?
Стратегирование финансирования в экономике данных
Аннотация: Применение методов искусственного интеллекта и методов машинного обучения для построения инвестиционных маршрутов, направленных на поиск балансовых моделей между частными и государственными источниками финансирования, имеют высокую актуальность в связи с текущими задачами импортозамещения и обеспечения технологического суверенитета в Российской Федерации.
Системы поддержки принятия решений, моделирующие сценарии развития бизнеса на основе размеченных данных, могут выступать инструментом снижения рисков проектов импортозамещения и проектов обеспечения технологического суверенитета, а также венчурных и иных высокотехнологичных проектов за счет раннего интегрированного планирования на ранней стадии развития проекта и ранней балансировки возможностей разработчика и инвестора для балансирования различных источников финансирования как частных, так и мер государственной поддержки, на разных стадиях развития проекта.
Одним из направлений данного исследования является разработка (способа) машинного обучения и искусственного интеллекта на основе сверхточной нейросети, позволяющей автоматизировать задачу навигации технологических проектов по инструментам инвестиционного финансирования, и построения непрерывного мультиагентного инвестиционного маршрута, что позволит снизить риски технологических проектов в части своевременного получения инвестиций как частных, так и мер государственной поддержки, за счет применения алгоритма как помощника соединения стадии развития проекта, типа проекта, с типом источника финансирования. Целью данного исследования являлись стратегирование разработки, внедрения и масштабирования применения методов искусственного интеллекта и сценарного мультиагентного моделирования для решения экономических координационных задач привлечения частно-государственного финансирования через инструмент персональных инвестиционных маршрутов и интегрированных инвестиционных маршрутов.
В ходе исследования обоснована актуальность стратегирования разработки, внедрения и масштабирования
интегрированных инвестиционных маршрутов, определены принципы построения персональных и интегрированных инвестиционных маршрутов, разработан чек-лист проверки персонального и интегрированного инвестиционного маршрута, разработана методика построения персонального и интегрированного инвестиционного маршрута с применением алгоритмов искусственного интеллекта. На основе персональных и интегрированных инвестиционных маршрутов привлечения финансирования с применением алгоритмов искусственного интеллекта обоснована возможность стратегирования экономических потенциалов развития территории, в части привлечения дополнительных источников финансирования через мультиагентное моделирование финансово-хозяйственного взаимодействия отдельных инвестпроектов и интегрированных инвестпроектов, а также оценка влияния реализации инвестиционного проекта или проектов на длинные мультипликативные экономические эффекты и усиление отраслевой и межотраслевой кооперации, что, в свою очередь, содействует инвестиционной привлекательности территории. В исследовании использовали теорию стратегии и методологии стратегирования академика В. Л. Квинта.
Ключевые слова: стратегирование, стратегические цели, источники финансирования, искусственный
интеллект, мультиагентное моделирование, интегрированный маршрут финансирования, персональный
инвестиционный маршрут, экономика данных
Цитирование: Морозов-Перовский А. А., Тищенко Е. Б., Славянцев М. В. Стратегирование финансирования
в экономике данных // Стратегирование: теория и практика. 2024. Т. 4. № 3. С. 360–378. https://doi.
org/10.21603/2782-2435-2024-4-3-360-378