Articles

ASSESSMENT METHODOLOGY OF IMPACT OF INTELLIGENT SYSTEM OF DECISION SUPPORT ON PUBLIC ADMINISTRATION PROCESSES

Received: 15.01.2026 Published: 15.01.2026

Full text

Abstract

The main purpose of the article is to develop a methodology for assessing the impact of intelligent system of decision support (ISDS) on economic performance of public administration process. On the assumption of the assessments of ISDS in FEB (federal executive body) for five groups of indicators, the author developed a methodology for integrated assessment of ISDS effectiveness in FEB according to the following indicators: cost-performance of ISDS (efficiency), the effects obtained from their implementation (effectiveness), information system quality, risk management of ISDS implementation, (risks), and specialized tools to ensure trust and security. Comparative analysis of FEB AI maturity index and integrated assessment of ISDS effectiveness allow concluding that there is a generally positive, but not linear relationship between organizational maturity and the results of AI solutions implementation. The "efficiency/quality" imbalance was revealed. The components of the efficiency value are higher than the quality assessment, which indicates the priority of economic metrics and the necessity to strengthen the procedures of data quality, trust and regulation in information systems. Decomposition of integral indicator into five groups of criteria (effect/cost effectiveness, efficiency, quality, risk, trust and security) shows that the key factor of leadership is not only high economic returns, but also work infrastructure, standards and trust in AI solutions. The ISDS leaders have a combination of high performance scores (large-scale use of AI in core and management processes), sustainable risk management practices and widespread use of tools, trusted AI solutions complemented by regulations covering a significant proportion of processes. The practical applicability of this matrix model of integrated assessment of ISDS effectiveness is expressed in its high adaptability - as data accumulates, it can be detailed to the level of specific ISDS and formation of targeted management recommendations for their development in the structure of public administration.

Keywords

How to cite

Для цитирования:

Мальшина (Александрова) Н.А. МЕТОДИКА ОЦЕНКИ ВЛИЯНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ПРОЦЕССЫ ГОСУДАРСТВЕННОГО УПРАВЛЕНИЯ // Экономическая среда. 2026. Т. 15, № 1. С. 42–61.

For citation:

Мальшина (Александрова) Н.А. ASSESSMENT METHODOLOGY OF IMPACT OF INTELLIGENT SYSTEM OF DECISION SUPPORT ON PUBLIC ADMINISTRATION PROCESSES // Economic Environment. 2026. Vol. 15, no. 1. P. 42–61.

How to Cite

Мальшина (Александрова) Н.А. ASSESSMENT METHODOLOGY OF IMPACT OF INTELLIGENT SYSTEM OF DECISION SUPPORT ON PUBLIC ADMINISTRATION PROCESSES // Economic Environment. 2026. Vol. 15, no. 1. P. 42–61.

References

  1. 1. Блинова, Ю. Ю. Решение экономических задач матричным методом / Ю. Ю. Блинова, Е. В. Родина // Современные наукоемкие технологии. – 2014. – № 5-2. – С. 140-142. – EDN SALXHF.
  2. 2. Бондаренко, В. А. Опыт использования математических моделей современных экономических исследований в учебном процессе / В. А. Бондаренко, И. И. Мамаев, П. А. Сахнюк, Т. И. Сахнюк // Информационные системы и технологии как фактор развития экономики региона : Международная научно-практическая конференция, Ставрополь, 11–12 марта 2013 года. – Ставрополь: Компания "Бюро новостей", 2013. – С. 233-236. – EDN RKOJLD.
  3. 3. Веселова, Г. О. Бизнес-моделирование как альтернатива традиционным подходам в оценке эффективности государственного управления / Г. О. Веселова // Наука в центральной России. – 2013. – № 10S. – С. 34-38. – EDN RDRBCT.
  4. 4. Голяткина, Л. И. Системы поддержки принятия решений: от Лейбница до искусственного интеллекта / Л. И. Голяткина // Вестник государственного университета Дубна. Серия: Науки о человеке и обществе. – 2023. – № 1. – С. 71-79. – EDN UIOVCN.
  5. 5. Индекс зрелости искусственного интеллекта федеральных органов исполнительной власти Российской Федерации: Аналитический доклад. – Москва : РАНХиГС. 2024. – 124 с. – URL: https://www.z-it.ru/upload/about/Индекс_зрелости_искусственного_интеллекта_федеральных_органов_исполнительной.pdf (дата обращения: 14.08.2025).
  6. 6. Интеллектуальные системы поддержки принятия решений в процессах государственного управления / отв. ред. Сатдыков А.И. – Москва: РАНХиГС, 2025. – с. 470.
  7. 7. Искусственный̆ интеллект для устойчивого развития: Сборник кейсов. 2024 // EGS альянс; Альянс в сфере искусственного интеллекта. – URL: https://esg-a.ru/uploads/research-file/AI%20for%20Good%20Russia%20Casebook%202024%20RUS-1736508708.pdf (дата обращения: 20.08.2025).
  8. 8. Каплан, Р. С. Сбалансированная система показателей: от стратегии к действию / Р. С. Каплан, Д. П. Нортон. – Москва : Олимп-бизнес, 2004. – 294 с. – ISBN 5-901028-55-4.
  9. 9. Клюшникова, Е. В. Методические подходы к расчету интегрального показателя, методы ранжирования / Е. В. Клюшникова, Е. М. Шитова // ИнноЦентр. – 2016. – № 1(10). – С. 4-18. – EDN YHWMIL.
  10. 10. Логинова, Я. А. Использование элементов линейной алгебры в экономических расчётах / Я. А. Логинова, А. Ф. Долгополова // Международный студенческий научный вестник. – 2016. – № 3-3. – С. 393-395. – EDN VYXKHJ.
  11. 11. Мальшина, Н. А. Интегральная оценка эффективности интеллектуальной системы поддержки принятия решений для органов государственного управления / Н. А. Мальшина // Экономическая среда. – 2025. – Т. 14, № 4. – С. 13-33. – DOI 10.22394/ee254.13-33. – EDN JGDGLN.
  12. 12. Мальшина, Н. А. Обоснование гибкой методологии оценки эффективности интеллектуальной системы поддержки принятия решений / Н. А. Мальшина // Экономическое развитие России. – 2025. – Т. 32, № 9. – С. 305-316. – EDN SFADTK.
  13. 13. Мамаев, И. И. Моделирование экономических процессов с использованием методов линейной алгебры / И. И. Мамаев, В. А. Бондаренко // Аграрная наука, творчество, рост, Ставрополь, 08–14 февраля 2013 года. Том 2. – Ставрополь, 2013. – С. 268-271. – EDN RMVPVD.
  14. 14. фон Нейман, Дж. Теория игр и экономическое поведение / Дж. фон Нейман, О. Моргенштерн. – Москва : Главная редакция физико-математической литературы «Наука», 1970. – 708 с.
  15. 15. От цифровизации к интеллектуализации: системное управление инновационным развитием страны / под общей редакцией: Г. Б. Клейнера, С. Е. Щепетовой. – Москва : Научный мир, 2021. – 216 с. – ISBN 978-5-91522-519-9.
  16. 16. Плетняков, В. А. Комплексное применение технологий OLAP и Data Mining для поддержки принятия стратегических решений на мезоуровне экономики / В. А. Плетняков // Управление экономическими системами: электронный научный журнал. – 2012. – № 7(43). – С. 20. – EDN ZWPGQP.
  17. 17. Филатов, Е. А. Использование интегрального метода для анализа эффективности инвестиционной деятельности на примере пятифакторной модели / Е. А. Филатов // Вестник Иркутского государственного технического университета. – 2014. – № 4(87). – С. 220-225. – EDN SBNFVL.
  18. 18. Цапаев, М. А. Эволюция систем поддержки принятия решений / М. А. Цапаев, К. А. Антонян // Экономика и социум. – 2019. – № 1-1(56). – С. 1015-1017. – EDN MSQTIW.
  19. 19. Цысь, Ю. В. Элементы линейной алгебры и их применение при решении экономических задач / Ю. В. Цысь, А. Ф. Долгополова // Современные наукоемкие технологии. – 2013. – № 6. – С. 91-93. – EDN QYQSRD.
  20. 20. Шавров, А. Г. Методы интегральной оценки в исследованиях региональной экономики / А. Г. Шавров // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. – 2012. – № 79. – С. 550-559. – EDN OYXGUH.
  21. 21. Щепетова, С. Остановить развитие технологий невозможно, да и не нужно. Но сделать этот процессорганизованным - необходимо / С. Щепетова // БИТ. Бизнес & Информационные технологии. – 2025. – № 4(147). – С. 24-27. – EDN YXKSVQ.