Литвиненко Александр Николаевич, доктор экономических наук, профессор, профессор кафедры экономической безопасности и управления социально-экономическими процессами,
Санкт-Петербург.
Aleksandr N. Litvinenko, Doctor of Science (Economics), Professor, Professor of the Department of Economic Security and Management of Socio-Economic Processes,
Saint Petersburg.
Лозина Юлия Александровна, кандидат юридических наук, доцент,
Санкт-Петербург.
Yuliya A. Lozina, PhD in Jurisprudence, Associate Professor,
Saint Petersburg.
В условиях структурной трансформации российской экономики традиционные подходы к цифровизации бизнеса не обеспечивают долгосрочной экономической устойчивости: компании фиксируют краткосрочный прирост операционной эффективности, тогда как системные риски и официальные публичные обязательства остаются вне контура алгоритмических решений. Цель. Цель исследования концептуализировать роль искусственного интеллекта как катализатора устойчивого развития бизнеса и разработать инструментарий оценки готовности компаний к ИИ-трансформации в логике стратегической устойчивости. Методология. Методология опирается на системный, сравнительный и критико-аналитический подходы, контент-анализ нормативных актов и публикаций в рецензируемых изданиях, а также моделирование этапов интеграции алгоритмических систем в корпоративное управление. Результаты . Обоснован переход от тактической автоматизации к формированию предиктивных, адаптивных и этически верифицируемых механизмов принятия решений; предложена авторская четырехуровневая модель готовности к внедрению искусственного интеллекта, включающая критерии стратегической устойчивости бизнеса, оптимального использования ресурсов и встраивания принципов экологической, социальной и управленческой ответственности; введена концепция «коридора рентабельности устойчивого развития»; рассмотрены модели BYOA (использования собственных интеллектуальных агентов сотрудниками) и KCVS (системы оценки вклада знаний) в контексте оценки человеческого капитала в ИИ-экономике; сформулированы верифицируемые рекомендации для корпоративного управления и регуляторной среды. Выводы . Научная новизна заключается в переосмыслении ИИ-активов через призму долгосрочной устойчивости, а не операционной оптимизации; в разработке системы оценочных показателей для определения уровня цифровой зрелости организации с учетом институциональных барьеров и физической инфраструктуры; в обосновании деятельностного (субъектного) подхода к распоряжению накопленными знаниями, при котором сотрудники и подразделения рассматриваются как активные участники управления интеллектуальным ресурсом. Такой подход позволяет увязать повседневную работу со знаниями, с финансовой прочностью организации и ее способностью противостоять кризисам.
Against the backdrop of structural transformation in the Russian economy, conventional digitalization approaches fail to deliver long-term economic resilience: companies register short-term operational gains while systemic risks and ESG obligations remain outside the algorithmic decision loop. Aim. The aim of the study is to conceptualize the role of artificial intelligence as a catalyst for sustainable business development and to develop an assessment toolkit for companies’ readiness for AI transformation in the logic of strategic sustainability. Methods. The methodology draws on systemic, comparative and critical-analytical approaches, content analysis of regulatory documents and peer-reviewed publications, and scenario modelling of algorithmic integration into corporate governance. Results : a transition from tactical automation to the formation of predictive, adaptive and ethically verifiable decision-making mechanisms is substantiated; a four-level AI readiness model is proposed, incorporating strategic sustainability, resource efficiency and ESG integration criteria; the ROI sustainability corridor concept is introduced; the BYOA (Bring Your Own Agent) and KCVS (Knowledge Contribution Valuation System) frameworks are considered through the lens of human capital valuation in the AI economy; actionable recommendations for corporate governance and the regulatory environment are formulated. Conclusions. Scientific novelty: AI assets are reconceptualized through the lens of long-term sustainability rather than operational optimization; a criteria framework for sustainabilityoriented digital maturity assessment is developed, accounting for institutional barriers and physical infrastructure; the agent-based approach to knowledge management is substantiated as a factor of organizational economic resilience.
The authors declare that there are no conflicts of interest present.