CC BY
283
Дудихин В.В., Шевцова И.В.
Умное управление — управление с использованием искусственного интеллекта
Дудихин Виктор Владимирович — кандидат технических наук, доцент кафедры математических методов и информационных технологий в управлении, факультет государственного управления, МГУ имени М.В. Ломоносова, Москва, РФ. E-mail: Dudikhin@spa.msu.ru SPIN-код РИНЦ: 9740-2397
Шевцова Инесса Витальевна — кандидат экономических наук, доцент кафедры
математических методов и информационных технологий в управлении, факультет
государственного управления, МГУ имени М.В. Ломоносова, Москва, РФ.
E-mail: Shevtsova@spa.msu.ru
SPIN-код РИНЦ: 9519-3181
ORCID ID: 0000-0003-1518-6277
Аннотация
Повсеместное распространение цифровых технологий и каналов коммуникации в самых различных сферах экономической деятельности и общественной жизни трансформирует существующие бизнес-процессы и порождает феномен, получивший название «цифровизация». Этот процесс самым естественным образом ставит перед менеджментом новые задачи и создает возможности для повышения эффективности управления. Управление с использованием достижений цифровизации называют умным управлением. Положительный эффект при нем достигается за счет использования возможностей технологий анализа больших данных и искусственного интеллекта (ИИ). Умное управление создает возможности для поиска решения задач в тех областях, в которых ранее эффективное получение результатов было невозможно или труднодостижимо. Например, при масштабировании обслуживания клиентов, кастомизации продуктов в потребительском секторе, мониторинге состояния рынка в режиме реального времени, при планировании стратегии продвижения товаров и услуг и выявлении их конкурентных преимуществ. Умное управление главным образом вводит новый подход к информационной работе в компании. Большие данные становятся неотъемлемой частью «топлива» для умного управления, технологии ИИ — во многом «двигателем». В статье показано, что доступность достижений цифровизации растет в результате развития и распространения информационных технологий. В настоящее время, несмотря на это, основными выгодоприобретателями цифровизации в управлении являются технологические компании и крупные коммерческие организации, так как они имеют доступ к финансовым ресурсам для инвестиций в разработку и внедрения технологии ИИ. Для гармоничного экономического развития необходимо создавать условия для доступа к достижениям исследований ИИ и для развития цифровых компетенций руководителей вне зависимости от форм и размера организаций, а также видов экономической деятельности.
Ключевые слова
Умное управление, смарт-управление, бизнес-аналитика, информационные ресурсы, цифровизация управления, большие данные, искусственный интеллект.
DOI: 10.24411/2070-1381-2020-10078 Введение
В настоящее время под цифровизацией обычно понимают широкое использование современных цифровых технологий в самых различных сферах деятельности человека, позволяющих повысить уровень развития экономики и, соответственно, качество жизни населения. Цифровизация вполне может
рассматриваться как движущая социально-экономическим развитием сила, открывающая новые источники для поиска путей улучшения существующих видов деятельности и создания новых направлений.
Технологии искусственного интеллекта (ИИ) сегодня оказывают возрастающее влияние на привычную жизнь людей. Очевидно, что в этом процессе можно выделить как положительные, так и негативные аспекты. Тем не менее многие авторитетные эксперты, внесшие значительный вклад в развитие информационных технологий, отводят им ключевую роль в процессах информатизации общества в будущем. В России на государственном уровне уделяется большое внимание реализации потенциала ИИ в интересах российского общества. Национальная стратегия развития искусственного интеллекта1 выстроена на весьма прогрессивных принципах защиты прав и свобод человека, безопасности, прозрачности, технологического суверенитета, целостности инновационного цикла, разумной бережливости поддержки конкуренции.
ИИ входит в повседневную жизнь самыми различными способами: индивидуальными услугами и продуктами, удобством использования приложений для смартфонов, современными гаджетами, созданными с учетом предпочтений и интересов людей. Потребители положительно оценивают качество товаров и удобство услуг, использующих технологии ИИ, поскольку те учитывают индивидуальные особенности и интересы пользователей. К тому же, как правило, инновационные товары дешевле традиционных аналогов, поэтому и становятся доступнее для потребителя гораздо быстрее существующих образцов. Переход на использование таких устройств чаще всего происходит для потребителя достаточно плавно и практически безболезненно, несмотря на необходимость в ряде случаев использования новых интерфейсов и принципов взаимодействия, как это происходило, например, при появлении смартфонов.
В 2019 г. темп роста прибыли самых крупных компаний мира был выше темпа роста мирового ВВП2. Одной из наиболее вероятных причин подобного устойчивого развития крупных компаний являются их усилия, направленные на исследование и использование технологий искусственного интеллекта в управлении. Технологические компании и международные корпорации, такие как Amazon, Walmart, Disney, Facebook, Apple, Bank of America и другие, вкладывают миллиарды долларов США в разработку и
1 Национальная стратегия развития искусственного интеллекта на период до 2030 года. Утверждена Указом Президента Российской Федерации от 10 октября 2019 г. № 490 // КонсультантПлюс [Электронный ресурс]. URL: http://www.consultant.ru/document/cons doc LAW 335184/1f32224a00901db9cf44793e9a5e35567a421 2c7/ (дата обращения: 10.05.2020).
2 Global 2000 The World's Largest Public Companies // Forbes [Электронный ресурс]. URL: https://www.forbes.com/global2000/#708eb9aa335d (дата обращения: 15.05.2020).
внедрение систем искусственного интеллекта в управленческие процессы [Марр, Уорд 2020]. В настоящее время инвестиции в исследования ИИ доступны по большей части крупным компаниям. В литературных источниках и научных отчетах отмечается участие организаций среднего и малого бизнеса только в секторе ИКТ (цифровые стартапы), которые, как правило, финансово поддержаны венчурными фондами.
В этих условиях уместно говорить о том, что ограниченность доступа к использованию ИИ и технологии обработки больших данных заложила асимметрию в развитие цифровой экономики. Нарастание цифровизации в управлении усиливает технологическое неравенство возможностей между представителями крупного, среднего и малого бизнеса, региональный разрыв в использовании цифрового потенциала между транснациональными и местными компаниями.
Вследствие этого крупные компании, обладающие достаточными финансовыми и вычислительными ресурсами, имеют возможности извлекать дополнительные конкурентные преимущества из цифровизации общества и увеличивать свое влияние на рынок. Кроме этого, компании, цифровые лидеры, снижая транзакционные издержки для себя, оставляют их неизменными для прочих участников рынка за счет монетизации цифровых услуг [Купряшин, Шрамм 2020]. От технологического преимущества крупных компаний проигрывает и потребитель, поскольку компании используют цифровизацию для увеличения собственной прибыли, а не снижения стоимости услуг или товаров для клиентов. Например, Сбербанк, несмотря на активное использование возможностей искусственного интеллекта в снижении собственных операционных расходов, повысил стоимость денежных переводов для физических лиц в условиях пандемии коронавируса3. Поэтому в современных условиях становится крайне важным для устойчивого и гармоничного экономического развития доступность возможностей цифровизации в управлении для всех участников рынка, в том числе предприятиям с ограниченными ресурсами.
Теоретические и методологические положения умного управления формируют основу доступа и использования возможностей цифровизации общества для повышения эффективности экономической деятельности предприятий, а интеллектуальная автоматизированная обработка данных является одним из механизмов перехода предприятий к цифровой экономике на ряду с интенсификацией взаимодействий и использованием больших данных [Днепровская 2019а].
3 Сбербанк вводит комиссию за переводы от 50 000 рублей в месяц // Электронное периодическое издание «Ведомости» [Электронный ресурс]. URL: https://www.vedomosti.ru/finance/articles/2020/03/25/826200-sberbank (дата обращения: 25.03.2020).
Цель настоящего исследования — раскрыть основные характеристики умного управления для широкого круга социально-экономических задач, описать его формы и методы, а также указать возможные источники данных, которые целесообразно использовать в управленческих процессах. Для более полного и точного понимания процессов, происходящих в современном обществе, необходимо:
- конкретизировать определение термина «умное управление»;
- исследовать влияние цифровизации на управление;
- выявить возможности, предоставляемые цифровизацией управления для среднего и малого бизнеса;
- описать технологии искусственного интеллекта в управлении.
Общеизвестно, что успешное управление основывается на информации, доступной для лица, принимающего решения. К ней можно отнести состояние производства, положение на рынках источников сырья, рынках сбыта и прочие факторы, обычно учитываемые при принятии управленческих решений в конкретной ситуации. Именно поэтому первые информационные системы автоматизации управления (АСУ) в основном и решали задачу сбора и хранения этой информации.
Дальнейшая автоматизация управления развивалась параллельно с разработкой методического обеспечения, моделирования и стандартизации операций принятия решений. Теория менеджмента в этом случае была нацелена на анализ внутренней информации предприятия или отрасли.
По мере развития инфокоммуникационных технологий и появления интернета возникла возможность удаленного доступа к колоссальным объемам самой разнородной информации. Ее через Всемирную сеть стали предоставлять крупнейшие вендоры информационного рынка, такие как Dun and Bradstreet, Lexis-Nexis, Factiva и многие другие. Таким образом, с появлением удобного и дешевого доступа к ресурсам внешней информации ключевым элементом информационной работы стал поиск и анализ информации, что привело к необходимости качественного изменения технологий ее обработки.
В свое время каждый из перечисленных выше этапов позволял повысить эффективность управления существенным образом. Правильное внедрение новых технологий информатизации давало компаниям преимущество на рынке за счет оптимизации производственной деятельности и управления, быстрого реагирования на изменения внешней среды. В настоящее время опыт, накопленный в области информатизации управления, служит опорой для развития технологий умного управления.
В исследовании используется междисциплинарный подход, включающий разделы экономики и науки об управлении, теории информационных систем и искусственного интеллекта. Источником фактических данных для исследования послужили научные статьи, отчеты и доклады компаний, посвященные использованию ИИ в управлении.
Вызовы и возможности цифровизации для управления
Под цифровизацией в широком смысле понимается современная общемировая тенденция развития экономики и общества, которая основана на преобразовании информации в цифровую форму и приводит к повышению эффективности экономики и улучшению качества жизни [Халин, Чернова 2018]. Цифровизация, преобразовывая механизмы рыночного взаимодействия, ставит новые задачи перед компаниями (вызовы) и создает новые возможности для управления.
Значимым результатом цифровизации является развитие технологий класса «большие данные». Термин «большие данные» был введен Клиффордом Линчем [Lynch 2008] и позволил рассматривать большие объемы, в том числе слабоструктурированных, данных как эффективный информационный ресурс. К анализу больших данных стали применять уже известные математические и статистические методы и также активно развивающиеся нейросетевые методы междисциплинарной области науки — искусственный интеллект.
Большие данные накапливаются в разных источниках и цифровых платформах, представляют значительный интерес для управления, поскольку содержат информацию о действиях потребителей (цифровые следы), их мнения и запросы (посты и комментарии в социальных медиа), способы и интенсивность использования приложений, технических устройств (Интернет вещей). Анализ этой информации позволяет лучше соответствовать запросам клиентов, учитывать их бытовые привычки и интересы.
Развитие технологий больших данных и ИИ оказало критическое влияние на мировой информационной рынок, на котором компании получают доступ к ресурсам внешней информации. Изменились многие ключевые свойства используемой информации: скорость предоставления и обработки, полнота, актуальность (обновляемость). В новых условиях информационного рынка использование существующих методов информационной работы вполне может привести компанию к цифровому кризису [Днепровская 2019b].
Этапы традиционной информационной работы можно описать так: выбор информационных ресурсов, создание поисковых запросов, сбор данных и их обработка, подготовка аналитического отчета, принятие управленческих решений. При этом ведущую роль как минимум на первых четырех этапах играет аналитик. Это ставит качество результата информационной работы в зависимость от квалификации и субъективных взглядов самого аналитика. Кроме этого, в условиях цифрового кризиса аналитикам приходится выбирать для анализа только наиболее значимые, по их мнению, данные, поскольку охватить все доступные источники информации традиционными способами не представляется возможным. Зачастую при использовании традиционных методов также велика доля ручного труда, что влечет существенный процент ошибок, обусловленных человеческим фактором.
Указанные выше факторы приводят к резкому возрастанию рисков необъективного фрагментарного анализа и, как следствие, ошибочным выводам. Цифровой кризис обнажил малоэффективность информационной работы в ее традиционном виде, в лучшем случае она никак не влияет на рыночное положение компании. Традиционные методы требуют все больше вложений из-за возрастающего объема информации, но при этом результат нередко устаревает к моменту его готовности. В этом случае возникает соблазн пойти по пути минимизации издержек и вовсе отказаться от информационной работы. Однако такой подход может только кратковременно сократить операционные расходы компании, в среднесрочной и долгосрочной перспективе он для рыночных позиций организации будет губителен по очевидным причинам.
Преодолеть цифровой кризис позволяет подход к информационной работе с использованием больших данных и технологий ИИ, основанный на автоматизации обработки и анализа информации. Реализация такого подхода в информационной работе является одной из составляющих умного управления.
До недавнего времени автоматизация любого процесса управления для компании в конечном счете упиралась в потребность его программирования в системе автоматизации деятельности. Для ее удовлетворения привлекались внешние специалисты или открывались новые должности в самой компании. Оба варианта весьма затратны и труднодоступны для компаний с ограниченными ресурсами.
Одним из главных достижений цифровизации является появление программного обеспечения, предназначенного для автоматизации анализа данных и управленческой деятельности, которое не требует для своего использования привлечения
программистов. Аналитики с его помощью способны самостоятельно описать бизнес -логику и этапы анализа данных, используя графические (визуальные) интерфейсы и готовые функциональные модули — обработчики. Такой класс программных инструментов получил название «Low-Code» [Sanchis et al. 2020], что означает возможность их использования без программирования. В настоящий момент такие инструменты предлагают, например, Microsoft (Power BI), российская Base Group (аналитическая платформа Loginom), компания Amazon выпустила в июне 2020 г. подобный сервис Honeycode для создания веб-приложений.
Однако следует отметить и негативные факторы цифровой трансформации управления, которые влияют как на хозяйствующие субъекты, так и на экономику в целом. Сосредоточение информационной работы на больших данных часто приводит в датацентризму, стремлению охватить и обработать максимальное количество данных. Такой подход утопичен, расширение больших данных бесконечно и не имеет отношения к решению экономических проблем, но увеличивает рутинные затраты предприятий. Кроме того, попытка сбора и анализа всех возможных данных ведет к распылению достаточно ограниченных ресурсов и не решает большинства экономических проблем [Ведута, Джакубова 2017].
Цифровая трансформация управления сдерживается недостаточной осведомленностью субъектов бизнеса о цифровых технологиях. Исследования показывают, что кадры промышленности не всегда готовы к выполнению новых задач в новой рабочей среде, для которых необходимы аналитические и коммуникативные навыки [Зозуля 2018].
Для преодоления негативных факторов цифровизации и использования ее достижений в полной мере необходимо исследовать цифровые компетенции и разрабатывать программы профессиональной подготовки для широкого круга специалистов [Днепровская 2020]. Некоторые авторитетные ученые указывают на необходимость реформирования всей системы образования с учетом современных тенденций [Кудина и др. 2019]. Для решения указанных проблем на государственном уровне реализуется федеральный проект «Кадры для цифровой экономики»4.
4 Паспорт федерального проекта "Кадры для цифровой экономики" (утв. президиумом Правительственной комиссии по цифровому развитию, использованию информационных технологий для улучшения качества жизни и условий ведения предпринимательской деятельности, протокол от 28.05.2019 N 9) // КонсультантПлюс [Электронный ресурс]. URL: http://www.consultant.ru/document/cons doc LAW 328933/ (дата обращения: 25.03.2020).
Умное управление
Рассматривая процессы умного управления, уместно дать общее традиционное определение управления. Управление — сознательное целенаправленное воздействие со стороны субъектов, органов на людей и экономические объекты, осуществляемое с целью направить их действия и получить желаемые результаты5.
Умным управлением обычно считают управление, осуществляемое с использованием технологий ИИ. Некоторые авторы определяют умное управление как управление с помощью умных механизмов [Бурков, Буркова 2015], которые, в свою очередь, представляют собой системы искусственного интеллекта. Данное определение требует конкретизации, так как в нем не отражено критическое значение информационной базы управления на основе данных в цифровой форме. Цифровые данные, формируемые в результате жизнедеятельности человека и работы устройств, используемые для умного управления, представляют собой цифровой поток, который по свойствам отличается от информации, которая использовалась для управления до начала эпохи цифровизации.
Определим умное управление как управление, основанное на технологии искусственного интеллекта, с использованием больших данных. Для него характерен ряд особенностей, наиболее важными из них являются следующие:
- широкое использование анализа больших данных поставляет объективную, релевантную информацию для решения задач управления на оперативном и тактическом уровнях;
- переход от выполнения технических операций к интеллектуальному анализу данных и подбору эффективного управленческого решения с помощью ИИ.
Современные тенденции развития ИТ позволяют использовать технологии умного управления не только высокотехнологичным компаниям и коммерческим гигантам, но и представителям малого и среднего бизнеса. Однако слабая практика их применения говорит о необходимости популяризации массовых технологий ИИ, проведении отраслевых исследований ИИ, а также внедрении в учебные дисциплины по программам высшего образования для формирования цифровых компетенций.
5 Райзберг Б.А., Лозовский Л.Ш., Стародубцева Е.Б. Современный экономический словарь — 2-е изд., испр. М.: ИНФРА-М, 1999.
На Рисунке 1 схематично показана взаимосвязь цифровизации общества и умного управления. Цифровизация создает вызовы и возможности для управления. Использование достижений цифровизации ведет к цифровой трансформации управления и внедрению технологий умного управления. Результатом умного управления являются разработка новых продуктов и услуг с использованием цифровых технологий, оптимизация бизнес-процессов и технологических процессов, непрерываемое взаимодействие и обмен данными. Результаты умного управления, в свою очередь, усиливают процессы цифровой трансформации общества и экономики в целом.
Рисунок 1. Цифровая трансформация управления6
Практическое воплощение умного управления первоначально появилось с запуском цифровых компаний (цифровых стартапов), которые изначально строили бизнес на основе инновационного подхода к управлению. Высокотехнологичные компании, имеющие доступ к технологиям и большим данным, финансово были поддержаны венчурными фондами. Многие из них выросли в крупные международные
6 Составлено авторами.
корпорации, такие как Alibaba, Facebook, Baidu. Далее преимущества умного управления оценили лидеры потребительского и финансового сектора, крупные производители потребительских товаров и услуг, которые имели возможность вести собственные исследования и разработки систем умного управления [Марр, Уорд 2020].
Принципы умного управления реализованы в новом подходе к муниципальному управлению, который получил название «умный город» [Бойкова и др. 2016]. Управление городским хозяйством каждый день решает множество разнообразных задач, как плановых, так и экстренных, они распределены на большой территории, охватывают все сферы жизнедеятельности. Подход на основе инструментов умного города продемонстрировал высокую экономическую эффективность, устойчивость к сбоям, адекватную реакцию на внештатные ситуации, а главное — позволил прислушаться к нуждам каждого жителя. Мировой опыт, накопленный в развитии умных городов, служит практическим материалом для изучения эффективности отдельных решений умного управления.
Выделим основные преимущества умного управления для коммерческих компаний:
1) возможности расширения бизнеса (масштабирование) без опережающего роста операционных издержек. При автоматической обработке поступивших запросов и подборе предложений даже резкий рост числа клиентов не вызовет роста транзакционных расходов;
2) кастомизация продуктов и услуг при массовом обслуживании клиентов. Раньше индивидуальный подход к клиенту был преимуществом локальных компаний, которые знали интересы своих клиентов в силу нахождения с ними в одном регионе и близкого общения. Умная система управления позволяет кастомизировать продукт автоматически на основе предыдущих заказов и просмотров каталога клиентом в компаниях-производителях потребительских товаров и услуг, нацеленных на широкий географический охват и массовую аудиторию;
3) мониторинг состояния рынка. Технологии умного управления потенциально могут отслеживать изменения и оценивать динамику всех рыночных процессов, таких как изменения потребительских предпочтений, появление нового продукта или запроса на новый тип услуг;
4) умное управление при автоматизации принятия управленческих решений обеспечивает их объективность, тем самым минимизируя ошибки, вызванные субъективными взглядами лиц, принимающих управленческие решения.
Технологии искусственного интеллекта в управлении
Существует большое разнообразие определений понятия «искусственный интеллект», лежащего в основе построения систем умного управления. Воспользуемся определением, приведенным в Указе Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации»: «...искусственный интеллект — комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно -коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений»7.
В настоящее время в понятии искусственный интеллект выделяют следующие основные разновидности: тонкий (он же узкий) и общий. Первый ориентирован на решение узкоспециализированных задач (таких как машинный перевод, управление транспортом, распознавание образов), второй направлен на решение задач с параллельным обучением на основе рассуждений. Кроме того, некоторые авторы вводят даже понятие «среднего» искусственного интеллекта как некого компромисса между указанными двумя [Одинцов 2020].
В настоящее время одним из самых перспективных направлений искусственного интеллекта могут считаться нейронные сети — математические модели, а также программные или аппаратные воплощения этих структур. Отличительной особенностью считается их построение по принципу функционирования биологических нейронных сетей в нервных клетках живого организма.
7 Национальная стратегия развития искусственного интеллекта на период до 2030 года. Утверждена Указом Президента Российской Федерации от 10 октября 2019 г. № 490 [Электронный ресурс]. URL: http://www.consultant.ru/document/cons doc LAW 335184/1f32224a00901db9cf44793e9a5e35567a421 2c7/ (дата обращения: 10.05.2019).
Данные технологии переживают в настоящий момент состояние «взрывного роста» и включают в себя несколько многообещающих направлений — от хорошо известных уже многие десятки лет простейших персептронов [Хайкин 2006] до получивших развитие уже в этом тысячелетии различных вариантов сверточных [LeCun et al. 1989], рекуррентых [Hopfield 1982] и прочих нейронных структур.
Среди многочисленных приемов практического использования нейронных сетей, давших реальные положительные результаты, следует особо отметить различные технологии машинного обучения (machine learning) [Флах 2015] — от традиционных способов обучения «с учителем» и «без учителя» [Айвазян и др. 1989] до современных алгоритмов обучения с «подкреплением» [Николенко и др. 2018]. Следует отметить, что наибольших успехов применения искусственного интеллекта пока удалось достичь в основном там, где решались либо классические задачи распознавания, либо задачи, сводимые к ним.
Именно вектор развития систем искусственного интеллекта и вполне ожидаемые успехи в этой области будут определять перспективы использования умного управления в ближайшем будущем. Более того, технологии искусственного интеллекта в дальнейшем окажут огромное влияние на привычную жизнь человечества.
Заключение
Управление с использованием достижений цифровизации получило название «умное управление». В основе умного управления лежат информационные технологии, которые позволяют использовать анализ больших данных и технологии ИИ для решения разнообразных задач управления. Определение «умное» относится к информационным технологиям и показывает их переход от выполнения технических операций к интеллектуальному анализу данных и подбору эффективного управленческого решения. В свою очередь, информационные технологии «поумнели» благодаря развитию искусственного интеллекта.
Результат исследования практики внедрения умного управления в экономике говорит о неравном доступе компаний к достижениям цифровизации общества. Технологические компании и крупные компании потребительского рынка получили преимущество за счет возможности привлекать инвестиции для исследования и разработки технологий ИИ. Причиной такого положения является отсутствие необходимых цифровых компетенций у руководителей и отсутствие исследований и разработок технологий ИИ, ориентированных на практическое использование на предприятиях среднего и малого бизнеса.
Умное управление главным образом вводит новый подход к информационной работе в компании. Большие данные становятся неотъемлемой частью «топлива» для умного управления, технологии ИИ — «двигателем».
Для успеха в условиях цифровизации использование технологий умного управления является необходимым для компаний, но не единственным условием. Эффективность умного управления будет выше, если технологические и бизнес-процессы обладают гибкостью и могут подстраиваться под изменения рынка. Цифровизация управления не должна ограничиваться лишь информационной работой, которая, по сути, выполняет вспомогательную функцию управления. При отсутствии ориентации на экономическую эффективность и коммерческие цели компании попадут в ловушку датацентризма.
Вектор дальнейшего развития систем умного управления во многом зависит от успехов в области построения нейронных сетей и разработки «продвинутых» алгоритмов машинного обучения.
Список литературы:
Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: классификация и снижение размерности. М.: Финансы и статистика, 1989. Бойкова М.В., Ильина И.Н., Салазкин М.Г. «Умная» модель развития как ответ на возникающие вызовы для городов // Форсайт. 2016. Т. 10. № 3. С. 65-75. DOI: 10.17323/1995-459X.2016.3.65.75.
Бурков В.Н., Буркова И.В. Механизмы умного управления // Восьмая международная конференция «Управление развитием крупномасштабных систем MLSD'2015». Москва, 29 сентября - 1 октября 2015. М.: Институт проблем управления им. В.А. Трапезникова РАН, 2015. Т. 1. С. 19-24.
Ведута Е.Н. Джакубова Т.Н. Big Data и экономическая кибернетика // Государственное управление. Электронный вестник. 2017. № 63. С. 43-66. DOI: 10.24411/2070-1381-201700050.
Днепровская Н.В. Исследование перехода предприятия к цифровой экономике // Вестник Российского экономического университета имени Г.В. Плеханова. 2019a. № 4(106). С. 54-65. DOI: 10.21686/2413-2829-2019-4-54-65.
Днепровская Н.В. Метод исследования компетенций субъектов цифровой экономики // Открытое образование. 2020. Т. 24. № 1. С. 4-12. DOI: 10.21686/1818-4243 -2020-1-4-12.
Днепровская Н.В. Цифровой кризис в инновационной деятельности предприятия // Статистика и экономика. 2019b. Т. 16. № 4. С. 45-53. DOI: https://doi.org/10.21686/2500-3925-2019-4-45-53.
ЗозуляД.М. Цифровизация российской экономики и Индустрия 4.0: вызовы и перспективы // Вопросы инновационной экономики. 2018. Т. 8. № 1. С. 1-14. DOI: 10.18334/vinec.8.1.38856.
Кудина М.В., Логунова Л.Б., Петрунин Ю.Ю. Национальное образование в эпоху глобальной цифровой революции // Вестник Московского университета. Серия 21: Управление (государство и общество). 2019. № 4. С. 3-22.
Купряшин Г.Л. Шрамм А.Е. О проблемах информатизации в бюрократических системах и развитии общегосударственных информационных систем // Государственное управление. Электронный вестник. 2020. № 80. C. 22-48. DOI: 10.24411/2070-1381-202010062.
Марр Б., Уорд М. Искусственный интеллект на практике. 50 кейсов успешных компаний. М.: Манн, Иванов и Фербер, 2020.
Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб.: Питер, 2018. Одинцов Б.Е. Модели и проблемы интеллектуальных систем: монография. М.: ИНФРА-М, 2020.
Флах П. Машинное обучение. М.: ДМК Пресс, 2015.
Хайкин С. Нейронные сети: Полный курс, 2-е изд. М.: Вильямс, 2006.
Халин В.Г., Чернова Г.В. Цифровизация и ее влияние на российскую экономику и
общество: преимущества, вызовы, угрозы и риски // Управленческое консультирование.
2018. № 10(118). С. 46-63. DOI: https://doi.org/10.22394/1726-1139-2018-10-46-63.
HopfieldJ.J. Neural Networks and Physical Systems with Emergent Collective Computational
Abilities // Proceedings of National Academy of Sciences. 1982. Vol. 79. No. 8. P. 2554-2558.
DOI: 10.1073/pnas.79.8.2554.
LeCun Y., Boser B., Denker J.S., Henderson D., HowardR.E., Hubbard W., JackelL.D. Backpropagation Applied to Handwritten Zip Code Recognition // Neural Computation. 1989. Vol. 1. Is. 4. P. 541-551. DOI: 10.1162/neco.1989.1.4.541.
Lynch C.A. Big data: How Do Your Data Grow? // Nature. 2008. Vol. 455. No. 7209. DOI: 10.1038/455028a.
Sanchis R., García-Perales O., Fraile F., Poler R. Low-Code as Enabler of Digital Transformation in Manufacturing Industry // Applied Sciences. 2020. Vol. 10. Is. 1. DOI: https://doi.org/10.3390/app10010012.
Дата поступления: 28.05.2020
Dudikhin V. V., Shevtsova I. V. Smart Management Using Artificial Intelligence
Victor V. Dudikhin — PhD, Associate Professor, School of Public Administration, Lomonosov Moscow State University, Moscow, Russian Federation. E-mail: Dudikhin@spa.msu.ru
Inessa V. Shevtsova — PhD, Associate Professor, School of Public Administration, Lomonosov Moscow State University, Moscow, Russian Federation. E-mail: Shevtsova@spa.msu.ru ORCID ID: 0000-0003-1518-6277
Abstract
The wide distribution of digital technologies and communication channels in various spheres of economic activity and public life is transforming existing business processes and giving rise to a phenomenon called digitalization. This process naturally sets new challenges for management and creates opportunities for improving management efficiency. Management using the achievements of digitalization is called smart management. The positive effect is achieved by using the capabilities of artificial intelligence (AI), big data analysis technologies. Smart management creates opportunities for finding solutions to problems in those areas where previously it was impossible or difficult to achieve effective results. For example, when scaling customer service, customizing products in the consumer sector, monitoring the state of the market in real mode, when planning a strategy for promoting goods and services, identifying their competitive advantages. Smart management technologies reduce operational and transaction costs, time costs and allow solving management problems even when it becomes difficult with traditional approaches that require significant resources for these purposes. The article shows that the availability of digitalization achievements is growing as a result of the development and dissemination of information technologies. Technology companies and large commercial organizations are currently the main beneficiaries of digitalization, as they have access to financial resources to invest in the development and implementation of AI technology. For harmonious economic development, it is necessary to create conditions for access to the achievements of AI research, and for the development of digital competencies of managers, regardless of the organizations form and size as well as types of economic activity.
Keywords
Smart management, business intelligence, information resources, digitalization of management, big data, artificial intelligence.
DOI: 10.24411/2070-1381-2020-10078
References:
Ayvazyan S.A., Bukhshtaber V.M., Enyukov I.S., Meshalkin L.D. (1989) Prikladnaya statistika: klassifikatsiya i snizheniye razmernosti [Applied statistics: classification and dimensionality reduction]. Moscow: Finansy i statistika.
Boykova M.V., Ilina I.N., Salazkin M.G. (2016) The Smart City Approach as a Response to Emerging Challenges for Urban Development. Forsayt. Vol. 10. No. 3. P. 65-75. DOI: 10.17323/1995-459X.2016.3.65.75.
Burkov V.N., Burkova I.V. (2015) Mekhanizmy umnogo upravleniya [Mechanisms of smart Management]. Vos'maya mezhdunarodnaya konferentsiya «Upravleniye razvitiyem krupnomasshtabnykhsistemMLSD'2015». Moscow, 29 September - 1 October 2015. Moscow: Institut problem upravleniya im. V.A. Trapeznikova RAN. Vol. 1. P. 19-24.
Veduta E.N., Dzhakubova T.N. (2017) Big Data and Economic Cybernetics. Gosudarstvennoye upravleniye. Elektronnyy vestnik. No. 63. P. 43-66. DOI: 10.24411/20701381-2017-00050.
Dneprovskaya N.V. (2019a) Investigating the Enterprise Transition to Digital Economy. VestnikRossiyskogo ekonomicheskogo universiteta imeni G. V. Plekhanova. No. 4(106). P. 5465. DOI: 10.21686/2413-2829-2019-4-54-65.
Dneprovskaya N.V. (2019b) Digital Crisis in Enterprise Innovation. Statistika i ekonomika. No. 16(4). P. 45-53. DOI: https://doi.org/10.21686/2500-3925-2019-4-45-53. Dneprovskaya N.V. (2020) The Method to Study the Competencies of the Subjects of the Digital Economy. Otkrytoye obrazovaniye. No. 24(1). P. 4-12. DOI: 10.21686/1818-42432020-1-4-12.
Haykin S. (2006) Neural Networks: A Comprehensive Foundation. Second edition. Moscow: «Vil'yams».
Zozulya D.M. (2018) Digitalization of the Russian Economy and Industry 4.0: Challenges and Prospects. Voprosy innovatsionnoy ekonomiki. No. 8(1). P. 1-14. DOI: 10.18334/vinec.8.1.38856.
Kudina M.V., Logunova L.B., Petrunin Yu.Yu. (2019) National Education in the Era of the Global Digital Revolution. Vestnik Moskovskogo universiteta. Seriya 21: Upravleniye (gosudarstvo i obshchestvo). No. 4. P. 3-22.
Kupryashin G.L., Schramm A.E. (2020) On Problems of Informatization in Bureaucratic Systems and Development of National Information Systems. Gosudarstvennoye upravleniye. Elektronnyy vestnik. No. 80. P. 22-48. DOI: 10.24411/2070-1381-2020-10062. Marr B., Ward M. (2020) Artificial Intelligence in Practice. How 50 Successful Companies Used AI and Machine Learning to Solve Problems. Moscow: Mann, Ivanov i Ferber. Nikolenko S., Kadurin A., Arkhangel'skaya E. (2018) Glubokoye obucheniye [Deep learning]. St.-Petersburg: Piter.
Odintsov B. (2020) Modeli i problemy intellektual'nykh sistem: monografiya [Models and problems of intelligent systems: monograph]. Moscow: INFRA-M. Flach P. (2015) Machine Learning. Moscow: DMK Press.
Khalin V.G., Chernova G.V. (2018) Digitalization and Its Impact on the Russian Economy and Society: Advantages, Challenges, Threats and Risks. Upravlencheskoye konsul'tirovaniye. No. 10(118). P. 46-63. DOI: https://doi.org/10.22394/1726-1139-2018-10-46-63.
Hopfield J.J. (1982) Neural Networks and Physical Systems with Emergent Collective Computational Abilities. Proceedings of National Academy of Sciences. Vol. 79. No. 8. P. 2554-2558. DOI: 10.1073/pnas.79.8.2554.
LeCun Y., Boser B., Denker J.S., Henderson D., Howard R.E., Hubbard W., Jackel L.D. (1989) Backpropagation Applied to Handwritten Zip Code Recognition. Neural Computation. Vol. 1. Is. 4. P. 541-551. DOI: 10.1162/neco.1989.1.4.541.
Lynch C.A. (2008) Big data: How Do Your Data Grow? Nature. Vol. 455. No. 7209. DOI: 10.1038/455028a.
Sanchis R., García-Perales O., Fraile F., Poler R. (2020) Low-Code as Enabler of Digital Transformation in Manufacturing Industry. Applied Sciences. Vol. 10. Is. 1. DOI: https://doi.org/10.3390/app10010012.
Received: 28.05.2020
