Применение методов искусственного интеллекта в информационных системах управления предприятиями

Искусственный интеллект (ИИ – artificial intelligence, AI) находит все более широкое применение в различных областях экономики и человеческой деятельности, в том числе в управлении, здравоохранении,

ГРНТИ 06.35.51

EDN HJVWOR

Роман Владимирович Соколов – доктор экономических наук, профессор, профессор кафедры информационных систем и технологий Санкт-Петербургского государственного экономического университета. ORCID 0000-00026068-207X

Игорь Леонидович Андреевский – доктор экономических наук, доцент, профессор кафедры информационных систем и технологий Санкт-Петербургского государственного экономического университета. ORCID 0000-00027576-9688

образовании, искусстве и т.д. [4; 6; 9; 12]. В национальном проекте «Цифровая экономика РФ» [11] уделяется большое внимание развитию ИИ подготовке соответствующих кадров. Принят Указ Президента РФ «О развитии искусственного интеллекта в Российской Федерации» [14]. В то же время, вопросы применения ИИ в области проектирования информационных систем (ИС) в известной научной литературе рассмотрены недостаточно.

Целью настоящей статьи является анализ задач применения ИИ, возникающих в процессе эксплуатации и создания информационных систем управления предприятиями. Для достижения этой цели должны быть рассмотрены следующие вопросы: особенности решения задач ИИ применительно к ИС управления предприятиями; распределение задач ИИ по сферам управления предприятием; распределение задач ИИ по стадиям и этапам процесса создания информационных систем управления предприятиями; состав ориентировочной информации при постановке задач ИИ; состав возможной информации для обучения и работы систем ИИ; пример генерации требований к ИС с применением методов ИИ в системе ChatGPT.

Материалы и методы

В работе использованы материалы национального проекта «Цифровая экономика РФ» [11] и другие руководящие материалы в области развития искусственного интеллекта в нашей стране. Проведен анализ и синтез результатов научных публикаций отечественных и зарубежных ученых в этой области. Использован многолетний практический опыт авторов по проектированию и эксплуатации информационных систем управления предприятиями.

Основные результаты и их обсуждение

Общепринятое определение ИИ [5] носит общий характер. Для решения задач ИИ применительно к информационным системам управления предприятиями требуется раскрыть соответствующие данной области особенности ИИ. Рассмотрим эти особенности по порядку:

• •    ИИ не обладает свойством целеполагания при работе в процессе эксплуатации и создания информационных систем управления, а является помощником коллектива соответствующих специалистов;

• •    ИИ призван осуществлять поиск наилучшего варианта решения в составе информационной системы в условиях многовариантности решения задачи;

• •    постановка задачи выбора решения носит нечеткий характер и сопровождается ориентировочными исходными данными, с которыми должна работать система ИИ;

• •    должна иметься возможность использования лингвистического подхода в описании задачи выбора варианта решения и использования термов лингвистических переменных с размытыми значениями функций принадлежности;

• •    отсутствует необходимость разработки алгоритма нахождения решения с конкретизацией использования исходных данных в блоках алгоритма. Система ИИ самостоятельно выбирает исходные данные, доступные из Интернета в процессе обучения и решения задачи, в соответствии со своим алгоритмом, основанном на нейросетевых технологиях, нечеткой логике и базах знаний;

• •    система ИИ должна быть нацелена на включение в состав программного обеспечения информационной системы таких программных средств, которые, в свою очередь, обладают свойствами ИИ. Такие системы следует называть интеллектуальными информационными системами.

Распределение задач ИИ по сферам управления предприятием представлено в таблице 1 на примере промышленного предприятия. Анализ существующих публикаций [2; 3; 7; 8; 10; 13] по прикладному использованию ИИ в информационных системах позволяет говорить, что методы ИИ наиболее эффективны для решения следующих задач:

• •    формирование требований;

• •    описание предметной области и границ проекта;

• •    обоснование выбора архитектурного стиля для реализации бекенда и фронтенда решения;

• •    обоснование выбора программных средств и средств разработки;

• •    автоматизация рутинных задач (обобщение результатов собраний, мозговых штурмов, отслеживание хода выполнения проекта и др.);

• •    генерация пользовательских историй и сценариев использования;

• •    проектирование логической структуры базы данных;

• •    разработка прототипов пользовательского интерфейса;

• •    генерация программного кода;

• •    генерация тестовых данных;

• •    разработка сценариев тестирования и тестовых заданий;

• •    поиск багов и уязвимостей;

• •    изменение требований;

• •    рефакторинг кода;

• •    формирование документации по проекту и др.

Таблица 1

Распределение задач ИИ по сферам управления предприятием

Сферы управления предприятием	Методы искусственного интеллекта
Снабжение. Маркетинг рынков материалов и комплектующих	Голосовой ввод данных, прогнозная и предикативная аналитика
Производство основное, заготовительное, сборочное, вспомогательное	Прогнозная и предикативная аналитика. Потоковая аналитика данных промышленного интернета вещей. Интеллектуальный поиск и анализ документов
Сбыт. Маркетинг рынков сбыта готовой продукции. Электронная торговля. Оценка качества сайта номенклатуры продукции	Машинное обучение, поиск и подбор решения
Персонал производственный, управленческий	Классификация обращений
Финансы собственные, заемные. Финансовые коэффициенты	Машинное обучение, поиск и подбор решения. Интеллектуальный поиск и анализ документов
Бухгалтерия, отчет о доходах и расходах, отчет о движении денежных средств, бухгалтерский баланс	Голосовой ввод данных. Интеллектуальный поиск и анализ документов
Проектная деятельность, планирование развития предприятия	Интеллектуальный поиск и анализ документов
Обслуживание и ремонт оборудования вспомогательным производством	Потоковая аналитика данных промышленного интернета вещей

В таблице 2 представлено распределение возможных задач ИИ по стадиям и этапам процесса проектирования информационных систем управления предприятиями. Процесс проектирования представлен от получения проектной организацией заявки предприятия-заказчика на проектирование до внедрения разработанной информационной системы.

Рассмотрим состав ориентировочной информации при постановке задач выбора проектных решений с привлечением ИИ. Для решения задачи система ИИ должна получить сведения о классе, к которому относится предприятие заказчика. Эти сведения включают в себя отрасль промышленности, тип производства (массовый, серийный, индивидуальный), размер предприятия по количеству работающих и годовому объему реализации продукции. Должны быть учтены финансовые возможности и пожелания заказчика по уровню цифровизации и срокам разработки («треугольник компромиссов»).

Нужна характеристика информационной системы на момент решения задачи в части ее программного, технического, информационного и организационного обеспечения. Допускается нечеткая, расплывчатая постановка задачи перед системой ИИ.

Рассмотрим состав возможной информации для обучения и работы систем ИИ. Для решения поставленной задачи и выработки рекомендаций по выбору проектных решений система ИИ должна использовать доступный ей из Интернет широкий статистический опыт решения аналогичных задач в информационных системах управления предприятиями данного класса и современные технологии обработки больших данных. Должна учитываться конъюнктура отечественного рынка средств и услуг цифровизации управления предприятиями.

Пример генерации требований к ИС с применением методов ИИ в системе ChatGPT

К наиболее популярным чат-ботам на базе ИИ, которые способны генерировать текст и взаимодействовать с пользователем, относятся ChatGPT (компания-разработчик OpenAI), Google Bard (компания-разработчик Google), ChatSonic (компания-разработчик Writesonic), YandexGPT (компания-разработчик «Яндекс»), Microsoft Bing Chat (компания-разработчик Microsoft) и др. Помимо этого, в сети Интернет существует много онлайн-сервисов, обеспечивающих доступ к GPT-3.5 и GPT-4, Llama 2, для генерации текста. К их числу относится онлайн-сервис Chad [1], который поддерживает русский язык. Для генерации изображений используются нейросети Midjourney 5.2, Stable Diffusion и DALL^E3. Сервис адаптирован для отечественных пользователей. Доступен бесплатный демо-режим. Для использования не требуется VPN, оплата возможна в рублях по факту использования выделенных ресурсов.

В ответе от ИИ были представлены укрупненные требования, касающиеся таких категорий как: регистрация и аутентификация пользователей, каталог продукции, формирования заказа, управления заказами, оплаты, интеграции с другими подсистемами, управления пользователями и ролями, управления коммуникациями и уведомлениями, средствами аналитики и отчетности, вопросам безопасности решения.

Таблица 2

Распределение задач ИИ по стадиям и этапам проектирования информационных систем

Стадии и этапы проектирования	Задачи искусственного интеллекта	Ориентировочные исходные данные	Информация для обучения интеллектуальной системы
Заявка на проектирование	Целесообразность и цена принятия заявки	Характеристика предприятия заказчика. Треугольник компромиссов заказчика (цена, уровень цифровизации, сроки)	Статистика выполнения аналогичных работ
Стадия анализа
Технико-экономическое обоснование; техническое задание	Поиск новых задач, обеспечивающих критические факторы успеха	Характеристика информационной системы предприятия заказчика	Функциональность информационных систем предприятий данного класса, в том числе интеллектуальных
Стадия технического проекта
Алгоритмизация функциональных задач; информационное обеспечение; техническое обеспечение, интернет	Выбор типовых программных и технических средств для информационной системы заказчика.	Алгоритмы функциональных задач управления на предприятии заказчика	Данные отечественного рынка программных и технических средств цифровизации
Организационное обеспечение	Изменение организационной структуры управления предприятием	Характеристика технического и программного обеспечения ИС предприятия заказчика	Организационные структуры управления на предприятиях данного класса, показавшие свою эффективность
Подведение экономических итогов технического проектирования	Целесообразность продолжения процесса проектирования	Ориентировочная оценка затрат и результатов проекта ИС	Сопоставление с результатами и затратами действующих ИС предприятий данного класса
Стадия рабочего проектирования
Обоснование выбора архитектуры решения	Выбор варианта традиционной или облачной системы обработки информации	Приблизительная оценка объемов хранения и периодичности обработки информации предприятия заказчика	Данные отечественного рынка услуг предприятий облачной обработки информации

Окончание табл. 2

Стадии и этапы проектирования	Задачи искусственного интеллекта	Ориентировочные исходные данные	Информация для обучения интеллектуальной системы
Покупка и установка программного и технического обеспечения ИС	Выбор программных и аппаратных средств	Требования к программно-аппаратным средствам	Данные отечественного ИТ-рынка
Разработка / конфигурирование	Разработка собственными силами или с привлечением специализированной организации	Ориентировочный объем работ, состав программистов ИТ-подразделения предприятия заказчика	Данные отечественного рынка услуг, включая возможности технологии ИИ интеллекта по программированию на основе алгоритмов задач
Стадия внедрения ИС	Оценка времени внедрения	Характеристика класса ИС (малая, средняя, большая) и ее стоимости	Практика времени внедрения информационных систем данного класса

На запрос «Перечисли основные сущности для проектирования структуры базы данных для обработки заказов типографии» был получен следующий ответ: «Для проектирования структуры базы данных необходимо определить основные сущности и их атрибуты. Вот некоторые примеры основных сущностей и их атрибутов: пользователь, товар, заказ, детали заказа, способ оплаты, адрес доставки, отзывы. Это лишь некоторые примеры основных сущностей, которые могут быть полезны при проектировании структуры базы данных. Фактические сущности и атрибуты будут зависеть от конкретных требований и функциональности системы, которую вы разрабатываете».

Так как объем генерируемого подобными сервисами текста за раз ограничен определенным объемом, то целесообразно декомпозировать задачи, каждый раз уточняя каждый элемент, что позволит получить наиболее полный отклик. Подобные сервисы с поддержкой функционала искусственного интеллекта имеют достаточно низкий порог вхождения для начала работы с ними и являются полезными инструментами в процессе проектирования ИС. В то же время, на текущей стадии развития их следует рассматривать как инструмент, дополняющий реального человека.

Заключение

Таким образом, в статье раскрыты особенности и возможности применения систем ИИ в процессе эксплуатации и создания информационных систем управления предприятиями.