Доцент кафедры экономики и финансов, кандидат экономических наук, доцент
Доцент кафедры инженерной экономики, кандидат экономических наук
доцент кафедры технологий управления в индустрии туризма, кандидат экономических наук
The article presents the results of an empirical study devoted to evaluating the artificial intelligence efficiency in supporting risk-oriented management solutions in small and medium-sized companies. The authors conducted a six-month field experiment (February-August 2025) with the participation of four companies from various sectors of the economy. As part of the experiment, 72 management situations, including those related to financial forecasting, risk assessment, and cost optimization, were analyzed in parallel by responsible managers and the developed hybrid neural network model. Methods of mathematical statistics (Pearson's criterion χ2 and Student's t-test) were used to compare the effectiveness of solutions. The results showed that the neural network model provided a statistically significant reduction in the proportion of ineffective solutions (8.3% versus 36.1% for managers), higher forecasting accuracy (83.5% versus 72.8%) and a significant reduction in decision-making time. At the same time, in areas with a high proportion of creative and poorly formalized factors, the model did not show advantages over human experience. Based on the data obtained, the authors developed practical recommendations for integrating neural network models into the risk management system of small and medium-sized businesses, including a hybrid decision-making algorithm and management of specific risks associated with the introduction of artificial intelligence technologies. The study confirms that artificial intelligence is able to significantly increase the reliability and speed of decision-making in structured tasks, acting as an effective complement to expert assessment.
В статье представлены результаты эмпирического исследования, посвящённого оценке эффективности «технологий искусственного интеллекта» в поддержке риск-ориентированных управленческих решений на предприятиях малого и среднего предпринимательства. Авторами был проведён полугодовой натурный эксперимент (февраль-август 2025 г.) с участием четырёх компаний из различных отраслей экономики. В рамках эксперимента были проанализированы параллельно-принимаемые ответственными менеджерами и разработанной гибридной нейросетевой моделью 72 управленческие ситуации, в т.ч. связанные с финансовым прогнозированием, оценкой рисков и оптимизацией затрат, были. Для сравнения эффективности решений использовались методы математической статистики (критерий χ² Пирсона и t-кристий Стьюдента). Результаты показали, что нейросетевая модель обеспечила статистически значимое снижение доли неэффективных решений (8,3% против 36,1% у менеджеров), более высокую точность прогнозирования (83,5% против 72,8%) и существенное сокращение времени принятия решений. При этом в сферах с высокой долей творческих и слабоформализуемых факторов модель не показала преимущества перед человеческим опытом. На основе полученных данных авторы разработали практические рекомендации по интеграции нейросетевых моделей в систему риск-менеджмента субъектов малого и среднего предпринимательства, включая алгоритм гибридного принятия решений и управление специфическими рисками, связанными с внедрением технологий «искусственного интеллекта». Исследование подтверждает, что «искусственный интеллект» способен существенно повышать надёжность и скорость принятия решений в структурированных задачах, выступая эффективным дополнением к экспертной оценке.