ЭФФЕКТИВНОСТЬ ИСПОЛЬЗОВАНИЯ АНАЛИТИЧЕСКИХ СИСТЕМ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МЕЖДУНАРОДНОЙ ТОРГОВЛЕ
Ключевые слова:
искусственный интеллект, международная торговля, аналитические системыАннотация
В данной научной статье на основе глубокого научного, теоретического и практического подхода анализируется эффективность использования аналитических систем на основе искусственного интеллекта в процессах международной торговли. В условиях цифровой экономики сложность торговых операций, расширение глобальных цепочек поставок и увеличение потока информации в режиме реального времени требуют совершенствования аналитических инструментов принятия решений. Исследование выявляет роль аналитических инструментов на основе ИИ в точности прогнозирования, оценке рисков, оптимизации логистики, определении рыночной ситуации и формировании торговых стратегий. Методологически использованы методы систематического анализа, сравнения, обобщения эмпирических результатов и обзора научных источников. Результаты показывают, что аналитические системы на основе ИИ становятся важным инструментом повышения эффективности торговли, снижения затрат и обеспечения стратегической стабильности.
Библиографические ссылки
1. Porter, M. E. (1985). Competitive Advantage: Creating and Sustaining Superior
Performance. New York: Free Press.
2. Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and
Prosperity in a Time of Brilliant Technologies. New York: W.W. Norton & Company.
3. Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction Machines: The Simple Economics
of Artificial Intelligence. Harvard Business Review Press.
4. McKinsey & Company. (2020). The state of AI in 2020 – AI adoption and value creation in
international business. Retrieved from https://www.mckinsey.com/
5. World Trade Organization. (2022). Digital Trade and E-commerce Trends. Geneva: WTO
Publications. [Xalqaro savdo va raqamli transformatsiya]
6. OECD. (2021). AI and Data-Driven Innovation in Trade. Paris: OECD Publishing.
7. Chui, M., Manyika, J., & Miremadi, M. (2016). Where machines could replace humans—
and where they can’t (yet). McKinsey Quarterly.
8. Zhang, J., & Wang, L. (2019). Machine Learning for Supply Chain Forecasting: A
Comparative Analysis. International Journal of Production Economics, 208, 79–91.
9. Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of
Winning. Boston: Harvard Business School Press.
10. Kshetri, N. (2018). 1 Blockchain’s roles in meeting key supply chain management objectives.
International Journal of Information Management, 39, 80–89.
11. IBM Institute for Business Value. (2020). Global AI Adoption in Business: Insights and
Trends. IBM Research. https://www.ibm.com/thought-leadership
12. Huang, G., & Rust, R. T. (2021). Artificial Intelligence in Service. Journal of Service
Research, 24(1), 3–21.
