Данная научная статья является исследовательской (эмпирической). В современном мире, где экономика становится все более глобальной и цифровой, для металлургических компаний очень важно проверять надежность своих деловых партнеров, чтобы избежать проблем. В этой статье автор делает обзор на то, какие информационные системы используют российские металлурги для оценки тех, с кем работают, и выделяет их уязвимости. Автор анализирует как международные инструменты (например, Dun & Bradstreet, LexisNexis), так и российские (СПАРК, 1С: Контрагент, СБИС), и их использование в крупных компаниях, такие как Северсталь, ММК и Евраз. По итогам анализа автор пришел к выводу, что действующие системы не совершенны, так как обладают следующими уязвимостями: зависимость от сторонних технологий, ошибки в алгоритмах, разрозненность систем и недостаточно глубокий ESG-факторов. Для снижения рисков от этих уязвимостей автор предлагает создать Адаптивную интеллектуальную систему (АИС «Деловой партнер») для всесторонней проверки и наблюдения за партнерами. Эта система будет состоять из трех уровней: глубокий сбор данных из открытых источников, обработка информации с применением машинного обучения и модуль NLP на основе RuBERT для анализа репутации и рисков, связанных с экологией и социальной ответственностью. Предварительные результаты показывают, что внедрение этой системы позволит точнее прогнозировать риски (до 90 %), значительно ускорить проверки (на 79 %) и избежать больших убытков.
This research article is empirical. In today's increasingly global and digital economy, it is crucial for metallurgical companies to verify the reliability of their business partners to avoid problems. In this article, the author reviews the information systems used by Russian metallurgists to evaluate their partners and highlights their vulnerabilities. The author analyzes both international tools (e.g., Dun & Bradstreet, LexisNexis) and Russian ones (SPARK, 1C: Contractor, SBIS), and their use at large companies such as Severstal, MMK, and Evraz. Based on the analysis, the author concludes that the current systems are imperfect, as they exhibit the following vulnerabilities: dependence on third-party technologies, algorithmic errors, fragmented systems, and insufficient ESG factors. To mitigate the risks posed by these vulnerabilities, the author proposes creating an Adaptive Intelligent System (AIS «Business Partner») for comprehensive partner verification and monitoring. This system will consist of three layers: in-depth data collection from open sources, information processing using machine learning, and an NLP module based on RuBERT for reputation analysis and environmental and social responsibility risks. Preliminary results show that the implementation of this system will enable more accurate risk forecasting (up to 90 %), significantly speed up audits (by 79 %), and prevent significant losses.