Оценка влияния искусственного интеллекта на экономическую эффективность маркетинговых компаний

Обложка

Цитировать

Аннотация

целью исследования является разработка и апробация модели оценки влияния внедрения инструментов искусственного интеллекта на экономическую эффективность маркетинговых компаний с пооперационной детализацией бизнес-процессов и учётом отраслевой специфики. Методы: используются экономико-математическое моделирование с параметризацией по показателям деятельности (выручка, издержки, качество выполненных работ, доля автоматизации, человеческий капитал), пооперационный анализ бизнес-процессов и сценарное варьирование уровня автоматизации. Результаты (Findings): по результатам моделирования наблюдается повышение качества услуг и снижение переменных издержек при интеграции ИИ, что ведёт к росту прибыли маркетинговой компании; зафиксирована зависимость эффективности от доли автоматизации; сформулирована задача поиска оптимального уровня автоматизации при заданных ограничениях. Выводы: предложенная модель используется как инструмент обоснования управленческих решений о внедрении ИИ в процессы маркетинговых агентств; применение требует калибровки под профиль компании и качество исходных данных; перспективы развития связаны с учётом различий по типам услуг и оценкой долгосрочной отдачи от нематериальных активов.

Об авторах

А. П Дериглазов

Национальный исследовательский университет ИТМО

Email: alexanderiglazov@gmail.com
ORCID iD: 0009-0002-0849-8360

Е. А Павлова

Национальный исследовательский университет ИТМО

Email: eapavlova@itmo.ru
ORCID iD: 0000-0001-6492-7102

Список литературы

  1. Валлерстайн И. Анализ мировых систем и ситуация в современном мире: пер. с англ. П.М. Кудюкина / под общ. ред. Б.Ю. Кагарлицкого. СПб.: Университетская книга, 2001. 416 с. ISBN 5-94483-042-5.
  2. Кастельс М. Информационная эпоха: экономика, общество и культура: пер. с англ. под науч. ред. О.И. Шкаратана. М.: ГУ ВШЭ, 2000. 608 с.
  3. Кирилюс А.Г., Горбунова В.Б. Модели и инструменты цифровой трансформации бизнеса // Вестник молодёжной науки. 2022. № 1 (33). С. 1–15. Режим доступа: https://cyberleninka.ru/article/n/modeli-i-instrumenty-tsifrovoy-transformatsii-biznesa (дата обращения: 12.05.2024)
  4. Селигмен Б., Йозеф А. Шумпетер и его новатор // Основные течения современной экономической мысли. М.: Прогресс, 1968. С. 1 – 600.
  5. Fisher A.G.B. Production, primary, secondary and tertiary // Economic Record. 1939. Vol. 15. № 1. P. 24 – 38.
  6. OECD. OECD Digital Economy Outlook 2024 (Volume 1): Embracing the Technology Frontier. Paris: OECD Publishing, 2024. – Режим доступа: https://doi.org/10.1787/a1689dc5-en (дата обращения: 15.06.2025)
  7. World Intellectual Property Organization. Global Innovation Index 2024 / World Intellectual Property Organization. 2024. Режим доступа: https://www.wipo.int/publications/en/details.jsp?id=4758&plang=EN (дата обращения: 02.02.2025)
  8. AdIndex. Агентства [Электронный ресурс]. Режим доступа: https://adindex.ru/news/agencies/2023/12/1/317643.phtml (дата обращения: 15.06.2025)
  9. AllAdvertising. Официальный сайт [Электронный ресурс]. Режим доступа: https://alladvertising.ru/about/ (дата обращения: 15.06.2025)
  10. ЕМИСС. Государственная статистика. Количество компаний – разработчиков ИИ-решений, получивших государственную поддержку в рамках федерального проекта «Искусственный интеллект» (индикатор 62081) [Электронный ресурс]. Режим доступа: https://www.fedstat.ru/indicator/62081 (дата обращения: 15.06.2025)
  11. ЕМИСС. Государственная статистика. Количество отраслей экономики, для которых обеспечена отработка навыков противодействия компьютерным атакам с использованием цифровых двойников организаций (индикатор D4, 61623) [Электронный ресурс]. Режим доступа: https://www.fedstat.ru/indicator/61623 (дата обращения: 15.06.2025)
  12. НАФИ. Только треть российских компаний использует машинное обучение [Электронный ресурс]. Режим доступа: https://nafi.ru/analytics/tolko-tret-rossiyskikh-kompaniy-ispolzuet-mashinnoe-obuchenie/ (дата обращения: 15.06.2025)
  13. Российский научный фонд. Искусственный интеллект помог разработать новые препараты от устойчивых к антибиотикам бактерий [Электронный ресурс]. Режим доступа: https://rscf.ru/news/presidential-program/iskusstvennyy-intellekt-pomog-razrabotat-novye-preparaty-ot-ustoychivy33kh-k-antibiotikam-bakteriy-ob-/ (дата обращения: 15.06.2025)
  14. Acemoglu D. The simple macroeconomics of artificial intelligence // NBER Working Paper No. 32487. Cambridge, MA: NBER, 2024. Режим доступа: https://www.nber.org/papers/w32487
  15. Brynjolfsson E., Li D., Raymond L. Generative AI at work // Quarterly Journal of Economics. 2025. № 140 (2). P. 889 – 942. https://doi.org/10.1093/qje/qjae014
  16. Brynjolfsson E., Rock D., Syverson C. The productivity J-curve: how intangibles complement general purpose technologies // American Economic Journal: Macroeconomics. 2021. Vol. 13 (1). P. 333 – 372. https://doi.org/10.1257/mac.20180386
  17. Cockburn I.M., Henderson R., Stern S. The impact of artificial intelligence on innovation // NBER Working Paper No. 24449. Cambridge, MA: NBER, 2018. Режим доступа: https://www.nber.org/papers/w24449
  18. Davenport T., Guha A., Grewal D., Bressgott T. How artificial intelligence will change the future of marketing // Journal of the Academy of Marketing Science. 2020. Vol. 48 (1). P. 24 – 42. https://doi.org/10.1007/s11747-019-00696-0
  19. Deloitte. Тенденции развития роботизации в РФ: RPA. 2020 [Электронный ресурс]. Режим доступа: https://www.deloitte.com/content/dam/Deloitte/ru/Documents/tax/deloitte-rpa-survey.pdf (дата обращения: 15.06.2025)
  20. Huang, M.-H., Rust, R. T. Artificial intelligence in service // Journal of Service Research. 2018. Vol. 21(2). P. 155 – 172. https://doi.org/10.1177/1094670517752459
  21. NEW DIGITAL (New Light Digital). Чем занимаются маркетинговые агентства? [Электронный ресурс]. Режим доступа: https://newlightdigital.com/ru/blog/chem-zanimayutsya-marketingovye-agents/ (дата обращения: 15.06.2025)
  22. Noy S., Zhang W. Experimental evidence on the productivity effects of generative artificial intelligence // Science. 2023. № 381 (6654). P. 187 – 192. https://doi.org/10.1126/science.adh2586
  23. Statista. Healthcare IoT – Worldwide. 2023 [Электронный ресурс]. Режим доступа: https://www.statista.com/outlook/tmo/internet-of-things/healthcare-iot/worldwide (дата обращения: 15.06.2025)
  24. Wedel M., Kannan P.K. Marketing analytics for data-rich environments // Journal of Marketing. 2016. Vol. 80 (6). P. 97 – 121. https://doi.org/10.1509/jm.15.0413

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).