Статьи

МЕТОДИКА ОЦЕНКИ ВЛИЯНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ПРОЦЕССЫ ГОСУДАРСТВЕННОГО УПРАВЛЕНИЯ

Дата поступления: 15.01.2026 Дата публикации: 15.01.2026

Полный текст:

Аннотация

Основной целью данной статьи является разработка методики оценки влияния интеллектуальной системы поддержки принятия решения на экономические показатели процесса государственного управления. Исходя из оценок ИСППР в рамках ФОИВ по пяти группам показателей, автор сформировал методику интегральной оценки эффективности ИСППР в ФОИВ по показателям: экономической эффективности ИСППР (эффективность); полученных от их внедрения эффектов (результативность); качества работы информационной системы; управления рисками при внедрении ИСППР (риски); использования специализированных инструментов обеспечения доверия и безопасности. Сравнительный анализ индекса ИИ-зрелости ФОИВ и интегральной оценки эффективности ИСППР позволяет сделать вывод о в целом положительной, но не линейной взаимосвязи между организационной зрелостью и результатами внедрения ИИ-решений. Выявлен дисбаланс «эффективность/качество»: составляющие значения эффективности выше оценок качества, что указывает на приоритет экономических метрик и потребность в усилении процедур обеспечения качества данных, доверия и регламентации в информационных системах. Декомпозиция интегрального показателя по пяти группам критериев (эффективность «эффект/затраты», результативность, качество, риск, доверие и безопасность) показывает, что ключевым фактором лидерства выступает не только высокая экономическая отдача, но наличие инфраструктуры для работы, стандартов и доверия к ИИ-решениям. У лидеров по ИСППР сочетание высоких баллов по результативности (масштабное использование ИИ в основных и управленческих процессах), устойчивых практик управления рисками и широкого применения инструментов, доверенного ИИ-решения дополняется наличием регламентов, охватывающих значительную долю процессов. Практическая применимость данной матричной модели интегральной оценки эффективности ИСППР выражается в её высокой адаптивности - по мере накопления данных она может быть детализирована до уровня конкретных ИСППР и формирования адресных управленческих рекомендаций по их развитию в структуре государственного управления.

Ключевые слова

Как цитировать

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.

Как цитировать

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.

Список литературы

  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.