УДК 621.039:004.8:658.7
DOI: 10.36871/ 26189976.2026.06.011
Авторы
Евгений Леонидович Финогеев,
Аспирант, Национальный исследовательский ядерный университет «МИФИ», Москва, Россия
Павел Иванович Колыхалов,
Кандидат физико-математических наук, доцент, Национальный исследовательский ядерный университет «МИФИ», Москва, Россия
Аннотация
В статье рассматриваются вопросы применения технологий искусственного интеллекта для цифровой трансформации закупочной деятельности атомной отрасли. Проведён анализ особенностей закупочных процессов, характеризующихся высокой степенью регламентированности, значительным объёмом документации и повышенными требованиями к надёжности принимаемых решений. Выявлены ключевые проблемы существующих закупочных процедур, включая длительные сроки проведения закупок, значительные трудозатраты на обработку данных, сложность оценки поставщиков и ограниченные возможности прогнозирования рисков.
Предложены модели применения технологий искусственного интеллекта для автоматизации обработки закупочной документации, оценки надёжности поставщиков, прогнозирования рисков и поддержки принятия решений. Разработана интегральная модель оценки эффективности внедрения интеллектуальной системы цифровой трансформации закупочной деятельности. Выполнена оценка ожидаемых эффектов внедрения, включая сокращение сроков закупочных процедур, снижение трудозатрат и повышение качества управленческих решений.
Результаты исследования могут быть использованы при разработке интеллектуальных систем управления закупочной деятельностью предприятий атомной отрасли и внедрении цифровых решений для повышения эффективности закупочных процессов.
Ключевые слова
искусственный интеллект
цифровая трансформация
закупочная деятельность
атомная отрасль
оценка поставщиков
прогнозирование рисков
интеллектуальные системы
автоматизация закупок
поддержка принятия решений
Список литературы
[1] Голуб И. А., Черемухина Ю. Ю. Критерии отбора поставщиков в атомной отрасли // Компетентность. 2023. № 6. URL: https://cyberleninka.ru/article/n/kriterii-otborapostavschikov-v-atomnoy-otrasli.
[2] Единый отраслевой стандарт закупок (положение о закупке) Государственной корпорации по атомной энергии «Росатом»: утверждён решением наблюдательного совета Госкорпорации «Росатом» от 07.02.2012 № 37. URL: https://www.rosenergoatom.ru/ upload/iblock/b97/b979013c3f737b9151424975f9b40785.doc.
[3] Закупки доверили роботу: «Росатом» представил новый цифровой сервис. Страна Росатом. 2020. URL: https://strana-rosatom.ru/2020/11/09/zakupki-doverili-roboturosatom-pr/.
[4] О закупках товаров, работ, услуг отдельными видами юридических лиц: Федеральный закон от 18.07.2011 № 223-ФЗ. URL: https://www.consultant.ru/document/cons_doc_ LAW_116964/.
[5] О контрактной системе в сфере закупок товаров, работ, услуг для обеспечения государственных и муниципальных нужд: Федеральный закон от 05.04.2013 № 44-ФЗ. URL: http://www.consultant.ru/document/cons_doc_LAW_144624/.
[6] О персональных данных: Федеральный закон от 27.07.2006 № 152-ФЗ. URL: https:// www.consultant.ru/document/cons_doc_LAW_61801/.
[7] General Instructions for Bidders. Vienna, International Atomic Energy Agency. URL: https:// www.iaea.org/sites/default/files/iaeaforbidders.pdf.
[8] Ikonomakis M. et al. (2005) Text classification using machine learning techniques. WSEAS transactions on computers, vol. 4, no. 8, pp. 966–974.
[9] Keraghel I., Morbieu S., Nadif M. (2024) Recent advances in named entity recognition: A comprehensive survey and comparative study. arXiv preprint arXiv:2401.10825.
[10] Vaswani A. et al. (2017) Attention is all you need. Advances in neural information processing systems, vol. 30.
[11] Wittenbach J., d’Alessandro B., Bruss C. B. (2020) Machine learning for temporal data in finance: Challenges and opportunities. arXiv preprint arXiv:2009.05636.
