ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ

Генеративный ИИ как фактор трансформации BI-технологий

Авторы

  • Виктор Петрович Часовских https://orcid.org/0000-0002-9454-9824 Уральский государственный экономический университет, 620108, Екатеринбург, ул. 8 Марта, д. 62
  • Елена Викторовна Кох https://orcid.org/0000-0001-7040-3380 Уральский государственный экономический университет, 620108, Екатеринбург, ул. 8 Марта, д. 62
DOI: 10.25726/q7996-4225-1560-d EDN: NUMFUG

Как цитировать

ГОСТ Часовских В. П., Кох Е. В. Генеративный ИИ как фактор трансформации BI-технологий // СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. 2026. Т. 70. № 9. С. 139-150. DOI: 10.25726/q7996-4225-1560-d
APA Часовских, В. П. & Кох, Е. В. (2026). Генеративный ИИ как фактор трансформации BI-технологий. СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ, 70(9), 139-150. https://doi.org/10.25726/q7996-4225-1560-d

Аннотация

В статье рассматривается влияние генеративного искусственного интеллекта на развитие и трансформацию современных BI-технологий в условиях цифровой экономики. Обоснована актуальность применения генеративного ИИ в бизнес-аналитике, связанная с ростом объёмов данных, повышением требований к скорости принятия управленческих решений и необходимостью более доступных и интеллектуальных аналитических инструментов. В работе раскрыта сущность BI-технологий, охарактеризованы их основные компоненты, включая источники данных, ETL/ELT-процессы, хранилища данных, OLAP-инструменты, средства визуализации, отчётность и аналитику. Особое внимание уделено направлениям использования генеративного ИИ в BI-системах: естественно-языковой аналитике, автоматической генерации отчетов и аналитических выводов, интеллектуальной визуализации данных, формированию SQL-запросов, поддержке прогнозирования и сценарного анализа. Показано, что генеративный ИИ способствует переходу BI-систем от традиционных инструментов отчётности и визуализации к интеллектуальным аналитическим платформам поддержки управленческих решений. Выявлены основные преимущества внедрения генеративного ИИ в BI, среди которых повышение скорости получения аналитической информации, расширение доступности бизнес-аналитики для пользователей без специальных технических навыков, снижение нагрузки на аналитиков и ИТ-подразделения, а также персонализация аналитики. Одновременно рассмотрены риски и ограничения применения генеративного ИИ, связанные с возможностью формирования недостоверных ответов, зависимостью результатов от качества исходных данных, угрозами информационной безопасности, недостаточной прозрачностью моделей и организационными барьерами внедрения. Сделан вывод о том, что генеративный ИИ не заменяет традиционные BI-технологии, а выступает средством их развития и усиления. Эффективность его использования зависит от качества данных, зрелости ИТ-инфраструктуры, цифровых компетенций персонала и наличия регламентов безопасного применения искусственного интеллекта.

Ключевые слова

генеративный искусственный интеллект Business Intelligence BI-технологии бизнес-аналитика цифровая экономика аналитика данных естественно-языковая аналитика интеллектуальная визуализация управленческие решения

Финансирование

Авторы не заявили о внешнем финансировании исследования.

Библиографические ссылки

Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. Санкт-Петербург: БХВ-Петербург, 2004. 336 с.

Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Технологии анализа данных: Data Mining, Text Mining, Visual Mining, OLAP. 2 изд. 2-е изд., перераб. и доп. Санкт-Петербург: БХВ-Петербург, 2008. 384 с.

Ведерников М. ИИ в аналитике: как AI-агенты превращают BI в генеративный // Эпсилон Метрикс. 2025. https://blogs.epsilonmetrics.ru/generativnye-ai-agenty-i-llm-v-bi/

Дхамани Н., Энглер М. Генеративный искусственный интеллект: как ИИ меняет нашу жизнь и работу. Пер. с англ. Е.В. Жевлаковой. Москва: Изд-во «Бомбора», 2025. 384 с.

Дэвенпорт Т. Внедрение искусственного интеллекта в бизнес-практику: преимущества и сложности. Москва: Альпина Паблишер, 2023. 337 с.

Радионов М., Зворыгин В. Разговариваем с BI на естественном языке // Хабр. 2024. https://habr.com/ru/companies/sberbank/articles/793378/

Рындина С.В. Интеллектуальные информационные системы и технологии: системы Business Intelligence Microsoft Power BI: учебно-методическая пособие. Пенза: Изд-во ПГУ, 2021. 64 с.

Сейновски Т. ChatGPT и будущее искусственного интеллекта: глубокая языковая революция. Санкт-Петербург: Питер, 2026. 288 с. Серия «New Science».

Сокаренко Н. Бизнес-аналитика с помощью ИИ: как ИИ-инструменты помогают работать с данными // Академия Selectel. 2026. https://selectel.ru/blog/business-analytics-with-ai/

Тарашнина С. Генеративный ИИ выводит бизнес-аналитику на новый уровень – какие перспективы и вызовы это открывает для компаний? // Компьютерный мир. Открытые системы. 2025. https://www.osp.ru/articles/2025/0722/13059774

Первый Бит. Тенденции на BI-рынке в 2026 году // www.1cbit.ru. 2026. https://www.1cbit.ru/blog/tendentsii-na-bi-rynke/

Фостер Д. Генеративное глубокое обучение. Творческий потенциал нейронных сетей. Санкт-Петербург: Питер, 2020. 352 с.

Часовских В.П., Усольцев В.А., Кох Е.В. Естественный и искусственный интеллект как инструмент преобразования данных: монография. Киров: МЦИТО, 2025. 252 с.

Часовских В.П. Генеративный искусственный интеллект как среда создания интеллектуальных помощников так называемых ИИ-агентов: учебное пособие. Рецензент С.В. Поршнев. Киров: МЦИТО, 2025. 252 с.

Bender E.M., Gebru T., McMillan-Major A., Shmitchell S. On the dangers of stochastic parrots: can language models be too big? // Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency. 2021. pp. 610-623.

Bommasani R. On the opportunities and risks of foundation models // Stanford Center for Research on Foundation Models. 2021. https://arxiv.org/abs/2108.07258/

NIST. Artificial intelligence risk management framework (AI RMF 1.0) // National Institute of Standards and Technology. 2021. https://www.nist.gov/itl/ai-risk-management-framework/

Provost F., Fawcett T. Data science for business: what you need to know about data mining and data analytic thinking. Sebastopol: O’Reilly Media, 2013. 414 p. https://www.oreilly.com/library/view/data-science-for/9781449374273

Выпуск

Том 70 № 9 (2026): Строительные и дорожные машины

Раздел

ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ

Метрики

50 просмотров
0 скачиваний

Права и условия использования

Правообладатель: СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ

Условия использования полного текста: Все права защищены

Метаданные статьи доступны на условиях CC0 1.0

JATS XML
Полнотекстовая версия
Хотите опубликоваться?
Подать статью

Похожие статьи

<< < 2 3 4 5 6 7 8 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.

Наиболее читаемые статьи этого автора (авторов)