В статье исследуется проблема стратегически необоснованного внедрения технологий искусственного интеллекта в бизнес-процессы, доказывается, что этот подход ведет к архитектурной фрагментации, росту операционных издержек и не гарантирует измеримого экономического эффекта. В работе исследуется зависимость результативности искусственного интеллекта в процессах от эффекта масштаба и качества данных. В статье рассмотрен российский опыт внедрения искусственного интеллекта в бизнес-процессы для различных отраслей на основе анализа содержания статей российских исследователей за 2023–25 год. На основе принципов теории систем и инновационного менеджмента доказывается, что точечная оптимизация посредством изолированного внедрения искусственного интеллекта приводит к субоптимизации, негативно влияющей на общую потенциальную продуктивность системы. Сформулирована ключевая управленческая дилемма автоматизации с использованием искусственного интелекта: необходимость предотвращения спонтанной фрагментации используемой на предприятии системы информационных технологий при одновременном предоставлении сотрудникам контролируемых инструментов повышения производительности. В качестве нового методологического решения предлагается системный подход, предполагающий автоматизацию декомпозированных процессов. Авторами предложена оригинальная восьмикритериальная метрика для классификации задач по степени пригодности к автоматизации. Результаты могут быть использованы для стратегического планирования внедрения технологий в бизнес-процессы. Метрика позволяет формировать рекомендации по выбору технологического решения: классические автоматизационные системы предприятия (диспетчерское управление и сбор данных, система исполнения производства, планирование ресурсов предприятия, бизнес-аналитика), внедрение искусственного интеллекта и машинного обучения, применение экспертных систем или гибридных подходов. Подход способствует снижению операционных издержек и предотвращению архитектурной фрагментации.
The article examines the problem of strategically unjustified implementation of artificial intelligence technologies into business processes, demonstrating that this approach leads to architectural fragmentation, increased operational costs, and does not guarantee measurable economic impact. The study investigates the dependence of artificial intelligence performance in processes on economies of scale and data quality. The article reviews Russian experience in implementing artificial intelligence into business processes across various industries, based on content analysis of publications by Russian researchers from 2023–2025. Drawing on principles of systems theory and innovation management, the authors prove that point optimization through isolated implementation of artificial intelligence leads to suboptimization, negatively affecting the overall potential productivity of the system. A key managerial dilemma of automation using artificial intelligence is formulated: the need to prevent spontaneous fragmentation of the enterprise's information technology system while simultaneously providing employees with controlled tools for productivity enhancement. As a novel methodological solution, a systemic approach is proposed, involving automation of decomposed processes. The authors introduce an original eight-criteria metric for classifying tasks according to their suitability for automation. The results of this article can be used for strategic planning of technology implementation in business processes. The metric enables formulation of recommendations for selecting technological solutions: classical enterprise automation systems (supervisory control and data acquisition, manufacturing execution system, enterprise resource planning, business intelligence), implementation of artificial intelligence and machine learning, application of expert systems, or hybrid approaches. The approach contributes to reducing operational costs and preventing architectural fragmentation.