УДК 339.138:004.8
DOI: 10.36871/ek.up.p.r.2026.03.13.031

Авторы

София Сергеевна Куликова.
Алика Робертовна Епхиева,
Артемий Андреевич Полетаев,
Валерия Вячеславовна Мешкова,
Российский экономический университет имени Г.В. Плеханова, Москва, Россия

Аннотация

В статье раскрывается экономическая природа скрытых издержек алгоритмической непрозрачности в цифровых платформах. Центральное внимание уделяется влиянию доверия к AI-рекомендациям на удержание клиентов, принятие персонализированных предложений и пожизненную ценность клиента. Рассматриваются механизмы утраты доверия при слабой объяснимости алгоритмов, конфликт персонализации и приватности, правовые требования к рекомендательным технологиям и управленческие меры снижения риска оттока. Обосновано, что прозрачность алгоритмов имеет самостоятельное экономическое значение, поскольку влияет на готовность пользователя сохранять отношения с платформой и передавать сведения для персонализации.

Ключевые слова

рекомендательные системы, алгоритмическая непрозрачность, цифровое доверие, удержание клиентов, LTV, персонализация, конфиденциальность, цифровые платформы

Список литературы

  1. Гарбук С.В. Особенности применения понятия «доверие» в области искусственного интеллекта [Электронный ресурс] // Искусственный интеллект и принятие решений. – 2020. – № 3. – С. 15–21. – DOI 10.14357/20718594200302. – URL: https://www.mathnet.ru/iipr141
  2. Драгуленко В.В., Потехина Е.В., Золкин А.Л., Гарбузова Т.Г. Роль рекомендательных систем в моделировании спроса и предложения в цифровой экономике [Электронный ресурс] // Естественно-гуманитарные исследования. – 2024. – № 5(55). – С. 106– 110. – URL: https://cyberleninka.ru/article/n/ rol-rekomendatelnyh-sistem-v-modelirovaniisprosa-i-predlozheniya-v-tsifrovoy-ekonomike/ pdf
  3. Лешкевич Т.Г. Парадокс доверия к искусственному интеллекту и его обоснование [Электронный ресурс] // Философия науки и техники. – 2023. – Т. 28, № 1. – С. 34–47. – URL: https://pst.iphras. ru/article/view/8861
  4. Нигай Е.А. Управление «пожизненной ценностью клиента» (Lifetime Value) в деятельности бизнеса: методы оценки и стратегические аспекты принятия решений [Электронный ресурс] // Территория новых возможностей. Вестник Владивостокского государственного университета. – 2024. – Т. 16, № 3. – С. 54–65. – URL: https:// portfolio.vvsu.ru/files/0FD084A2-05FC-4C37- B312-F8238A268E75.pdf
  5. Нурмухаметов Р.К., Торин С.С. Цифровое доверие (digital trust): сущность и меры по его повышению [Электронный ресурс] // Известия Тульского государственного университета. Экономические и юридические науки. – 2020. – № 1. – С. 32–39. – URL: https://cyberleninka.ru/article/n/ tsifrovoe-doverie-digital-trust-suschnost-i-mery-poego-povysheniyu
  6. Саблина А.И. Геймификация как инструмент управления пожизненной ценностью клиента // Информационные технологии и системы 2025 (ИТС 2025): материалы международной научной конференции, Минск, 19 ноября 2025. – Минск, 2025. – С. 291–292. – URL: https://libeldoc.bsuir. by/handle/123456789/62072
  7. Харитонова Ю.С. Правовые средства обеспечения принципа прозрачности искусственного интеллекта [Электронный ресурс] // Journal of Digital Technologies and Law. – 2023. – Т. 1, № 2. – С. 337–358. – DOI 10.21202/jdtl.2023.14. – URL: https://doi.org/10.21202/jdtl.2023.14
  8. Шипунова О.Д., Поздеева Е.Г. Проблема доверия к смарт-технологиям в цифровом обществе [Электронный ресурс] // Социология науки и технологий. – 2022. – Т. 13, № 4. – С. 131–145. – URL: https://sst.nw.ru/13-4/
  9. Beyari H.B.H. Assessing artificial intelligence’s impact on e-customer loyalty in the Saudi Arabian market [Электронный ресурс] // Frontiers in Artificial Intelligence. – 2025. – Vol. 8. – Article 1541678. – URL: https://www.frontiersin.org/ journals/artificial-intelligence/articles/10.3389/ frai.2025.1541678/full
  10. Fu X., Wang C., Wu J., Zhang J. Privacy-Preserving Personalized Recommender Systems [Электронный ресурс] // Manufacturing & Service Operations Management. – 2026. – Article in advance. – URL: https://pubsonline.informs.org/doi/10.1287/ msom.2023.0271
  11. Gillespie N., Lockey S., Curtis C. Trust in Artificial Intelligence: A Global Study [Электронный ресурс] / KPMG, The University of Queensland. – 2023. – 82 p. – URL: https://assets.kpmg.com/content/ dam/kpmgsites/au/pdf/2023/trust-in-ai-globalinsights-2023.pdf
  12. Guerreiro B.P. Impact of AI Recommendations’ Transparency in E-Commerce: Master Thesis [Электронный ресурс] / Universidade Nova de Lisboa. – 2025. – 68 p. – URL: https://run.unl.pt/bitstreams/6920b1d3- 0a6c-4def-9e08-97679f665849/ download
  13. Hassan N., Abdelraouf M., El-Shihy D. The moderating role of personalized recommendations in the trust–satisfaction–loyalty relationship: an empirical study of AI-driven e-commerce [Электронный ресурс] // Future Business Journal. – 2025. – Vol. 11, № 1. – P. 1–15. – URL: https://link. springer.com/article/10.1186/s43093-025-00476-z
  14. Himeur Y., Alsalemi A., Al-Kababji A. [et al.] Latest trends of security and privacy in recommender systems: a comprehensive review and future perspectives [Электронный ресурс] // Computers & Security. – 2022. – Vol. 118. – Article 102746. – URL: https://www.sciencedirect.com/science/article/ abs/pii/S0167404822001419
  15. McKinsey & Company. Next best experience: how AI can power every customer interaction [Электронный ресурс]. – 2025. – URL: https://www. mckinsey.com/capabilities/growth-marketing-andsales/our-insights/next-best-experience-how-ai-canpower-every-customer-interaction
  16. Ning X., Jiang Y., Luo J. How transparency affects algorithmic advice utilization: the mediating roles of trusting beliefs [Электронный ресурс] // Decision Support Systems. – 2024. – Vol. 181. – Article 114202. – URL: https://www.sciencedirect.com/ science/article/abs/pii/S0167923624001064
  17. Pereira M.S., Castro B.S., Cordeiro B.A. [et al.] Factors of Customer Loyalty and Retention in the Digital Environment [Электронный ресурс] // Journal of Theoretical and Applied Electronic Commerce Research. – 2025. – Vol. 20, № 2. – Article 71. – URL: https://www.mdpi. com/0718-1876/20/2/71
  18. Shin D. The effects of explainability and causability on perception, trust, and acceptance: implications for explainable AI [Электронный ресурс] // International Journal of Human-Computer Studies. – 2021. – Vol. 146. – Article 102551. – URL: https:// www.sciencedirect.com/science/article/pii/ S1071581920301531
  19. Shin D., Rasul T., Fotiadis A. Algorithmic fairness and transparency in e-commerce [Электронный ресурс] // Journal of Business Research. – 2022. – Vol. 141. – P. 789–802. – URL: https:// www.sciencedirect.com/science/article/pii/ S0148296321009273
  20. Teodorescu D., Aivaz A.A., Amalfi A. Consumer Trust in AI Algorithms Used in E-Commerce [Электронный ресурс] // Sustainability. – 2023. – Vol. 15, № 15. – Article 11925. – URL: https://www.mdpi. com/2071-1050/15/15/11925
  21. UNESCO. Guidelines for the Governance of Digital Platforms: Safeguarding Freedom of Expression and Access to Information through a Multistakeholder Approach [Электронный ресурс]. – Paris: UNESCO, 2023. – 83 p. – URL: https://unesdoc. unesco.org/ark:/48223/pf0000387385
  22. Vishwakarma R.K. Personalization vs. Privacy: Marketing Strategies in the Digital Age [Электронный ресурс] // Journal of Marketing and Social Research. – 2025. – URL: https://www.jmsr-online. com/article/personalization-vs-privacy-marketingstrategies-in-the-digital-age-259/
  23. Федеральный закон от 31 июля 2023 г. № 408-ФЗ «О внесении изменения в Федеральный закон «Об информации, информационных технологиях и о защите информации» [Электронный ресурс]. – URL: https://www.kremlin.ru/acts/bank/49631
  24. Федеральный закон от 27 июля 2006 г. № 149-ФЗ «Об информации, информационных технологиях и о защите информации» [Электронный ресурс]. – URL: https://www.consultant.ru/document/ cons_doc_LAW_61798/
  25. Федеральный закон от 27 июля 2006 г. № 152-ФЗ «О персональных данных» [Электронный ресурс]. – URL: https://www.consultant.ru/document/ cons_doc_LAW_61801/