Методологические, организационные и технологические аспекты внедрения гибридных систем искусственного интеллекта в деятельность производственного предприятия

Журнал «KANT» №1(58) 2026 [стр. 184-189]

DOI: 10.24923/2222-243X.2026-58.26

Авторы: Антонов-Дружинин Павел Витальевич, аспирант, Ростовский государственный экономический университет (РИНХ), Ростов-на-Дону SPIN-код 3871-2862

Ключевые слова: гибридные ИИ-системы; методика ТСО; оперативное управление; интегративный подход; производственное предприятие; интеллектуальная поддержка управленческих решений; операционная эффективность; бизнес-процессы.

Цитировать: Антонов-Дружинин П.В. Методологические, организационные и технологические аспекты внедрения гибридных систем искусственного интеллекта в деятельность производственного предприятия // KANT. — 2026. — №1(58). — С. 184-189. EDN: JXLQNB. DOI: https://doi.org/10.24923/2222-243X.2026-58.26

Статья посвящена исследованию методологических, организационных и технологических аспектов внедрения гибридных систем искусственного интеллекта (ИИ) в деятельность производственных предприятий. Актуальность темы обусловлена ускоряющейся цифровой трансформацией производственной сферы и возрастающей сложностью бизнес-процессов, требующих интеграции машинного обучения, экспертных знаний и онтологических моделей для повышения точности управленческих решений и оптимизации производственных операций. Цель исследования состоит в концептуализации теоретических оснований и практических принципов внедрения гибридных ИИ-систем. Для достижения заявленной цели решаются задачи анализа существующих научных подходов к гибридным архитектурам ИИ, сравнения их с традиционными моделями машинного обучения, оценки организационно-экономических условий их внедрения и построения методики измерения эффективности, включая интеграцию TCO-анализа и показателей операционной деятельности предприятия. Новизна работы выражается в обосновании специфики применения гибридных ИИ-систем именно в производственной среде: предлагается авторская модель взаимодействия когнитивных и алгоритмических компонентов ИИ, а также структурированная методика оценки эффекта их внедрения, учитывающая производственные риски, операционную эффективность и долгосрочные эффекты цифровой трансформации производственных процессов. Основные результаты, отраженные в статье, включают аргументированое обоснование модели внедрения гибридных ИИ-систем на основе методики ТСО (Total cost of ownership (TCO) — методика, с помощью которой возможна оценка структуры затрат, связанных с использованием всех составляющих элементов автоматизированной системы управления (АСУ) в период их жизненного цикла), предложения по развитию методического и правового арсенала производственных предприятий, способствующих внедрению гибридных ИИ-систем, а также практические рекомендации, значимые для менеджмента предприятий и разработчиков интеллектуальных решений производственного профиля.

скачать

Литература:
1. Душкин Р.В., Андронов М.Г. Гибридная схема построения искусственных интеллектуальных систем // Кибернетика и программирование. — 2019. — №4. — С. 51-58. DOI: 10.25136/2644-5522.2019.4.29809
2. Золотов И. Оптимизация бизнес-процессов с помощью гибридных моделей искусственного интеллекта // Universum: технические науки: электрон. научн. журн. — 2025. — №5(134).
3. Espina-Romero L, Gutiérrez Hurtado H, Ríos Parra D, Vilchez Pirela RA, Talavera-Aguirre R, Ochoa-Díaz A. Challenges and Opportunities in the Implementation of AI in Manufacturing // A Bibliometric Analysis. Sci. — 2024. — №6(4). — 60 р. https://doi.org/10.3390/sci6040060
4. Horton R., Michalski J., Winters S., Gunn D., Holland J. AI Investment and the Pendulum Effect: The Crisis of Software Quality & Infrastructure // International Journal of Research and Applied Innovations. — 2025. — №8(6). — Рр. 12974-12977. https://doi.org/10.15662/IJRAI.2025.0806018

The problem of introducing hybrid artificial intelligence systems into the activities of a manufacturing enterprise

Authors: Antonov-Druzhinin Pavel Vitalyevich, Postgraduate Student, Rostov State University of Economics (RINH), Rostov-on-Don

Keywords: hybrid AI systems; TCO methodology; operational management; integrative approach; manufacturing enterprise; intelligent support for management decisions; operational efficiency; business processes.

This article explores the methodological, organizational, and technological aspects of implementing hybrid artificial intelligence (AI) systems in manufacturing enterprises. The topic is relevant given the accelerating digital transformation of the manufacturing sector and the growing complexity of business processes, which require the integration of machine learning, expert knowledge, and ontological models to improve the accuracy of management decisions and optimize production operations. The purpose of the study is to conceptualize the theoretical foundations and practical principles for implementing hybrid AI systems. This goal is achieved by analyzing existing scientific approaches to hybrid AI architectures, comparing them with traditional machine learning models, assessing the organizational and economic conditions for their implementation, and developing a methodology for measuring performance, including integrating TCO analysis and operational performance indicators. The novelty of the work lies in its substantiation of the specifics of using hybrid AI systems specifically in the manufacturing environment: a proprietary model of the interaction between cognitive and algorithmic AI components is proposed, as well as a structured methodology for assessing the impact of their implementation, taking into account production risks, operational efficiency, and the long-term effects of the digital transformation of production processes. The key findings presented in this article include a well-reasoned justification for a hybrid AI system implementation model based on the Total Cost of Ownership (TCO) methodology (a method that allows for assessing the cost structure associated with the use of all components of an automated control system (ACS) during their lifecycle), proposals for developing methodological and legal frameworks for manufacturing enterprises that facilitate the implementation of hybrid AI systems, and practical recommendations relevant for enterprise management and developers of intelligent manufacturing solutions.