ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ КАК ИНСТРУМЕНТ ПОВЫШЕНИЯ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРЕДПРИЯТИЙ

Abstract

В статье исследуется влияние интеллектуальных информационных технологий на экономическую эффективность предприятий и предлагается комплексный подход к оценке результатов их внедрения. Актуальность темы определяется расширением применения искусственного интеллекта, машинного обучения и прогнозной аналитики в управлении производственными, финансовыми и коммерческими процессами, а также необходимостью отделять технологический эффект от реально измеримого экономического результата. Методологическая база исследования включает системный, сравнительный и факторный анализ, аналитическое обобщение современных эмпирических работ и официальных материалов, а также логико-структурное моделирование связи между данными, интеллектуальной обработкой, управленческими решениями и экономическими показателями. Предложена последовательность оценки, включающая анализ качества данных и цифровой инфраструктуры, выбор бизнес-процессов, определение базовых значений показателей, оценку точности прогнозных моделей, сопоставление результатов до и после внедрения и расчёт совокупного экономического эффекта с учётом полной стоимости владения системой. Показано, что положительный результат внедрения искусственного интеллекта зависит не только от выбранного алгоритма, но и от качества данных, цифровой зрелости, квалификации персонала, управленческих компетенций и степени интеграции технологии в бизнес-процессы. Сопоставление современных исследований подтверждает неоднородность эффектов: наибольшие преимущества получают организации, располагающие развитой цифровой инфраструктурой и комплементарными ресурсами, тогда как недостаточная зрелость данных и дефицит компетенций снижают ожидаемую отдачу. Практическая значимость предложенного подхода заключается в возможности использовать единую систему показателей для обоснования инвестиций в интеллектуальные технологии, контроля результатов пилотных проектов и последующего масштабирования цифровых решений на предприятии. В работе также выделены ограничения оценки, связанные с причинной идентификацией, отраслевой неоднородностью, учётом нематериальных эффектов, рисками качества данных и необходимостью непрерывного мониторинга моделей после внедрения. Дополнительно обоснована необходимость сочетать технические метрики качества моделей с процессными и финансовыми KPI, чтобы исключить завышенную оценку результатов цифровизации конкретного предприятия.