Application of generative artificial intelligence in business analytics: transformation of opportunities and new challenges
How to cite
Abstract
The article explores the revolutionary impact of generative artificial intelligence (GenAI) on the practice of business intelligence. The key GenAI technologies (large language models, diffusion models) and their fundamental difference from traditional analytical tools are considered. Specific application aspects are analyzed: automation of creation of analytical reports, dashboards and presentations; generation of hypotheses and scenarios of development; synthesis of realistic data for testing models and training; personalization of analytical insights for various stakeholders; improving knowledge extraction processes from unstructured data (text, audio, images). Particular attention is paid to the transformation of the role of a business analyst in the context of widespread adoption of GenAI. The key challenges are explored: ensuring the reliability and absence of "hallucinations" in the generated content, issues of confidentiality and data security, ethical aspects, the need for verification of results and change management. It is concluded that GenAI is becoming a powerful catalyst for efficiency and creativity in business analytics, but its successful application requires critical thinking, advanced digital literacy and adaptation of methodological approaches.
Keywords
References
Антонов К.В. Применение LLM для анализа текстовых данных в бизнес-аналитике // Системный анализ в науке и образовании. 2023. № 4. С. 33-42.
Белова О.М. Синтетические данные в бизнес-аналитике: генеративные подходы // Статистика и экономика. 2024. № 2. С. 89-101.
Волкова Т.П. Автоматизация генерации аналитических отчетов с использованием генеративного ИИ // Прикладная информатика. 2024. Т. 19. № 1(103). С. 72-85.
Гордеев И.Л. Генеративные ИИ в поддержке принятия стратегических решений: возможности и ограничения // Менеджмент сегодня. 2023. № 6. С. 52-65.
Давыдов С.Ю. Персонализация бизнес-инсайтов на основе генеративного ИИ // Маркетинг и маркетинговые исследования. 2023. № 5(143). С. 18-29.
Зайцев Д.В. Безопасность данных при использовании публичных генеративных ИИ-сервисов // Защита информации. Инсайд. 2023. № 4. С. 28-36.
Иванов А.А., Петрова С.М. Цифровая трансформация бизнеса: вызовы для аналитики // Бизнес-информатика. 2023. № 1(63). С. 20-31.
Козлова Е.Д., Федоров Н.П. От дискриминативных к генеративным моделям ИИ: эволюция парадигмы // Искусственный интеллект и принятие решений. 2023. № 4. С. 45-58.
Лебедев М.И. Большие языковые модели: архитектура, обучение, применение // Открытые системы. СУБД. 2023. № 3. С. 15-24.
Мельников П.А. Проблема достоверности и «галлюцинаций» в больших языковых моделях // Информационные технологии. 2023. № 11. С. 44-52.
Никитин Р.С. Диалоговые интерфейсы на основе LLM для бизнес-аналитики // Корпоративные информационные системы. 2024. № 1(29). С. 38-47.
Смирнов В.К. Генеративный искусственный интеллект: технологический прорыв и бизнес-применения. М.: Дело РАНХиГС, 2024. – 185 с.
Соколова И.А. Prompt Engineering как ключевой навык работы с генеративным ИИ // Инновации в образовании. 2024. № 1. С. 112-120.
Филиппова М.В. Этические риски применения генеративного искусственного интеллекта в бизнесе // Философия хозяйства. 2024. № 1(137). С. 95-108.
Published
Issue
Section
Metrics
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.