ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ДИВЕРСИФИКАЦИЯ БИЗНЕС-МОДЕЛЕЙ: ЭКОНОМИЧЕСКАЯ ЛОГИКА АДАПТАЦИИ К НЕСТАБИЛЬНОЙ ВНЕШНЕЙ СРЕДЕ

Нарастающая волатильность внешней среды, характерная для российской экономики начиная с 2023 года, поставила перед отечественными предприятиями вопрос, не имеющий универсального ответа. Данный вопрос заключается в том, каким образом обеспечить устойчивость бизнеса в условиях, когда горизонты планирования сжались до нескольких месяцев. В то же время структурные сдвиги на рынках происходят быстрее, чем успевают обновляться стратегические планы. Именно в этом контексте технологии искусственного интеллекта приобрели принципиально иное, нежели прежде, значение. Из инструмента автоматизации рутинных операций они превратились в механизм институциональной перестройки самой логики ведения бизнеса. [1]

Цель исследования состоит в выявлении и обосновании экономических закономерностей использования технологий ИИ в качестве инструмента диверсификации бизнес-моделей российских компаний в условиях нестабильной внешней среды. 

Теоретическая значимость исследования заключается в развитии автором представлений об экономической природе ИИ-ориентированной диверсификации.

Практическая значимость исследования заключается в возможности применения разработанной автором модели менеджментом российских компаний при формировании стратегии адаптации.

Материалы и методы исследования

Эмпирическую основу исследования составили данные Росстата о внедрении цифровых технологий в организациях за 2022–2026 годы, материалы мониторинга цифровой экономики НИУ ВШЭ, аналитические доклады Центра стратегических разработок, а также публичные данные Сбербанка и Яндекса о применении ИИ в отечественном бизнесе. 

Методологическую основу формирует системный подход, предполагающий рассмотрение бизнес-модели как целостной многоуровневой структуры. 

При написании статьи, автором применялись следующие методы научного познания: методы институционального анализа, методы сравнительного анализа, методы статистической обработки данных, метод экспертных оценок.

Результаты и обсуждение

Согласно данным мониторинга НИУ ВШЭ, в 2025 году доля российских организаций, применяющих технологии ИИ в производственных или управленческих процессах, составила 24,3% против 11,8% в 2022 году, то есть выросла более чем вдвое за 3 года. Наиболее высокие темпы внедрения зафиксированы в секторах с наибольшей волатильностью спроса: [2]

• в финансовом секторе;
• в розничной торговле;
• в транспортно-логистическом комплексе. 

Это наблюдение само по себе говорит о том, что компании воспринимают ИИ именно как инструмент реагирования на нестабильность. И это восприятие, как показывает дальнейший анализ, вполне обосновано экономически.

Таблица 1. Динамика внедрения ИИ-технологий в российских организациях по секторам экономики, 2022–2025 гг. (доля организаций, применяющих ИИ, %)

Анализ приведённой таблицы выявляет закономерность, которая представляется, на наш взгляд, принципиальной: темпы внедрения ИИ статистически значимо коррелируют с уровнем рыночной неопределённости в соответствующем секторе. Финансовый сектор, испытавший наиболее острые шоки в 2023–2024 годах в связи с санкционным давлением, продемонстрировал и наибольший прирост ИИ-применения. Разумеется, здесь действуют и конфаундирующие факторы – прежде всего более высокий исходный уровень цифровизации финансового сектора – однако само по себе это соответствие не может быть случайным. [3]

Концептуальная трёхуровневая модель адаптационной диверсификации на основе ИИ, разработанная в рамках настоящего исследования, предполагает следующую архитектуру. 

• Первый уровень «операционный». Охватывает автоматизацию рутинных процессов и интеллектуальную обработку данных: именно здесь ИИ даёт наиболее быстрый и измеримый экономический эффект;
• Второй уровень «стратегический». Предполагает использование предиктивной аналитики для реконфигурации продуктового портфеля и ценностного предложения в ответ на изменения спроса;
• Третий уровень «институциональный». Означает встраивание ИИ-инструментов в саму систему организационного принятия решений, что влечёт за собой трансформацию корпоративной культуры и управленческих практик. 

Именно третий уровень, по мнению автора, является наиболее сложным с точки зрения имплементации, однако именно он обеспечивает долгосрочную конкурентоустойчивость [4].

Таблица 2. Экономическая результативность внедрения ИИ-ориентированной диверсификации бизнес-моделей российских компаний, 2023–2025 гг.

Данные таблицы 2 весьма красноречивы. Компании, внедрившие ИИ-диверсификацию на всех 3 уровнях, демонстрируют операционную рентабельность в 2 раза выше, чем у предприятий, не применяющих ИИ-инструменты в управлении бизнес-моделью. И при этом вдвое меньшую волатильность выручки. 

Таким образом, получается именно то сочетание, которое является «священным Граалем» антикризисного управления, в рамках которого происходит рост доходности при одновременном снижении риска. Разумеется, следует сделать оговорку, которая говорит нам о том, что компании, достигшие третьего уровня ИИ-диверсификации, изначально, как правило, отличаются более высоким качеством менеджмента и более значительным ресурсным потенциалом, что само по себе влияет на финансовые результаты. [5]

Тем не менее, как показывает регрессионный анализ с контролем начальных характеристик организаций, именно факт полноуровневого внедрения ИИ даёт статистически значимый вклад в финансовую результативность, не объяснимый исходными различиями компаний. [6]

Особого внимания заслуживает показатель срока адаптации к рыночным изменениям. У компаний третьего уровня он составляет 2,9 месяца против 7,2 у организаций без ИИ-диверсификации. Сокращение адаптационного лага в 2,5 раза – это, по существу, и есть та экономическая ценность, которую создаёт ИИ в условиях волатильной среды. 

Здесь уместно обратиться к концепции И. Золотова, согласно которой способность к быстрой реконфигурации ресурсов и процессов является ключевой динамической компетенцией компании в условиях структурной неопределённости. ИИ, таким образом, выступает не просто технологией, а организационным ресурсом, накопление и развитие которого формирует устойчивое конкурентное преимущество. [7]

Вместе с тем результаты исследования обнаруживают и ряд существенных ограничений, недооценка которых способна существенно исказить практические выводы. 

Даже компании с высоким уровнем ИИ-диверсификации сталкиваются с проблемой интерпретируемости алгоритмических решений. Когда ИИ-система предлагает реконфигурацию бизнес-модели, менеджмент нередко испытывает затруднения с пониманием её логики, что порождает институциональное сопротивление. Эту проблему хорошо описывают Н. А. Скворцова, Д. А. Самылов, указывая на «когнитивный разрыв» между возможностями цифровых систем и организационной готовностью к их использованию. [8]

Выгоды ИИ-диверсификации распределены асимметрично, так, крупные компании получают несопоставимо большую отдачу, тогда как малые и средние предприятия нередко ограничены в своих возможностях из-за недостаточности данных и квалифицированных кадров. 

ИИ-ориентированная диверсификация порождает новый класс рисков – «технологические» и «кибербезопасностные». Управление данными рисками требует специфических компетенций, пока дефицитных на российском рынке труда.

Выводы

Проведённое исследование позволяет сформулировать несколько ключевых выводов. Установлено, что технологии искусственного интеллекта в условиях нестабильной внешней среды меняют саму экономическую природу диверсификации. Она перестаёт быть преимущественно структурной стратегией расширения портфеля и становится динамической способностью к непрерывной реконфигурации бизнес-модели в режиме реального времени. Это принципиальный сдвиг, который, судя по всему, ещё недостаточно осознан практиками корпоративного управления.

Разработанная в рамках настоящего исследования трёхуровневая модель адаптационной диверсификации показывает, что экономический эффект ИИ-внедрения нелинейно возрастает по мере продвижения с операционного на стратегический и далее институциональный уровень. Прирост операционной рентабельности составляет соответственно 1,7%, 5,3% и 8,4% процентных пункта относительно базового уровня. Таким образом, наибольшая экономическая ценность создаётся именно тогда, когда ИИ трансформирует не отдельные процессы, а всю логику организационного принятия решений.

Российские компании, успешно освоившие полноуровневую ИИ-диверсификацию, в среднем:

• сократили волатильность выручки на 41,4%;
• увеличили долю новых продуктов в выручке до 22,7% ;
• сократили срок адаптации к рыночным изменениям до 2,9 месяца.

Стоит отметить, что это результаты, весьма убедительные даже по международным меркам. Вместе с тем для массового тиражирования данных практик требуется решение системных проблем, прежде всего таких как: 

• дефицита данных и кадров в малом бизнесе;
• институциональное сопротивление изменениям;
• несовершенство регуляторной среды. 

Устранение этих барьеров – задача не только корпоративного, но и государственного управления.