How artificial intelligence helps transform the digital economy

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The article discusses approaches to the application of artificial intelligence methods to solve the problems of digital transformation in the segment of supporting and ensuring traditional business processes of industrial companies in terms of creating completely new business models and ideas for smart government. The article reveals new ways of using artificial intelligence in the digital economy. The article includes an analysis of artificial intelligence technology in terms of its integration capabilities in data processing for public administration, the required digital maturity and the impact of technology on the company's performance, contribution to increasing its value and added value in the digitalization process. The article will be of interest to participants in the digitalization process, companies' employees responsible for its implementation, architects and designers of information systems.

作者简介

Elena Yakovleva

Saint Petersburg State University of Economics; Financial University under the Government of the Russian Federation

Email: EAYAkovleva@fa.ru, helen7199@gmail.com
проф., д.э.н., доцент, ведущий научный сотрудник

Andrey Vinogradov

RUDN University; A.K. Aylamazyan Institute of Software Systems of the Russian Academy of Sciences

Email: vinogradov-an@rudn.ru
доцент кафедры информационных технологий кандидат физико-математических наук (2001, специальность 05.13.17 – Теоретические основы информатики)и.о. директора Исследовательского центра искусственного интеллекта

Larisa Aleksandrova

RUDN University

Email: aleksandrova-lv@rudn.ru
старший преподаватель кафедры информационных технологий

Aleksey Filimonov

Saint Petersburg State University of Economics; Apparatus of the State Duma Committee on State Construction and Legislation

Email: apf1815@mail.ru, filimonov@duma.gov.ru
аспирантглавный советник Аппарат Комитета Государственной Думы ФС РФ по государственному строитель-ству и законодательству, государственный советник Российской Федерации 1 класса

参考

  1. Клейменова Л. Что такое индустрия 4.0 и что нужно о ней знать. Trends.rbc.ru. [Электронный ресурс]. URL: https://trends.rbc.ru/trends/industry/5e740c5b9a79470c22dd13e7 (дата обращения: 30.01.2023).
  2. Reis J., et al. Digital Transformation: A Literature Review and Guidelines for Future Research // Trends and Advances in Information Systems and Technologies: World Conference on Information Systems and Technologies. 2018. – p. 411-421.– doi: 10.1007/978-3-319-77703-0_41.
  3. Абдрахманова Г.И., Вишневский К.О., Гохберг Л.М. и др. Цифровая трансформация отраслей: стартовые условия и приоритеты. / Докл. к XXII Апр. междунар. науч. конф. по проблемам развития экономики и общества. - М.: Изд. Дом Высшей школы экономики, 2021. – 239 c.
  4. Абдулов Р.Э., Реснов Д.Г. Перспективы достижения технологического суверенитета и цифровизации в России на фоне беспрецедентного санкционного давления // Креативная экономика. – 2022. – № 12. – c. 4591-4604. – doi: 10.18334/ce.16.12.117035.
  5. Шихалиева Д.С., Муталимов В.А., Трубачеев Е.В., Демчинская Е.А. Развитие отраслевых технологических платформ на основе конвергенционного замыкания технологических циклов // Креативная экономика. – 2023. – № 2. – c. 493-506. – doi: 10.18334/ce.17.2.117189.
  6. Прохоров А., Коник Л. Цифровая трансформация. Анализ, тренды, мировой опыт. / Издание второе, исправленное и дополненное. - М.: ООО «КомНьюс Груп», 2019. – 368 c.
  7. Vrontis D., Christofi M., Pereira V., Tarba Sh., Makrides A., Trichina E. Artificial intelligence, robotics, advanced technologies and human resource management: a systematic review // The International Journal of Human Resource Management. – 2021. – № 3. – p. 1237-1266. – doi: 10.1080/09585192.2020.1871398.
  8. Joshi S. et al. Synthesizing Tabular Data via Deep Generative Model. ArXiv preprint. [Электронный ресурс]. URL: https://arxiv.org/abs/1912.00571.
  9. Cohen Н. 7 Steps To Use Personae In Your Marketing Plan. Heidicohen.com. [Электронный ресурс]. URL: https://heidicohen.com/post-marketing-persona-creation/ (дата обращения: 30.01.2023).
  10. Kukushkin K., Ryabov Y., Borovkov A. Digital Twins: A Systematic Literature Review Based on Data Analysis and Topic Modeling // Data. – 2022. – № 12. – p. 173. – doi: 10.3390/data7120173.
  11. Digital Twin Consortium. [Электронный ресурс]. URL: https://www.digitaltwinconsortium.org/ (дата обращения: 30.01.2023).
  12. Du Z., Liu J., Wang T. Augmented Reality Marketing: A Systematic Literature Review and an Agenda for Future Inquiry // Frontiers in Psychology. – 2022. – p. 925963. – doi: 10.3389/fpsyg.2022.925963.
  13. Букарев А. Как технологии VR и AR применяют в производстве, науке и образовании?. Цифровая экономика. [Электронный ресурс]. URL: https://www.comnews.ru/digital-economy/content/221427/2022-08-01/2022-w31/kak-tekhnologii-vr-i-ar-primenyayut-proizvodstve-nauke-i-obrazovanii (дата обращения: 30.01.2023).
  14. Dr. Perwej Yu., et al. A Systematic Literature Review on the Cyber Security // International Journal of Scientific Research and Management. – 2021. – № 12. – p. 669-710. – doi: 10.18535/ijsrm/v9i12.ec04.
  15. Лукацкий А. Кибербезопасность цифровой трансформации. 4cio.ru. [Электронный ресурс]. URL: https://4cio.ru/content/4CDTO/Кибербезопасность цифровой трансформации v2.0.pdf (дата обращения: 30.01.2023).
  16. Bock A.C., Frank U. Low-Code Platform // Business Information Systems Engineering. – 2021. – № 63. – p. 733-740. – doi: 10.1007/s12599-021-00726-8.
  17. Что такое Low Code и Zerocode и когда применяются. Vc.ru. [Электронный ресурс]. URL: https://vc.ru/marketing/374861-chto-takoe-low-code-i-zerocode-i-kogda-primenyayutsya (дата обращения: 30.01.2023).
  18. Aguirre S., Rodriguez A. Automation of a business process using robotic process automation (RPA): a case study. / In book: WEA 2017: Applied Computer Sciences in Engineering, vol. 742. - Colombia, 2017. – 65-71 p.
  19. Исаков И. Роботизация бизнеса: что такое RPA и кому она нужна. Trends.rbc.ru. [Электронный ресурс]. URL: https://trends.rbc.ru/trends/innovation/62a8fd169a7947f5847e4d4f (дата обращения: 30.01.2023).
  20. Степанов А. Скоринг c применением нейронных сетей (ML, ИИ). Vc.ru. [Электронный ресурс]. URL: https://vc.ru/finance/341642-skoring-c-primeneniem-neyronnyh-setey-ml-ii (дата обращения: 30.01.2023).
  21. Niu B., Ren J., Li X. Credit Scoring Using Machine Learning by Combing Social Network Information: Evidence from Peer-to-Peer Lending // Information. – 2019. – № 12. – p. 397. – doi: 10.3390/info10120397.

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Yakovleva E.A., Vinogradov A.N., Aleksandrova L.V., Filimonov A.P., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».