Details

Тема выпускной квалификационной работы: «Оценка экономического эффекта внедрения автоматизации процессов на основе искусственного интеллекта (на примере корпорации Intel)».Цель исследования —оценить экономический эффект автоматизации обработки счетов поставщиков на основе ИИ на примере Intel Corporation.Решены следующие задачи:–систематизировать теоретические основы и методы оценки ИИ-автоматизации;–проанализировать Intel и выбрать целевой процесс;–разработать модели «как есть» и «как должно быть»;–рассчитать ROI, срок окупаемости, NPV, IRR и сценарные результаты;–определить риски, условия внедрения и KPI.Методы исследования: обзор литературы, анализ компании, SWOT-анализ, взвешенный выбор процесса, моделирование, расчеты капитального бюджетирования, сценарный анализ и оценка рисков.Актуальность исследования обусловлена необходимостью повышения эффективности и качества контроля при цифровой трансформации промышленной корпорации.Источники информации: научная литература, официальные интернет-ресурсы и публичная отчетность Intel Corporation.Информационные технологии: Microsoft Excel, SQL и Python для моделирования, KPI и сценарных расчетов.Результат: обоснована автоматизация обработки счетов поставщиков. В базовом сценарии трудоемкость снижается с 264 000 до 146 200 часов; денежный поток после налогообложения —3,392 млн долл. США в год; окупаемость —18,4 месяца; NPV за пять лет —7,657 млн долл. США при 10 %; IRR —58,8 %.

Purpose of the study was to assess the economic effect of AI-driven process automation through a proposed AI-based supplier invoice processing system at Intel Corporation. The following objectives were solved: – to systematize the theoretical foundations and assessment methods for AI-driven automation; – to analyse Intel Corporation and select a process with measurable automation potential; – to develop the current-state and target-state model of supplier invoice processing; – to evaluate the proposal using ROI, payback period, NPV, IRR, scenario and sensitivity analysis; – to define implementation risks, governance conditions and KPI monitoring requirements. Research methods: literature review, comparative and company analysis, SWOT analysis, weighted process selection, process modelling, capital-budgeting calculations, scenario analysis, sensitivity analysis and risk assessment. The relevance of the study is determined by the need to improve operating efficiency and control quality through measurable digital transformation initiatives. Sources of information included research literature, official internet resources, and Intel Corporation annual reports and official financial disclosures. Information technologies used: Microsoft Excel, SQL and Python for modelling, KPI reporting and scenario calculations. The work selected supplier invoice processing for targeted automation and developed an investment model. Under the base-case assumptions, annual labour demand falls from 264,000 to 146,200 hours; annual post-tax cash flow is approximately USD 3.392 million; payback is approximately 18.4 months; five-year NPV is approximately USD 7.657 million at a 10 % discount rate; and IRR is approximately 58.8 %.