РИСК-СКОРРЕКТИРОВАННАЯ ОЦЕНКА ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ИНВЕСТИЦИЙ В ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ
Keywords:
Ключевые слова: искусственный интеллект, промышленность, экономическая эффективность, инвестиции, NPV, риск, цифровая трансформация, производительность, себестоимость, AI-проектAbstract
Аннотация: В статье разработан методический подход к риск-скорректированной оценке экономической эффективности инвестиций в технологии искусственного интеллекта на промышленных предприятиях. Обоснована необходимость отделять техническую результативность модели от экономического эффекта, учитывать полный жизненный цикл AI-проекта, вероятность недостижения целевых эффектов, стоимость данных, интеграции, кибербезопасности, переобучения моделей и организационного освоения. Предложена система показателей, объединяющая NPV, IRR, срок окупаемости, эффект на себестоимость и производительность с корректировкой на технологические, операционные, кадровые и регуляторные риски. Сформирован алгоритм принятия инвестиционного решения и матрица сценариев. Методика предназначена для сравнительной оценки AI-use cases на стадии отбора и последующего контроля фактического эффекта.
References
1. O‘zbekiston Respublikasi Prezidentining 2024-yil 14-oktabrdagi PQ-358-son qarori. “Sun’iy intellekt texnologiyalarini 2030-yilga qadar rivojlantirish strategiyasini tasdiqlash to‘g‘risida”. Official information: Ministry of Digital Technologies of the Republic of Uzbekistan, 16.10.2024.
2. President of the Republic of Uzbekistan. Artificial intelligence and digitalization priorities reviewed. 01.05.2026. https://president.uz/en/lists/view/9165
3. President of the Republic of Uzbekistan. Sun’iy intellekt ekotizimini rivojlantirish bo‘yicha ustuvor vazifalar belgilandi. 07.08.2026. https://president.uz/oz/lists/view/9488
4. Filippucci, F., Gal, P., Jona-Lasinio, C., Leandro, A., Nicoletti, G. (2024). The impact of Artificial Intelligence on productivity, distribution and growth: Key mechanisms, initial evidence and policy challenges. OECD Artificial Intelligence Papers, No. 15. OECD Publishing. https://doi.org/10.1787/8d900037-en
5. Filippucci, F., Gal, P., Schief, M. (2024). Miracle or Myth? Assessing the macroeconomic productivity gains from Artificial Intelligence. OECD Artificial Intelligence Papers, No. 29. OECD Publishing. https://doi.org/10.1787/b524a072-en
6. Acemoglu, D., Autor, D., Hazell, J., Restrepo, P. (2022). Artificial Intelligence and Jobs: Evidence from Online Vacancies. Journal of Labor Economics, 40(S1), S293-S340. https://doi.org/10.1086/718327
7. Noy, S., Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192. https://doi.org/10.1126/science.adh2586
8. Raisch, S., Krakowski, S. (2021). Artificial Intelligence and Management: The Automation-Augmentation Paradox. Academy of Management Review, 46(1), 192-210. https://doi.org/10.5465/amr.2018.0072
9. Wamba-Taguimdje, S.-L., Wamba, S. F., Kamdjoug, J. R. K., Wanko, C. E. T. (2020). Influence of artificial intelligence (AI) on firm performance: the business value of AI-based transformation projects. Business Process Management Journal, 26(7), 1893-1924. https://doi.org/10.1108/BPMJ-10-2019-0411
10. Mikalef, P., Gupta, M. (2021). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management, 58(3), 103434. https://doi.org/10.1016/j.im.2021.103434
11. ISO/IEC 42001:2023. Information technology — Artificial intelligence — Management system.
12. ISO 31000:2018. Risk management — Guidelines.
13. OECD (2019, updated 2024). OECD Principles on Artificial Intelligence. OECD.AI Policy Observatory.
