ІНТЕГРУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ ДО БІЗНЕС-ПРОЦЕСІВ ПІДПРИЄМСТВА ЯК ЕФЕКТИВНОГО ІНСТРУМЕНТУ ЙОГО РОЗВИТКУ
-
Published:2022-12-25
Issue:4
Volume:1
Page:99-107
-
ISSN:2415-8224
-
Container-title:Економічний форум
-
language:
-
Short-container-title:Economic forum
Author:
Легомінова Світлана,Голобородько Альона
Abstract
У статті узагальнено питання щодо підвищення ефективності, швидкості та коректності бізнес-процесів підприємства. Основною метою статті слугувало поєднання можливості підвищення ефективності бізнес-процесів підприємства зі застосування штучного інтелекту, його методів та інструментів.Розглянуто нові подходи до прогнозування бізнес-процесів підприємства (РгебісііуеРгосе88МопіЮгіп§ (РРМ), що дає змогу аналізу події та поточне виконання алгоритму, з метою передбачення майбутньої поведінки запрограмованого алгоритму бізнес-процесу. РРМ надає можливість розширеного інтелектуального аналізу бізнес-процесів з функціоналом прогнозування. Грунтовний аналіз літературних джерел подтвердив актуальність дослідження та виявив цілеспрямованість на застосуванні штучного інтелекту в управлінні бізнес-процесами. Широке застосування інформаційних технологій на підприємствах дозволить перейти на більш високий рівень розвитку та пришвидшити відновлення мікро-та макроекономічне середовище країни. Процес злиття та поглинання підприємств буде характерним при відновленні після закінчення війни, тому саме ця методологія була запропонована авторами. Методологічним інструментарієм дослідження слугували методи: наукова абстракція, аналіз та синтез, структурно-логічний метод для формування інструментарію удосконалення бізнес-процесів підприємства, їх моніторингу з метою адаптування та корегування процесу виробництва. Об’єктом дослідження обрано бізнес-процеси підприємства, а предметом -штучний інтелект, його методи.Міждисциплінарний підхід дав змогу запропонувати рішення штучного інтелекту до бізнес-процесів підприємства. Машинне навчання виявлено як інструмент підвищення операційної ефективності за допомогою впровадження автоматизованих рішень, створення фреймворків когнітивних бізнес-технологій, які фактично мислять як люди, що позитивно вплине на продуктивність та скоротить людську працю. Доведено, що прогнозне моделювання дозволить покращити фінансові результати підприємств, збільшити дохід. Результати дослідження можуть бути використаними підприємствами України для формування стратегічної мети їх розвитку.
Publisher
Lutsknational Technical University
Reference30 articles.
1. Amouzgar, F., Bchcshti, A., Ghodratnama, S., Bcnatallah, B., Yang J., Shcng, Q. Z. (2018, November 12-15). "ishccts: A spreadsheet-based machine learning development platform for data-driven process analytics", Service-Oriented Computing -ICSOC 2018 Workshops - ADMS ASOCA ISYyCC CloTS DDBS and NLS4IoT, vol. 11434, pp. 453-457. 2. Arias, M., Saavedra, R., Marques, M., Munoz-Gama, J., Scpalveda,M. (2018). Human resource allocation in business process management and process mining. A systematic mapping study, Manage. Decis., vol. 56, no. 2, pp. 376-405. 3. Arias, M., Munoz-Gama, J., Sepulveda, M. (2017). Towards a taxonomy of human resource allocation criteria, in Proc. BPM. Cham, Switzerland: Springer, pp. 475-483. 4. Bchcshti, A., Bcnatallah B., Motahari-Nezhad, H. (2018a). Processatlas: A scalable and extensible platform for business process analytics, Softw. Pract. Exp, vol. 48, no. 4, pp. 842-866. 5. Bchcshti, A.,Schiliro, F., Ghodratnama, S., Amouzgar, F., Bcnatallah, B.,Yang, J. (2018 b, September 9-14). Iproccss: Enabling iot platforms in data-driven knowledge-intensive processes, Business Process Management Forum - BPM Forum, vol. 329, pp. 108-126.
|
|