Поліпшення результативності бізнесу шляхом застосування штучного інтелекту
Анотація
Об’єктом дослідження є штучний інтелект (ШІ) як стратегічний інструмент трансформації сучасних бізнес-процесів. Ключовими характеристиками ШІ в контексті бізнесу є його здатність до обробки великих масивів даних, автоматизації операцій, оптимізації ресурсів та створення персоналізованого клієнтського досвіду, що в сукупності впливає на результативність діяльності компанії.
Постановка проблеми. В умовах прискореної цифровізації перед бізнесом постає фундаментальна проблема переходу від загального розуміння потенціалу ШІ до його практичної інтеграції для досягнення вимірюваних фінансових результатів. Необхідно чітко ідентифікувати та систематизувати конкретні механізми, за допомогою яких технології ШІ безпосередньо впливають на прибутковість.
Нерозв’язані аспекти. Попри значну кількість досліджень, присвячених окремим аспектам застосування ШІ, бракує комплексного аналізу, який би систематизував його вплив. Також недостатньо уваги приділено розробці практичної дорожньої карти для інтеграції ШІ.
Мета статті. Метою статті є систематизація ключових механізмів впливу штучного інтелекту на результативність бізнесу та розробка структурованого підходу до його стратегічного впровадження для максимізації прибутковості.
Основний матеріал. У дослідженні використано метод системного аналізу для структурування впливу ШІ на бізнес через модель «подвійного двигуна». Розглянуто такі інструменти, як інтелектуальна автоматизація, предиктивне обслуговування, динамічне ціноутворення та гіперперсоналізація. Проаналізовано кейси провідних українських компаній.
Висновки. Встановлено, що ШІ діє як каталізатор прибутковості, синергетично впливаючи на зниження операційних витрат та прискорення зростання доходів. Обґрунтовано, що успішна інтеграція вимагає чіткої стратегії, поетапного підходу та культурної адаптації. Відсутність стратегії щодо ШІ в сучасному бізнес-середовищі є свідомим вибором на користь втрати конкурентної переваги.
Завантаження
Посилання
Asad, M., Tuffaha, M., & Al-Hussein, M. (2023). A review of artificial intelligence applications in the logistics and transportation industry. Cleaner Logistics and Supply Chain, 7, 100101. DOI: https://doi.org/10.1016/j.clscn.2023.100101
Baryannis, G., Validi, S., Dani, S., & Antoniou, G. (2019). Supply chain risk management and artificial intelligence: state of the art and future research directions. International Journal of Production Research, 57(7), 2179-2202. Retrieved from: http://dx.doi.org/10.1080/00207543.2018.1530476
Carvalho, T. P., Soares, F. A., Vita, R., Francisco, R. D. P., Basto, J. P., & Alcalá, S. G. (2021). A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, 158, 107680. Retrieved from: http://dx.doi.org/10.1016/j.cie.2019.106024
Cohen, M. C., Perakis, G., & Pindyck, R. S. (2017). Dynamic pricing in a non-stationary environment. Management Science, 63(3), 647-660. DOI: https://doi.org/10.1287/mnsc.2015.2341
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108-116.
den Boer, A. V. (2023). A review of dynamic pricing: From theory to data-driven applications. European Journal of Operational Research, 307(2), 487-505. Retirieved from: https://doi.org/10.1016/j.ejor.2022.09.022
Dwivedi, Y. K., Ismagilova, E., Hughes, D. L., Carlson, J., Filieri, R., Jacobson, J., ... & Wang, Y. (2021). Setting the future of digital and social media marketing research: Perspectives and research propositions. International Journal of Information Management, 59, 102168. DOI: https://doi.org/10.1016/j.ijinfomgt.2020.102168
Gupta, S., Meissonier, R., Drave, V. A., & Roubaud, D. (2021). The future of artificial intelligence in marketing: A taxonomy and research agenda. Journal of Business Research, 128, 77-90. DOI: https://doi.org/10.1016/j.jbusres.2021.01.034
Horiach, H., & Horiach, V. (2023). Transformation of supply chains and logistics with the help of artificial intelligence to increase efficiency and profitability. Herald of Khmelnytskyi National University. Economic sciences, 6, 137-143. [in Ukrainian].
Illiashenko, S. M., & Shypulina, Yu. S. (2023). Marketing dynamic pricing as a progressive trend of the digital society. Problems of systemic approach in economy, 1(90), 49-55. DOI: https://doi.org/10.32752/2520-2200-2023-1-90-49-55 [in Ukrainian].
Krakovetska, L. M. (2021). Transformation of business processes of enterprises in the conditions of digitalization. Economics and management of the national economy, 41, 68-73. [in Ukrainian].
Kumar, V., Rajan, B., Singh, N. D., & Singh, D. L. (2019). Getting to “smarter” marketing: How AI is changing the game. Journal of the Academy of Marketing Science, 47(6), 1125-1131.
Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization, measurement, and impact on firm performance. Information & Management, 58(3), 103434. DOI: https://doi.org/10.1016/j.im.2021.103434
Pavlovskyi, M. V., Hatska, L. P., & Zavadska, O. M. (2023). Digital transformation of business in the conditions of modern changes. Economy and society, 50. DOI: https://doi.org/10.32782/2524-0072/2023-50-31 [in Ukrainian].
Prychepa, Y. Y., & Kobets, V. M. (2022). Artificial intelligence as a tool for increasing the efficiency of the enterprise's marketing activities. Herald of Khmelnytskyi National University. Economic sciences, 2, 194-199. [in Ukrainian].
Trushkina, N. V. (2021). Digital transformations in logistics and supply chain management based on artificial intelligence. Economic Herald of the Donbas, 1(63), 114-125. Retrieved from: https://www.google.com/search?q=https://doi.org/10.12958/1817-3772-2021-1(63)-114-125 [in Ukrainian].
Авторське право (c) 2025 ФІНАНСОВО-КРЕДИТНІ СИСТЕМИ: ПЕРСПЕКТИВИ РОЗВИТКУ
Цю роботу ліцензовано за Міжнародня ліцензія Creative Commons Attribution 4.0.
