УДК 332.14
DOI: 10.36871/ek.up.p.r.2025.07.02.016
Авторы
Елена Александровна Нагаева,
Нижегородский государственный лингвистический университет имени Н. А. Добролюбова, Нижний Новгород, Россия
Аннотация
Современные организации сталкиваются с необходимостью оперативного анализа больших объемов данных для принятия управленческих решений. Традиционные методы экономического анализа, основанные на статистике и эконометрике, зачастую не справляются с нелинейными зависимостями и быстро меняющимися рыночными условиями. Искусственный интеллект (ИИ), включая машинное обучение (ML) и глубокие нейросети (DL), позволяет значительно повысить точность оценки экономических процессов и прогнозировать их развитие.
В данной статье анализируются возможности применения методов ИИ для оценки экономического состояния организаций в различных отраслях. Рассмотрены ключевые алгоритмы машинного обучения (линейная регрессия, случайный лес, градиентный бустинг) и нейросетевые модели (LSTM, трансформеры, GNN), а также их практическое использование в прогнозировании банкротств, кредитных рисков, спроса и мошенничества. Приведены реальные кейсы внедрения ИИ в российских компаниях (Сбербанк, X5 Group, РЖД, ФНС) и за рубежом (J.P. Morgan, IBM, BlackRock).
Ключевые слова
искусственный интеллект, экономический анализ, машинное обучение, нейросетевые модели, прогнозирование, риск-менеджмент, big data, финансовые показатели, кредитный скоринг, банкротство, алгоритмы ИИ, автоматизация, российские кейсы
