Булдаков А.М., Левчук Е.И.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СТРУКТУРЕ УПРАВЛЕНЧЕСКОЙ ДЕЯТЕЛЬНОСТИ: СПОСОБЫ И РИСКИ ИСПОЛЬЗОВАНИЯ, ПРОБЛЕМЫ ВНЕДРЕНИЯ, ВОЗМОЖНОСТИ И ОГРАНИЧЕНИЯ *
Аннотация:
в работе проведён комплексный анализ интеграции технологий искусственного интеллекта (ИИ) в управленческую деятельность. Систематизированы практические способы применения ИИ в стратегическом и оперативном управлении, а также в управлении персоналом на примере кейсов ведущих российских компаний (Сбербанк, Яндекс, X5 Group). Выявлены и классифицированы ключевые технологические, организационные, стратегические и этические риски использования ИИ. Проанализированы основные барьеры внедрения, связанные с человеческим фактором, качеством данных и стратегической согласованностью. На основе проведённого анализа осуществлена оценка возможностей и ограничений развития ИИ в управленческой практике в ближайшей перспективе (до 2030 года).
Ключевые слова:
искусственный интеллект, управленческая деятельность, риски внедрения, цифровая трансформация, прогноз развития, российские компании, алгоритмы, данные, эффективность
Введение. Цифровая трансформация, ключевым драйвером которой выступает искусственный интеллект (ИИ), кардинально меняет ландшафт управленческой деятельности. [Национальная стратегия развития искусственного интеллекта на период до 2030 года: утв. Указом Президента РФ от 10 октября 2019 г. № 490. URL: http://publication.pravo.gov.ru/Document/View/0001201910100002 (дата обращения: 06.12.25)] Современный менеджер оказывается в ситуации, когда традиционные навыки необходимо дополнять компетенциями по работе с интеллектуальными системами. ИИ перестает быть технологией будущего, становясь практическим инструментом в арсенале руководителя. Однако его интеграция сопряжена не только с новыми возможностями, но и с комплексом рисков, организационных и психологических барьеров. Цель данного реферата — сфокусироваться на практических аспектах: систематизировать ключевые способы применения ИИ в управлении, детально разобрать сопутствующие риски и проблемы внедрения, а также дать реалистичную оценку его возможностей и ограничений на ближайшие 3-5 лет. Актуальность темы напрямую связана с необходимостью постоянного профессионального развития менеджера в условиях быстро меняющейся технологической среды. [Каплан А. Искусственный интеллект в бизнесе: риски и возможности // Российский журнал менеджмента. 2023. Т. 21, № 1. С. 45]. Глава 1. Практические способы использования ИИ в управленческой деятельности и риски в использовании ИИ. Современная управленческая деятельность претерпевает фундаментальные изменения за счёт внедрения технологий искусственного интеллекта, которые перешли из разряда экспериментальных в категорию рабочих инструментов повышения операционной эффективности, снижения издержек и усиления конкурентных преимуществ. В России этот процесс ускорился в условиях импортозамещения и развития национальных ИИ-платформ, поддержанных государственной стратегией до 2030 года, предусматривающей налоговые льготы, гранты и создание регуляторных «песочниц». Практическое применение ИИ охватывает все функциональные области менеджмента. В стратегическом планировании системы машинного обучения анализируют большие массивы структурированных и неструктурированных данных — от финансовых отчётов и новостных лент до социальных сетей — выявляя скрытые закономерности, моделируя сценарии развития и прогнозируя рыночные тренды. В оперативном управлении ИИ автоматизирует принятие решений в типовых ситуациях, оптимизирует логистические цепочки, управляет запасами и распределяет ресурсы в режиме реального времени, адаптируясь к изменяющимся условиям. В управлении персоналом технологии искусственного интеллекта трансформируют процессы рекрутинга, адаптации и оценки: алгоритмы проводят первичный скрининг резюме, прогнозируют успешность кандидатов, анализируют вовлечённость сотрудников и формируют индивидуальные траектории развития. Конкретные кейсы ведущих российских компаний иллюстрируют глубину интеграции ИИ. Сбербанк, позиционирующий себя как технологическая компания, внедрил ИИ на всех уровнях. Виртуальный ассистент «Салют» на базе NLP (обработки естественного языка) и компьютерного зрения обрабатывает миллионы клиентских обращений, решая до 70% запросов автономно, что значительно разгрузило контакт-центры. В кредитовании системы на основе алгоритмов градиентного бустинга (CatBoost, XGBoost) оценивают кредитоспособность, анализируя не только традиционные финансовые показатели, но и альтернативные цифровые следы, сокращая время принятия решения с дней до минут. Прециктивные модели прогнозируют вероятность дефолта, улучшая управление рисками. В кадровой аналитике ИИ выявляет сотрудников с высоким потенциалом, прогнозирует риски выгорания и увольнения, предлагая меры по удержанию. Компания «Яндекс» использует ИИ в своей экосистеме: в «Яндекс.Доставке» алгоритмы машинного обучения оптимизируют маршруты курьеров и прогнозируют спрос на товары, анализируя погоду, время суток и исторические данные, в «Яндекс.Такси» системы динамического ценообразования балансируют спрос и предложение в реальном времени, в рекламном бизнесе нейросети подбирают релевантные объявления и прогнозируют эффективность кампаний. X5 Group применяет ИИ для предиктивной аналитики в ритейле: системы прогнозирования спроса учитывают сезонность, локальные особенности, промо-активности и погоду для минимизации списаний и дефицита, алгоритмы динамического ценообразования автоматически снижают цены на товары с истекающим сроком годности, компьютерное зрение отслеживает заполненность полок, а ИИ в логистике оптимизирует маршруты доставки и графики работы персонала. Однако внедрение и эксплуатация ИИ сопряжены с комплексом взаимосвязанных рисков. Технологические риски обусловлены «чёрным ящиком» сложных нейросетевых моделей, которые могут выдавать ошибочные рекомендации из-за недостаточного качества или репрезентативности обучающих данных, а также неспособности адекватно реагировать на выбросы или принципиально новые ситуации (смена рыночной парадигмы, кризисы). Риски, связанные с данными, включают проблему смещённых выборок, когда исторические данные несут в себе дискриминационные паттерны, например, предпочтение кандидатов определённого пола или возраста при подборе персонала, что приводит к воспроизводству системой существующих неравенств. Существует угроза утечек и атак на целостность данных — намеренного искажения входных параметров для манипуляции решениями ИИ. Организационные риски проявляются в изменении структуры ответственности: чрезмерное доверие менеджеров к рекомендациям алгоритмов ведёт к атрофии критического мышления, делегированию ответственности и неспособности действовать в нестандартных условиях, требующих этического выбора или учёта неформального контекста. Стратегические риски включают высокую капиталоёмкость внедрения, которая может не окупиться при отсутствии чёткого понимания решаемой бизнес-задачи, а также зависимость от внешних вендоров и облачных платформ, что создаёт уязвимость в условиях санкционных ограничений. Этические и социальные риски охватывают вопросы справедливости, прозрачности и подотчётности алгоритмов, риск дегуманизации управления и массового сокращения рабочих мест, выполняющих рутинные когнитивные функции. Правовые риски связаны с лагом в регулировании: в России, несмотря на принятие Национальной стратегии, отсутствуют детальные нормы, регулирующие, например, ответственность за ущерб от решений автономных систем или использование биометрических данных в системах управления. Минимизация рисков требует комплексного подхода. На техническом уровне необходимы внедрение методологий объяснимого ИИ (XAI), позволяющих интерпретировать решения моделей, регулярный аудит и валидация данных и алгоритмов, использование синтетических данных для устранения смещений и создание «контуров безопасности» с обязательным человеческим контролем для критически важных решений. На управленческом уровне важно формирование культуры ответственного использования ИИ, разработка внутренних этических хартий, обучение руководителей основам работы с ИИ и создание новых ролей — например, AI-этика или менеджера по интеграции ИИ. В российских условиях особое значение приобретает развитие собственной технологической базы и подготовка кадров в рамках государственных программ, что, с одной стороны, снижает зависимость от импорта, а с другой — требует преодоления инфраструктурных ограничений, таких как доступ к высокопроизводительным вычислительным ресурсам. Таким образом, искусственный интеллект выступает не просто инструментом оптимизации, а катализатором глубокой трансформации управленческих моделей, где успех зависит от сбалансированного сочетания технологических возможностей, robust-риск-менеджмента и развития гибридных компетенций руководителей, способных к симбиозу с интеллектуальными системами. Глава 2. Проблемы внедрения ИИ в рабочий процесс. Основными проблемами внедрения искусственного интеллекта в управленческую деятельность являются три взаимосвязанных барьера: стратегический, технологический и человеческий. Показательным примером, иллюстрирующим эти вызовы даже для технологически продвинутых организаций, является опыт Сбера в ходе его масштабной цифровой трансформации. Стратегическая проблема в случае Сбера проявилась не в отсутствии стратегии, а в беспрецедентной сложности ее синхронизации на всех уровнях огромной, исторически иерархичной организации. Стратегия агрессивной цифровизации и ставка на ИИ, инициированная топ-менеджментом, потребовала болезненного пересмотра тысяч устоявшихся управленческих процессов одновременно. Возник разрыв между скоростью разработки технологий в Центре искусственного интеллекта и способностью рядовых управленцев в регионах и департаментах адаптировать их к своим конкретным задачам. Например, внедрение системы «Ассистент руководителя» на базе ИИ для анализа документов и подготовки сводок столкнулось с тем, что менеджеры среднего звена, привыкшие к определенным форматам отчетов, долго не доверяли автоматизированным выжимкам и дублировали работу, проверяя исходные данные. Это превращало инструмент повышения эффективности в источник дополнительной нагрузки. Технологическая проблема носила для Сбера особый характер. Несмотря на мощнейшую ИТ-инфраструктуру, ключевым вызовом стала консолидация и очистка данных из сотен унаследованных систем, накопленных за десятилетия, и их интеграция с новыми цифровыми платформами. Данные по клиентам, транзакциям и внутренним процессам были распределены по разным «силосам» с несогласованными форматами. При развертывании предиктивных моделей для управления рисками или кросс-продажами это приводило к необходимости создания сложных и дорогостоящих слоев интеграции. Знаменитый виртуальный ассистент «Салют» внутри корпоративного контура также прошел через этап, когда его рекомендации по управленческим решениям были неточными из-за неполноты контекстуальных данных о внутренних бизнес-процессах. Человеческий фактор оказался, возможно, самым серьезным испытанием. Даже при активной поддержке сверху, масштабное сопротивление изменениям стало критическим барьером. Часть опытных управленцев, особенно в региональных подразделениях, восприняла ИИ как угрозу своему авторитету, построенному на экспертизе и интуиции. Внедрение систем анализа эффективности на базе ИИ в HR (например, для оценки вовлеченности или ротации кадров) породило волну недовольства и недоверия, так как воспринималось как непрозрачный механизм контроля. Преодоление этого потребовало от компании титанических усилий по массовому переобучению (reskilling) сотен тысяч сотрудников и кардинального изменения корпоративной культуры в сторону большей открытости, готовности к ошибкам и экспериментам. Этика использования ИИ, особенно в вопросах мониторинга сотрудников, стала предметом острых внутренних дискуссий. Таким образом, даже успешный в цифровизации Сбер наглядно демонстрирует, что внедрение ИИ в управление — это не технологический апгрейд, а глубокая организационная хирургия. Она требует преодоления стратегической несогласованности, решения титанических задач по интеграции данных и, что самое важное, трансформации человеческого сознания и корпоративной культуры. Этот пример подтверждает, что проблемы носят универсальный характер и даже для лидеров рынка их решение является сложным, многоэтапным и затратным процессом, где технология — лишь одна из составляющих успеха. Глава 3. Возможности и ограничения ИИ в управленческой деятельности в ближней перспективе (до 2030 года). Введение искусственного интеллекта в управленческую практику к 2030 году выйдет за рамки инструментальной автоматизации и станет фактором стратегической трансформации бизнес-моделей. Этот процесс будет определяться динамичным взаимодействием прорывных возможностей и системных ограничений. Если возможности задают вектор развития, то ограничения формируют критически важные условия и риски, без учета которых внедрение технологий может быть неэффективным или даже разрушительным. Ключевые возможности для менеджмента. 1) Переход к предиктивному и стратегическому управлению. ИИ кардинально усилит аналитические способности организаций, переводя управление из реактивной в упреждающую фазу. Речь идет не просто о прогнозе продаж, а о комплексном моделировании сценариев развития компании с учетом сотен внешних и внутренних переменных: рыночных трендов, настроений клиентов, логистических рисков, состояния оборудования и кадрового потенциала. Российские компании, такие как Сбер и X5 Group, уже демонстрируют значительную экономию (сотни миллионов рублей) за счет систем прогнозирования спроса и износа оборудования. К 2030 году подобные предиктивные платформы станут основой для принятия стратегических решений, позволяя не только отвечать на изменения, но и формировать их. 2) Глубокая персонализация управления и развития команд. ИИ откроет новые горизонты в управлении талантами и выстраивании клиентского опыта. На основе анализа данных системы смогут предлагать не только индивидуальные карьерные траектории и программы обучения для сотрудников, но и помогать руководителю адаптировать стиль коммуникации и мотивации под психологический портрет каждого члена команды. На потребительском рынке этот тренд уже работает: компания «Аэрофлот» используют ИИ для динамического формирования индивидуальных предложений и проактивного сервиса. 3) Формирование новой управленческой культуры и кадров. Проникновение ИИ создаст спрос на принципиально новые роли в управленческом аппарате. Появятся и станут критически важными позиции, отвечающие за интеграцию ИИ в бизнес-процессы, этику алгоритмов и управление AI-продуктами. Это создаст возможность для перехода от культуры, основанной на интуиции и иерархии, к data-driven культуре, где решения обосновываются данными, а эксперименты и пилотирование становятся нормой. Государственные программы, направленные на подготовку десятков тысяч ИИ-специалистов к 2030 году, являются ответом на этот вызов. Системные ограничения и риски. 1)Технологическая зависимость и дефицит инфраструктуры. Одним из самых серьезных внешних ограничений для российского рынка остается зависимость от импорта высокопроизводительных вычислительных чипов и сложного ПО. Несмотря на снижение глобальной стоимости обучения моделей и повышение их эффективности, ограниченный доступ к передовым аппаратным решениям может замедлить развитие и внедрение сложных ИИ-систем, особенно в среднем бизнесе. Это создает риск технологического отставания и повышает важность развития собственной инфраструктуры. 2) Острый дефицит квалифицированных кадров. Возможности ИИ упираются в человеческий капитал. Уже сейчас в России работает около 57 тысяч ИИ-специалистов, а к 2030 году потребуется почти 90 тысяч. [Российский рынок труда в сфере ИИ – 2023: отчет / Ассоциация «ИИР». М., 2023. URL: https://airi.su/research / (дата обращения: 06.12.25)]. К 2030 году искусственный интеллект станет неотъемлемой платформой для управления, но его роль останется инструментальной. Основной тренд — симбиоз человеческого и машинного интеллекта, где ИИ берет на себя обработку данных, моделирование и исполнение рутинных процессов, а человек фокусируется на целеполагании, креативном решении сложных задач, этическом контроле и выстраивании отношений. [Davenport T. H., Mittal N. All-in on AI: How Smart Companies Win Big with Artificial Intelligence. Boston: Harvard Business Review Press, 2022. P. 45]. Главным ограничивающим фактором будет не технология, а способность организаций к адаптации. Успеха добьются те компании, которые смогут решить кадровый вопрос, выстроить новую data-культуру, гармонично интегрировать гибкое регулирование и сохранить человекоориентированный подход в принятии ключевых решений. Таким образом, ближайшие пять лет станут периодом не столько технологической гонки, сколько глубокой организационной и управленческой трансформации, где понимание баланса между возможностями и ограничениями ИИ станет ключевой компетенцией эффективного руководителя. [Harvard Business Review – Россия: спецвыпуск «Искусственный интеллект в менеджменте». 2023. № 5. С. 75]. Заключение. Проведенный комплексный анализ позволяет заключить, что интеграция искусственного интеллекта в управленческую деятельность представляет собой не технологическую модернизацию, а глубокую системную трансформацию самой природы управления, его процессов, инструментов и требуемых компетенций. К 2030 году ИИ перестанет быть опциональным инструментом, став обязательным структурным элементом эффективной организации. Однако его роль будет определяться не заменой человека, а переходом к модели стратегического симбиоза, где сильные стороны машинного и человеческого интеллекта усиливают друг друга. Технические сложности (качество данных, интеграция) преодолимы при наличии ресурсов. Гораздо более серьезными, как показали примеры российских компаний от Сбера до розничных сетей, являются стратегическая несогласованность и культурное сопротивление. Риски смещения алгоритмов, деградации управленческой экспертизы, дегуманизации труда и этические дилеммы требуют проактивного управления. Успех внедрения определяется способностью компании менять процессы, переучивать кадры и трансформировать культуру. Таким образом, искусственный интеллект не упрощает работу менеджера, а делает ее сложнее и содержательнее, перенося фокус с операционного контроля на стратегическое мышление, инновации и развитие человеческого потенциала. Ближайшие пять лет станут периодом не просто внедрения новых инструментов, а великого управленческого разделения: рутинная, аналитическая и исполнительная работа будет все больше делегирована алгоритмам, а за человеком окончательно закрепятся функции высшего порядка — творчество, построение смыслов, эмпатичное лидерство и этическая ответственность. Следовательно, профессиональное развитие современного менеджера должно быть нацелено на формирование гибридной компетентности, сочетающей цифровую грамотность, понимание принципов работы ИИ с навыками: критическим мышлением, эмоциональным интеллектом, способностью к моральному выбору и видению будущего. Только такой баланс позволит использовать колоссальный потенциал искусственного интеллекта, не становясь его заложником, и направить технологический прогресс на устойчивое развитие бизнеса и общества.
Номер журнала Вестник науки №12 (93) том 4 ч. 1
Ссылка для цитирования:
Булдаков А.М., Левчук Е.И. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СТРУКТУРЕ УПРАВЛЕНЧЕСКОЙ ДЕЯТЕЛЬНОСТИ: СПОСОБЫ И РИСКИ ИСПОЛЬЗОВАНИЯ, ПРОБЛЕМЫ ВНЕДРЕНИЯ, ВОЗМОЖНОСТИ И ОГРАНИЧЕНИЯ // Вестник науки №12 (93) том 4 ч. 1. С. 44 - 56. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/27772 (дата обращения: 07.02.2026 г.)
Вестник науки © 2025. 16+