УДК 338.984
DOI: 10.36871/u.i.k.2026.06.02.018

Авторы

Александр Михайлович Поляков,
Московский университет имени Витте, Москва, Россия

Аннотация

Цель исследования – обоснование учетно-аналитического обеспечения продюсерских решений в кинопроектах с использованием ИИ и нейросетей на основании разработки модели, согласованной с экономикой производства, продвижения, проката и цифровой дистрибуции фильма. Материалы исследования включают в себя научные труды по прогнозированию финансовой эффективности кинопроектов, применению ИИ в мультимедийном производстве, продвижении кинолент и правовом контроле цифровых материалов. В статье использованы такие методы исследования, как структурный и сравнительный анализ, дедуктивное моделирование, а также систематизация научных подходов. Результат исследования: разработана концептуальная модель учетно-аналитического сопровождения продюсерских решений. Выводы: а) применение ИИ и нейросетей повышает обоснованность продюсерского решения при наличии проверяемых данных и системы контрольных показателей; б) учетно-аналитическое сопровождение снижает вероятность ошибочной оценки бюджета, спроса, цифровых работ и правового статуса материалов; в) для развития отраслевой и региональной экономики кино целесообразно встраивание ИИ-инструментов в процедуры учета, анализа, контроля и последующей оценки эффективности кинопроекта.

Ключевые слова

учетно-аналитическое обеспечение, продюсерские решения, кинопроекты, ИИ, нейросети, финансовый прогноз

Список литературы

  1. Багоян Е.Г., Халипов В.Д. Применение систем искусственного интеллекта в сфере культуры // Информационное общество. – 2024. – № 6. – С. 66–83.
  2. Бурцев В.А. Интеграция автоматизированных модулей в цифровые бизнес-системы как инструмент повышения финансового контроля в малом и среднем бизнесе // Экономика и предпринимательство. – 2025. – № 7(180). – С. 807–813. DOI: 10.34925/EIP.2025.180.7.141. EDN: JFFFHI.
  3. Бурцев В.А. От кода к системе: авторский подход к управлению, UX и эффективности цифровых решений. Часть вторая. – Москва: ООО «Высшая школа образования», 2025. – 233 с. – ISBN 978-5-605-48221-5. EDN: RWMMCP.
  4. Бурый А.С. Анализ уровня освещенности поверхности на основе компьютерных методов обработки информации с использованием машинного обучения // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. – 2025. – № 6. – С. 77–82. DOI: 10.37882/2223-2966.2025.06.11. EDN: XYGQTF.
  5. Бурый А.С., Козлова О.Л. Метод автономной оценки радиационной обстановки в помещениях радиационно-опасных объектов с целью повышения экологической и производственной безопасности // Components of Scientific and Technological Progress. – 2026. – № 1 (115). – С. 51–56. EDN: KWKXOD.
  6. Воронцова Ю.В. Исследование проблем получения государственной поддержки при создании кинопроекта // Вестник университета. – 2023. – № 6. – С. 39–47.
  7. Дождиков А.В. Определение инвестиционного успеха и его факторов для российского кино в прокате с помощью машинного обучения // Финансы: теория и практика. – 2024. – Т. 28. – № 1. – С. 188–203.
  8. Дождиков А.В. Прогнозирование результатов кинопроката с помощью машинного обучения // Вопросы теоретической экономики. – 2023. – Т. 21, № 4. – С. 93–114.
  9. Дождиков А.В. Прогнозирование финансовой эффективности российского кинематографа с помощью многофакторной ансамблевой модели машинного обучения, тренированной на данных прошлых периодов // Финансы: теория и практика. – 2025. – Т. 29, № 6. – С. 243–268.
  10. Кабанова В.В., Логунова О.С. Применение искусственного интеллекта при работе с мультимедийной информацией // Вестник Череповецкого государственного университета. – 2022. – № 6 (111). – С. 23–41.
  11. Карцхия А.А., Макаренко Г.И. Правовые горизонты технологий искусственного интеллекта: национальный и международный аспект // Вопросы кибербезопасности. – 2024. – № 1 (59). – С. 2–14.
  12. Поляков А.М., Романишина Т.С., Бондаренко В.А. Исследование применения нейросетей в создании и продвижении кинолент в российской киноиндустрии // Практический маркетинг. – 2025. – № 2. – С. 4–10.
  13. Попова Е.В., Мацепуро Д.М. Этическое и правовое измерение технологий искусственного интеллекта: игра по правилам и без // Вестник Томского государственного университета. – 2024. – № 502. – С. 57–67.
  14. Azzarelli A., Anantrasirichai N., Bull D.R. Intelligent cinematography: a review of AI research for cinematographic production // Artificial Intelligence Review. – 2025. – Vol. 58, No. 4. – P. 1–53.
  15. Crosby P., McKenzie J. The reel deal? An experimental analysis of perception bias and AI film pitches // Journal of Cultural Economics. – 2025. – Vol. 49. – P. 281–300.
  16. Leem S., Oh J., So D., Moon J. Towards Data-Driven Decision-Making in the Korean Film Industry: An XAI Model for Box Office Analysis Using Dimension Reduction, Clustering, and Classification // Entropy. – 2023. – Vol. 25, No. 4. – P. 1–29.
  17. Ni Y., Dong F., Zou M., Li W. Movie Box Office Prediction Based on MultiModel Ensembles // Information. – 2022. – Vol. 13, No. 6. – P. 1–18.
  18. Singh J., Bhangu K.S., Ali F. et al. Quantum-inspired framework for big data analytics: evaluating the impact of movie trailers and its financial returns // Journal of Big Data. – 2025. – Vol. 12. – P. 1–30.
  19. Telang R., Sivan L. Movie sentiment and home entertainment revenue // Journal of Cultural Economics. – 2025. – Vol. 49. – P. 301–326.
  20. Tsiavos V., Kitsios F. The digital transformation of the film industry: how artificial intelligence is changing the seventh art // Telecommunications Policy. – 2025. – P. 1–10.