Информационный потенциал, содержащийся в таблице 1, достаточен для квалифицированного выбора искомых вариантов управления внедрением в производство современных технологическими процессов при условии наличия чётких критериев осуществления такого выбора. Однако первоначально должны быть сформулированы требования к осуществлению такого выбора.
На основе анализа технических заданий на проведение практических работ в области внедрением в производство современных технологическими процессов, а также проведенного мониторинга работ в этой области можно заключить, что критериями должны служить требования, согласно которым искомый вариант управления должен:
- быть адекватным разнообразию объектов производства и продуктов производства;
- способствовать оперативному решению задач производства;
- ориентироваться на тот факт, что предприятия, осуществляющие соответствующие практические работы, рассредоточены по регионально - отраслевому принципу;
- способствовать сокращению числа уровней принятия решений;
- постоянно обеспечивать руководство предприятия и заказчика информацией о запасах необходимых для производства: сырья, материалов и комплектующих изделий, осуществляемых затратах финансовых и материальных потоков процесса производства.
- обладать гибкостью и мобильностью.
Источники:
1. Вениаминов В.Н., Грязин Г.Н., Жеребцов И.П., Зельдин Е.А. и др. Терминологический словарь по электронной технике. СПб.: Политехника, 2001.
2. Овчинникова Н.П. История развития теории и практики управления в России в ХХ веке. М. 2005.
3. Борисов А.А. К вопросу о процессно-логистической модели развития электронной компонентной базы специального назначения нового поколения / Вестник Московского государственного университета леса «Лестной вестник» - Мытищи: МГУЛ, 2009.
4. Куркина И.В. Процессный подход к управлению промышленным предприятием. - Н.Новгород, 2005.
5. Друкер П. Создание новой теории производства //Концептуальные основы управления. - М. 2001.
6. Боков С.И. Выбор математических моделей управления развитием ЭКБ нового поколения // Альманах современной науки и образования Тамбов: Грамота, 2012. № 9 (64). C. 20-23.
7. Иванов Д.А. Информационные системы в технологии и логистике. Интегрированные системы управления предприятием. СПб: Политехн. Ун-т, 2005.
8. Ивлев В.А., Попова Т.В. Реорганизация деятельности предприятий: от структурной к процессной организации. - М.: Наутехлит-издат. 2001.
9. Надеев А.Т. Основы системного анализа. - Н.-Новгород, 1992.
10. Анфилатов В.О. Системный анализ в управлении. - М., 2002.
11. Бут О.П. Методологии процессного подхода к управлению организацией. - СПб 2005.
EDN: DLRLCG
А.В. Батищев - к.э.н., доцент, заведующий кафедрой искусственный интеллект и анализ данных, «Московский фи-нансово-промышленныйуниверситет «Синергия», Москва, Россия, [email protected],
A. V. Batishchev - candidate of economic sciences, Associate Professor, Head of the Department of Artificial Intelligence and Data Analysis, Synergy University, Moscow, Russia;
И.В. Соловьев - аспирант факультета менеджмента, «Московский финансово-промышленный университет «Синергия», Москва, Россия, [email protected],
I.V. Solovyev - graduate student of the Management Faculty, Synergy University, Moscow, Russia.
АНАЛИЗ ПЕРСПЕКТИВ И ПРОБЛЕМ УПРАВЛЕНИЯ БИЗНЕС-ПРОЦЕССАМИ МАЛОГО БИЗНЕСА НА ОСНОВЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ANALYSIS OF PROSPECTS AND CHALLENGES OF MANAGING BUSINESS PROCESSES IN SMALL BUSINESS BASED ON ARTIFICIAL INTELLIGENCE TECHNOLOGIES
Аннотация. В статье анализируется использование технологий искусственного интеллекта в бизнес-процессах малого бизнеса. Рассматривается мировой рынок генеративного ИИ и его перспективы. Выявлены основные направления применения нейросетей в малом бизнесе, проанализированы ключевые преимущества и риски внедрения ИИ в бизнес. В заключении рассмотрены будущие перспективы в применения ИИ в компаниях. Предметом исследования является управление бизнес-процессами малого бизнеса на основе технологий ИИ. Целью исследования является выявление перспектив и целесообразности внедрения ИИ в бизнес-процессы малого бизнеса. Методической основой исследования является анализ статистических данных, логический анализ, синтез, анализ научной литературы российских и зарубежных авторов. Результаты исследования могут быть использованы для формирования стратегий развития малого бизнеса с эффективным использованием инновационных технологий.
Abstract. The article examines the use of artificial intelligence technologies in the business processes of small businesses. It explores the global market for generative AI and its prospects. The main directions for the application of neural networks in small business are identified, and the key advantages and risks of implementing AI in business are analyzed. The conclusion discusses the future prospects of AI application in companies. The subject of the study is the management of small business processes based on AI technologies. The aim of the study is to identify the prospects and feasibility of implementing AI in small business processes. The methodological basis of the study includes the analysis of statistical data, logical analysis, synthesis, and review of scientific literature by Russian and foreign authors. The results of the study can be used to formulate strategies for the development of small businesses with effective use of innovative technologies.
Ключевые слова: искусственный интеллект, нейронные сети, машинное обучение, генеративный ИИ бизнес-процессы, малый бизнес.
Keywords: artificial intelligence, neural networks, machine learning, generative AI, business processes, small business.
Введение
Искусственный интеллект - понятие не новое. Теоретические и практические аспекты искусственного интеллекта изучаются еще с сороковых годов 20 века с работ У. Макколоха и У. Питса, а также Н. Виннера. В современном мире также технологии искусственного интеллекта уже много лет достаточно широко применяются не только в науке, но и в бизнесе, при чем не только в коммерческих компаниях, но и в государственных организациях.
На сегодняшний день в различных аспектах бизнеса используются разные методы искусственного интеллекта, в том числе машинное обучение, глубокое обучение, эволюционное моделирование, обработка естественного языка, нейронные сети и так далее. До недавнего времени инструменты искусственного интеллекта в своей деятельности могли позволить себе в основном крупные компании с большими ресурсами на разработку и внедрение ИИ. Однако в последние годы многое изменилось с ростом популярности и совершенствованием моделей генеративного искусственного интеллекта, которые позволяют без особых сложностей и без крупных затрат интегрировать инструменты ИИ даже в малый бизнес.
Особенности генеративного ИИ.
Генеративный искусственный интеллект - это архитектура нейронных сетей, которые способны генерировать новые данные на основе обучения на уже имеющихся большом количестве размеченных данных. В отличие от других методов ИИ, которые в основном используются для анализа, интерпретации, структурирования информации, моделирования и получения ответов на запросы, генеративный ИИ может создавать новый уникальный контент на основе имеющейся информации текст, изображения по текстовому запросу, видео, музыку и многое другое [1]. Одним из главных достижений в этой области является создание DeepMind GAN - искусственного интеллекта, который имитирует ход человеческих мыслей. Эти технологии стараются имитировать работу человеческого интеллекта в таких нестандартных вычислительных заданиях, как обработка естественного языка (NLP), распознавание изображений, перевод. Сюда же можно отнести популярную в данное время генеративную модель GPT (Generative Pretrained Transformer), которая генерирует тексты с пониманием контекста, стиля автора, имеющая творческий потенциал и способная выдавать довольно точные результаты.
Большое преимущество инструментам генеративного ИИ даёт наличие готовых сервисов для использования этих инструментов, с готовым интерфейсом, широким функционалом, наличием сайтов или мобильных приложений, благодаря чему данными инструментами могут пользоваться и компании, и простые люди без внедрения функционала в свою инфраструктуру, без знания программирования и глубоких основ работы ИИ.
Рассмотрим список самых популярных по числу пользователей иностранных и российских сервисов генеративного ИИ, распределенных по сферам применения (таблица 1).
Таблица 1 - Классификация генеративных нейросетей по их функционалу
Функционал Наименование
Генерация текста Gemini, Cloud AI, Perplexity
Генерация изображений DALL-E 3, Midjourney, Kandinsky, Шедеврум
Создание видео Runway Gen-2, Nvidia Eye Contact
Работа со звуком Adobe Enhance, Voice AI
Создание мобильных приложений Imagica AI
Программирование Amazon Code Whisperer, GitHub Copilot
Личный ассистент Microsoft Copilot, Битрикс24 CoPilot
Универсальные ChatGPT, YandexGPT, GigaChat
Мировой рынок генеративного ИИ.
По данным компании Goldman Sachs, генеративный ИИ может обеспечить увеличение мирового валового внутреннего продукта (ВВП) на 7 % (или почти на 7 трлн долл. США) [2]. Что касается объема глобального рынка генеративного искусственного интеллекта, то по прогнозам в 2024 году он увеличится на 31,7% и составит 66,9 млрд долл. [3], а к 2032 году вырастит более чем в 6 раз (рисунок 1).
Рисунок 1 - Объем мирового рынка ИИ и генеративного ИИ
При этом по прогнозам на 2024 год из 66,9 млрд долл. на программное обеспечение по оценкам будет приходиться только 5,7 млрд долл., то есть 8,5 % [2]. Сюда входят специализированное программное обеспечение по созданию генеративного ИИ, разработка и рабочие процессы кодирования, программное обеспечение для инфраструктуры ИИ, безопасности. Большая же часть будет приходиться на инфраструктуру и оборудование, которые займут 91,4 % рынка, куда входят устройства, серверы, хранилища, генеративная инфраструктура ИИ как услуга (рисунок 2).
Объем глобального рынка генеративного ИИ в 2024 г.
30,9 52,6 млрд долл. - инфраструктура
15.2 1
5,7 ■ 6,5
ПО Устройства Сервер ИИ Хранилище ИИ Генеративная инфраструктура ИИ как услуга
Рисунок 2 - Структура рынка генеративного ИИ в 2024 г.
Так по оценкам Bloomberg первостепенными бенефициарами развития генеративного ИИ станут облачное подразделение Amazon, Alphabet (материнская компания Google), Nvidia, которыый производит видеокарты и микрочипы, а также Microsoft [4]. Также стоит отметить, что на рисунке 2 не отражены оценки рекламного рынка и рынка игр, связанных с ИИ. Их сложно подсчитать, но по некоторым оценкам они могут дополнительно добавить к рынку генеративного ИИ от 3 до 4,5 млрд долл. [2]. Так самый популярный генеративный ИИ ChatGPT к концу 2023 года уже достиг 100 млн активных пользователей в неделю, а также более 2 млн разработчиков, подключившихся к API компании [5]. И эти цифры продолжают расти.
Исходя из этого можно сделать вывод, что инструменты генеративного ИИ будут только совершенствоваться, и с развитием мирового рынка нейросети будут повсеместно использоваться всё большим количеством не только крупных, но и мелких компаний.
Направления применения ИИ в бизнесе.
Далее рассмотрим, как искусственный интеллект используется в бизнес-процессах и бизнес-коммуникациях разных компаний. На сегодняшний день технологии искусственного интеллекта могут быть использованы практически во всех направлениях малого и среднего бизнеса.
1. Маркетинг. Самое перспективное направление использования генеративного ИИ. Нейросети могут помогать в создании рекламного контента, маркетинговых изображений, видео; писать контент-план для компании; генерировать пост в социальные сети и статьи на сайты. Также с помощью нейросетей возможно быстрое создание сайтов для компаний и продвижение этих сайтов в поисковой выдаче, то есть SEO-оптимизация (Search Engine Optimization). Нейронные сети может пока не заменят полностью маркетологов, но уже многие российские компании и СМИ интегрировали в свою работу инструменты вроде ChatGPT, Midjourney и многое другое для автоматизации маркетинговых задач [6].
2. Продажи. Искусственный интеллект также способен помогать компаниям в продажах. Тут помогут чат-боты на основе ИИ, которые могут самостоятельно общаться с клиентами и продавать товары и услуги, отвечать на простые вопросы клиентов, проводить классификацию клиентов, принимать и обрабатывать входящие заявки. Кроме того, повышается эффективность продаж за счет автоматической транскрибации телефонных звонков в текст, автоматического заполнения карточек клиентов в CRM-системах, Так, большинство подобных функций доступно, например, в Битрикс24 CoPilot [7]. Это упрощает контроль за продажами для руководителей отделов, помогает находить слабые места и устранять их.
3. IT-разработка. Еще одно направление, в котором активно используется генеративный ИИ - это IT-направление и программирование. Нейросети активно применяются в написании программного кода на большом количестве языков программирования, помогают в выявлении ошибок в коде, используются в разработке программного обеспечения. Кроме того, активно развивается направление Low-Code и No-Code разработки, где разработчику нужно обладать минимальными или вовсе не нужно обладать навыками программирования, а искусственный интеллект создает программное обеспечение или выполняет другие технические задания без написания кода со стороны человека. Показательным примером No-Code разработки для малого бизнеса является сервис Imagica AI, который способен создать мобильные приложения по текстовому запросу [8].
4. Управление персоналом. Нейросети используются некоторыми компаниями в HR-отделах для поиска кадровых ресурсов, автоматического анализа и отсеивания резюме кандидатов, поиска сотрудников, составления тестов и вступительных испытаний для соискателей. Например, с помощью сервисов PeopleForce и подобных. Сюда же отнесем оцифровку выполняемой сотрудниками работы, а также автоматизацию сбора и анализа этой
информации. Эти данные помогают упрощать контроль за работой сотрудников и улучшать мотивационную составляющую, что приводит к повышению эффективности работы сотрудников. Например, российская компания «Свеза» благодаря ИИ сократила время на поиск сотрудников на 15 %, увеличила конверсию в найм на 20 % и повысила число закрытых вакансий в 2,7 раз по сравнению с предыдущим годом [9].
5. Юридические документы. Генеративнй ИИ способен ускорять и упрощать работу с разного вида документами за счет создания и заполнения простых документов, договоров, актов, обработки и анализа имеющихся электронных документов, выявления и исправления ошибок в файлах и документах. Тут могут помочь специализированные сервисы по документообороту, а также любые сервисы генерации текста наподобие ChatGPT.
6. Логистика и управление запасами. ИИ часто используется для анализа больших данных с целью прогнозирования спроса и предложения для оптимизации логистических поставок и уровня запасов. Это может уменьшить вероятность наличия избытков на складах или недостаточного количества запасов продукции.
7. Финансы и анализ данных. В разделе финансов используется не только генеративный ИИ, но и уже ставшие классическимт машинное обучение для задач анализа, моделирования и прогнозирования на финансовых и страховых рынках; кредитного скоринга и управления рисками; автоматизации бухгалтерского и управленческого учета; анализ больших данных для управления клиентским опытом и многое другое.
8. Производство. В производстве также активно используются технологии искусственного интеллекта. В том числе в автоматизации большого количества процессов, от оптимизации рабочих процессов на производстве до усиления контроля качества и предиктивного обслуживания. Например, для контроля качества и безопасности на производствах часто используются технологии компьютерного зрения (Computer visión).
9. Коммуникация внутри команды. Сюда отнесем инструменты снижения временных затрат на коммуникацию внутри команды за счет генераций отправки сообщений, автоматической генерации ответов на электронные письма, автоматизацию составления и отправки многих отчетов, что повышает продуктивность работы сотрудников. В плане бизнес-коммуникаций могут быть полезны нейросети, интегрированные в CRM-системы и ESM-системы (Enterprise Service Management) на основе искусственного интеллекта, которые по опросам могут сэкономить сотрудникам до 23 часов в неделю [10].
По данным исследований на конец 2022 года среди российских компаний лидирующими направлениями применения технологий ИИ в бизнесе были исследования и разработка, работа с клиентами (продажи и обслуживание клиентов), прогнозная аналитика (прогнозирование спроса и запасов) [11]. К концу 2024 года скорее всего соотношение поменяется и увеличится применение ИИ в маркетинге, IT-разработке, продажах и управлении персоналом.
Основные преимущества использования технологий ИИ в бизнесе.
Чтобы понять, насколько быстро будут развиваться и внедряться технологии искусственного интеллекта в бизнес, необходимо понять и проанализировать основные выгоды применения ИИ в бизнес-процессах компаний. К основным преимуществам можно отнести следующие пункты.
1. Ускорение внедрения инноваций. ИИ может использоваться для разработки новых цифровых продуктов, упрощение создания нового программного обеспечения, использоваться для внедрения инноваций в производстве и создании новых продуктов. Также он активно используется для выявления рыночных тенденций и перспектив. Таким образом, предприятия могут быстрее и проще внедрять инновации, реализовывать новые проекты, что полезно как самим компаниям, так и экономике в целом.
2. Оптимизация бизнес-процессов. Автоматизация и оптимизация процессов ведет к экономии временных ресурсов. Внедрение ИИ обеспечивает сокращение ручной и однообразной работы. Это, в свою очередь, позволяет работникам посвятить больше времени на выполнение творческих и более трудных заданий.
3. Снижение затрат. Использование новых технологий способно снизить операционные издержки благодаря автоматизации большого количества работы. В том числе снижаются затраты на человеческие ресурсы, так как для выполнения той же работы требуется меньшее количество сотрудников, по крайней мере в однотипных рутинных задачах.
4. Повышение качества обслуживания клиентов. Благодаря технологиям ИИ можно повысить скорость ответа клиентам, задать стиль общения в переписках, поднять уровень сервиса для клиентов. В то же время цены для конечных потребителей могут снизиться благодаря уменьшению издержек бизнеса. Всё это может привести к росту лояльности потребителей. Однако нужно постоянно контролировать работу ИИ, чтобы избегать технических ошибок, и чтобы качество выполняемых функций не снижалось.
5. Повышение эффективности бизнеса и экономических результатов. Главная цель использования новых технологий заключается в повышении экономических показателей бизнеса. Внедрение ИИ способно повысить рентабельность, повысить прибыль. Однако целесообразно внедрять новые технологии только если экономический результат от их внедрения превысит вложения. Поэтому требуется грамотный расчет окупаемости вложений в ИИ.
Данные преимущества действительно могут повысить эффективность работы компании на десятки процентов. Так по исследованиям компаний Forbes и Exploding Topics внедрение ИИ в бизнес может в среднем повысить объем продаж на 52 %, прибыль на 79 %, успех при запуске новых продуктов на 59 %, улучшить взаимодействие с клиентами на 48 %, повысить лояльность клиентов на 40 %, эффективность привлечения новых покупателей на 34 %, узнаваемость бренда на 31 % [12]. Однако стоит понимать, что данные показатели могут зависеть от многих
факторов, в том числе страны, отрасли бизнеса, наличия ресурсов, качества интеграции новых технологий и так далее. Не всегда инвестиции в искусственный интеллект будут целесообразны.
Основные риски использования ИИ в бизнесе.
При том, что использование технологий ИИ в бизнесе имеет большое количество выгод, не стоит забывать о проблемах, которые связаны с применением ИИ в компаниях. Некоторые из данных вызовов способны привести к серьезным отрицательным последствиям для компаний. Проанализируем основные риски внедрения искусственного интеллекта в малый бизнес.
1. Высокая стоимость и сложность реализации. При том, что с развитием генеративного ИИ и готовых решений доступность нейросетей повысилась, внедрение искусственного интеллекта в бизнес-процессы всё равно часто требует больших инвестиций. Из-за этого не все компании малого бизнеса имеют достаточные финансовые возможности. Кроме того, интеграция нейросетей в процессы компании требует квалифицированных кадров, инвестиций в разработку, модернизацию IT-инфраструктуры, обучение персонала и так далее. Не все компании готовы пойти на это, при том, что существуют риски, и срок окупаемости подобных вложений может быть достаточно большим.
2. Проблемы с конфиденциальностью и защитой данных. Для качественного выполнения многих задач искусственному интеллекту требуется анализировать большое количество данных. При этом обработка огромного количества клиентских данных увеличивает риск нарушения их конфиденциальности. Также стоит отметить, что базы данных с плохой защитой могут стать мишенью для хакерских атак, что угрожает безопасности данных не только клиентов, но и самой организации.
3. Неточности в функционировании ИИ. Важно отметить, что системы ИИ, в частности генеративные нейронные сети всё ещё находятся в стадии развития. В связи с этим они иногда дают сбои, а также генерируют неверные ответы. Потенциальные ошибки искусственного интеллекта вынуждают тратить ресурсы на контролирование результатов деятельности ИИ. Это в свою очередь приводит к дополнительным временным и финансовым затратам.
4. Несовершенство правовой базы. Правовые нормы и законы в части регулирования ИИ во многих странах остаются неопределёнными. Неясность правовых аспектов может привести к различным спорам и сложностям, в том числе в отношении авторских прав на материалы, созданные нейросетями. Кроме того, существует риск использования ИИ в противоправных целях, таких как мошенничество с помощью подмены лиц и голоса, генерация непристойных фото и видео с реальными людьми и так далее.
5. Социальные риски. Одним из наиболее обсуждаемых рисков является потеря рабочих мест во многих профессиях, особенно среди низкоквалифицированных рабочих, где ИИ может выполнять простые рутинные задачи. В связи с этим появляется большое количество противников искусственного интеллекта, опасающихся, что ИИ заменит человека во всём. Другим социальным риском, озвученным в том числе в научной среде, является развитие общего ИИ (Artificial General Intelligence) и супер ИИ (Artificial Super Intelligence), которые могут самостоятельно принимать решения, а также превосходить человеческие способности. Так ИИ, анализирующий колоссальные объемы данных, может быть использован для манипуляций общественным мнением, поведением потребителей и даже политическими выборами, что вызывает опасения по поводу прозрачности и контроля над такими технологиями.
6. Дефицит квалифицированных специалистов. Еще одна большая проблема, мешающая внедрению искусственного интеллекта не только в малый бизнес, но и в любую организацию - это нехватка квалифицированных специалистов на рынке труда. Из-за новизны технологий, а также сложности в ее освоении, подготовленных специалистов пока мало, а стоимость их услуг высока из-за повышенного спроса. Поэтому многим компаниям приходится самостоятельно обучать сотрудников новым технологиям, на что также требуется время и ресурсы. Это может привести к увеличению издержек компании, задержке внедрения новых технологий и реализации проектов, зависимости от внешних подрядчиков.
Отдельно хочется отметить, что искусственны интеллект в ближайшее время сильно изменит порядок управления бизнес-процессами и бизнес-коммуникациями в компаниях по всему миру. Действительно, часть сотрудников могут потерять работу. Однако сложно утверждать, что искусственный интеллект заберет рабочие места. Скорее это просто новая технология, которая потребует от сотрудников повышения квалификации. Одни задачи будут полностью переданы искусственному интеллекту, но благодаря этому уже появляются новые задачи и даже профессии. Например, набирает популярность профессия промпт инженера, который настраивает большие языковые модели (LLM) и обеспечивает генерацию нейросетями релевантных и точных результатов [13]. Таким образом, стоит ожидать изменения требования к профессиям.
Заключение
Исходя из проведенного исследования, можно точно утверждать, что рынок искусственного интеллекта в мире будет расти с колоссальными темпами и затронет многие аспекты бизнеса. Благодаря дальнейшему развитию технологий, в том числе генеративного ИИ, даже малый бизнес сможет интегрировать ИИ в свои бизнес -процессы. Нейронные сети и другие технологии ИИ уже повсеместно используются компаниями в большом количестве направлений, в том числе в маркетинге, продажах, IT-разработке, финансах и многом другом. Существуют весомые выгоды для компаний от использования ИИ в своей деятельности, таких как ускорение инноваций, улучшение качества обслуживания клиентов, оптимизация процессов, рост финансовых показателей
бизнеса. Несмотря на весомые плюсы, внедрение ИИ в работу бизнеса имеет также ряд рисков и недостатков. Это в том числе и дороговизна интеграции ИИ в процессы бизнеса, сложность внедрения, угрозы для конфиденциальности и безопасности данных, недостаток квалифицированных кадров, а также законодательные и социальные риски. При этом новые технологии ИИ может и не заменят человека и не заберут рабочие места, но потребуют от специалистов повышения своей квалификации и изменит требования к многим профессиям.
На основе проведенного анализа к перспективам управления бизнес-процессами с применением технологий искусственного интеллекта стоит отнести уменьшение затрат на внедрение технологий в бизнес благодаря дальнейшему совершенствованию систем ИИ и увеличению количества IT-решений «под ключ», ориентированных на потребности малого и среднего бизнеса; повышение качества результатов функционирования генеративных неросетей, благодаря чему уменьшится количество ошибок и затраты на контроль за работой ИИ; упрощение интеграции ИИ в бизнес среду и увеличение направлений использования ИИ, что позволит интегрировать искусственный интеллект в большее число компаний и процессов; совершенствование правовой базы; повышение лояльности к технологиям искусственного интеллекта; увеличение количества квалифицированных кадров, кто способен внедрять, а также применять в своей повседневной работе нейросети и искусственный интеллект.
Прогресс в области искусственного интеллекта продолжит влиять на бизнес-ландшафт, делая необходимым постоянное обновление знаний и навыков в данной области. Для сохранения конкурентных преимуществ в долгосрочной перспективе компаниям стоит непрерывно отслеживать новые возможности ИИ и быстро адаптироваться к технологическим новшествам. Подобный гибкий подход поможет не только минимизировать кризисы, но и позволит в полной мере использовать потенциал новейших технологий для роста бизнеса.
Источники:
1. Алексеев Д.В. Использование генеративного ии при анализе данных веб-аналитики // Universum: технические науки. 2024. №2 (119). С. 4-9.
2. Что такое генеративный искусственный интеллект // AWS Amazon [Электронный ресурс]. URL: https://aws.amazon.com/ru/what-is/generative-ai/.
3. Между хайпом и реальностью: объем мирового рынка генеративного ИИ в 2024 году с прогнозом до 2032 года // Хабр [Электронный ресурс]. URL: https://habr.com/ru/companies/rosatom/articles/796537/.
4. ChatGPT to Fuel $1.3 Trillion AI Market by 2032, New Report Says // Bloomberg [Электронный ресурс]. URL: https://www.bloomberg.com/news/articles/2023-06-01/chatgpt-to-fuel-1-3-trillion-ai-market-by-2032-bi-report-says.
5. OpenAI: ChatGPT запускают 100 млн пользователей в неделю, более 2 млн разработчиков подключились к API компании // Хабр [Электронный ресурс]. URL: https://habr.com/ru/news/772198/.
6. Искусственный интеллект (AI) в маркетинге: 10 примеров // YAGLA [Электронный ресурс]. URL: https://yagla.ru/blog/marketing/ iskusstvennyy-intellekt-ai-v-marketinge/.
7. Битрикс24 CoPilot - Искусственный интеллект для каждого бизнеса // Битрикс24 [Электронный ресурс]. URL: https://www.bitrix24.ru/features/copilot/.
8. BUILD A NO-CODE AI APP IN MINUTES // Imagica AI [Электронный ресурс]. URL: https://www.imagica.ai/.
9. Как искусственный интеллект меняет HR: взгляд изнутри! // The HRD [Электронный ресурс]. URL: https://thehrd.ru/articles/ii-v-hr-kak-tehnologii-menyayut-nabor-personala-i-upravlenie-talantami-ili-kak-iskusstvennyj-intellekt-menyaet-hr-vzglyad-iznutri/.
10. Управление корпоративными услугами делает команды на базе искусственного интеллекта реальностью // UNITE.AI [Электронный ресурс]. URL: https://www.unite.ai/ru/Управление-корпоративными-услугами-делает-команды-на-базе-искусственного-интеллекта-реальностью/.
11. Гребенкина, А. А. Влияние искусственного интеллекта на современные бизнес-процессы / А. А. Гребенкина, Е. О. Апсадиков // Предпринимательство в вузе: инструменты поддержки стартапов : Сборник материалов VII Международной научнопрактической конференции, Ижевск, 21 ноября 2023 года. - Ижевск: Удмуртский государственный университет, 2023. - С. 187-193.
12. Хачатурян, К. С. Искусственный интеллект в маркетинге как новая концепция и бизнес-возможность для повышения эффективности компаний / К. С. Хачатурян, С. В. Пономарева, Н. В. Корюшов // Вестник евразийской науки. - 2023. - Т. 15. - N° 3.
13. Prompt-инженер как новый тренд. Требования и зарплаты у специалистов // Хабр [Электронный ресурс]. URL: https://habr.com/ru/companies/ru_mts/articles/745038/.
EDN: CATXSO
Е.Н. Вали шин - к.психол.н., доцент, Финансовый университет при Правительстве РФ, Москва, Россия, [email protected],
E.N. Valishin - Candidate of Psychology, assistant professor, assistant professor, Financial University under the Government Russian Federation, Moscow, Russia.
МЕХАНИЗМЫ ОРГАНИЗАЦИОННОЙ КОММУНИКАЦИИ: АКТИВНОСТЬ И ВОЗМОЖНОСТИ СОТРУДНИКА В СОЦИАЛЬНЫХ СЕТЯХ MECHANISMS OF ORGANIZATIONAL COMMUNICATION: EMPLOYEE ACTIVITY AND CAPABILITIES IN SOCIAL NETWORKS
Аннотация. Механизмы организационной коммуникации предоставляют сотрудникам возможность выразить мнение о своей работе. Поскольку новые цифровые технологии, такие как социальные медиа (СМ), все чаще применяются организациями для обмена знаниями, вовлеченность сотрудников и делового общения, важно учитывать, в какой степени СМ могут способствовать выражению и продвижению мнения сотрудников. Ограниченные попытки изучить СМ и мнение сотрудников в основном были сосредоточены на выявлении контекстуальных факторов, которые могли бы способствовать конструктивному высказыванию в СМ. В существующей литературе не исследуется, как функции СМ могут (или не могут) способствовать типам внешнего выражения мнения, например, тем, которые продвигают интересы сотрудников. Следует изучить потенциал СМ как механизма социальное присутствия сотрудника в них, обсудить воспринимаемую ценность различных функций СМ для разных типов внешнего контента для сотрудников. В статье рассматривается литература по СМ, а также показаны как различные возможности СМ потенциально могут способствовать определенному социальному голосовому контенту быть более эффективным по сравнению с другими. При этом также обсуждаются будущие направления исследования.