Ягудина Елена Валерьевна – доктор экономических наука, профессор, заведующая кафедрой управления человеческими ресурсами
420008, Казань, ул. Кремлевская, 18
Тел. +7(843)292-69-77
Kazan
Павлова Аделия Вадимовна – доктор экономических наук, профессор кафедры сервиса и туризма, проректор по учебной работе и цифровой трансформации
420138, Казань, Деревня Универсиады, д. 33
Тел.: +7 (843) 221-09-02
Kazan
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, бизнесориентация.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 бизнесэффекта. 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.
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
The authors declare that there are no conflicts of interest present.