Разграничительная матрица человеческого и искусственного интеллекта при управлении предпринимательскими проектами в условиях цифровой трансформации

• СОЛОГУБ Александр Николаевичаспирант, Санкт-Петербургский университет технологий управления и экономикиaleksandr.sologub@gmail.com

Статья направлена на развитие инструментов управления предпринимательскими проектами в условиях цифровой трансформации и посвящена методологически корректному разграничению функций человеческого и искусственного интеллекта в управленческих контурах. Обосновывается, что ускоренное внедрение ИИ-решений в процессы планирования, аналитики, контроля и поддержки принятия решений не только повышает операционную эффективность, но и усиливает риск подмены персонифицированной управленческой ответственности вычислительной рациональностью алгоритмов, что особенно критично для предпринимательских проектов, ориентированных на долгосрочное развитие, ценностную устойчивость и социальные эффекты. Теоретико-методологическим основанием исследования выступает концепция проективной ответственности, трактующая ответственность предпринимателя как проектирование будущих последствий решений, а не только соблюдение текущих регламентов и нормативных ограничений. В качестве практического следствия данной концепции предложена разграничительная матрица человеческого и искусственного интеллекта (ЧИ–ИИ), позволяющая структурировать управленческие функции по степени допустимой автоматизации и по рискам искажения гуманистических и этических основ системы управления. Матрица выделяет зоны, где ИИ целесообразен как вспомогательный инструмент (обработка больших данных, мониторинг показателей, прогнозирование, выявление закономерностей), и области, где приоритет человеческого интеллекта должен сохраняться (стратегическое управление, решения в условиях ценностной неопределенности, управление персоналом, оценка социальных последствий). Показано, что применение матрицы ЧИ–ИИ обеспечивает управляемую цифровую трансформацию предпринимательских проектов, поддерживая баланс эффективности и ответственности, а также снижая вероятность «ответственного вакуума» при алгоритмизации управленческих процедур. Результаты исследования могут быть использованы при разработке индивидуальных и адаптации действующих моделей управления предпринимательскими проектами в цифровой экономике.

Ключевые слова: менеджмент, предпринимательский проект, искусственный интеллект, цифровая трансформация, проективная ответственность, человеческий интеллект

Введение

Цифровая трансформация предпринимательских проектов сопровождается расширением применения решений на базе искусственного интеллекта в процессах планирования, анализа, контроля и поддержки управленческих решений [1; 2; 6]. В условиях роста вычислительных возможностей и доступности данных искусственный интеллект все чаще рассматривается как универсальный инструмент повышения эффективности управления. Однако подобный подход порождает методологическую проблему подмены управленческой ответственности алгоритмической рациональностью, что особенно критично для предпринимательских проектов, ориентированных на долгосрочное развитие [3; 4]. Одновременно усиливается управленческая значимость этики ИИ: растет число кейсов, в которых алгоритмические решения воспроизводят смещения, подрывают доверие и создают «вакуум ответственности», требующий осмысленных механизмов контроля и верификации со стороны человека [7].

Текст статьи

В научных исследованиях по менеджменту подчеркивается, что предпринимательский проект представляет собой не только совокупность бизнес-процессов, но и форму социальной и ценностной активности [3]. В этой связи применение искусственного интеллекта в управлении не может рассматриваться исключительно с позиций эффективности и оптимизации. Возникает необходимость четкого разграничения функций человеческого и искусственного интеллекта в системе управления предпринимательским проектом [5; 6].

Теоретико-методологической основой данного исследования выступает концепция проективной ответственности, расширяющая традиционное понимание ответственности в менеджменте за счет ориентации на будущие эффекты управленческих решений. В контексте цифровой трансформации проек- тивная ответственность предполагает осознанное проектирование границ применения искусственного интеллекта и сохранение приоритета человеческого интеллекта в зонах, связанных с ценностными, этическими и стратегическими решениями. В дополнение управленческие контуры цифровой трансформации должны включать процедуры человеческого контроля и этического управления ИИ, предотвращающие возможные смещения и размывание ответственности [7].

В процессе цифровизации системы управления предпринимательским проектом формируется потенциальный конфликт уровня «человеческий интеллект – искусственный интеллект». Искусственный интеллект эффективно решает задачи обработки больших массивов данных, выявления закономерностей и прогнозирования, однако не обладает способностью к эмпатии, нравственной оценке и контекстному пониманию социальных последствий решений [6]. Это обуславливает необходимость разработки инструментов, позволяющих структурировать зоны ответственности ЧИ и ИИ.

В качестве такого инструмента предлагается разграничительная матрица ЧИ–ИИ (см.

рис. 1), представляющая собой модель распределения управленческих функций в зависимости от степени допустимой автоматизации и уровня риска искажения гуманистических принципов управления.

Рисунок 1. Разграничительная матрица ЧИ–ИИ. Матрица позволяет выделить группы бизнес-процессов, в которых применение ИИ допустимо в качестве вспомогательного инструмента (например, аналитика данных, мониторинг показателей, прогнозирование), и процессы, в которых приоритет должен оставаться за человеческим интеллектом (стратегическое управление, управление персоналом, принятие решений в условиях ценностной неопределенности).

Применение разграничительной матрицы ЧИ–ИИ в управлении предпринимательскими проектами обеспечивает реализацию принципа проективной ответственности на практике. Управленческие решения принимаются с учетом не только текущей эффективности, но и потенциальных долгосрочных последствий цифровизации для организационной культуры, человеческого капитала и социальной среды. Таким образом, матрица ЧИ–ИИ выступает инструментом управляемой цифровой трансформации, а не механической автоматизации.

Отличительные особенности

Предлагаемая разграничительная матрица ЧИ–ИИ решает задачу не «назначения исполнителей», а методологического разведения контуров ответственности между человеком и алгоритмическими системами. Чтобы уточнить место предложенного инструмента в существующем инструментарии управления проектами, целесообразно сопоставить его с RACI-матрицей (в т. ч. в «цифровом» прочтении) и с концепцией Human-in-the-loop (HITL).

Классическая RACI-матрица фиксирует распределение ролей в задачах проекта (Responsible, Accountable, Consulted, Informed) и служит инструментом организационного согласования. В условиях цифровой трансформации RACI все чаще дополняют цифровыми ролями (такими как data owner, product owner, ML engineer, AI risk owner и др.), однако сама логика RACI остается антропоцентричной: ответственность и подотчетность закрепляются за людьми и подразделениями [8].

Матрица ЧИ–ИИ, напротив, вводит дополнительное измерение — допустимый уровень автоматизации и риск искажения гуманистических оснований управления — тем самым позволяя ответить на вопрос «какие функции можно / нельзя отдавать алгоритмам», не подменяя RACI.

Практически эти инструменты целесообразно использовать совместно: для каждой управленческой функции (строка RACI) дополнительно фиксируется режим выполнения (ЧИ / ИИ/ ЧИ+ИИ). Например, ИИ может быть «Responsible» за сбор и обработку данных (в техническом смысле), но «Accountable» остается человек (в смысле персонифицированной управленческой ответственности); при этом матрица ЧИ–ИИ задает, в каких классах решений человек обязан выполнять верификацию и принимать финальное решение. Ключевые различия подходов можно зафиксировать в сопоставлении по ряду критериев (табл. 1).

Таблица 1. Сопоставление RACI и матрицы ЧИ–ИИ. Критерий RACI (распределение ролей) Матрица ЧИ–ИИ (границы автоматизации) Единица анализа Задача / процесс и участники проекта Управленческая функция и ее «этический риск-профиль» Фокус ответственности Кто делает, кто отвечает, кого консультировать Что можно автоматизировать без утраты ответственности Тип результата Организационная ясность и согласование взаимодействия Управляемая интеграция ИИ с сохранением проективной ответственности Типичные ограничения Не отвечает на вопрос допустимости алгоритмизации Не заменяет распределение ролей между людьми / подразделениями Еще одна смежная концепция Human-inthe-loop (HITL) исходит из того, что при использовании ИИ в управлении сохраняется обязательное человеческое участие: человек задает цели, утверждает решения, контролирует качество данных и корректность выводов, а также несет ответственность за последствия [9]. Сильная сторона HITL — акцент на управленческой подотчетности и снижении рисков (ошибки, смещения, непрозрачность). Ограничение же в практической реализации связано с тем, что «наличие человека в контуре» может стать формальным ритуалом, если не определены: (а) классы решений, где участие человека обязательно; (б) критерии, по которым человек должен вмешаться; (в) механизм фиксации причин принятого решения (аудит-трейл).

Матрица ЧИ–ИИ конкретизирует HITL через зонирование управленческих функций: она задает, где ИИ допустим как инструмент поддержки (recommendation), где допустима частичная автоматизация при обязательной верификации человеком (approval), а где требуется человеческое решение как первичное и ценностно нагруженное (judgment). Тем самым матрица выступает прикладным «переводчиком» HITL в язык проектного управ- ления: формируются правила эскалации, пороги доверия к рекомендациям ИИ и перечень функций, в которых недопустима подмена проективной ответственности вычислительной рациональностью.

Предложенный автором подход занимает комплементарную позицию: RACI отвечает за организационное распределение ролей между людьми, HITL — за принципиальную необходимость человеческого контроля, а матрица ЧИ–ИИ — за методологически обоснованные границы автоматизации и за сохранение ответственности в предпринимательском проекте в условиях цифровой трансформации.

Заключение

Разработка и использование разграничительной матрицы человеческого и искусственного интеллекта позволяет расширить инструментарий менеджмента предпринимательских проектов в условиях цифровой трансформации. Предложенный подход обеспечивает методологическую основу для интеграции решений на базе искусственного интеллекта в систему управления с сохранением приоритета гуманистических и ценностных оснований предпринимательской деятельности.

Список литературы

1. Попов Е. В., Симонова В. Л., Черепанов В. В. DIGITAL-анализ в цифровой трансформации // Экономика и управление. — 2021. — №. 9. — С. 672–686.
2. Бабкин А. В., Глухов В. В., Шкарупета Е. В Методика оценки цифровой зрелости отраслевых промышленных экосистем // Организатор производства. — 2022. — №. 3. — С. 7–20.
3. Шумпетер Й. А. Теория экономического развития: Исследование предпринимательской прибыли, капитала, кредита, процента и цикла конъюнктуры. — М.: Прогресс, 1982. — 455 с.
4. Литау Е. Я. Предпринимательство как форма организации общественной деятельности // Научный журнал НИУ ИТМО. Серия: Экономика и экологический менеджмент. — 2021. — № 2. — С. 37–46.
5. Замчалова И. Ю. Искусственный интеллект: риски и перспективы культуры // Интеллект. Инновации. Инвестиции. — 2023. — № 5. — С. 102–110.
6. Bento S., Pereira L., Gonçalves R., Dias Á., Lopes da Costa R. Artificial intelligence in project management: systematic literature review // International Journal of Technology Intelligence and Planning. — 2022. — No. 2. — P. 143–163.
7. Sison A., Ferrero I., García Ruiz P., Kim T. W. Editorial: Artificial intelligence (AI) ethics in business // Frontiers in Psychology. — 2023. — No. 14.
8. Капралов А.С. Матрица RACI как инструмент оптимизации стратегического управления ролями в современных российских организациях // Экономика, менеджмент, финансы: актуальные вопросы теории и практики. Сборник статей IV Международной научно-практической конференции. — Наука и Просвещение, 2024. — С. 12-16.
9. Retzlaff C.O., Das S., Wayllace Ch., Mousavi P., Afshari M., Yang T., Saranti A., Angerschmid A., Taylor M.E., Holzinger A. Human-in-the-loop reinforcement learning: a survey and position on requirements, challenges, and opportunities // Journal of Artificial Intelligence Research. — 2024. — No. 79. — P. 359-415.

Скачать