Исследование посвящено комплексному анализу трансформации управленческих процессов в современных организациях под влиянием технологий искусственного интеллекта и нейронных сетей. В работе представлена концептуальная эволюция нейросетевых технологий, применяемых в корпоративном управлении, раскрыта специфика различных архитектур нейронных сетей и методов их обучения в контексте решения управленческих задач. Особое внимание уделено анализу многослойных перцептронов, конволюционных нейронных сетей, рекуррентных сетей и трансформеров как инструментов интеллектуализации процессов принятия решений. Исследование демонстрирует механизмы интеграции нейросетевых моделей в корпоративные информационные системы и системы поддержки решений, иллюстрируя данный процесс примерами успешного внедрения в различных функциональных областях — управлении цепочками поставок, маркетинге, финансовом планировании и производственном менеджменте. Изучены особенности интеграции технологий искусственного интеллекта в существующие корпоративные ERP, CRM и аналитические платформы. Определены ключевые технологические вызовы и ограничения, связанные с применением нейронных сетей в управленческой практике, включая проблемы необходимости больших и качественных данных, сложности и «непрозрачности» моделей, вычислительных ресурсов, риска переобучения и ограниченной обобщаемости. Выявлены факторы, определяющие успешность внедрения нейросетевых технологий в корпоративной среде, среди которых особое значение имеют качество данных, вычислительная инфраструктура и организационная готовность компаний к трансформации процессов принятия решений. Результаты исследования подтверждают, что интеграция нейронных сетей в управленческие практики становится ключевым фактором цифровой трансформации бизнеса, обеспечивая повышение точности прогнозов, оптимизацию использования ресурсов и автоматизацию рутинных процессов принятия решений. Исследование выявило значимый разрыв между потенциалом нейросетевых технологий и их практическим применением в организациях, что связано с техническими, экономическими и организационными барьерами, преодоление которых требует системного подхода к цифровой трансформации.
The study is devoted to a comprehensive analysis of the transformation of management processes in modern organizations under the influence of artificial intelligence technologies and neural networks. The paper presents the conceptual evolution of neural network technologies used in corporate management, reveals the specifics of various neural network architectures and their training methods in the context of solving management problems. Special attention is paid to the analysis of multilayer perceptrons, convolutional neural networks, recurrent networks and transformers as tools for intellectualizing decision-making processes. The study demonstrates the mechanisms of integration of neural network models into corporate information systems and decision support systems, illustrating this process with examples of successful implementation in various functional areas — supply chain management, marketing, financial planning and production management. The features of the integration of artificial intelligence technologies into existing corporate ERP, CRM and analytical platforms have been studied. The key technological challenges and limitations associated with the use of neural networks in management practice have been identified, including the problems of the need for large and high-quality data, complexity and «opacity» of models, computational resources, the risk of overfitting and limited generalizability. The factors determining the success of the implementation of neural network technologies in the corporate environment have been identified, among which the quality of data, computing infrastructure and organizational readiness of companies for the transformation of decision-making processes are of particular importance. The results of the study confirm that the integration of neural networks into management practices is becoming a key factor in the digital transformation of business, providing increased accuracy of forecasts, optimization of resource use and automation of routine decision-making processes. The study revealed a significant gap between the potential of neural network technologies and their practical application in organizations, which is associated with technical, economic and organizational barriers, the overcoming of which requires a systematic approach to digital transformation.