У статті проведено систематизацію та класифікацію різновидів штучного
інтелекту (ШІ) за чотирма критеріями: призначення, технологічність, функціональність,
можливості. Визначено, що найпростіший штучний інтелект вже широко використо вується на промислових підприємствах, а застосування його більш технологічних та
функціональних форм потребує інноваційного дизайну бізнес-процесів. Доведено, що основ ними характеристиками ШІ-орієнтованого дизайну бізнес-процесів є кейсо-залежність,
правило-орієнтування та BigData-інтеграція. Показано, що інноваційний реінжиніринг
бізнес-процесів можна провести за двома схемами: 1) штучний розумний агент підтримує
менеджера при прийнятті управлінських рішень, надаючи необхідну інформацію та/або
рекомендації; 2) штучний розумний агент заміняє менеджера при прийнятті управлінських
рішень, тобто на певній стації прийняття рішень перевагу було віддано машині, а не людині.
На сучасному етапі розвитку технологій мова йде вже про другий варіант впровадження
штучного інтелекту, тобто про прийняття ним певного кола управлінських рішень замість
людини, організацію взаємодії між різними виробничими процесами за його допомогою та без
втручання персоналу підприємства. Проведено класифікацію ризиків, які виникають при
комплексній інтеграції штучного інтелекту в виробничо-управлінські процеси, а також
проаналізовано причини та наслідки їхнього виникнення. Для запобігання або мінімізації
ШІ-ризиків запропоновано використовувати систему ризик-контролінгу, яка є дієвим
інструментом виведення підприємств із зони високих ризиків та підвищення ефективності
будь-якої діяльності. Розроблено контролінговий контур керування для організації
адекватного контролю за ШІ-рішеннями та пов’язаними з ними ризиками. Для цього
рекомендовано використовувати Management Cockpit та/або Controlling Cockpit. За
результатами дослідження зроблено висновки: щодо стану та перспектив впровадження
штучного інтелекту на промисловому підприємстві; причин та наслідків ШІ-ризиків;
застосування контролінгового контуру управління ШІ-ризиками. Подальші дослідження
доцільно проводити стосовно детальної розробки функціоналу наведеного контролінгового
контуру керування, а саме: контролінгових рішень для ефективного та безпечного
використання штучного інтелекту на промисловому підприємстві.
The article is dedicated to challenges of doing business with artificial intelligence (AI). The
current speed development of the AI technologies leads to significant benefits for those who use
them. The variety of the AI technologies was classified according to purpose, technology,
functionality, and capabilities. The simplest AI is already widely used in manufacturing enterprises,
but the application of the higher level AI-technologies and functions requires innovative design of
business processes. Because of the AI-origin and machine learning features the innovative
AI-oriented design of business processes is case-dependent, rule-driven and BigData-integrated. The
innovative reengineering of business processes can be carried out according to two schemes:
1) an artificial intelligent agent supports the manager in making management decisions, providing
the necessary information and/or recommendations; 2) an artificial intelligent agent replaces a
manager when making management decisions. The current technology development leads to
AI-adoption of a certain range of management decisions, organization of interaction between
various production processes without the company’s personnel. The classification of risks arising
from the complex AI-integration into production and management processes has been carried out,
as well as the causes and consequences of their occurrence have been analyzed. To prevent or
minimize AI risks, it is proposed to use a risk-controlling system, which is an effective tool for
removing enterprises from the high-risk zone and improving the efficiency of any activity.The special
control loop is a controlling solution for risk-management and control over AI and the risks
associated with them. Management Cockpit and/or Controlling Cockpit are recommended to
organize adequate control over AI-decissions. Thus, there are important conclusions of the research:
1) AI has a very ambitious perspectives for its further implementation in the business environment;
2) causes and consequences of the AI-risks within organization can harm operational activity,
business security, financial performance and reputational integrity; 3) AI risk-management needs
constant control that can be provided by the control loop and Management Cockpit and/or
Controlling Cockpit. Further research should be conducted to detail the functionality of the given
control loop, namely: controlling solutions for the effective and safe use of AI at an manufacturing
enterprise.
