) сравнении долей интеллектуального капитала в рыночной стоимости российских промышленных предприятий, промышленных предприятий стран БРИКС (без ЮАР, поскольку данные отсутствуют), а также промышленных предприятий стран OECD (табл. 2);

3) исследовании рейтинга конкурентоспособности российских и зарубежных промышленных предприятий (страны БРИКС без ЮАР и страны ОЕСD).

Таблица 1. Начальные данные для регрессионного анализа зависимости объёмов производства в отраслях обрабатывающей промышленности от состояния конкурентной среды и концентрации капитала

Источник: составлено и рассчитано авторами по материалам [9].

Таблица 2. Начальные данные для регрессионного анализа зависимости доли добавленной стоимости, созданной в обрабатывающей промышленности, от доли интеллектуального капитала в рыночной стоимости промышленных предприятий

** ПП – промышленные предприятия;

*** ДС – добавленная стоимость.

Источник: составлено и рассчитано авторами по материалам [6; 9; 14; 17-19; 22; 23; 27; 29].

В статье также использованы методы научного синтеза для разработки модели конкурентоспособности многопрофильных промышленных предприятий на основе когнитивно-цифровой концепции конкуренции. Основные материалы и данные для исследования получены из открытых источников, публикующих статистическую, аналитическую, рейтинговую информацию, в том числе в статье использованы данные:

1) статистических ведомств и международных финансово-экономических институтов (Росстат, Евростат, статистика ОЕСD);

2) организаций, исследующих интеллектуальный капитал и интеллектуальную собственность в экономике (Ocean Tomo, WIPO);

3) консалтинговых агентств, публикующих информацию об использовании интеллектуального капитала и интеллектуальной собственности, о глобальных инновационных процессах, исследованиях и разработках в промышленности и других отраслях экономики (Kpler, KPMG – Innovation Benchmarking).

Результаты. Традиционные и современные теории конкуренции исходят из того, что экономические акторы, обладая финансовым, физическим и интеллектуальным капиталом, трансформируют их в конкурентные преимущества и организационные компетенции, что выражается в предложении на свободном рынке различных продуктов (товаров, работ, услуг), имеющих действительные (качественные) или маркетинговые отличия.

Ранее наиболее ценными считались финансовый и физический капитал, позволяющие многопрофильным промышленным предприятиям быстро увеличивать доли рынков, использовать эффект масштаба (т.е. фактически концентрировать капитал) и создавать барьеры входа для новых экономических акторов, максимизируя тем самым одновременно объемы производства и экономические выгоды.

Но в настоящее время драйвером развития и экономического роста является интеллектуальный капитал, поэтому промышленные отрасли с высокой концентрацией капитала (ННI > 2500) уже не имеют преимуществ от своего олигопольного или монопольного положения.

По состоянию на начало 2024 г. величина HHI в российской промышленности (обрабатывающие производства) составляла 165 пунктов. На основании данных таблицы 1 была проведена сравнительная оценка влияния отраслевых конкурентных условий на экономические показатели промышленных предприятий (рис. 1).

Рисунок 1. Регрессионный анализ зависимости объёмов производства в отраслях обрабатывающей промышленности от состояния конкурентной среды и концентрации капитала

Источник: рассчитано авторами на основании данных таблицы 1.

Индекс HHI показывает, что в отраслях с низкой концентрацией финансового и физического капитала объёмы промышленного производства существенно выше и в этом числе на 55% это обусловлено высокой конкуренцией (коэффициент детерминации R² = 0,5508 указывает, что связь между факторным и результативным умеренная, регрессионная модель объясняет более половины изменчивости результативного признака). Не безосновательным будет в данном случае предположение, что остальные 45% вклада в конкурентный и экономический успех предприятий обеспечивает интеллектуальный капитал.

Напротив, в отраслях с высокой концентрацией финансового и физического капитала связь между факторным и результативным признаком очень слабая (R² = 0,173) и объяснительная способность модели минимальная. Это указывает, как минимум, на два обстоятельства. Во-первых, высокая концентрация капитала не конвертируется в экономическую эффективность – объёмы промышленного производства в отраслях с очень высокой концентрацией финансового и физического капитала в среднем в 20 раз меньше, чем в отраслях с низкой концентрацией. Во-вторых, производственная специфика отдельных отраслей с высокой концентрацией капитала такова, что это либо предприятия, выпускающие продукцию низких переделов, в которой минимум добавленной стоимости. Либо это предприятия, выпускающие нишевую продукцию средних и высоких переделов, спрос на которую ограничен ёмкостью рынка (как внутреннего, так и внешнего). Например, это касается производства изделий из натурального меха – несмотря на то, что такое производство характеризуется значимой добавленной стоимостью, спрос на продукцию из натурального меха сокращается, а рыночная ниша сжимается. Также это касается производства многих оптических приборов, спрос на такую продукцию ограничен, в частности, государственным военным заказом, либо объёмами государственных гражданских закупок.

Обобщая вышесказанное, следует отметить, что в высококонкурентной среде действуют преимущественно многопрофильные промышленные предприятия, а в отраслях с высокой концентрацией капитала и низкой конкуренцией – монопрофильные промышленные предприятия. Поскольку HHI не может отразить влияния интеллектуального капитала на конкурентные и экономические выгоды, получаемые промышленными предприятиями, то были собраны и обобщены данные (см. табл. 2) о вкладе интеллектуального капитала в рыночную стоимость предприятий различных стран и о доле добавленной стоимости, создаваемой обрабатывающей промышленностью этих стран. Регрессионная модель, представленная на рисунке 2, обладает достаточно высокой объяснительной способностью (R² = 0,8948).

Рисунок 2. Регрессионный анализ зависимости доли добавленной стоимости, созданной в обрабатывающей промышленности, от доли интеллектуального капитала в рыночной стоимости промышленных предприятий

Источник: рассчитано авторами на основании данных таблицы 2.

И одновременно модель показывает, что изменчивость результативного признака (уровень добавленной стоимости) более чем на 89% объясняется влиянием факторного признака (доля интеллектуального капитала в рыночной стоимости предприятий обрабатывающей промышленности). На линии тренда выделяется два кластера:

1) кластер с низкой долей интеллектуального капитала в рыночной стоимости промышленных предприятий и с низкой же добавленной стоимостью, создаваемой промышленностью – это Россия, Индия и Бразилия;

2) кластер с высокой долей интеллектуального капитала в рыночной стоимости промышленных предприятий и с высокой же добавленной стоимостью, создаваемой промышленностью – это страны ЕС, США, Япония, Южная Корея.

Китай здесь занимает срединное положение, что, согласно экспертным оценкам, и должно быть свойственно развивающимся экономикам. Напомним, что все страны БРИКС характеризуются экономиками, находящимися в постоянном развитии, несмотря на то, что, например, потенциал привычной модели экономического роста у России и Китая в силу разных причин уже исчерпан.

Соответственно, необходима диверсификация развития секторов и отраслей национальных экономик, что невозможно сделать без системного вовлечения в эти процессы интеллектуального капитала. На это же указывает и кривая мировой конкурентной позиции обрабатывающей промышленности стран БРИКС и стран OECD (рис. 3).

Данные показывают, что обрабатывающая промышленность стран ОЕСD находится на значительно более высоких конкурентных позициях, нежели стран БРИКС за исключением Китая, который занимает срединное положение. Это обусловлено влиянием экономических и правовых институтов, которые, например, в Южной Корее и Японии ориентированы на поддержку высокотехнологичных инвестиций и патентной активности экономических акторов. В США создана уникальная инновационно-инвестиционная экосистема, объединяющая венчурный капитал и университеты (Кремниевая долина).

Рисунок 3. Конкурентные позиции обрабатывающей промышленности стран БРИКС и стран OECD на начало 2024 г.

Источник: составлено авторами по материалам [17; 18].

Страны ЕС занимают высокие позиции в конкурентном рейтинге за счёт того, что в EC обрабатывающая промышленность практически полностью функционирует как Индустрия 4.0 и готовится к переходу в Индустрию 5.0. Китай характеризуется самыми большими в мире масштабами обрабатывающей промышленности, которая развивается за счёт открытости инновациям и инвестициям, а также за счёт государственных институтов, поддерживающих стратегически значимые отрасли. Кроме этого культурная среда в экономике, открытая инновациям, стимулирует высокую патентную активность среди корпораций, предпринимателей и населения. Вместе с тем, как отмечают эксперты, значимая часть интеллектуального капитала промышленных предприятий Китая – это либо технико-технологическое и не всегда легитимное копирование, либо имитация.

Напротив, Россия, Индия и Бразилия, обладая значимым научно-техническим и технологическим потенциалом, демонстрируют либо единичные корпоративные кейсы успешного использования интеллектуального капитала (в России – это Росатом, в Бразилии – Embraer). Либо отдельные отраслевые прорывы (IT-промышленность и фармацевтика в Индии). В целом для трёх указанных стран одинаковы следующие проблемы на уровне многопрофильных инновационных промышленных предприятий [4; 8]:

1) низкие инвестиции в исследования и разработки, человеческий капитал (ключевой элемент интеллектуального капитала);

2) слабая интеграция промышленных предприятий с научно-образовательным сектором и, в первую очередь, с университетами;

3) минимальная коммерциализация инноваций, исследований и разработок при одновременно низкой вовлечённости всех категорий персонала в эти процессы;

4) низкая производительность труда из-за использования значимой доли неквалифицированного труда и сопротивления изменениям со стороны персонала.

Таким образом, приведённые выше результаты свидетельствуют о том, что интеллектуальный капитал – это ключевой драйвер конкурентоспособности инновационных многопрофильных промышленных предприятий, который в современных условиях может использоваться предприятиями для получения конкурентных преимуществ с очень высокой интенсивностью за счёт вовлечения искусственного интеллекта и шире – за счёт современных цифровых технологий.

Обсуждение. У многопрофильных инновационных промышленных предприятий есть черты, которые их отличают от других предприятий обрабатывающей промышленности. В первую очередь, у многопрофильных инновационных промышленных предприятий диверсифицирована операционная деятельность. С одной стороны, это позволяет перераспределять риски путём повышения эффективности использования ресурсов в разных направлениях деятельности и в зависимости от изменений конъюнктуры рынков. С другой стороны, некоторые направления и виды деятельности либо не связаны, либо слабо связаны между собой, увеличивая управленческие и транзакционные издержки.

Из первого следует второе – у многопрофильных инновационных промышленных предприятий сложная корпоративная (организационно-управленческая) структура, которая не обладает маневренностью и гибкостью в принятии решений в ответ на внезапные изменения во внешней среде. С одной стороны, сложная корпоративная структура обеспечивает устойчивость предприятию, но, с другой стороны, отсутствие гибкости делает такую структуру статичной, а это в свою очередь ограничивает развитие предприятия. Сложные корпоративные структуры успешно противостоят негативному влиянию VUCA-среды, но при этом инновационные циклы на предприятии становятся слишком длинными.

Из второго следует третье – многопрофильные инновационные промышленные предприятия используют эффект масштаба, но их капиталоёмкость растёт быстрее, чем экономические выгоды, получаемые от эффекта масштаба [5]. Это связано с тем, что в многопрофильных промышленных предприятиях действует централизованная система стратегического, а, иногда и оперативно-тактического планирования. Поэтому, с одной стороны, такие предприятия предъявляют высокие требования к координации и менеджменту, но, с другой стороны, важные инициативы в дивизионах, бизнес-единицах или иных функционально-производственных подразделениях не находят своего воплощения на практике.

Из практического опыта известно, что многопрофильные инновационные промышленные предприятия вкладывают значительные объёмы инвестиций в искусственный интеллект и опосредующие его различные цифровые платформы и алгоритмы, но при этом рентабельность таких инвестиций обычно невысокая, либо, как это часто бывает, такие вложения являются безвозвратными. Как правило, это связано с тем, что направления, занятые исследованиями и разработками, созданием и внедрением инноваций и цифровых технологий не взаимодействуют с направлениями, осуществляющими операционную деятельность.

Из-за этого конкурентный эффект от внедрения различных прогрессивных решений очень низкий. Поэтому многопрофильным инновационным промышленным предприятиям целесообразно осуществлять не точечные инвестиции в искусственный интеллект и цифровые технологии, а выстраивать в экономических границах предприятия когнитивно-цифровой контур конкурентоспособности, модель которого представлена на рисунке 4.

Рисунок 4. Модель когнитивно-цифрового контура конкурентоспособности многопрофильных промышленных предприятий

Источник: разработано авторами.

Модель, на основе которой будет выстраиваться когнитивно-цифровой контур конкурентоспособности многопрофильных инновационных промышленных предприятий, включает три основных уровня: ресурсный, компетентностный и конкурентоформирующий.

Когнитивно-цифровой капитал многопрофильного инновационного промышленного предприятия, образующий ресурсный уровень модели, включает два главных компонента: интеллектуальный капитал и искусственный интеллект. Интеллектуальный капитал, в который традиционно принято включать три подвида капитала – человеческий, структурный и клиентский (синонимы клиентского капитала: потребительский, социальный), – в представленной модели дополнен цифровым капиталом, включающим IT-инфраструктуру предприятия (локальные вычислительные сети, корпоративная информационная система, программное и аппаратное обеспечение, серверы, базы данных, алгоритмы, промышленный IoT и т.п.).

Искусственный интеллект включает в себя не только цифровые и технологические решения, но также:

1) аналитико-прогностические платформы (в том числе и те, которые предназначены для проведения НИОКР, тестирования прототипов и проч.), алгоритмы машинного обучения, обработки больших данных и облачных вычислений;

2) алгоритмы, обеспечивающие автоматизацию рутинных операций в основной (операционной) и других видах деятельности, поддержку принятия управленческих решений, а также роботизированные и киберфизические системы;

3) дополнительные когнитивные сервисы, в том числе на базе технологий обработки естественного языка (Natural Language Processing – NLP), компьютерного зрения и т.п.

Второй уровень модели – компетентностный. На втором уровне модели ресурсы первого уровня трансформируются в ключевые компетенции. Механизм трансформации ресурсов в конкурентные преимущества осуществляется за счёт практического приложения развитых организационных и, в том числе, управленческих компетенций. Работоспособность механизма трансформации в конкурентные преимущества обеспечивается за счёт:

а) управления знаниями (по вертикали управления и по горизонтали – обмен знаниями и опытом между работниками) и непрерывного корпоративного обучения персонала предприятия. При этом акцент в обучении должен быть сделан на развитие знаний инженерно-технических работников и основных рабочих;

б) разработки (привлечения) и внедрения инноваций, которые могут быть ориентированы как на обновление внутренней среды, межфирменной кооперации (процесс-ориентированные инновации), так и на обновление номенклатуры выпускаемой продукции, либо на создание новых уникальных товаров, работ и услуг (продукт-ориентированные инновации) в различных видах экономической деятельности, которые обычно осуществляют многопрофильные промышленные предприятия;

в) оптимальной межфункциональной координации, которая предполагает создание инновационно-внедренческих команд, включающих персонал: из операционных и вспомогательных видов деятельности, из подразделений, непосредственно занятых исследованиями и разработками. К работе таких команд могут подключаться независимые учёные, специалисты и предприниматели через внешние сети знаний и различные партнёрства: научно-исследовательские и научно-производственные коллаборации.

Третий уровень модели – конкурентные преимущества, но более правильно его называть конкурентоформирующим. Этот уровень модели – через ускоренные инновационные циклы, оптимизированный операционный цикл, обновление продуктов и процессов, выхода на новые рынки – обеспечивает многопрофильному промышленному предприятию максимизацию экономических и прочих выгод, которые недоступны конкурентам.

Также следует отметить, что модель предполагает формирование петель с положительной обратной связью. Во-первых, конкурентные преимущества, которые позволяют максимизировать предприятиям экономические выгоды, одновременно работают и на сокращение издержек, это позволяет увеличивать предприятию объем доступных инвестиций за счёт собственных средств в условиях, когда привлечение внешнего финансирование ограничено (высокая ключевая ставка и неготовность российских коммерческих банков предоставлять долгосрочные кредиты на развитие).

Во-вторых, искусственный интеллект способствует постоянному обновлению и восполнению интеллектуального капитала многопрофильных промышленных предприятий за счёт построения гибридных когнитивных систем (Human-AI Co-Cognition), когда обмен знаниями, мнениями и идеями идёт непрерывно. Это формирует положительную инновационно-инвестиционную синергию.

В-третьих, привлечение внешних актеров и внешних сетей знаний увеличивает когнитивный бэкграунд и на индивидуальном, и на корпоративном уровне, что позволяет интенсифицировать процессы предложения новых идей и решений, что в том числе выражается в расширении объёмов корпоративного банка знаний и увеличении стоимости интеллектуального капитала.

Таким образом, представленная выше модели демонстрирует, что в эпоху цифровизации конкурентоспособность многопрофильных промышленных предприятий формируется не ресурсами как таковыми, но скоростью и качеством преобразования когнитивно-цифрового капитала в организационные компетенции, а через них – в устойчивые или уникальные конкурентные преимущества. Многопрофильные инновационные промышленные предприятия представляют собой синергетическую модель организации производства, где разнообразие технологических направлений усиливается за счёт единой цифровой инфраструктуры.

Выводы. Интеллектуальный капитал в связке с искусственным интеллектом является ключевым драйвером конкурентоспособности многопрофильных инновационных промышленных предприятий в эпоху цифровизации. Устойчивое развитие и рыночный успех зависят не столько от концентрации финансового и физического капитала, сколько от способности предприятий быстро и качественно трансформировать когнитивно-цифровой капитал в организационные компетенции и далее в конкурентные преимущества. Представленная модель когнитивно-цифрового контура конкурентоспособности позволяет системно интегрировать инновации, управление знаниями и цифровые технологии в операционные процессы, что сокращает инновационные циклы, повышает экономическую эффективность и расширяет рыночные позиции предприятий.

Таким образом, для обеспечения долгосрочной конкурентоспособности многопрофильным промышленным предприятиям необходимо формировать комплексную стратегию развития, ориентированную на приращение интеллектуального капитала, активное использование искусственного интеллекта и создание гибридных когнитивных систем, что позволит успешно адаптироваться к условиям VUCA-среды и поддерживать устойчивый рост.

Российские многопрофильные инновационные предприятия демонстрируют высокий потенциал для успешной цифровой трансформации, активно развивая отечественные технологические решения и формируя инновационные экосистемы. Стратегическая поддержка государства и целенаправленные инвестиции в развитие цифровых технологий создают благоприятные условия для ускорения процессов цифровизации.