2026. — Т 18. — № 4 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/21ecvn426.html

DOI: 10.15862/21ECVN426 (https://doi.org/10.15862/21ECVN426)

Полный текст статьи в формате PDF (объем файла: 621.1 Кбайт)

Ссылка для цитирования этой статьи:

Ступин, В. Ю. Место и роль искусственного интеллекта в современной экономике / В. Ю. Ступин, Н. Я. Головецкий // Вестник Евразийской науки. — 2026. — Т 18. — № 4. — URL: https://esj.today/PDF/21ECVN426.pdf. — DOI: 10.15862/21ECVN426. (дата обращения: 23.10.2026).

Место и роль искусственного интеллекта в современной экономике

Ступин Виктор Юрьевич
ФГБОУ ВО «Российская академия народного хозяйства и государственной службы
при Президенте Российской Федерации», Москва, Россия
Заместитель директора
E-mail: stupin-vy@ranepa.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=872036

Головецкий Николай Яковлевич
ФГБОУ ВО «Российская академия народного хозяйства и государственной службы
при Президенте Российской Федерации», Москва, Россия
Декан факультета «Экономики и менеджмента»
Кандидат экономических наук, профессор
E-mail: nik1957@mail.ru
ORCID: https://orcid.org/0000-0002-4158-5741
РИНЦ: https://elibrary.ru/author_profile.asp?id=715010

Аннотация. В статье исследуется трансформация искусственного интеллекта в финансовом секторе из экспериментальной технологии в критический фактор операционной эффективности. Рассмотрены ключевые векторы развития ИИ в банках: переход от пилотных проектов к промышленной эксплуатации с измеримой бизнес-ценностью, развитие агентного ИИ и полуавтономных систем, ужесточение требований к управлению качеством данных в эпоху генеративных моделей. Особое внимание уделено объяснимости ИИ и управлению рисками моделей в условиях регуляторного давления Банка России. Проанализированы перспективы конвергенции ИИ с квантовыми вычислениями для задач риск-менеджмента и портфельного управления. На примере ведущих российских банков показано, как масштабирование машинного обучения влияет на стоимость риска, конверсию и конкурентную устойчивость. Выявлены новые вызовы: аутентификация действий AI‑агентов и предотвращение загрязнения данных.

Дополнительно в работе проведён сравнительный анализ подходов крупнейших игроков рынка — Сбербанка, ВТБ, Тинькофф и Альфа‑Банка — к внедрению ИИ‑решений: выделены различия в стратегиях масштабирования, организации центров компетенций и интеграции моделей в сквозные бизнес‑процессы. Отдельное внимание уделено вопросам кадрового обеспечения: дефициту специалистов по MRM и XAI, а также программам переподготовки внутри банков. В статье также систематизированы типовые барьеры внедрения — от технологической незрелости отдельных решений до сопротивления изменениям в подразделениях, — и предложены управленческие инструменты для их преодоления. Эмпирической базой послужили публичные отчёты банков, нормативные акты Банка России и отраслевые аналитические обзоры за 2024–2026 годы. В выводах сформулированы рекомендации по поэтапному масштабированию ИИ‑проектов с учётом регуляторных требований и специфики российского финансового рынка.

Ключевые слова: искусственный интеллект; финансовый сектор; агентный ИИ; объяснимый ИИ; управление рисками моделей; квантовые вычисления; цифровизация банков