Бизнес как объект стоимостной оценки в условиях использования технологии искусственного интеллекта Текст научной статьи по специальности «Экономика и бизнес»

Бизнес как объект стоимостной оценки в условиях использования технологии искусственного интеллекта

Помулев Александр Александрович

кандидат экономических наук, доцент, Финансовый университет при Правительстве Российской Федерации, me@pomulev.ru

В условиях стремительного развития технологии искусственного интеллекта (далее ИИ) бизнес существенно трансформируется, что требует адаптации инструментария стоимостной оценки. В статье рассмотрено влияние ИИ на стоимость бизнеса. Уточнена и дополнена структура эффектов, создаваемых ИИ, как новым фактором стоимости бизнеса (при использовании в деятельности), который необходимо учитывать при оценке стоимости. Предлагается структура типологии монофункционального и мультифункционального ИИ и категорий создаваемых им экономических и социальных эффектов, позволяющая обосновать его роль в структуре факторов стоимости бизнеса. Представлены ключевые особенности бизнеса, использующего ИИ в своей деятельности, которые необходимо учитывать в рамках анализа количественных и качественных характеристик объекта в процессе стоимостной оценки. Статья будет полезна практикующим специалистам в области оценки бизнеса. Ключевые слова: искусственный интеллект, стоимостная оценка бизнеса, факторы стоимости бизнеса.

Введение

Современный бизнес переживает эпоху цифровой трансформации, в которой ИИ представляет собой сквозную цифровую технологию, играющую ключевую роль. "Интеллект" можно описать как включающую умственную деятельность, такую как обучение, рассуждения и понимание. "Искусственный", с другой стороны, относится к чему-то, что создано людьми, а не встречается в природе. Объединяя эти два понятия, ИИ можно понимать как создание машин, способных имитировать интеллект [1], и что делает его новым фактором производства в цифровой экономике. Технологии ИИ проникают во все аспекты деловой деятельности, от оптимизации операционных процессов до стратегического принятия решений.

В этих условиях традиционные методы стоимостной оценки бизнеса могут утратить свою актуальность и точность. Поскольку отсутствует систематизация создаваемых ИИ экономических и социальных эффектов, позволяющая обосновать его роль в структуре факторов стоимости бизнеса. Цель данной статьи — исследовать влияние ИИ на стоимость бизнеса и выявить ключевые особенности, которые необходимо учитывать при оценке в современных условиях.

Основная часть

В 2022 в одной из статей автора написано, «что для внедрения ИИ требуется наличие целого комплекса технических средств и большого количества данных (Big data - потоки данных свыше 100 Гб в день). Подобные технологические решения не дешевые и доступны только крупным предприятиям, у которых достаточно ресурсов для приобретения технических средств и разработки моделей» [2]. Однако стремительное развитие технологий привело к их удешевлению и доступности для широкого круга предприятий и частных лиц. ИИ является сквозной цифровой технологией, и добиться существенных успехов в ее применении может компания, которая является зрелой в цифровом отношении и придерживается принципов Data Driven Organization [3].

Рассмотрим понятие «цифровизация» более подробно. По мнению Gartner, «цифровизация представляет собой применение цифровых технологий для трансформации бизнес-модели и открытия новых возможностей для увеличения доходов и создания ценности»

[4].

Компании, использующие цифровые технологии, могут улучшить операционную эффективность, финансовые показатели и получить большую стоимость. Например, исследование Гарварда по отслеживанию показателей 80 глобальных компаний с 2018 по 2022 год на основе 50 показателей показало следующие выводы [5]:

- компании, лидирующие в цифровой трансформации, создают значительно большую акционерную стоимость по сравнению с отстающими. В период с 2018 по 2022 год среднегодовая совокупная доходность для акционеров у цифровых лидеров составила 8,1%, тогда как у отстающих она была на уровне 4,9%;

- лидеры в области цифровизации также демонстрировали значительно лучшую рентабельность материального капитала до налогообложения (ROTE), которая выросла с 15,5% в 2018 году до 19,3% в 2022 году, в то время как у отстающих этот показатель увеличился с 13,6% до 15,3%.

Анализ причин показал следующие результаты: цифровые лидеры быстрее увеличивали клиентскую базу на 0,5%, а доходы от розничной торговли - на 0,8% в год, в то время как у отстающих в области цифровых технологий рост их активной клиентской базы

был нулевым, а доходы от розничной торговли снижались на 1,4% в год [5]. За аналогичный период операционные расходы лидеров увеличивались на 1,3% в год, в то время как у отстающих рост расходов почти вдвое выше (2,3% в год).

При анализе причин исследователи Гарварда показали связанную ценность цифровизации:

- успех в значительной мере определяется цифровыми продажами. Разрыв между лидерами и отстающими в этой области быстро увеличивается, и за последние пять лет лидеры почти удвоили свое преимущество. Цифровые лидеры увеличили долю цифровых продаж с 40% до 70%, в то время как у отстающих этот показатель вырос с 8% до 17%.

- для успешных цифровых продаж ключевую роль играют персонализированная аналитика и цифровой маркетинг, которые помогают донести актуальные предложения до потенциальных клиентов. Важна также поддержка клиентов на всех этапах процесса продаж, а также возможность одобрения клиентов в режиме реального времени через автоматизированные решения по кредитному риску. Эти принципы и закономерности актуальны для всех отраслей, будь то B2B или B2C, продукты или услуги.

Исследование Boston Consulting Group [6] о корпоративных инвестициях в цифровые технологии показывает, что компании, достигшие успеха в цифровой трансформации, стабильно превосходят менее успешных в этом отношении по ключевым финансовым показателям, таким как рост доходов и прибыль. Лидеры добиваются более значительного увеличения выручки благодаря цифровым инициативам и более высокой рентабельности EBIT. С 2019 года совокупный эффект отставания между лидерами и менее успешными компаниями привел к преимуществу в стоимости на 22 процентных пункта для компаний, продвинувшихся в цифровом направлении (ценность измеряется как рост выручки с учетом среднегодового показателя EBIT).

ИИ, как вершина цифровых технологий, позволяет компаниям улучшить свои финансовые показатели. Так, по оценкам McKinsey, «к 2030 году вклад ИИ в мировой ВВП достигнет 13-20 трлн долларов США» [7]. В России, по оценке Сбера, «ИИ к 2030 году внесет вклад в ВВП в размере от 4 до 6% или 11,2 трлн рублей. Основной вклад внесут: торговля (1,8 трлн рублей), добыча (1,45 трлн), финансы (1,4 трлн), обрабатывающие производства (1,2 трлн) и транспорт (1,15 трлн)» [8].

По российским компаниям статистика только формируется. По данным Федерального портала по ИИ [9] можно отследить появление новых кейсов по внедрению ИИ в различных отраслях.

В научных исследованиях описывается эффект от внедрения ИИ на уровне отдельных бизнес-процессов: снижение операционных расходов на 26%, и улучшение качества продукции и услуг на 30% и увеличение нормы прибыли на 20% [10].

Однако ситуация постепенно меняется, и появляется информация, позволяющая точнее оценить влияние ИИ на стоимость бизнеса. Анализ, проведенный Deloitte и MKT MediaStats на иностранных компаниях, показал, что одно упоминание в новостях публичных компаний связи с разработками в части ИИ влияет на стоимость их акций [11]. Анализ показал, что организации, инвестирующие в искусственный интеллект, превосходят другие компании по доходности акций через пять, шесть, семь и восемь кварталов после инвестиций. Эта зависимость позволяет понять влияние на доходность акций идентичных компаний, котирующихся на биржах. Однако цена акций не является стоимостью бизнеса, хотя и позволяет определить рыночную стоимость в рамках метода рынка капитала сравнительного подхода. Исследований по оценке влияния ИИ на стоимость бизнеса не встречается. Отсутствует структура эффектов, создаваемых ИИ.

С учетом проведенных ранее автором исследований и на основе работы Enholm I. [1] представлена типология монофункционального и мультифункционального ИИ и категорий создаваемых им эффек-

тов, позволяющей обосновать его роль в структуре факторов стоимости бизнеса (таблица 1). Монофункциональный ИИ предназначен для выполнения одной конкретной задачи. Он разрабатывается с применением ключевых методов машинного обучения, таких как «обучение с учителем, обучение без учителя и обучение с подкреплением» [12]. Данный тип ИИ работает по отдельности с числами/текстом/изображениями/ аудио/видео и позволяет решать различные бизнес-задачи. Требует согласованных действий по целепо-лаганию и разработке множества независимых моделей.

Таблица 1

Эффекты от реализации ИИ в бизнесе

Типология Экономический и Социальный Экологический

ИИ рыночный эф- положитель- отрица-

фекты ный тельный

Монофунк- «1. высвобождение «1.снижение 1. сниже- 1. оптимизация ре-

циональ- штатной численно- интеллекту- ние моти- сурсов для монито-

ный сти персонала альных по- вации ринга использования

2. рост доходов ком- терь сотруд- коллек- воды и удобрений,

пании ников (со- тива что позволяет сокра-

3. снижение опера- трудники не 2. умень- тить их расход и ми-

ционных расходов занимаются шение нимизировать воз-

4. снижение опера- технически рабочих действие на экоси-

ционных рисков простыми и мест стему.

5. снижение ожида- рутинными 3.ограни- 2. оптимизация про-

емых потерь (для операциями) ченность цессов переработки

кредитных органи- 2. повыше- примене- отходов, помогая со-

заций) ние психоло- ния кратить объемы му-

6. рост уровня лик- гической 4. зависи- сора.

видности компании устойчивости мость от 3. отслеживание

(для кредитных ор- сотрудников техноло- уровня загрязнения

ганизаций) к переменам гий воздуха или воды в

7. генерирование 3. снижение реальном времени,

новых источников ошибок» [2] что позволяет быстро

дохода компании» реагировать на эко-

[2] логические угрозы.

Мульти- 1. Операционная 1. снижение 1. слож- 1. интеграция данные

функцио- производительность интеллекту- ность из различных источ-

нальный - Новые про- альных по- внедре- ников для создания

дукты/услуги терь сотруд- ния более полного пред-

- Улучшенные про- ников 2. про- ставления о воздей-

дукты/услуги 2. улучшение блемы с ствии бизнеса на

2. Экономическая психологиче- конфи- окружающую среду

производительность ского состоя- денци- 2. прогнозирование

- Темпы роста про- ния сотруд- ально- последствий различ-

даж ников и адап- стью ных бизнес-процес-

- Прибыльность тация к пере- 3. нера- сов на экосистемы,

3. Рыночная произ- менам венство в позволяя принимать

водительность 3. появление доступе к более обоснованные

- Эффективность на новых техноло- решения

рынке направлений гиям 3. интеграция данных

- Удовлетворен- деятельности 4. умень- о поставках, произ-

ность клиентов шение водстве и потребле-

рабочих нии позволяет мини-

мест мизировать углерод-

ный след и повысить

устойчивость цепочки

поставок.

Источник: составлено автором на основании [1; 2]

Мультимодальный ИИ способен решать несколько задач и основан на ансамбле моделей, которые созданы с использованием глубокого обучения (генеративные нейронные сети) и ансамблей различных моделей. Работает с разными типами входных данных: числа, текст, изображения, аудио, видео.

Благодаря возможности работы со многими типами данных, позволяет решать комплексные задачи в бизнесе и может использоваться практически во всех направлениях деятельности, способствуя росту продаж и прибыли, снижению расходов и уменьшению рисков. Однако мультимодальный ИИ требует большего количества ресурсов для внедрения и сопровождения данных решений.

Brand analytics и Билайн [13] представили рейтинг компаний, занимающихся ИИ в 2023 году. Базой для создания набора данных выступили новости в СМИ и Telegram-каналах за 2023 год, собранные Brand Analytics. Рейтинг представлен в таблице 2.

X X О го А С.

X

го m

о

ю 00

2 О

м ■р»

Таблица 2

■t CS

0

CS cd

01

О Ш

m x

3

<

m о x

X

Компания Баллы Сумма инве- Сумма зара- Капитализа-

стиций, руб. ботка, руб. ция в 2023, млн. руб.

СБЕР 100 22 400 000 000 564 980 000 000 6 135 073

МТС 84 9 000 000 200 700 000 000 495 399

Яндекс 83 0 401 860 000 000 1 386 955

ЛУКОЙЛ 81 0 280 840 000 000 4 440 230

Сколково 80 0 240 000 000 000 -

ВТБ 77 0 104 780 000 000 1 136 286

НОВАТЭК 76 0 80 420 000 000 4448 188

VK 74 0 54 180 000 000 128 932

Ростелеком 70 0 20 820 000 000 238 122

Ozon 69 0 17 630 000 000 584 233

Альфа-Банк 68 0 15 220 000 000 -

Росатом 67 0 12 180 000 000 -

Банк Санкт- 66 0 9 220 000 000 101 070

Петербург

билайн 61 0 3 990 000 000 2 100

Wink 60 0 3 010 000 000 -

оценка влияния рейтинга использования ИИ и уровня капитализации российских публичных компаний с использованием функции полинома 3 степени представлена на рисунке 2.

600 ООО ООО ООО

500 000 000 000

400000000000

300 ООО ООО ООО

200 000 ООО ООО

100000000 000

-100000 000 000

У - -ЗЕ+07Х3 + 7Е+09Х2 - 6Е+11Х+ 1Е+13-"* R2 - 0,9086 / _

0

а

т

• к

) 20 40 60 о loo i;

Источник: составлено автором по данным [13; 14]

Brand analytics [13] c помощью ключевых слов отнесли текст с использованием обученной модели к определенной категории. Извлечение информации из текстов (сумм, количеств, фактов, событий) осуществлялось с использованием специальных шаблонных выражений. Кроме того, разработана модель кластеризации на основе текстовой информации для определения сфер деятельности компаний. «Рейтинг для каждой компании и номинации был масштабирован (приведен к диапазону от 0 до 100). Таким образом, числовые показатели в столбцах подноминаций представляют собой события из открытых источников, а итоговый рейтинг использования ИИ — это значение от 0 до 100» [13].

Из таблицы 2 можно сделать вывод, что технологические компании Сбер, МТС и Яндекс как разработчики ИТ решений и ИИ систем на рынке имеют существенное преимущество по баллам перед компаниями-пользователями ИИ.

Сумма заработка с использованием ИИ и баллы рейтинга в достаточной степени коррелированы (коэффициент корреляции Спир-мена составляет 0,92) (рис. 1).

Объем статьи не позволяет выполнить расчет рыночной стоимости представленных в таблице 2 компаний. В связи с этим, для проверки гипотезы о влиянии применения ИИ в бизнесе на его стоимость, воспользуемся капитализацией компании. Рыночная капитализация (market capitalization) - это общая стоимость акций компании, рассчитываемая через умножение текущей цены акции на количество эмитированных акций.

Рыночная капитализация и рыночная стоимости разные по сути понятия. В соответствии с ФСО II, рыночная стоимость - «наиболее вероятная цена, по которой данный объект оценки может быть отчужден на открытом рынке в условиях конкуренции, когда стороны сделки действуют разумно, располагая всей необходимой информацией, а на величине цены сделки не отражаются какие-либо чрезвычайные обстоятельства» [15].

Рыночная капитализация отличается от рыночной стоимости тем, что при определении рыночной стоимости бизнеса речь идет о стоимости 100% капитала компании. С учетом того, что данный пакет контрольный, на рынке он стоит дороже. При определении капитализации расчет делается на основе цен продажи акций, которые являются миноритарными. Учитывая взаимосвязь рыночной стоимости бизнеса и капитализации (через цену акций), рассмотрим влияние рейтинга использования ИИ на рыночную капитализацию компаний.

Анализ линейной корреляции Спирмена показывает достаточно ощутимую взаимосвязь баллов рейтинга использования ИИ с рыночной капитализацией публичных компаний (0.726). Количественная

Рис. 1 Взаимосвязь баллов рейтинга и суммы заработка с использованием ИИ публичными компаниями Источник: рассчитано автором по данным [13]

7 000 000 6 000 000 5 000 000 4 000000 3 000000 2 000 000 1000 000

= 187,46х3 - 43186k2 + ЗЕ+Обх - 9Е+07 R2 = 0,5|р

Рис. 2 Количественная оценка влияния рейтинга использования ИИ и рыночной капитализации российских публичных компаний Источник: рассчитано автором по данным [13; 14]

По данным рисунка можно сделать вывод о том, что компании с высоким рейтингом использования ИИ имеют высокую величину рыночной капитализации. Высокое значение R-квадрата не достигается за счет того, что ИИ не является их ядром бизнеса, и капитализация формируется за счет других фундаментальных показателей. Однако результат исследования позволяет сделать вывод о том, что факт использования ИИ необходимо включать и детально рассматривать в структуре факторов стоимости бизнеса.

При стоимостной оценке бизнеса, использующего ИИ, следует учитывать следующие ключевые особенности: технологическую инфраструктуру, используемые данные, команду специалистов, инновационные возможности, конкурентные преимущества, финансовые показатели, рыночный спрос и клиентскую базу, регуляторные риски, патенты и интеллектуальную собственность (таблица 3).

Таблица 3

Ключевые особенности бизнеса, использующего ИИ в своей деятельности

Наименование Характеристика

Технологическая инфраструктура - оценка качества и масштабируемости используемых технологий и платформ - наличие собственных разработок или лицензий на технологии ИИ

Данные - объем и качество данных, используемых для обучения моделей ИИ - устойчивость к изменениям в законодательстве о защите данных (например, «GDPR - General Data Protection Regulation» [16])

Команда специалистов - присутствие в штате специалистов в сфере ИТ, Data Science, инженеров в области Data Science - уровень квалификации и релевантный опыт команды, занимающейся ИИ

Инновационные возможности - способность бизнеса адаптироваться к новым технологиям и внедрять инновации.

- потенциал для создания новых продуктов или услуг на основе ИИ.

Конкурентные преимущества - уникальность предлагаемых решений и их конкурентоспособность на рынке - преимущества, которые ИИ предоставляет в сравнении с традиционными методами

Финансовые показатели - оценка рентабельности инвестиций в технологии ИИ - прогнозируемый рост выручки и прибыли за счет внедрения ИИ

Рынок и спрос - анализ целевого рынка и перспектив его роста - спрос на решения, основанные на ИИ, в различных отраслях

Регуляторные риски - влияние законодательства на использование ИИ и потенциальные риски, связанные с его применением - соответствие стандартам и этическим нормам

Клиентская база - устойчивость и лояльность клиентов, использующих ИИ-решения - возможности для расширения клиентской базы за счет новых технологий

Патенты и интеллектуальная собственность - наличие патентов на технологии или алгоритмы ИИ - защита интеллектуальной собственности от копирования конкурентами

Источник: авторская разработка

Заключение

Представленная структура эффектов, создаваемых ИИ, позволяет обосновать его роль в достижении экономического, социального и экологического результатов в бизнесе, что в свою очередь может оказать положительное влияние на финансовое состояние и способствовать росту стоимости бизнеса. Подтверждено, что использование ИИ положительно влияет на рыночную капитализацию публичных компаний. Компании, использующие ИИ в своей деятельности, характеризуются высоким уровнем технологической инфраструктуры, имеют достаточные ресурсы и ряд других особенностей, которые необходимо детально изучать в рамках стоимостной оценки. В рамках дальнейших исследований представляется целесообразным оценить влияние использования ИИ на рыночную стоимость публичных компаний.

Литература

1. Enholm, I. Artificial Intelligence and Business Value: a Literature Review / I. Enholm, E. Papagiannidis, P. Mikalef, J. Krogstie // Information Systems Frontiers. - 2021. - № 24. - P. 1709-1734. - Текст: электронный. - DOI https://doi.org/10.1007/s10796-021-10186-w. -URL: https://link.springer.com/article/10.1007/s10796-021-10186-w (дата обращения: 12.08.2024).

2. Помулев, А. А. Искусственный интеллект как объект стоимостной оценки / А. А. Помулев // Имущественные отношения в Российской Федерации. - 2022. - № 6(249). - С. 42-56. - DOI 10.24412/2072-4098-2022-6249-42-56. - EDN MZGKYA.

3. Data-driven подход: управление продуктом на основе данных. Блог Практикума. - Текст : электронный. - URL: https://practicum.yandex.ru/blog/ chto-takoe-data-driven-podhod/ (дата обращения: 12.08.2024).

4. Глоссарий Gartner. Цифровизация. - Текст : электронный. -URL: https://www.gartner.com/en/information-technology/glossary/digitalization (дата обращения: 12.08.2024).

5. Гарвардский бизнес-обзор. Ценность цифровой трансформации. - Текст : электронный. - URL: https://hbr.org/2023/07/the-value-of-digital-transformation (дата обращения: 12.08.2024).

6. Boston Consulting Group. Show Me the Digital Value. - Текст : электронный. - URL: https://www.bcg.com/publications/2022/ assessing-digital-value-gap (дата обращения: 12.08.2024).

7. McKinsey: К 2030 году вклад ИИ в мировой ВВП достигнет $13-20 трлн. Forbes. - Текст : электронный. - URL: https://forbes.kz/articles/mckinsey-k-2030-godu-vklad-ii-v-mirovoy-vvp-dostignet-13-20-trln-824162 (дата обращения: 12.08.2024).

8. Греф оценил вклад искусственного интеллекта в ВВП России. Финам. - Текст : электронный. - URL: https://www.finam.ru/publications/item/gref-otsenil-vklad-

iskusstvennogo-intellekta-v-vvp-rossii-20240607-1031/ (дата обращения: 12.08.2024).

9. Искусственный интеллект Российской Федерации. Официальный сайт. - Текст : электронный. - URL: https://ai.gov.ru/national-strategy/ (дата обращения: 12.08.2024).

10. Quispe, J. Quantitative Evaluation of the Impact of Artificial Intelligence on the Automation of Processes / J. Quispe, D. Diaz, L. Choque-Flores, A. León, L. Carbajal, E. Serquen, A. García-Huamantumba, E. García-Huamantumba, C. García-Huamantumba, C. Paredes // Data and Metadata. - 2023. - № 2. - Текст: электронный. -DOI https://doi.org/10.56294/dm2023101. - URL: https://dm.saludcyt.ar/index.php/dm/article/view/101 (дата обращения: 12.08.2024).

11. Generating value from generative AI. - Текст : электронный. -URL: https://www2.deloitte.com/us/en/insights/topics/digital-transformation/companies-investing-in-ai-to-generate-value.html (дата обращения: 12.08.2024).

12. Крис, Э. Машинное обучение с использованием Python. Сборник рецептов. - Петербург: БХВ, 2022. - 384 с. - ISBN 978-59775-4056-8. - Текст: электронный. - DOI отсутствует. - URL: https://ibooks.ru/bookshelf/366635/reading (дата обращения: 13.08.2024).

13. Рейтинг искусственного интеллекта 2023. Билайн. Brand analytics. - Текст : электронный. - URL: https://beelinenow.ru/ratingai/2023/ (дата обращения: 12.08.2024).

14. FinanceMarker.Ru. - Текст: электронный. - URL: https://financemarker.ru/ (дата обращения: 12.08.2024).

15. Министерство экономического развития Российской Федерации. Приказ от 14 апреля 2022 г. № 200 Федеральный стандарт оценки «Виды стоимости» (ФСО II)» Приказ Минэкономразвития России от 14 апреля 2022 г. № 200. - Текст: электронный. - URL: https://rulaws.ru/acts/Prikaz-Minekonomrazvitiya-Rossii-ot-14.04.2022-N-200/ (дата обращения: 12.08.2024).

16. Действие Регламента по защите персональных данных (GDPR). Академия от команды Selectel. - Текст: электронный. -URL: https://selectel.ru/blog/gdpr/ (дата обращения: 15.08.2024).

Business as an object of valuation in the context of using artificial intelligence technology Pomulev A.A.

Financial University under the Government of the Russian Federation JEL classification: G20, G24, G28, H25, H30, H60, H72, H81, K22, K34

In the context of the rapid development of artificial intelligence technology (hereinafter AI), business is significantly transformed, which requires the adaptation of valuation tools. The article examines the impact of AI on business value. The structure of effects created by AI as a new factor in business value (when used in activities), which must be taken into account when assessing the value, is clarified and supplemented. The typology structure of monofunctional and multifunctional AI and categories of economic and social effects created by it is proposed, which allows justifying its role in the structure of business value factors. The key features of a business using AI in its activities are presented, which must be taken into account in the analysis of quantitative and qualitative characteristics of an object in the process of valuation. The article will be useful for practicing specialists in the field of business valuation. Keywords: artificial intelligence, business valuation, business value factors. References

1. Enholm, I. Artificial Intelligence and Business Value: a Literature Review / I. Enholm, E.

Papagiannidis, P. Mikalef, J. Krogstie // Information Systems Frontiers. - 2021. - № 24.

- P. 1709-1734. - Text: electronic. - DOI https://doi.org/10.1007/s10796-021-10186-w.

- URL: https://link.springer.com/article/10.1007/s10796-021-10186-w (accessed: 12.08.2024) (In Eng.)

2. Pomulev, A. A. Artificial intelligence as an object of cost estimation / A. A. Pomulev //

Property relations in the Russian Federation. - 2022. - № 6(249). - С. 42-56. - DOI 10.24412/2072-4098-2022-6249-42-56. - EDN MZGKYA (In Russ.)

3. Data-driven approach: product management based on data. Practicum blog. - Text :

electronic. - URL: https://practicum.yandex.ru/blog/ chto-takoe-data-driven-podhod/ (accessed: 12.08.2024) (In Russ.)

4. Gartner Glossary. Digitalization. - Text : electronic. - URL: https://www.gartner.com/en/information-technology/glossary/digitalization (accessed: 12.08.2024) ((In Eng.)

5. Harvard Business Review. The value of digital transformation. - Text : electronic. - URL:

https://hbr.org/2023/07/the-value-of-digital-transformation (accessed: 12.08.2024) (In Eng.)

X X

о го А с.

X

го m

о

ю 00

2 О

м ■р»

6. Boston Consulting Group. Show Me the Digital Value. - Text : electronic. - URL:

https://www.bcg.com/publications/2022/ assessing-digital-value-gap (accessed: 12.08.2024) (In Eng.)

7. McKinsey: By 2030, AI's contribution to global GDP will reach $13-20 trillion. Forbes. -

Text : electronic. - URL: https://forbes.kz/articles/mckinsey-k-2030-godu-vklad-ii-v-mirovoy-vvp-dostignet-13-20-trln-824162 (accessed: 12.08.2024) (In Russ.)

8. Gref estimated the contribution of artificial intelligence to Russia's GDP. Finam. - Text :

electronic. - URL: https://www.finam.ru/publications/item/gref-otsenil-vklad-iskusstvennogo-intellekta-v-vvp-rossii-20240607-1031/ (accessed: 12.08.2024) (In Russ.)

9. Artificial intelligence of the Russian Federation. Official site. - Text : electronic. - URL:

https://ai.gov.ru/national-strategy/ (accessed: 12.08.2024) (In Russ.)

10. Quispe, J. Quantitative Evaluation of the Impact of Artificial Intelligence on the

Automation of Processes / J. Quispe, D. Diaz, L. Choque-Flores, A. León, L. Carbajal, E. Serquen, A. García-Huamantumba, E. García-Huamantumba, C. García-Huamantumba, C. Paredes // Data and Metadata. - 2023. - № 2. - Text : electronic. -DOI https://doi.org/10.56294/dm2023101. - URL:

https://dm.saludcyt.ar/index.php/dm/article/view/101 (accessed: 12.08.2024) (In Eng.)

11. Generating value from generative AI. - - Text : electronic. - URL: https://www2.deloitte.com/us/en/insights/topics/digital-transformation/companies-investing-in-ai-to-generate-value.html (accessed: 12.08.2024) (In Eng.)

12. Chris, E. Machine learning using Python. A collection of recipes. - Petersburg: BHW, 2022.

- 384 c. - ISBN 978-5-9775-4056-8. - Text: electronic. - DOI missing. - URL: https://ibooks.ru/bookshelf/366635/reading (accessed: 13.08.2024) (In Russ.)

13. Artificial intelligence ranking 2023. Beeline. Brand analytics. - Text : electronic. - URL:

https://beelinenow.ru/ratingai/2023/ (accessed: 12.08.2024) (In Russ.)

14. FinanceMarker.Ru. - Text : electronic. - URL: https://financemarker.ru/ (accessed:

12.08.2024) (In Russ.)

15. Ministry of Economic Development of the Russian Federation. Order of April 14, 2022 №

200 Federal standard of valuation "Types of value" (FSO II)" Order of the Ministry of Economic Development of the Russian Federation from April 14, 2022 № 200. - Text: electronic. - URL: https://rulaws.ru/acts/Prikaz-Minekonomrazvitiya-Rossii-ot-14.04.2022-N-200/ (accessed: 12.08.2024) (In Russ.)

16. Action of the Regulation on the Protection of Personal Data (GDPR). Academy from the

Selectel team. - Text: electronic. - URL: https://selectel.ru/blog/gdpr/ (accessed: 15.08.2024) (In Russ.)

CS O CS

00

0

LH 00

1

<

CD

0

1 I