Методология конверсии искусственного интеллекта в задачи поиска новых моделей роста и стратегического управления сложными социально-экономическими системами

В условиях сближения технологической, макроэволюционной и демографической сингулярностей традиционные методы анализа и прогнозирования экономического роста снижают свою эффективность. Информационное перенасыщение во многом обосновывает переход от реактивного управления к превентивному, что ставит перед экономической наукой задачу принципиально нового класса — эффективного обнаружения трендов и конкурентных преимуществ в большом потоке данных.

Цель исследования: формализовать процесс практической актуализации новых моделей экономического роста для сложных социально-экономических систем. Исследование опирается на междисциплинарный синтез: классическую экономическую теорию роста, институциональный подход, методологию стратегирования, теорию сложных систем и математического моделирования, а также современные достижения в области конвергенции труда человека и интеллектуальных машин. В результате предложена универсальная методология стратегического управления, объединяющая девять связанных этапов: многоуровневое сканирование и прогнозирование трендов; OTSW-анализ как инструмент креативного созидания; системное целеполагание; процессный подход к управлению жизненным циклом цепочек увеличения стоимости; метод главных компонент; построение цифровой аналитической инфраструктуры на основе больших данных; математическое моделирование причинно-следственных связей и поиск точек бифуркаций; многоагентная ИИ-поддержка интерпретации и принятия решений; формирование плана трансформации на основе моделирования поведения цифрового двойника.

Методология обеспечивает переход от описания к действию, от корреляции к причинности, от статического планирования к адаптивному управлению. Предложенный алгоритм представляет собой не инструментальную надстройку, а новый подход к стратегическому мышлению, в которой человек и машина выступают партнерами в проектировании будущего. Его значимость заключается в преодолении критических различий: теория и практика, основанные на данных идеи и контекстуальные суждения, проблемы глобального масштаба и практические решения.

Потенциальные сферы применения — уровни национального, регионального и корпоративного управления с акцентом на усиление их образовательного и научно-исследовательского потенциалов.

1. Акаев А. А. Процесс зарождения нового справедливого многополярного мироустройства и перспективы его становления // Век глобализации. 2023. № 3 (47). С. 3–18. DOI 10.30884/vglob/2023.03.01.

2. Акаев А. А., Ильин И. В., Коротаев А. В. Мир стоит на пороге эпохи технологической сингулярности. Как изменятся тренды базовых глобальных процессов и эволюция человечества // Вестник Российской академии наук. 2025. № 9. С. 3–15. DOI 10.7868/S3034520025090014.

3. Акаев А. А., Садовничий В. А. Математические модели для прогнозирования большого цифрового цикла развития мировой экономики (2020–2050 гг.). М. : Изд-во Московского университета, 2023. 675 с.

4. Асемоглу Д., Робинсон Д. Почему одни страны богатые, а другие бедные: происхождение власти, процветания и нищеты. М. : АСТ, 2019. 692 с.

5. Бахтизин А. Р. Вопросы прогнозирования в современных условиях // Экономическое возрождение России. 2023. № 2 (76). С. 53–62. DOI 10.37930/1990-9780-2023-2(76)-53-62.

6. Журавлев Д. М. Стратегирование цифровой трансформации сложных социально-экономических систем : монография / под науч. ред. В. Л. Квинта. СПб. : ИПЦ СЗИУ РАНХиГС, 2024. 352 с.

7. Журавлев Д. М., Троценко А. Н., Чаадаев В. К., Михеев Е. Б. Методы исследования сложных социально-экономических систем для проведения цифровой трансформации // Экономический анализ: теория и практика. 2025. Т. 24, № 6. С. 4–21. DOI 10.24891/pyikvc.

8. Журавлев Д. М., Чаадаев В. К. Моделирование процессов сложной социально-экономической системы при выборе стратегических приоритетов развития // Стратегирование: теория и практика. 2023. Т. 3, № 1 (7). С. 1–20. DOI 10.21603/2782-2435-2023-3-1-1-20.

9. Журавлев Д. М., Чаадаев В. К. Стратегические инструменты роста промышленного сектора экономики в условиях шестого большого цикла Кондратьева // Экономика промышленности. 2023. № 16 (3). С. 253–262. DOI 10.17073/2072-1633-2023-3-253-262.

10. Капелюшников Р. И. Искусственный интеллект и проблема сингулярности в экономике // Вопросы экономики. 2025. № 5. С. 5–45. DOI 10.32609/0042-8736-2025-5-5-45.

11. Квинт В. Л. Концепция стратегирования : монография. Кемерово : Кемеровский государственный университет, 2020. 170 с.

12. Квинт В. Л. Мудрость стратега. М. : Издательство ЯникО, 2024. 144 с.

13. Квинт В. Л. Разработка стратегии: мониторинг и прогнозирование внутренней и внешней среды // Управленческое консультирование. 2015. № 7 (79). С. 6–11.

14. Квинт В. Л., Хворостянная А. С., Сасаев Н. И. Авангардные технологии в процессе стратегирования // Экономика и управление. 2020. Т. 26б, № 11. С. 1170–1179. DOI 10.35854/1998-1627-2020-11-1170-1179.

15. Кириченко А. О., Золкин А. Л., Свердликова Е. А., Подолько П. М. Методы и возможности применения искусственного интеллекта в анализе экономических тенденций // Прикладные экономические исследования. 2024. № 1. С. 177–184. DOI 10.47576/2949-1908.2024.1.1.022.

16. Клейнер Г. Б. Интеллектуальная экономика цифрового века. Цифровой век: шаги эволюции // Экономика и математические методы. 2020. Т. 56, № 1. С. 18–33. DOI 10.31857/ S042473880008562-7.

17. Козко А. И., Лужина Л. М., Попов А. Ю., Чирский В. Г. Об идеальной экономической ситуации — росте капитала и функции потребления в некоторых моделях экономического роста // Чебышевский сборник. 2023. Т. 24, № 2 (88). С. 256–265. DOI 10.22405/2226-8383-2023-24-2-256-265.

18. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д., Сидоренко М. Ю., Хабриев Б. Р. Агент-ориентированные модели. М. : ФГБОУВО «Государственный академический университет гуманитарных наук», 2022. 196 с.

19. Методы математического моделирования, автоматизация обработки наблюдений и их применения : Сб. тр. фак. вычисл. математики и кибернетики МГУ / под ред. А. Н. Тихонова, А. А. Самарского. М. : Изд-во МГУ, 1986. 279 с.

20. Некипелов А. Д. О возможности формирования обновленной парадигмы теорий индивидуального и группового выбора // Экономика Северо-Запада: проблемы и перспективы развития. 2024. № 1 (76). С. 33–43. DOI 10.52897/2411-4588-2024-1-33-43.

21. Самарский А. А. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд., испр. М. : Физматлит, 2001. 316 с.

22. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. М. : Наука, 1974. 223 с.

23. Черникова И. В. К вопросу о понимании типов научной рациональности: сравнительный анализ категориального каркаса // Вестник Томского государственного университета. Философия. Социология. Политология. 2024. № 79. С. 41–52. DOI 10.17223/1998863X/79/5.

24. Юревич М. А., Екимова Н. А., Балацкий Е. В. Цифровая трансформация экономической науки // Информационное общество. 2020. № 2. С. 39–47.

25. Bateson G. Steps to an Ecology of Mind: Collected Essays in Anthropology, Psychiatry, Evolution, and Epistemology. Chicago: University of Chicago Press, 2000. 533 p.

26. Davenport T. H., Ronanki R. Artificial intelligence for the real word // Harvard business rev. 2018. Vol. 96, N 1/2. P. 108–116. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world.

27. Kahneman D., Sibony O., Cass R., Sunstein C. R. Noise: A Flaw in Human Judgment. New York: Little, Brown Spark, 2021. 464 p.

28. Kvint V. L. Konzepte der Strategie: Impulse für Führungskräfte. Munchen: UVK Verlag, 2021. 128 s.

29. Lukianenko D., Simakhova A. Artificial Intelligence in the Scientific and Technological Paradigm of Global Economy // Problemy Ekorozwoju. 2024. Vol. 19, N 2. P. 55–65. DOI 10.35784/preko.6256.

30. Malone T. W. Superminds: The Surprising Power of People and Computers Thinking Together. New York: Little, Brown and Company, 2018. 384 p.

31. Mihaescu M. Big Data and (the New?) Reality // American, British and Canadian Studies. 2023. Vol. 41, N 1. P. 208–231. DOI 10.2478/abcsj-2023-0026.

32. Saber T., Naeher D., Bendechache M. Intelligent computational methods for economics // Expert Systems. 2024. Vol. 41, N 2. DOI 10.1111/exsy.13523.

33. Simerson B. K. Strategic Planning: A Practical Guide to Strategy Formulation and Execution. Santa Barbara: Praeger, 2011. 296 p.

34. Solow R. M. Technical Change and the Aggregate Production Function // The Review of Economics and Statistics. 1957. Vol. 39. N 3. P. 312–320. DOI 10.2307/1926047.

35. Suleymanova A. N., Zangieva I. K. Selection of factor extraction methods in complicated research contexts: practice recommendations // Tomsk State University Journal of Philosophy, Sociology and Political Science. 2022. N 69. P. 152–160. DOI 10.17223/1998863X/69/16.

36. Vergara-Romero A. Challenges and stakes of artificial intelligence in economic sciences // Amazonia Investiga. 2023. Vol. 12, N 64. P. 7–8. DOI 10.34069/ai/2023.64.04.0.