УДК 338.2
DOI: 10.36871/ek.up.p.r.2026.02.07.019

Авторы

Сергей Владимирович Савин,
Южный федеральный университет, Ростов-на-Дону, Россия; 1 ООО «Резалт Регион», Ростов-на-Дону, Россия

Аннотация

Цель исследования – разработать воспроизводимую шкалу зрелости организации к внедрению искусственного интеллекта (ИИ), ориентированную на применение в малом и среднем предпринимательстве. Методология. Предложен семимерный профиль зрелости, операционализированный через «якоря» уровней 0/3/5/7/10 и интегральный взвешенный индекс, а также введены некомпенсируемые пороги по критически важным направлениям, препятствующие маскировке провалов за счет сильных сторон. Эмпирическая апробация проведена на двух кейсах предприятий (производство и логистика), в которых выполнены диагностика ( ), пилотное внедрение и повторная оценка ( ). Результаты. Зафиксирован рост интегральной зрелости и сопутствующее улучшение операционных метрик, что подтверждает применимость шкалы как инструмента отбора проектов и управления контуром внедрения. Практическая значимость подхода заключается в стандартизации требований к данным, инфраструктуре, компетенциям, процессам, стратегии, культуре и управлению рисками, а также в возможности независимой верификации оценок.

Ключевые слова

искусственный интеллект, зрелость организации, готовность к внедрению ИИ, операционные якоря, некомпенсируемые пороги, малое и среднее предпринимательство

Список литературы

  1. Muminova E. A., Ashurov M. S., Akhunova S., Turgunov M. AI in Small and Medium Enterprises: Assessing the Barriers, Benefits, and Socioeconomic Impacts // Proceedings of the 2024 International Conference on Knowledge Engineering and Communication Systems (ICKECS 2024). Chikkaballapur, India, 18–19 April 2024. P. 1–6. DOI: 10.1109/ ICKECS61492.2024.10616816
  2. Verhoef P. C., Broekhuizen T., Bart Y., Bhattacharya A., Dong J. Q., Fabian N., Haenlein M. Digital transformation: A multidisciplinary reflection and research agenda // Journal of Business Research. 2021. Vol. 122. P. 889–901. DOI: 10.1016/j.jbusres.2019.09.022. URL: https://www.sciencedirect.com/science/article/ pii/S0148296319305478.
  3. Авдеева И. Л. Цифровая трансформация экономических систем: итоги и перспективы развития // Среднерусский вестник общественных наук. 2021. Т. 16, № 1. С. 226–239. DOI: 10.22394/2071-2367-2021-16-1-226-239. URL: https://cyberleninka.ru/article/n/tsifrovayatransformatsiya-ekonomicheskih-sistem-itogii-perspektivy-razvitiya (дата обращения: 09.04.2025).
  4. Gudigantala N., Jetty A., Akula A. The Role of AI Maturity in Enhancing Firm Performance: Insights from Fortune 500 Firms // AMCIS 2025 Proceedings. 2025. Paper 1464. URL: https:// aisel.aisnet.org/amcis2025/scuidt/scuidt/1/ (дата обращения: 01.02.2026).
  5. Mikalef P., Fjørtoft S. O., Torvatn H. Y. Developing an Artificial Intelligence Capability: A Theoretical Framework for Business Value // Business Information Systems Workshops (BIS 2019) / eds. W. Abramowicz, R. Corchuelo. (Lecture Notes in Business Information Processing; Vol. 373). Cham: Springer, 2019. P. 409–416. DOI: 10.1007/978-3- 030-36691-9_34. URL: https://link.springer.com/ chapter/10.1007/978-3-030-36691-9_34
  6. Чурсин А. А., Кокуйцева Т. В. Развитие методов оценки цифровой зрелости организации с учётом регионального аспекта // Экономика региона. 2022. Т. 18, № 2. С. 450–463. DOI: 10.17059/ekon.reg.2022-2-11. URL: https://cyberleninka.ru/article/n/razvitie-metodov-otsenki-tsifrovoy-zrelosti-organizatsii-s-uchetom-regionalnogo-aspekta
  7. Tehrani A. N., Ray S., Roy S. K., Gruner R. L., Appio F. P. Decoding AI readiness: An in-depth analysis of key dimensions in multinational corporations // Technovation. 2024. Vol. 131. Art. 102948. DOI: 10.1016/j.technovation.2023.102948. URL: https://www.sciencedirect.com/science/article/ abs/pii/S0166497223002596
  8. Schwäke J., Peters A., Kanbach D. K., Kraus S. et al. The New Normal: The Status Quo of AI Adoption in SMEs // Journal of Small Business Management. 2024. (online) / 2025. Vol. 63. P. 1297–1331. DOI: 10.1080/00472778.2024.2379999. URL: https:// www.tandfonline.com/doi/full/10.1080/0047277 8.2024.2379999.
  9. Daly S. J., Wiewiora A., Hearn G. Shifting Attitudes and Trust in AI: Influences on Organizational AI Adoption // Technological Forecasting and Social Change. 2025. Vol. 215. Art. 124108. DOI: 10.1016/j.techfore.2025.124108. URL: https:// www.sciencedirect.com/science/article/pii/ S0040162525001398.
  10. Jöhnk J., Weißert M., Wyrtki K. Ready or Not, AI Comes – An Interview Study of Organizational AI Readiness Factors // Business & Information Systems Engineering. 2021. Vol. 63, No. 1. P. 5–20. DOI: 10.1007/s12599-020-00676-7. URL: https://link.springer.com/article/10.1007/s12599- 020-00676-7.
  11. Holmström J. From AI to Digital Transformation: The AI Readiness Framework // Business Horizons. 2022. Vol. 65, No. 3. P. 329–339. DOI: 10.1016/j.bushor.2021.03.006. URL: https:// www.sciencedirect.com/science/article/pii/ S0007681321000744.
  12. Савин С. В., Мурзин А. Д. Форсайт применения технологий искусственного интеллекта в управлении бизнесом // Вестник НГУЭУ. 2025. № 1. С. 153–178. DOI: 10.34020/2073-6495- 2025-1-153-178. URL: https://nsuem.elpub.ru/ jour/article/view/2664
  13. Sambasivan N., Kapania S., Highfill H. et al. “Everyone wants to do the model work, not the data work”: Data Cascades in High-Stakes AI // Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (CHI ’21). 2021. Art. 80. DOI: 10.1145/3411764.3445518. URL: https://dl.acm.org/doi/10.1145/3411764.3445518
  14. Савин С. В., Мурзин А. Д. Системы поддержки принятия решений на базе искусственного интеллекта: интеграция, адаптация и оценка эффективности // Экономика и управление: проблемы, решения. 2024. № 2. С. 59– 73. URL: https://emjume.elpub.ru/jour/article/ view/2325/1447
  15. Badghish S., Soomro Y. A. Artificial Intelligence Adoption by SMEs to Achieve Sustainable Business Performance: Application of Technology–Organization–Environment Framework // Sustainability. 2024. Vol. 16, No. 5. Art. 1864. DOI: 10.3390/su16051864. URL: https://www.mdpi.com/2071-1050/16/5/1864
  16. References
  17. Muminova E. A., Ashurov M. S., Akhunova S., Turgunov M. AI in Small and Medium Enterprises: Assessing the Barriers, Benefits, and Socioeconomic Impacts // Proceedings of the 2024 International Conference on Knowledge Engineering and Communication Systems (ICKECS 2024). Chikkaballapur, India, 18–19 April 2024. P. 1–6. DOI: 10.1109/ ICKECS61492.2024.10616816
  18. Verhoef P. C., Broekhuizen T., Bart Y., Bhattacharya A., Dong J. Q., Fabian N., Haenlein M. Digital transformation: A multidisciplinary reflection and research agenda // Journal of Business Research. 2021. Vol. 122. P. 889–901. DOI: 10.1016/j.jbusres.2019.09.022. URL: https://www.sciencedirect.com/science/article/pii/S0148296319305478 .
  19. Avdeeva I. L. Digital transformation of economic systems: results and development prospects // Srednerusskiy Vestnik obshchestvennykh nauk. 2021. Vol. 16, No. 1. pp. 226–239. DOI: 10.22394/2071-2367-2021-16-1-226-239. URL: https://cyberleninka.ru/article/n/tsifrovaya-trans-formatsiya-ekonomicheskih-sistem-itogi-i-perspektivy-razvitiya (accessed: 09.04.2025).
  20. Gudigantala N., Jetty A., Akula A. The Role of AI Maturity in Enhancing Firm Performance: Insights from Fortune 500 Firms // AMCIS 2025 Proceedings. 2025. Paper 1464. URL: https:// aisel.aisnet.org/amcis2025/scuidt/scuidt/1/ (accessed 02/01/2026).
  21. Mikalef P., Fjørtoft S. O., Torvatn H. Y. Developing an Artificial Intelligence Capability: A Theoretical Framework for Business Value // Business Information Systems Workshops (BIS 2019) / eds. W. Abramowicz, R. Corchuelo. (Lecture Notes in Business Information Processing; Vol. 373). Cham: Springer, 2019. P. 409–416. DOI: 10.1007/978-3-030-36691- 9_34. URL: https://link.springer.com/chapt er/10.1007/978-3-030-36691-9_34
  22. Chursin A. A., Kokuytseva T. V. Development of methods for assessing the digital maturity of an organization taking into account the regional aspect // Economy of the Region. 2022. Vol. 18, No. 2. P. 450–463. DOI: 10.17059/ekon.reg.2022-2- 11. URL: https://cyberleninka.ru/article/n/razvitie-metodov-otsenki-tsifrovoy-zrelosti-organizatsii-s-uchetom-regionalnogo-aspekta
  23. Tehrani A. N., Ray S., Roy S. K., Gruner R. L., Appio F. P. Decoding AI readiness: An in-depth analysis of key dimensions in multinational corporations // Technovation. 2024. Vol. 131. Art. 102948. DOI: 10.1016/j.technovation.2023.102948. URL: https://www.sciencedirect.com/science/article/ abs/pii/S0166497223002596
  24. Schwäke J., Peters A., Kanbach D. K., Kraus S. et al. The New Normal: The Status Quo of AI Adoption in SMEs // Journal of Small Business Management. 2024. (online) / 2025. Vol. 63. P. 1297–1331. DOI: 10.1080/00472778.2024.2379999. URL: https:// www.tandfonline.com/doi/full/10.1080/0047277 8.2024.2379999.
  25. Daly S. J., Wiewiora A., Hearn G. Shifting Attitudes and Trust in AI: Influences on Organizational AI Adoption // Technological Forecasting and Social Change. 2025. Vol. 215. Art. 124108. DOI: 10.1016/j.techfore.2025.124108. URL: https:// www.sciencedirect.com/science/article/pii/ S0040162525001398.
  26. Jöhnk J., Weißert M., Wyrtki K. Ready or Not, AI Comes – An Interview Study of Organizational AI Readiness Factors // Business & Information Systems Engineering. 2021. Vol. 63, No. 1. P. 5–20. DOI: 10.1007/s12599-020-00676-7. URL: https://link.springer.com/article/10.1007/s12599- 020-00676-7.
  27. Holmström J. From AI to Digital Transformation: The AI Readiness Framework // Business Horizons. 2022. Vol. 65, No. 3. pp. 329–339. DOI: 10.1016/j.bushor.2021.03.006. URL: https://www.sciencedirect.com/science/article/ pii/S0007681321000744.
  28. Savin S. V., Murzin A. D. Foresight of the Application of Artificial Intelligence Technologies in Business Management // NSUEM Bulletin. 2025. No. 1. pp. 153–178. DOI: 10.34020/2073- 6495-2025-1-153-178. URL: https://nsuem.elpub. ru/jour/article/view/2664
  29. Sambasivan N., Kapania S., Highfill H. et al. “Everyone wants to do the model work, not the data work”: Data Cascades in High-Stakes AI // Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (CHI ’21). 2021. Art. 80. DOI: 10.1145/3411764.3445518. URL: https://dl.acm.org/doi/10.1145/3411764.3445518
  30. Savin S. V., Murzin A. D. Decision support systems based on artificial intelligence: integration, adaptation, and performance evaluation // Economics and Management: Problems, Solutions. 2024. No. 2. P. 59–73. URL: https://emjume.elpub.ru/jour/ article/view/2325/1447
  31. Badghish S., Soomro Y. A. Artificial Intelligence Adoption by SMEs to Achieve Sustainable Business Performance: Application of Technology–Organization–Environment Framework // Sustainability. 2024. Vol. 16, No. 5. Art. 1864. DOI: 10.3390/su16051864. URL: https://www.mdpi.com/2071-1050/16/5/1864