УДК 33
DOI: 10.24412/1998-5533-2025-4-126-133

Ягудина Елена Валерьевна
Доктор экономических наук, профессор,
заведующая кафедрой управления человеческими ресурсами
Казанского (Приволжского) федерального университета

Павлова Аделия Вадимовна
Доктор экономических наук, профессор кафедры сервиса и туризма,
проректор по учебной работе и цифровой трансформации
Поволжского государственного университета
физической культуры, спорта и туризма (Казань)

Аннотация. В условиях ускоряющейся цифровой трансформации и обостряющейся глобальной конкуренции внедрение искусственного интеллекта становится ключевым фактором повышения конкурентоспособности и устойчивого развития организаций, при этом результаты практики показывают, что решающую роль играют организационные и управленческие, а не технологические параметры.
Цель исследования заключается в выявлении и систематизации организационных детерминант успеха внедрения искусственного интеллекта и барьеров его масштабирования, а также в определении специфики российских практик в сопоставлении с опытом США, Европейского союза и Китая. В рамках работы решены задачи по обобщению эмпирических данных и кейсов внедрения ИИ, выделению ключевых факторов успеха и неудач, разработке авторской модели детерминант и барьеров, а также формулированию управленческих рекомендаций для компаний, рассматривающих ИИ как инструмент стратегической трансформации.
Научная новизна и практическая значимость исследования состоят в интеграции разрозненных подходов к анализу внедрения ИИ в единую классификацию факторов успеха и барьеров, сгруппированных по пяти ключевым аспектам: стратегическое лидерство, организационная структура и культура, человеческий капитал, технологическая и дата-инфраструктура, бизнес-ориентация.
Предложенная модель позволяет менеджерам выстроить целостную систему управления ИИ-проектами, увязывая технологические решения с управлением изменениями, развитием компетенций и архитектурой данных, что повышает вероятность получения устойчивого бизнес-эффекта. Основные результаты исследования показывают, что успешные проекты внедрения ИИ характеризуются наличием четкой стратегии и дорожной карты, функционированием центров компетенций, развитой культурой сотрудничества и инноваций, инвестициями в развитие цифровых навыков персонала, а также готовностью данных и масштабируемой инфраструктурой. Ключевыми барьерами выступают дефицит квалифицированных кадров, низкое качество и фрагментированность данных, отсутствие стратегии и сопротивление сотрудников, а также институциональные ограничения и особенности регуляторной среды, особенно в российском контексте. Полученные выводы подчеркивают, что долгосрочный успех внедрения ИИ определяется не уровнем технологий, а зрелостью организационной культуры, качеством стратегического лидерства и способностью компаний выстраивать системное управление изменениями.

Ключевые слова: искусственный интеллект, стратегическое лидерство, организационная культура, AI Center of Excellence, управление изменениями, человеческий капитал, качество данных, регуляторная среда, цифровая трансформация, сравнительный анализ

Для цитирования: Ягудина Е.В., Павлова А.В. Организационные детерминанты успеха внедрения искусственного интеллекта: сравнительный анализ российской и зарубежной практик // Вестник экономики, права и социологии. 2025. № 4. С. 126–133. DOI: 10.24412/1998-5533-2025-4-126-133.

Литература:

1. Key findings from our 2025 enterprise AI adoption report. URL: https://writer.com/blog/enterprise-ai-adoption-survey/
2. From early pilot to lasting value: 6 critical success factors for AI transformation. URL: https://konecta.com/news-insights/from-early-pilot-to-lasting-value-6-critical-success-factors-for-ai-transformation
3. Stevens B. Production AI success: From gen AI promise to business impact. URL: https://www.redhat.com/en/blog/production-ai-success
4. Overcoming HR obstacles to enterprise AI adoption. URL: https://www.sap.com/research/hr-ai-adoption
5. Establish an AI Center of Excellence. URL: https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/center-of-excellence
6. Vigneswar M., Ganesan A. How to Establish an AI Center of Excellence. URL: https://www.ideas2it.com/blogs/establish-ai-center-excellence
7. AI Governance and Centers of Excellence: Keys to Business Success. URL: https://www.plainconcepts.com/ai-governance-center-excellence/
8. Lin A., Schulman D. Five Steps to Building an AI Center of Excellence. URL: https://domino.ai/blog/five-steps-to-building-the-ai-center-of-excellence
9. Sirota A. Cloud AI vs. on-premises AI: Where should my organization run workloads? URL: https://www.pluralsight.com/resources/blog/ai-and-data/ai-on-premises-vs-in-cloud
10. Train in the Cloud, Deploy On-Prem: Making Hybrid AI Work ... URL: https://sutejakanuri.medium.com/train-in-the-cloud-deploy-on-prem-making-hybrid-ai-work-foryou-718e5d8f00b9
11. Brenner М. 10 Hard Truths About Enterprise AI Adoption (and How to Get It Right). URL: https://blog.workday.com/en-us/10-hard-truths-about-enterprise-ai-adoption-how-get-right.html
12. Li М. 7 Key Success Factors for AI Startups in 2026. URL: https://www.secondtalent.com/resources/key-success-factors-for-ai-startups/
13. Нехватка программистов в России: масштабы дефицита и пути решения. URL: https://sky.pro/wiki/profession/ nehvatka-programmistov-v-rossii-masshtaby-deficita-i-puti-resheniya/
14. Павлова А.В. Использование цифровых двойников в управлении: обзор подходов - территориальный аспект // Инновации и инвестиции. 2024. № 12. С. 293–297.
15. Самусенко Т. Дефицит IT-специалистов: как государство и бизнес повышают интерес к цифровым профессиям. URL: https://rg.ru/2025/06/20/v-rossii-razvivaiut-podgotovku-it-kadrov-cherez-prikladnoe-obuchenie.html
16. Scaling AI with strategy, data and workforce readiness. URL: https://www.weforum.org/stories/2025/10/closing-the-intelligence-gap-how-leaders-can-scale-ai-with-strategy-data-and-workforcereadiness/
17. Most Organizations Adopting AI Without Strategy as Risks Mount. URL: https://www.corporatecomplianceinsights.com/news-roundup-july-11-2025/
18. Withers J. Winning with AI: Building a Culture of Adoption. URL: https://trueplatform.com/news/winning-with-ai-building-a-culture-of-adoption/
19. How to Choose the Best Deployment Model for Enterprise AI: Cloud vs On-Prem. URL: https://www.allganize.ai/en/blog/enterprise-guide-choosing-between-on-premise-and-cloud-llm-and-agentic-ai-deployment-models
20. The Human Side of AI Transformation: Why Culture Is the Key to Enterprise AI Success. URL: https://agility-at-scale.com/implementing/human-side-of-ai-transformation/
21. Suchak D., Ali R. Cloud & AI Platform Strategy 2025: Patterns, Benefits, and Recommendations. URL: https://qpulse.tech/cloud-ai-platform-strategy-2025-patterns-benefits-and-recommendations/
22. Why the AI Center of Excellence Is the Key to AI Adoption. URL: https://www.tredence.com/blog/ai-center-of-excellence.
23. Павлова А.В. Цифровой двойник в действии: помогает ли управлять? // Экономика строительства. 2024. № 12. С. 86–90.
24. AI in the workplace: A report for 2025. URL: https://www.mckinsey.com/capabilities/mckinseydigital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-fullpotential-at-work.
25. Russian firms embrace AI and robotics to boost productivity, despite challenges. URL: https://www.intellinews.com/russian-firms-embrace-ai-and-robotics-to-boost-productivity-despite-challenges-347171/
26. Gesser A., Moodie G., Bernabei D. Why Businesses Are Accelerating AI Adoption and Eight Hallmarks of Success. URL: https://www.debevoise.com/ insights/publications/2025/09/why-businesses-are-accelerating-ai-adoption-and
27. Kumar A., Srinivasaa HG. Closing the intelligence gap: How leaders can scale AI with strategy, data and workforce readiness. URL: https://www.weforum.org/stories/2025/10/closing-the-intelligence-gap-how-leaders-can-scale-ai-with-strategy-data-and-workforce-readiness/
28. Parsons D., Corneil Ch. Six critical success factors to realize AI potential. URL: https://www.slalom.com/us/en/insights/six-critical-success-factors-to-realize-ai-potential.
29. Navigating Hybrid Cloud in Enterprise IT: A 2025 Roadmap. URL: https://www.matrix-ndi.com/resources/navigating-hybrid-cloud-in-enterprise-it-a-2025-roadmap/
30. Tobin D. Data Transformation Challenge Statistics – 50 Statistics Every Technology Leader Should Know in 2025. URL: https://www.integrate.io/blog/data-transformation-challenge-statistics/
31. Российские ИИ-решения, которые не хуже западных. URL: https://matrixmsk.ru/ai-dlya-biznesa/tpost/rjepfv6kc1-rossiiskie-ii-resheniya-kotorie-ne-huzhe.
32. Nandi M. How to Build an AI Center of Excellence. URL: https://www.datasciencecentral.com/how-to-build-an-ai-center-of-excellence/
33. Editor S. What is an AI center of excellence? URL: https://www.ibm.com/think/topics/ai-center-of-excellence.
34. Nadibaidze A. Russia’s Drive for AI: Do Deeds Match the Words? // The Washington Quarterly. 2024. № 47(4). Р. 137–154. https://doi.org/10.1080/0163660X.2024.2435162.

Yagudina E.V.
Kazan (Volga Region) Federal University

Pavlova A.V.
The Volga State University of Physical Culture, Sports and Tourism (Kazan)

Annotation. In the current context of accelerating digital transformation and intensifying global competition, the adoption of artificial intelligence is becoming a key driver of organizational competitiveness and sustainable development, while empirical evidence indicates that organizational and managerial, rather than purely technological, parameters play the decisive role.
The purpose of this study is to identify and systematize the organizational determinants of successful artificial intelligence adoption and the barriers to its scaling, as well as to specify the distinctive features of Russian practices in comparison with those of the United States, the European Union, and China. Within this research, the authors generalize empirical data and AI implementation cases, single out the key success and failure factors, develop an original model of determinants and barriers, and formulate managerial recommendations for companies that regard AI as a lever of strategic transformation.
The scientific contribution and practical relevance of the study lie in integrating fragmented approaches to the analysis of AI adoption into a unified classification of success factors and barriers, grouped into five core dimensions: strategic leadership, organizational structure and culture, human capital, technological and data infrastructure, and business orientation.
The proposed model enables managers to build a holistic AI governance system by aligning technological solutions with change management, capability development, and data architecture, thereby increasing the likelihood of achieving sustainable business impact. The main findings demonstrate that successful AI implementation projects are characterized by a clear strategy and roadmap, functioning centers of excellence, a strong culture of collaboration and innovation, investment in the development of employees’ digital skills, as well as data readiness and scalable infrastructure. The key barriers include a shortage of qualified personnel, low quality and fragmentation of data, the absence of a coherent strategy and employee resistance, as well as institutional constraints and specific features of the regulatory environment, which are particularly pronounced in the Russian context. The results underscore that the long-term success of AI adoption is determined not by the level of technology, but by the maturity of organizational culture, the quality of strategic leadership, and the ability of firms to establish systematic change management

Keywords: artificial intelligence, strategic leadership, organizational culture, AI Center of Excellence, change management, human capital, data quality, regulatory environment, digital transformation, comparative analysis