XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

ВВЕДЕНИЕ

Каждый день приносит новые технологические прорывы и переписывает стандартные правила. Бизнес-ландшафт напоминает постоянно меняющуюся головоломку. Сегодня операционный менеджмент сталкивается с колоссальными вызовами: рынки пульсируют с невиданной динамичностью, стирая географические границы благодаря глобализации, а конкуренция обостряется до предела, заставляя бороться за каждого клиента. И, конечно же, все вызовы сопровождаются потоком данных, который обрушивается на компании, требуя немедленной обработки. В таких условиях традиционные подходы, какими бы надежными они ни были, уже не способны обеспечить тот уровень эффективности и гибкости, который необходим для выживания и процветания. Искусственный интеллект- это шанс не только поднять эффективность, но и радикально улучшить качество продуктов и услуг, превосходя ожидания даже самых взыскательных потребителей. Он дает возможность не просто реагировать на изменения, а предвидеть их, превращая вызовы в ступени к новым достижениям.

Основная цель заключается в комплексном анализе применения искусственного интеллекта в операционном менеджменте. В рамках данного анализа будут выявлены его ключевые возможности, обозначены потенциальные вызовы, а также оценены перспективные направления развития для современных предприятий.

Для достижения поставленной цели были определены следующие задачи:

- Рассмотреть теоретические основы взаимосвязи между искусственным интеллектом и операционным менеджментом.

- Описать ключевые области применения искусственного интеллекта в операционном менеджменте.

- Провести анализ возможностей и недостатков использования искусственного интеллекта.

- Определить основные вызовы и риски внедрения интеллектуальных систем для обеспечения успешной имплементации.

1. Основные понятия операционного менеджмента

Операционный менеджмент является центральной функцией любого предприятия, независимо от его масштаба и отраслевой принадлежности. Он представляет собой систему, координирующую все процессы трансформации входящих ресурсов в готовые продукты или услуги. «Операционный менеджмент сосредоточен только на основной деятельности. Его процессы фокусируются на том, чтобы планировать и контролировать ресурсы компании, которые нужны для её главных бизнес-процессов» [1].

Таблица 1:

Ключевые цели операционного менеджмента

Цель	Характеристика
Эффективность	Рациональное использование ресурсов для достижения максимального объема выпуска при минимизации потерь (отходов, времени, затрат)
Качество	Способность продукта или услуги соответствовать или превосходить установленные требования и ожидания потребителей
Скорость	Оперативное реагирование на рыночные изменения, сокращение времени выхода продукта на рынок, ускорение выполнения заказов и своевременное устранение возникающих проблем
Гибкость	Способность операционной системы адаптироваться к изменяющимся внешним и внутренним условиям
Надежность	Стабильность и предсказуемость в выполнении установленных обязательств

Исторически операционный менеджмент основывался на традиционных подходах. К ним относились ручной анализ данных, планирование на основе ретроспективного опыта и визуального контроля. Однако, несмотря на свою несомненную значимость, в условиях развития мирового рынка данные подходы начали выявлять ряд ограничений. Традиционные методологии, характеризующиеся зависимостью от человеческого фактора, не способны эффективно справляться с возрастающими объемами и скоростью генерации данных.

ООО "СтройМонтажСервис"- небольшая строительно-монтажная компания из регионального центра. Работая более 10 лет, компания известна своей надежностью, но не скоростью, что напрямую связано с её традиционными методами операционного менеджмента. Планирование проектов и графиков работ ведется прорабами вручную, опираясь на личный опыт и интуицию, часто в Excel или даже на бумаге. Как следствие, это приводит к неточностям в прогнозах, частым задержкам из-за сбоев в поставках или неверной последовательности работ. Управление закупками материалов также неэффективно: заявки формируются "по факту" или "с запасом" без анализа рынка, а складской учет ведется несвоевременно, что, соответственно, приводит к перерасходу средств на излишние запасы и их порчу. Эти ручные методы делают "СтройМонтажСервис" неэффективной, вызывая потери выручки из-за срывов сроков, штрафов, переплат за материалы, простоев и неоптимальной логистики. Задержки и отсутствие системности портят репутацию, ограничивают рост и не позволяют компании масштабироваться, поскольку её управленческий персонал перегружен рутиной. Для преодоления этих ограничений и повышения конкурентоспособности, "СтройМонтажСервис" остро нуждается в переходе на современные методологии с применением ИИ, который мог бы автоматизировать прогнозирование, планирование, управление ресурсами и контроль, значительно обеспечив устойчивый рост в условиях современного рынка.

2. Искусственный интеллект и его ключевые технологии для операционного менеджмента

Искусственный интеллект, по своей сути, представляет собой область компьютерных наук, направленную на создание систем, способных имитировать когнитивные функции человека. Это не просто набор отдельных инструментов, а комплексная экосистема взаимосвязанных технологий, каждая из которых обладает уникальным потенциалом для трансформации операционного менеджмента. «В юридической практике его использование повысило эффективность от 30 до 140%, в колл‑центрах - на 14%, в консалтинге увеличило скорость работы на 25%, а качество решений - почти на 40%, в маркетинге экономия времени на генерацию текстов составила более 11 часов в неделю» [2].

Рисунок 1:

Искусственный интеллект в операционном менеджменте

Совокупное применение этих технологий преобразует операционный менеджмент, смещая акцент с исторически ориентированного на предиктивное управление. ИИ позволяет не просто объяснять, почему что-то произошло, но и предвидеть, что произойдет дальше, и предпринять меры до того, как проблема возникнет.

Таким образом, искусственный интеллект не просто автоматизирует, а интеллектуализирует операционные процессы, позволяя компаниям максимально эффективно развиваться.

3. Ключевые области применения ИИ в операционном менеджменте

Алгоритмы машинного обучения способны анализировать огромные объемы структурированных и неструктурированных данных. Они выявляют тонкие, неочевидные взаимосвязи, недоступные человеку или традиционным методам. Так компании оптимизируют производственные графики, минимизируют перепроизводство и дефицит товаров, сокращают операционные издержки и повышают общую удовлетворенность клиентов.

В логистике алгоритмы машинного обучения используются для динамической оптимизации маршрутов, учитывая в реальном времени такие переменные, как дорожный трафик, погодные условия, загруженность транспортных узлов и сроки доставки. Таким образом сокращается время в пути, расход топлива и общие логистические затраты. Предиктивное управление запасами, основанное на ИИ-прогнозах, позволяет поддерживать оптимальные уровни складских остатков. Такие ИИ-подходы способствуют существенному снижению операционных затрат и времени доставки, одновременно повышая общую устойчивость и адаптивность всей цепи поставок, что детально иллюстрирует таблица 2.

Таблица 2:

Влияние искусственного интеллекта на ключевые аспекты управления цепями поставок

Аспект управления цепями поставок	Влияние ИИ	Преимущества
Прогнозирование спроса	Анализ огромных объемов данных для создания высокоточных прогнозов	Снижение ошибок прогнозирования, минимизация избыточных запасов и дефицита товаров, оптимизация производственных планов
Управление запасами	Динамическое определение оптимальных уровней запасов, точек перезаказа, с учетом сезонности, акций, рисков и колебаний спроса	Сокращение затрат на хранение, повышение оборачиваемости запасов, снижение риска устаревания товаров, предотвращение дефицита
Закупки и взаимодействие с поставщиками	Автоматизация выбора и оценки поставщиков, мониторинг их производительности и надежности, анализ контрактной документации	Улучшение качества поставок, снижение рисков сбоев, оптимизация затрат на закупки, повышение прозрачности цепочки
Логистика и транспортировка	Оптимизация маршрутов и расписаний доставки, планирование загрузки транспортных средств	Снижение транспортных расходов, сокращение времени доставки
Управление рисками и устойчивость	Идентификация потенциальных сбоев	Повышение устойчивости цепи поставок к внешним шокам, быстрое реагирование на кризисы, минимизация финансовых потерь

Автоматизация процессов и робототехника являются еще одной сферой применения ИИ, радикально меняющей операционные процессы. Роботизированная автоматизация процессов несет абсолютные преимущества для рутинных офисных задач, которые не требуют сложного когнитивного анализа. Программные роботы могут имитировать действия человека: вводить данные, обрабатывать счета, генерировать отчеты, взаимодействовать с различными программными системами, выполняя задачи быстрее, точнее и без ошибок. На производстве и складах физическая робототехника также переживает революцию благодаря искусственному интеллекту. Коллаборативные роботы работают бок о бок с людьми, выполняя монотонные или физически тяжелые операции, повышая производительность и безопасность. Все эти технологии значительно повышают скорость выполнения операций, точность, снижают операционные затраты и, что немаловажно, освобождают квалифицированный персонал от монотонных задач, позволяя им сосредоточиться на более сложных, стратегических и креативных аспектах работы.

На основе точных прогнозов спроса и анализа множества факторов, ИИ-системы могут в реальном времени рассчитывать оптимальное количество каждого товара на складе. Эти системы также способны прогнозировать устаревание товаров, идентифицируя продукты, спрос на которые снижается или скоро истечет срок годности, и рекомендуя меры для их быстрой реализации. Более того, ИИ автоматизирует процессы пополнения запасов, генерируя заказы поставщикам при достижении определенных пороговых значений, а также оптимизирует перераспределение товаров между различными складами или торговыми точками для максимального соответствия локальному спросу.

4. Вызовы и риски внедрения ИИ в операционный менеджмент

Внедрение искусственного интеллекта обещает революционные изменения в операционном менеджменте, открывая новые горизонты для эффективности, оптимизации и инноваций. Однако, как и любая трансформирующая технология, ИИ сопряжен с рядом значительных вызовов и рисков, которые требуют тщательного планирования.

На рынке труда наблюдается острый дефицит специалистов по данным, инженеров машинного обучения, AI-архитекторов и даже бизнес-аналитиков, способных переводить бизнес-задачи на язык ИИ. Привлечение и удержание таких высококвалифицированных специалистов является дорогостоящим и конкурентным вызовом.

Внедрение ИИ неизбежно меняет рабочие процессы, роли и ответственность. Это часто вызывает сопротивление у сотрудников, обусловленное страхом потери работы, недоверием к новым технологиям, опасениями по поводу своей способности освоить новые инструменты или просто дискомфортом от выхода из зоны комфорта. Отсутствие четкой коммуникации и вовлеченности может подорвать инициативы по внедрению искусственного интеллекта. Даже если искусственный интеллект не приводит к прямой потере рабочих мест, он требует от сотрудников развития новых навыков для работы с интеллектуальными системами. Операторам, менеджерам и даже руководителям потребуется понимать принципы работы ИИ, уметь интерпретировать его выводы, принимать решения на основе рекомендаций ИИ и эффективно взаимодействовать с ним.

В конечном итоге, любое внедрение технологии должно быть экономически оправдано, но с ИИ это не всегда просто. Инвестиции в ИИ включают не только покупку программного обеспечения или разработку моделей, но и значительные затраты на инфраструктуру, наем и обучение персонала, интеграцию, а также на постоянное обслуживание, мониторинг и обновление систем. Эти затраты могут быть очень высокими, особенно для малых и средних предприятий.

Таблица 3:

Основные вызовы и риски при внедрении ИИ в операционный менеджмент и стратегии их минимизации

Категория вызова	Конкретный вызов	Стратегии минимизации
1. Технологические проблемы	Низкое качество и доступность данных	Внедрение стратегии управления данными, стандартизация данных, построение единых хранилищ
	Сложность интеграции с существующими ИТ-системами	Разработка интеграционных платформ, модульный подход к архитектуре ИИ-решений, поэтапное внедрение
	Необходимость масштабируемой инфраструктуры	Использование облачных решений, постепенное наращивание мощностей
2. Человеческий фактор и организационные изменения	Дефицит квалифицированных кадров	Внутреннее обучение и переквалификация персонала, партнерство с университетами
	Сопротивление изменениям со стороны персонала	Прозрачная коммуникация о целях и выгодах ИИ, вовлечение сотрудников в процесс разработки и тестирования
3. Этические, правовые и безопасные аспекты	Конфиденциальность данных и их защита	Внедрение строгих политик безопасности данных, использование шифрования
	Вопросы ответственности за решения ИИ	Разработка внутренних политик ответственности, четкое определение ролей и зон ответственности
	Кибербезопасность	Внедрение усиленных мер кибербезопасности, регулярные тесты на проникновение, ИИ для обнаружения угроз
4. Экономические аспекты	Высокая стоимость внедрения и поддержки	Поэтапное внедрение, использование открытого исходного кода

Только таким образом организации смогут не только минимизировать риски, но и в полной мере раскрыть преобразующий потенциал ИИ для достижения операционного превосходства и устойчивого развития.

5. Дальнейшее развитие ИИ-технологий

Дальнейшее развитие ИИ обещает принести существенные инновации в саму структуру и функционирование операционных процессов, повышая их устойчивость, адаптивность и эффективность. Одной из наиболее значимых перспектив является переход к полностью автономным операционным системам. Речь идет о создании интеллектуальных комплексов, способных самостоятельно мониторить всю цепочку поставок, производственные процессы или логистические операции, выявлять аномалии, принимать решения и выполнять корректирующие действия в реальном времени без прямого вмешательства человека. Такие системы будут обладать способностью к самообучению и адаптации к постоянно меняющимся условиям, оптимизируя ресурсы, предвидя сбои и динамически перестраивая процессы. Например, автономная фабрика сможет самостоятельно распределять производственные задания, обслуживать оборудование по предиктивному графику и даже заказывать сырье, реагируя на изменение спроса или доступности ресурсов.

Будущее ИИ в операционном менеджменте не сводится к полной замене человека, а скорее к созданию мощных когнитивных помощников, которые будут значительно улучшать взаимодействие между человеком и машиной. Они освободят менеджеров от рутинных задач сбора и анализа данных, позволяя им сосредоточиться на стратегическом планировании, творчестве, управлении отношениями и сложных нестандартных проблемах. Например, ИИ-помощник сможет в реальном времени анализировать данные о цепи поставок, предупреждать менеджера о потенциальных рисках задержек и предлагать несколько вариантов обходных путей с просчетом их стоимости и эффективности, позволяя человеку принимать информированные и взвешенные решения. Это приведет к усилению человеческих способностей, повышению качества решений и созданию более адаптивной и эффективной рабочей среды.

ЗАКЛЮЧЕНИЕ

На протяжении данного исследования мы подробно рассмотрели, как искусственный интеллект становится фундаментом современного операционного менеджмента. ИИ не просто автоматизирует рутинные задачи, он предлагает глубокие аналитические инсайты, предвосхищает риски и открывает пути к принятию решений на качественно новом уровне, что ведет к существенному повышению производительности, сокращению издержек и улучшению качества обслуживания клиентов. Однако путь к полному раскрытию потенциала ИИ не лишен значительных вызовов. От необходимости обеспечения высокого качества данных и сложности интеграции с устаревшими ИТ-системами до дефицита квалифицированных кадров, сопротивления изменениям со стороны персонала, а также критически важных этических, правовых и кибербезопасных аспектов. Мы также подчеркнули существенные экономические вложения и трудности в расчете прямой отдачи от инвестиций, что делает проекты ИИ весьма требовательными к управлению.

Тем не менее, заглядывая в будущее, становится очевидным, что ИИ продолжит эволюционировать, предоставляя еще более мощные инструменты. ИИ готов перевести операционный менеджмент из реактивного состояния в проактивное, позволяя организациям предвидеть изменения, быстро адаптироваться и внедрять инновации с беспрецедентной скоростью.

Ключ к успеху заключается в осознанной адаптации, инвестициях не только в технологии, но и в человеческий капитал, в развитии гибкой корпоративной культуры, способной принимать изменения, и в разработке четких этических рамок. Только комплексный, взвешенный и дальновидный подход позволит компаниям преодолеть вызовы, использовать преобразующую силу ИИ и занять лидирующие позиции в новой эре интеллектуального операционного менеджмента.

СПИСОК ИСТОЧНИКОВ

1. Операционный менеджмент — что это такое, как он работает и какие навыки нужны менеджерам //URL: https://skillbox.ru/media/management/operatsionnyy-menedzhment-chto-eto-takoe-kak-on-rabotaet-i-kakie-navyki-nuzhny-menedzheram/

2. Искусственный интеллект в бизнесе //URL: https://practicum.yandex.ru/b2b/blog/ai-v-biznese/

3. Официальный сайт «СтройМонтажСервис» //URL: https://stroymontazhservic.ru/

4. Шарма Р., Камат Б. и Шарма М. (2020). Искусственный интеллект и машинное обучение в управлении цепочками поставок: обзор. Международный журнал управления логистикой, 31 (2), 335-364.

5. Городнова Наталья Васильевна ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В БИЗНЕС-СФЕРЕ: СОВРЕМЕННОЕ СОСТОЯНИЕ И ПЕРСПЕКТИВЫ // Вопросы инновационной экономики. 2021. №4. URL: https://cyberleninka.ru/article/n/primenenie-iskusstvennogo-intellekta-v-biznes-sfere-sovremennoe-sostoyanie-i-perspektivy (дата обращения: 25.11.2025).

6. Лю, Х., Ванг, Х. и Лим, А. (2021). Искусственный интеллект в управлении запасами: всесторонний обзор. Компьютеры и промышленная инженерия, 157, 107386.

Код для цитирования: Скопировать