Екатерина Юрьевна ВОРОНОВАответственный автор, доктор экономических наук, профессор, заведующая кафедрой учета, статистики и аудита, Московский государственный институт международных отношений (университет) Министерства иностранных дел Российской Федерации (МГИМО МИД России), Москва, Российская Федерация voronovaeu@inno.mgimo.ru https://orcid.org/0000-0003-3176-0128 SPIN-код: 3140-1040
Предмет. Влияние технологий искусственного интеллекта на финансово-экономическую сферу. Цели. Систематизировать технологические детерминанты современного этапа развития ИИ; исследовать макроэкономические эффекты – производительность, рынок труда, конкурентную динамику; охарактеризовать трансформацию профессиональной деятельности в бухгалтерском учете и аудите через призму пяти этапов автоматизации; выявить стимулы и барьеры внедрения ИИ; провести сравнительный анализ концептуальных моделей нормативного регулирования с детализацией российской регуляторной эволюции. Методология. Применялись методы сравнительного анализа, систематизации и классификации. При изучении регуляторных моделей использовался институциональный подход; для оценки экономических эффектов – критический синтез данных ведущих аналитических организаций и рецензируемой научной литературы. Анализ трансформации профессиональных практик проводился на основе отраслевого подхода. Результаты. Установлено, что современный этап развития ИИ обусловлен конвергенцией трех технологических детерминант: роста вычислительных мощностей, накопления больших данных и демократизации доступа через облачные платформы. В финансово-экономической сфере идентифицированы пять этапов автоматизации. В сфере нормативного регулирования российская гибридная модель претерпевает интенсивную эволюцию – от Указа Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» через шесть функционирующих экспериментальных правовых режимов (2025 г.) к концепции Минцифры России о регулировании искусственного интеллекта до 2030 г. с пятью принципами и четырехуровневой классификацией рисков. Выводы. Реализация потенциала ИИ требует масштабных комплементарных инвестиций. В учетно-аналитической деятельности специалист превращается из субъекта, задающего правила, в партнера интеллектуальной системы. Формирование полицентричного режима управления ИИ при гетерогенности регуляторных моделей требует адаптивных правовых механизмов. Российская модель демонстрирует целенаправленный переход к структурированному правовому регулированию при сохранении принципов технологического суверенитета.
Миславская Н.А. Проблемы применения искусственного интеллекта в бухгалтерском учете // Аудитор. 2021. Т. 7. № 6. С. 52–57. DOI: 10.12737/1998-0701-2021-7-6-52-57 EDN: WGBGRD
Chen Liankun, Lin Minghua, Chen Long. Research on the Impact of Artificial Intelligence on the Development of the Accounting Industry. Frontiers in Business, Economics and Management, 2023, vol. 11, no. 3, pp. 262–266. DOI: 10.54097/fbem.v11i3.13328 EDN: TWICOB
Cho Soohyun, Vasarhelyi M.A., Sun Ting, Zhang Chanyuan. Learning from Machine Learning in Accounting and Assurance. Journal of Emerging Technologies in Accounting, 2020, vol. 17, no. 1, pp. 1–10. DOI: 10.2308/jeta-10718
Sreseli N., Kadagishvili N. Use of Artificial Intelligence for Accounting and Financial Reporting Purposes: A Review of the Key Issues. American International Journal of Business Management (AIJBM), 2023, vol. 6, no. 8, pp. 72–83. URL: Link
Zemánková A. Artificial Intelligence and Blockchain in Audit and Accounting: Literature Review. WSEAS Transactions on Business and Economics, 2019, vol. 16, pp. 568–581. URL: Link
Radu R. Steering the governance of artificial intelligence: national strategies in perspective. Policy and Society, 2021, vol. 40, no. 2, pp. 178–193. DOI: 10.1080/14494035.2021.1929728 EDN: EKXWWR
McCulloch W.S., Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity. Bulletin of Mathematical Biophysics, 1943, vol. 5, no. 4, pp. 115–133. DOI: 10.1007/BF02478259
Turing A.M. Computing Machinery and Intelligence. Mind, 1950, vol. 59, no. 236, pp. 433–460. URL: Link
Newell A., Simon H.A. Computer Science as Empirical Inquiry: Symbols and Search. Communications of the ACM, 1976, vol. 19, no. 3, pp. 113–126. URL: Link
Vaswani A., Shazeer N., Parmar N. et al. Attention Is All You Need. arXiv, 2017, pp. 5998–6008. DOI: 10.48550/arXiv.1706.03762
Mienye I.D., Jere N., Obaido G. et al. Large language models: an overview of foundational architectures, recent trends, and a new taxonomy. Discover Applied Sciences, 2025, vol. 7, no. 1027, pp. 1–35. DOI: 10.1007/s42452-025-07668-w EDN: VNEPTG
Solow R. We'd Better Watch Out. New York Times Book Review, 1987, p. 36.
Autor D., Levy F., Murnane R. The Skill Content of Recent Technological Change: An Empirical Exploration. The Quarterly Journal of Economics, 2003, vol. 118, no. 4, pp. 1279–1333. DOI: 10.1162/003355303322552801
Cottier B., Rahman R., Fattorini L. et al. The Rising Costs of Training Frontier AI Models. arXiv, 2024. DOI: 10.48550/arXiv.2405.21015
Issa H., Sun T., Vasarhelyi M.A. Research Ideas for Artificial Intelligence in Auditing: The Formalization of Audit and Workforce Supplementation. Journal of Emerging Technologies in Accounting, 2016, vol. 13, no. 2, pp. 1–20. DOI: 10.2308/jeta-10511
Zhang A.H. The Promise and Perils of China's Regulation of Artificial Intelligence. Columbia Journal of Transnational Law, 2024, vol. 63, pp. 101–157. URL: Link
