Применение генеративного искусственного интеллекта в бизнес-аналитике: трансформация возможностей и новые вызовы
Как цитировать
Аннотация
Статья исследует революционное воздействие генеративного искусственного интеллекта (Generative AI, GenAI) на практику бизнес-аналитики. Рассматриваются ключевые технологии GenAI (большие языковые модели, диффузионные модели) и их принципиальное отличие от традиционных аналитических инструментов. Анализируются конкретные прикладные аспекты: автоматизация создания аналитических отчетов, дашбордов и презентаций; генерация гипотез и сценариев развития; синтез реалистичных данных для тестирования моделей и обучения; персонализация аналитических инсайтов для различных стейкхолдеров; усовершенствование процессов извлечения знаний из неструктурированных данных (текст, аудио, изображения). Особое внимание уделяется трансформации роли бизнес-аналитика в условиях широкого внедрения GenAI. Исследуются ключевые вызовы: обеспечение достоверности и отсутствия «галлюцинаций» в генерируемом контенте, вопросы конфиденциальности и безопасности данных, этические аспекты, необходимость верификации результатов и управление изменениями. Делается вывод о том, что GenAI становится мощным катализатором эффективности и креативности в бизнес-аналитике, однако его успешное применение требует критического мышления, развитой цифровой грамотности и адаптации методологических подходов.
Ключевые слова
Библиографические ссылки
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.
Опубликован
Выпуск
Раздел
Метрики
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.