Введение (Introduction) В период 2023–2026 гг. банковский сектор России переживает интенсивную цифровую трансформацию, где главным ускорителем процессов выступает искусственный интеллект (далее – ИИ). Повышение эффективности труда перестало быть опцией – это необходимое условие для сохранения конкурентоспособности. Вместе с тем системные обобщения реальных результатов от внедрения ИИ, связанных с этим рисков и сдвигов в структуре занятости пока недостаточны. Как отмечено в докладе Аналитического центра «Форум», интеграция ИИ в финансовую сферу требует не только технологических решений, но и проработанной нормативной базы, прежде всего – распределения ответственности за действия алгоритмов [1]. Международные данные McKinsey & Company свидетельствуют, что банки Азии активно внедряют «агентный ИИ», при котором автономные программы берут на себя многошаговые операции, что многократно ускоряет работу внутренних подразделений [2]. Агентный ИИ (Agentic AI) – это тип систем искусственного интеллекта, способных действовать автономно: ставить цели, разбивать их на задачи, планировать действия и самостоятельно использовать инструменты (базы данных, API, другие программы) для получения результата ↳Читать далее

Введение. Автоматическая сегментация болезней растений по изображениям листьев является важной задачей для своевременного выявления очагов инфекции и точечного применения средств защиты. Однако большинство существующих моделей обучаются на датасетах, собранных в лабораторных или тепличных условиях (например, PlantVillage), где фон однороден, освещение контролируется, а растения находятся в стандартной фазе роста. При переносе таких моделей на реальные поля возникает доменный сдвиг, вызванный изменением фона (почва, другие растения), вариациями освещения (солнечный свет, тени), погодными условиями (дождь, роса) и различиями в сортах или возрастах растений. Это приводит к значительному снижению точности сегментации — в ряде работ зафиксировано падение метрики mAP более чем на 15% даже при использовании продвинутых методов адаптации, а для лёгких свёрточных сетей потеря точности может достигать 70% [1, 2]. Высокая точность на идеальных датасетах, таким образом, не гарантирует пригодности модели для реальных сельскохозяйственных применений. Традиционные методы борьбы с доменным сдвигом, такие как аугментация данных (повороты, изменение яркости, добавление шума) и адаптация доменов ↳Читать далее

Введение Белорусские организации всё чаще сталкиваются с ростом нагрузки на офисных служащих. Как показано в исследовании, около 50 % рабочего времени используется на выполнение рутинных задач, а доля отработанного времени в структуре календарного фонда сократилась с 62,3% в 2019 году до 61,6% в 2023 году [1]. Исходя из этого, одним из стратегических ресурсов повышения производительности труда становится внедрение ИИ-ассистентов. При помощи расчётов было установлено, что использование ИИ позволяет освободить от 15 до 17 часов рабочего времени в месяц, а прирост производительности достигает около 8,9% [3]. Однако, необходимо учитывать не только вероятную экономию времени сотрудника в месяц, но и условие надёжности использования ИИ-ассистента. Технические сбои, ошибки при обработке запросов, случаи вынужденного ручного вмешательства могут привести к дополнительной потери времени, что уменьшает ожидаемый эффект. В данном исследовании на основе фактических данных производятся расчёты вероятностей при разном количестве сбоев системы, что позволяет более точно проанализировать риски и обосновать значимость внедрения ИИ -ассистента в ↳Читать далее

Введение. В настоящее время нехватка специалистов с нужным уровнем квалификации стала одной из главных проблем в экономике Беларуси. Возможности для найма новых сотрудников практически исчерпаны, поэтому компании делают ставку на автоматизацию. Офисные службы тратят много времени на рутинные операции: сбор данных, заполнение форм и ведение переписки. Внедрение ИИ-ассистентов выступает перспективным инструментом оптимизации данных процессов. Однако, чтобы оценить эффективность и пользу новых технологий, необходимо дать им математическое обоснование. В данной работе обосновывается целесообразность внедрения ИИ с помощью аппарата теории вероятностей. В качестве базовой модели выбрано показательное распределение, позволяющее описать динамику обработки запросов как случайный процесс. Целью исследования является количественная оценка влияния ИИ на производительность труда. Проводится сравнительный анализ временных параметров обработки задач до и после внедрения цифровых решений. Это позволяет выявить скрытые резервы повышения эффективности интеллектуального труда. Основная часть. По данным Национального статистического комитета, уровень занятости населения в трудоспособном возрасте в Республике Беларусь по итогам 2025 года составил 85,1% (рисунок 1). ↳Читать далее

Введение. В современных условиях цифровое преобразование выступает одним из главных двигателей глобальной экономики и промышленного сектора. Интенсивное внедрение инфокоммуникационных технологий, искусственного интеллекта, массивов данных и производственного интернета вещей задаёт новые принципы организации выпуска продукции и управления компаниями. Как следствие, осуществляется переход к парадигме «Четвёртая промышленная революция», которая строится на слиянии цифровых решений с производственными операциями. Цифровизация индустрии ведёт к росту эффективности труда, сокращению расходов, улучшению характеристик продукции и усилению рыночных позиций компаний. Вместе с тем цифровая трансформация требует серьёзных вложений, формирования мощной цифровой базы и подготовки специалистов высокой квалификации. Поэтому всё более значимым становится изучение текущего положения цифровизации в промышленности, определение центральных направлений её развития, а также анализ выгод и барьеров, связанных с внедрением цифровых решений. Задача данного исследования заключается в анализе текущего положения цифровой трансформации индустрии, рассмотрении основных технологий этого процесса, а также выявлении ключевых итогов и трудностей, связанных с их применением в производственной сфере. Объектом исследования являются процессы ↳Читать далее

В современных условиях цифровая трансформация становится ключевым фактором повышения эффективности внешнеэкономической деятельности (ВЭД) промышленных предприятий. Республика Беларусь является открытой экономикой с высокой долей торговли в ВВП и активным экспортом промышленной продукции и услуг, включая технологии и ИТ‑сервисы. Искусственный интеллект (ИИ) представляет собой совокупность методов и систем, способных автоматизировать анализ данных и принятие решений на основе алгоритмов машинного обучения и обработки больших массивов информации [2]. Савинов Ю.А. отмечает, что в мировой практике ИИ активно применяется в международной торговле для прогнозирования спроса, оптимизации логистики, развития цифровых торговых платформ и управления цепочками поставок [3]. В контексте ВЭД это означает возможность снижения транзакционных издержек, повышения прозрачности процедур и ускорения обработки международных операций. В Беларуси применение ИИ на государственном уровне становится частью национальной стратегии цифрового развития; государственные учреждения демонстрируют примеры внедрения ИИ в аналитические процессы и взаимодействие с бизнес‑средой [4]. Однако уровень внедрения ИИ в экономике и международной торговле остаётся неоднородным: значительная часть предприятий только ↳Читать далее

Введение. В современных условиях развития мировой экономики цифровизация выступает ключевым фактором повышения конкурентоспособности национальных хозяйственных систем. Под цифровой трансформацией промышленности понимается комплексное изменение производственных, управленческих и бизнес-процессов на основе внедрения цифровых технологий, обеспечивающее рост эффективности, гибкости и инновационности производства [1]. Цифровизация отражает процесс интеграции информационно-коммуникационных технологий (ИКТ) во все сферы хозяйственной деятельности, формируя так называемую цифровую экономику – систему экономических отношений, основанных на использовании данных как ключевого ресурса. Целью исследования является выявление и оценка социально-экономических эффектов цифровой трансформации промышленности Республики Беларусь в контексте изменений организации осуществления внешнеэкономической деятельности. Объекты и методы исследования. Объектом исследования выступает промышленный сектор Республики Беларусь. Предмет исследования – социально-экономические эффекты цифровой трансформации промышленности в условиях изменения внешнеэкономической деятельности. В работе использованы следующие методы: экономико-статистический анализ; сравнительный анализ; метод обобщения; анализ официальных статистических данных. Информационной базой исследования послужили данные Белстата, материалы государственных программ и научные публикации. Результаты и обсуждение. Основой цифровой трансформации промышленности является парадигма «Индустрия 4.0», ↳Читать далее

Введение Цифровая трансформация экономики привела к фундаментальным изменениям в структуре розничной торговли. Доминирование маркетплейсов (Wildberries, Ozon, Яндекс Маркет) сформировало новую реальность, в которой доступ к многомиллионной аудитории получили не только крупные ритейлеры, но и частные лица. В этих условиях особую популярность приобрела бизнес-модель дропшиппинга (прямых поставок), позволяющая осуществлять торговлю без закупки и хранения товара. Дропшиппинг (от англ. drop shipping — прямая поставка) представляет собой модель розничной торговли, при которой продавец (дропшиппер) принимает заказы от покупателей, но не хранит товар у себя, передавая информацию о заказе поставщику, который напрямую отправляет продукцию клиенту. Классическая схема включает цепочку: покупатель → продавец (оплата) → продавец → поставщик (заказ) → поставщик → покупатель (товар). Доход формируется за счет разницы между закупочной и розничной ценой. Ключевое преимущество данной модели для начинающих предпринимателей заключается в отсутствии необходимости закупать товарные партии, арендовать складские помещения и нанимать персонал для логистики. Для запуска бизнеса достаточно компьютера с доступом в интернет, ↳Читать далее

Киберионика — новое стремительно развивающееся научное направление. Его предметом считаются социальные и другие сопутствующие явления, связанные с внедрением искусственного интеллекта в различные технологии и сферы деятельности. Изначально термин «киберионика» возник в медицинской биоинженерии [3], но постепенно изменил своё значение. Хотя он вызывает ассоциации с кибернетикой и бионикой, по сути стал их антиподом. Стартовым принципом киберионики считается эволюционный креационизм. Этот термин тоже прошёл свою «эволюцию». Изначально это было направление креационизма, не отвергавшее возможность эволюции (т.е. изменяемости форм во времени), но утверждавшее, что начальным толчком к каждому такому изменению и(или) пусковым моментом всего развития являлся акт творения («Божественное вмешательство»). Теологическая форма креационизма приписывала акт творения единому и всемогущему «Богу». Термин «теистическая эволюция» (Theistic evolution)  ввёл Ю. Скотт, обобщивший давнюю идею, будто «Бог-творец» использовал эволюцию ради осуществления своего плана [2]. И.Ю. Попов противопоставил такому подходу ортогенез («концепции направленной эволюции») и подготовил добротный обзор [5] предшествовавших работ по этой тематике. Современная трактовка эволюционного креационизма ↳Читать далее

В условиях формирования цифровой экономики и динамичного развития технологий четвертого промышленного уклада конкурентоспособность компаний все в большей степени определяется качеством управления их логистическими цепочками. Из сферы вспомогательных операционных издержек логистика трансформируется в стратегический актив, чья эффективность усиливается за счёт внедрения интернета вещей, обработки больших данных, алгоритмов искусственного интеллекта и средств автоматизации. Лидеры рынка последовательно внедряют роботизированные складские комплексы, беспилотный транспорт и распределённые реестры для формирования полностью автоматизированных и прозрачных систем поставок. Тем не менее, для значительного числа российских предприятий, в частности в сегментах розничной торговли и дистрибуции, комплексная цифровая трансформация сопряжена со значительными трудностями. Высокие капитальные требования, продолжительные сроки окупаемости, необходимость глубинной реорганизации процессов и дефицит квалифицированных кадров формируют серьёзные барьеры для реализации масштабных технологических проектов. В этой связи актуализируется запрос на более адаптивную стратегию — тактическую цифровизацию. В отличие от полномасштабной модернизации инфраструктуры, данный подход ориентирован на адресное решение конкретных операционных проблем с применением простых, быстрых в развёртывании и ↳Читать далее