Детальная информация

Актуальность исследования обусловлена необходимостью перехода промышленных предприятий от фрагментарных экспериментов с искусственным интеллектом (ИИ) к его системному внедрению как драйвера цифровой трансформации. Несмотря на растущие инвестиции в технологии Индустрии 4.0, сохраняется разрыв между амбициями и реальными результатами. Ключевой проблемой является отсутствие стандартизированного инструмента для объективной диагностики организационной готовности - способности компании обеспечить устойчивую интеграцию, масштабирование и непрерывное развитие ИИ-решений в рамках всей цепочки создания стоимости. Цель исследования - преодолеть существующий методический разрыв путем разработки, апробации и верификации интегрального индекса готовности предприятия к внедрению ИИ (AIRI), а также определения на его основе дифференцированных стратегических траекторий для промышленных предприятий с разным уровнем цифровой зрелости. Методы исследования включают системный анализ для структурирования факторов успеха, сравнительный анализ для выявления лучших практик и международных трендов, а также метод углубленных кейсов для эмпирической апробации. Разработанный индекс представляет собой взвешенную интегральную модель, количественно оценивающую пять взаимосвязанных компонентов организационной зрелости: готовность данных, зрелость процессов, технологическую архитектуру, человеческий капитал и компетенции, стратегию и управление. Апробация на пяти предприятиях из разных секторов промышленности выявила значительный разброс в уровнях готовности и подтвердила его высокую диагностическую ценность. Выявлены типовые "узкие места", такие как разрозненность данных и дефицит компетенций, которые сдерживают трансформацию. Доказано, что ключевым фактором успеха цифровой трансформации является организационная и процессная зрелость, а не только технологическая оснащенность. Практическая значимость заключается в предоставлении менеджменту инструмента для аудита, расстановки приоритетов инвестиций, выбора адекватных ИИ-решений и реалистичного прогнозирования их отдачи. Перспективы исследований видятся в уточнении весовых коэффициентов индекса для различных отраслей, его интеграции с системами стратегического управления и проведении кросс-культурных сравнительных исследований.

The relevance of the study is driven by the necessity for industrial enterprises to transition from fragmented experiments with artificial intelligence (AI) to its systemic implementation as a driver of digital transformation. Despite growing investments in Industry 4.0 technologies, a gap persists between ambitions and tangible outcomes. The core problem lies in the absence of a standardized tool for the objective diagnosis of organizational readiness - a company’s ability not only to launch a pilot project but also to ensure the sustainable integration, scaling, and continuous development of AI solutions across the entire value chain. The aim of the research is to bridge this methodological gap by developing, testing, and verifying an Integrated Enterprise AI Readiness Index (AIRI), and to define differentiated strategic trajectories for industrial enterprises with varying levels of digital maturity based on this instrument. Research methods include systems analysis for structuring success factors, comparative analysis for identifying best practices and international trends, as well as the in-depth case study method for empirical validation. The developed index is a weighted integrated model that quantitatively assesses five interrelated components of organizational maturity: data readiness, process maturity, technological architecture, human capital and competencies, and strategy and governance. Validation on five enterprises from different industrial sectors revealed a significant variance in readiness levels and confirmed the tool’s high diagnostic value. Typical "bottlenecks" were identified, such as data fragmentation and competency deficits, which hinder transformation. It has been proven that the key success factor for digital transformation is organizational and process maturity, not merely technological sophistication. The practical significance lies in providing management with a tool for audit, investment prioritization, selection of adequate AI solutions, and realistic forecasting of their return. Research prospects include refining the index's weighting coefficients for various industries, integrating it with strategic management systems, and conducting cross-cultural comparative studies.

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. — Загл. с титул. экрана. — Периодичность: 6 раз в год. — Выходит с 2022 г. — Электрон. журнал. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. Т. 19, № 2, 2026. — 1 файл (7,03 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j26-194.pdf>.