Сергей Владимирович Савин, генеральный директор; аспирант
344114, Ростов-на-Дону, Орбитальная ул., д. 82/1
344022, Ростов-на-Дону, Большая Садовая ул., д. 105/42
Sergei V. Savin, General Director; postgraduate student
82/1 Orbitalnaya st., Rostov-on-Don 344114
105/42 Bolshaya Sadovaya st., Rostov-on-Don 344022
Антон Дмитриевич Мурзин, доктор технических наук, кандидат экономических наук, доцент, профессор кафедры управления развитием пространственно-экономических систем факультета управления
344022, Ростов-на-Дону, Большая Садовая ул., д. 105/42
ID исследователя: F-6037-2014
ID автора Scopus: 56592239800
Anton D. Murzin, D.Sc. in Engineering, PhD in Economics,Associate Professor, Professor at the Department of Management of Spatial and Economic Systems Development, Faculty of Management
105/42 Bolshaya Sadovaya st., Rostov-on-Don 344022
Researcher ID: F-6037-2014
Scopus Author ID: 56592239800
Цель. Провести комплексный анализ систем поддержки принятия решений (СППР), основанный на технологиях искусственного интеллекта (ИИ), с акцентом на их интеграцию в бизнес-процессы и оценку эффективности.
Задачи. Исследовать главные этапы развития СППР на базе ИИ; определить ключевые показатели эффективности для оценки их финансового, операционного и стратегического воздействия; выбрать основные вызовы при таких внедрениях и долгосрочные эффекты систем; сформулировать рекомендации по повышению их интерпретируемости и адаптивности.
Методология. Авторами применены методы системного анализа, обобщения практического опыта и исследования. Рассмотрены современные тенденции в применении ИИ, успешные кейсы из практики крупных компаний (JPMorgan Chase, General Electric, Amazon) и концепции «J-кривой продуктивности» для анализа долгосрочных эффектов.
Результаты. Интеграция ИИ в СППР дает лучший потенциал в повышении эффективности работы, снижении затрат и повышении качества управленческих решений. Разработана комплексная модель оценки эффективности, включающая в себя и количественные, и качественные показатели.
Выводы. Применение СППР на базе ИИ позволяет не только повысить точность и скорость управленческих решений, но и оптимизировать использование ресурсов, адаптироваться к динамичной рыночной среде. Однако успешная интеграция таких систем требует решения ряда задач, включая повышение качества данных, улучшение интерпретируемости алгоритмов и адаптацию персонала к новым технологиям. Гибридные модели, сочетающие возможности ИИ и когнитивные методы, открывают перспективное направление, способное повысить эффективность и адаптивность СППР в условиях неопределенности. Внедрение предлагаемых подходов приводит к росту конкурентоспособности и устойчивости компаний.
Aim. The work aimed to conduct a comprehensive analysis of decision support systems (DSS) based on artificial intelligence (AI) technologies, with an emphasis on their integration into business processes and performance evaluation.
Objectives. The work seeks to study the main stages of AI-based DSS development, to determine key performance indicators for assessing their financial, operational, and strategic impact, to select the main challenges in such implementations and the long-term effects of the systems, as well as to formulate recommendations for improving their interpretability and adaptability.
Methods. The study employed methods of system analysis, generalization of practical experience, and research. The article considers modern trends in the use of AI, successful cases from the practice of large companies (JPMorgan Chase, General Electric, Amazon), and the concept of the J-curve productivity for analyzing long-term effects.
Results. The integration of AI into DSS provides the best potential for increasing work efficiency, reducing costs, and improving the quality of management decisions. A comprehensive efficiency assessment model has been developed, which includes both quantitative and qualitative indicators.
Conclusions. AI-based DSS can be used not only to increase the accuracy and rate of management decisions, but also to optimize the resource utilization and adapt to a fast-paced market environment. However, successful integration of such systems requires solving a number of problems, including improvement of data quality, enhancement of the interpretability of algorithms, and adapting the personnel to new technologies. Hybrid models that combine AI capabilities and cognitive methods open up a promising direction capable of improving the efficiency and adaptability of DSS under conditions of uncertainty. The implementation of the proposed approaches leads to increased competitiveness and sustainability of companies.
The authors declare that there are no conflicts of interest present.