Нина Анатольевна СЕРКИНАкандидат экономических наук, доцент кафедры экономики и организации производства, Казанский государственный энергетический университет (КГЭУ), Казань, Российская Федерация ninaserkina@mail.ru ORCID id: отсутствует SPIN-код: 5533-5159
Предмет. Внедрение генеративного искусственного интеллекта в производственные и проектные процессы. Цели. Оценка инвестиционного потенциала генеративного искусственного интеллекта на основе анализа реакции фондового рынка и выявления институциональных факторов, модифицирующих рыночную оценку цифровых инициатив. Методология. В исследовании использованы инструменты анализа событий (event study), корреляционно-регрессионный анализ и контент-анализ нормативных и экспертных материалов. Эмпирическая база сформирована на основе данных о корпоративных анонсах внедрения генеративного искусственного интеллекта компаниями Siemens AG, General Electric и Boeing в 2022–2025 гг. Результаты. Установлено наличие краткосрочной положительной реакции рынка на цифровые инициативы при последующей коррекции в условиях отсутствия оперативной монетизации. Обосновано, что рыночная оценка определяется не масштабом цифровых инвестиций как таковых, а степенью их стратегической интеграции и институциональной согласованности. Предложена авторская классификация барьеров внедрения генеративного искусственного интеллекта с учетом их ESG-чувствительности. Выводы. Результаты исследования могут быть использованы при разработке инвестиционных стратегий и формировании корпоративных программ цифровой трансформации. В частности, идентифицированные ключевые технологические драйверы, такие как промышленный интернет вещей, облачные платформы и предиктивная аналитика, позволяют инвесторам дифференцировать компании не просто по секторам, а по глубине интеграции данных решений в основные бизнес-процессы. Это формирует основу для точечных инвестиционных решений.
Бриньолфссон Э., Макафи Э. Машина, платформа, толпа: как обуздать наше цифровое будущее. М.: Манн, Иванов и Фербер, 2022. 304 с.
Perez C. Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages. Cheltenham, Edward Elgar Publishing, 2002, 224 p.
Teece D.J. Profiting from innovation in the digital economy: Enabling technologies, standards, and licensing models in the wireless world. Research Policy, 2018, vol. 47, iss. 8, pp. 1367–1387. DOI: 10.1016/j.respol.2017.01.015
Agrawal A., Gans J., Goldfarb A. Prediction, judgment and complexity: a theory of decision making and artificial intelligence. NBER Working Paper No. 24243, 2018, 26 p. URL: Link
Brynjolfsson E., Jin W., McElheran K. The power of prediction: predictive analytics, workplace complements, and business performance. Business Economics, 2021, vol. 56, pp. 217–239. DOI: 10.1057/s11369-021-00224-5 EDN: VWDYKA
Raj M., Seamans R. Artificial intelligence, labor, productivity, and the need for firm-level data. In: The economics of artificial intelligence: An agenda. University of Chicago Press, 2018, pp. 553–565.
Acemoglu D., Restrepo P. Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 2019, vol. 33, iss. 2, pp. 3–30. DOI: 10.1257/jep.33.2.3
Аганбегян А.Г. Цифровая модернизация российской экономики: инвестиции в знания и человеческий капитал // Экономическая политика. 2024. № 2. С. 5–25. DOI: 10.31857/S0207367624020017 EDN: XZTUNY
Myers S.C. Determinants of Corporate Borrowing. Journal of Financial Economics, 1977, vol. 5, no. 2, pp. 147–175. DOI: 10.1016/0304-405X(77)90015-0
Varian H. Artificial intelligence, economics, and industrial organization. NBER Working Paper No. 24839, 2018, 24 p. RL: Link
Davenport T.H., Ronanki R. Artificial Intelligence for the Real World. Harvard Business Review, 2016, vol. 96, iss. 1, pp. 108–116. URL: Link
Глазьев С.Ю. Глобальная трансформация через призму смены технологических и мирохозяйственных укладов // AlterEconomics. 2022. Т. 19. № 1. С. 93–115. DOI: 10.31063/AlterEconomics/2022.19-1.6 EDN: MULEYG
Шумпетер Й.А. Теория экономического развития. Капитализм, социализм и демократия. М.: Эксмо, 2007. 862 с.
Полтерович В.М. Институциональные ловушки: есть ли выход? // Общественные науки и современность. 2004. № 3. С. 5–18. EDN: OWOHPR
Клейнер Г.Б. Системная экономика и системно-ориентированное моделирование // Экономика и математические методы. 2013. Т. 49. № 4. С. 71–93. EDN: RIOKKF
Korinek A., Stiglitz J.E. Artificial Intelligence and Its Implications for Income Distribution and Unemployment. NBER Working Paper No. 24174, 2017, 45 p. DOI: 10.3386/w24174
Huang M.H., Rust R.T. A Strategic Framework for Artificial Intelligence in Marketing. Journal of the Academy of Marketing Science, 2021, vol. 49, pp. 30–50. DOI: 10.1007/s11747-020-00749-9 EDN: OSRCFY
