сотрудник с 01.01.2023 по 01.01.2026
Санкт-Петербург, Россия
Санкт-Петербург, г. Санкт-Петербург и Ленинградская область, Россия
Мы живем в эпоху цифровой трансформации экономики. Традиционные инструменты менеджмента (бюджетирование, план-фактный анализ, KPI-дашборды и т.д.) уже недостаточны: решения принимаются медленно и неточно. Искусственный интеллект даёт новые возможности. Мы проанализировали реальные кейсы и современные модели (градиентный бустинг, LSTM, обучение с подкреплением). Выделили четыре главные области: финансовые прогнозы, динамическое ценообразование, управление ресурсами и автоматизацию рисков. Отдельно разобрали «гибридный интеллект» - разделение ответственность между человеком и ИИ. Наш вывод: при правильном использовании ИИ не заменяет менеджера, а переводит его на стратегический уровень. Алгоритмам же остаются тактика и операционка
искусственный интеллект, экономический менеджмент, машинное обучение, оптимизация ресурсов, риск-менеджмент
1. Дацко Е., Громкова О. ИИ, B2B-маркетплейс и зрелые ИТ-решения: как «Уралхим» цифровизирует закупки с B2B Altis. TAdviser, 2025. URL: https://www.tadviser.ru/a/898712
2. Производственная компания ЛКМ Полимер. Как мы увеличили точность прогноза на 22% и сэкономили 300 млн рублей для дистрибьютора автоэмалей. InsightAI, 2026. URL: https://workspace.ru/cases/kak-my-uvelichili-tochnost-prognoza-na-22-i-sekonomili-300-mln-rubley-dlya-distribyutora-avtoemaley
3. Строева М. Сезонные тренды: как прогнозировать спрос на маркетплейсах в зависимости от времени года. Т-Бизнес секреты (блог Т-банка), 2024. URL: https://secrets.tbank.ru/blogi-kompanij/prognozirovanie-sezona-na-marketplejsah/
4. Сюндюкова Е.В. Прогнозирование розничного спроса с использованием нейронных сетей и макроэкономических переменных. Экономика и качество систем связи, 2025, 1, с.122-131. URL: https://cyberleninka.ru/article/n/prognozirovanie-roznichnogo-sprosa-s-ispolzovaniem-neyronnyh-setey-i-makroekonomicheskih-peremennyh
5. Храмцова Т.В. Цифровые и аналитические методы повышения эффективности логистических и закупочных систем в условиях структурных трансформаций. Электронный научно-практический журнал «Современные научные исследования и инновации» 2026, № 3, URL: https://web.snauka.ru/issues/2026/03/104307
6. Шибченко М.И., Павлов В.А. Методология и архитектура глубокого обучения для прогнозирования продаж в магазинах розничной сети. Научно-практический электронный журнал «Оригинальные исследования (ОРИС)», 2025, 9, с.208-213.
7. Dellermann D., Ebel, P., Söllner, M., & Leimeister, J. M. Hybrid Intelligence. Business & Information Systems Engineering, 2019, 61(5), с. 637–643.
8. Harward Business Review Analytic Services Study: Finance’s Data and Analytics Maturity. 2024. URL: https://blog.workday.com/en-us/harvard-study-finance-faces-long-road-data-analytics-maturity.html
9. Parvez Musani. Decking the aisles with data: How Walmart’s AI-powered inventory system brightens the holidays. Walmart Global Tech, 2023. URL: https://tech.walmart.com/content/walmart-global-tech/en_us/blog/post/walmarts-ai-powered-inventory-system-brightens-the-holidays.html
