Искусственный интеллект в обеспечении экономически устойчивого развития бизнеса

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.

1. Глухов В. В., Бабкин А. В., Шкарупета Е. В., Здольникова С. В. Формирование терминологической платформы стратегического управления интеллектуальной зрелостью промышленных экосистем в целях технологического суверенитета // Экономика и управление. 2025. Т. 31, № 8. С. 1016–1029. EDN: XZQWPT. DOI: 10.35854/1998-1627-2025-8-1016-1029

2. Замятина М. Ф., Тишков С. В. ESG-факторы в стратегиях компаний и регионов России и их роль в региональном инновационном развитии // Вопросы инновационной экономики. 2022. Т. 12, № 1. С. 501–518. EDN: BBTFVZ. DOI: 10.18334/vinec.12.1.114369

3. Ковальчук Ю. А., Степнов И. М., Бикаленко М. С. Экосистемный подход к управлению взаимодействием экономических агентов в промышленности // Управленческие науки. 2022. Т. 12, № 3. С. 6–23. EDN: JGKTMR. DOI: 10.26794/2304-022X-2022-12-3-6-23

4. Кривонос А. Д., Антипова Т. Б. Оптимизация затрат логистических предприятий с помощью математических моделей и анализа данных // Интеллектуальные ресурсы региональному развитию. 2023. № 2. С. 51–58. EDN: DRMHSU

5. Литвиненко А. Н., Гузикова Л. А. Проблемы и противоречия системы противодействия кибермошенничеству в условиях цифровизации экономики // Экономическое возрождение России. 2026. № 1 (87). С. 153–175. EDN: QGJXSI. DOI: 10.37930/1990-9780-2026-1-87-153-175

6. Макарова Е. А., Лагерев Д. Г. Модель обработки слабоструктурированных текстовых данных на русском языке для интеллектуальной поддержки информационного управления в динамических организационных системах // Модели, системы, сети в экономике, технике, природе и обществе. 2022. № 3. С. 104–125. EDN: CDJOLY. DOI: 10.21685/2227-8486-2022-3-7

7. Минаков А. В., Эриашвили Н. Д. Риск-ориентированный подход с использованием технологий искусственного интеллекта в сфере противодействия отмыванию денег // Образование. Наука. Научные кадры. 2024. № 2. С. 191–199. EDN: LRIHON. DOI: 10.24412/2073-3305-2024-2-191-199

8. Моторин О. А., Кузьмин В. Н., Степанцевич М. Н., Худякова Е. В. Определение уровней цифровой зрелости // Техника и оборудование для села. 2024. № 7 (325). С. 15–17. EDN: RBLGOG. DOI: 10.33267/2072-9642-2024-7-15-17

9. Наугольнова И. А. Эволюция подходов к управлению промышленным предприятием: роль инноваций в современных условиях // Креативная экономика. 2023. № 5. С. 201–209. EDN: EIXXJW. DOI: 10.18334/ce.17.5.118234

10. Никишечкин П. А., Долгов В. А., Григорьев С. Н. Разработка типовых архитектур цифровых двойников производственно-логистических систем // Известия высших учебных заведений. Машиностроение. 2023. № 5 (758). С. 37–48. EDN: ZEWIIQ. DOI: 10.18698/0536-1044-2023-5-37-48

11. Панцерев К. А. Технологии искусственного интеллекта как основа обеспечения технологического суверенитета: вызовы и угрозы для стран ЕАЭС // Евразийская интеграция: экономика, право, политика. 2026. Т. 20, № 2. С. 134–145. EDN: QNBZDU

12. Плотников В. А., Смирнов А. А., Юсуфова А. М. Экономическая безопасность: специфика обеспечения в контексте внедрения технологий искусственного интеллекта // Экономика и управление. 2025. Т. 31, № 6. С. 718–727. EDN: VVZDME. DOI: 10.35854/1998-1627-2025-6-718-727

13. Черникова О. П., Князькина О. В., Хамитов Р. М. Проектирование системы предиктивной аналитики: технический, экономический и экологический аспекты // Экономика и предпринимательство. 2024. № 10 (171). С. 1198–1205. EDN: BDIIOI. DOI: 10.34925/EIP.2024.171.10.220

14. Щеглов Д. К. Инструмент управления жизненным циклом систем: цифровой паспорт изделия // Компетентность. 2025. № 3. С. 19–26. EDN: ZXHFSG. DOI: 10.24412/1993-8780-2025-3-19-26

15. Яковлева Н. Г., Шафранская А. М. Подготовка квалифицированных кадров для обеспечения технологического суверенитета российской экономики: первоочередные меры // Уровень жизни населения регионов России. 2024. Т. 20, № 4. С. 515–529. EDN: DSBCOC. DOI: 10.52180/19999836_2024_20_4_3_515_529

16. Bonney K., Breaux C. L., Dinlersoz E. [et all.] The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks // NBER Working Paper No. 35141. 2026. DOI: 10.2139/ssrn.6705316

17. Nishant R., Kennedy M., Corbett J. Artificial Intelligence for Sustainability: Challenges, Opportunities, and a Research Agenda // International Journal of Information Management. 2020. Vol. 53. Art. 102104. DOI: 10.1016/j.ijinfomgt.2020.102104

18. Xie H., Luo J., Tan X. Artificial Intelligence Technology Application and Corporate ESG Performance Evidence from National Pilot Zones for Artificial Intelligence Innovation and Application // Frontiers in Artificial Intelligence. 2025. Vol. 8. DOI: 10.3389/frai.2025.1643684

19. Zou X. Collaborative Intelligence Framework for Automated Valuation and Clearing of Knowledge Contribution (KCVS) // ଢ⽮亴ঠᵜ. 2026. May 7. DOI: 10.12451/202605.02146