DOI: 10.33917/es-6.204.2025.50-55

Рассматривается роль цифровых факторов в повышении производительности труда как одного из ключевых элементов технологического и экономического развития. На примере Кыргызской Республики показано, что внедрение цифровых технологий и развитие цифровой инфраструктуры содействуют росту эффективности, однако без одновременной модернизации основных фондов и подготовки квалифицированных кадров эффект цифровизации остается ограниченным. В статье также выдвигается предложение о создании интегральной модели цифровых факторов производительности труда на макро-, мезо- и микроуровне, что позволит комплексно оценивать процессы цифровой трансформации и управлять ими.

Источники:

1. Телятникова Т.В., Кипервар Е.А., Трункина Л.В. Выявление факторов, влияющих на уровень производительности труда, как основа формирования устойчивого развития предприятия // Экономика труда. 2024. Т. 11. № 3. С. 361–374. DOI 10.18334/ et.11.3.120672

2. Мкртычан З.В. Классификация факторов, оказывающих влияние на производительность труда [Электронный ресурс]. Сибирская финансовая школа. 2020. № 3(139). С. 23–30.

3. Концепция цифровой трансформации Кыргызской Республики на 2024–2028 годы [Электронный ресурс]. Министерство юстиции КР. URL: https://cbd.minjust.gov.kg/30-164/edition/6414/ ru?ysclid=mgi8iwipwl116850581

4. Цифровой кодекс Кыргызской Республики от 31 июля 2025 г. № 178 [Электронный ресурс]. Министерство юстиции КР. URL: https://cbd.minjust.gov.kg/3-48/edition/35412/ru

5. Распоряжение Кабинета министров КР от 23 июля 2024 г. № 4 [Электронный ресурс]. Министерство юстиции КР. URL: https://cbd.minjust.gov.kg/57-19271/edition/14721/ ru?ysclid=mgjn8uo4yg604258729

6. Индекс развития электронного правительства (средневзвешенный): Киргизия: По данным ООН [Электронный ресурс]. Statbase. URL: https://statbase.ru/data/kgz-e-governmentdevelopment-index/

DOI: 10.33917/es-4.202.2025.70-77

Раскрывается сущность искусственного интеллекта как математической модели, используемой для автоматизации когнитивной деятельности человека. Определяются практические задачи, решаемые с помощью данной технологии, такие как автоматизация рутинных бизнес-процессов, персонализация маркетинговых предложений, выявление мошенничества, поддержка принятия управленческих решений и др. Изучены отрасли, в которых искусственный интеллект находит активное применение, включая здравоохранение, финансовую сферу, розничную торговлю, производство, энергетику и телекоммуникации. Особое внимание уделяется конкретным примерам использования искусственного интеллекта в проведении аукционов, в частности, в сфере недвижимости, энергетики, онлайн-рекламы и распределения вычислительных ресурсов. Раскрыты аукционные модели, их суть и сферы применения, такие как онлайн-аукционы, программатик-реклама, спотовые рынки электроэнергии, финансовые рынки и государственные закупки.

Анализируются перспективы внедрения инструментов на основе искусственного интеллекта в аукционы в контексте дальнейшей цифровизации российской экономики и потенциальные выгоды от их применения, такие как повышение прибыли, оптимизация использования ресурсов, снижение расходов на человеческий труд и прочих операционных затрат.

Источники:

1. Smith C. Introduction // The History of Artificial Intelligence [Электронный ресурс]. URL: https://courses.cs.washington.edu/courses/csep590/06au/projects/history-ai.pdf

2. Тимофеева А.Ю., Королева Е.Н. Искусственный интеллект в управлении экономикой // Наука XXI века: актуальные направления развития. 2021. № 1-2. С. 184–188.

3. Реутов Р.В. Влияние инноваций цифровой экономики на механизм нейтрализации дефектов банковского рынка // Экономико-правовые проблемы обеспечения экономической безопасности. 2021. С. 99–102.

DOI: 10.33917/es-6.198.2024.124-129

Рассматриваются теоретические основы и практические подходы к созданию оптимальных показателей качества технического видения в научных работах профессора И.Л. Гейхмана. В настоящее время все большее распространение получают системы технического видения (СВТ) на базе оптико-электронных приборов (ОЭП), работающих в условиях пониженного уровня освещенности предметов и объектов. Эти СВТ призваны решить глобальные проблемы наук и техники. Интерес к рассматриваемой теме связан с актуальностью решения задачи повышения производительности труда, а также с необходимостью предупреждения травматизма при подземной и открытой добыче полезных ископаемых, выявления современных возможностей и перспектив автоматизации производства на основе средств технического видения.

Источники: 

1. Белозеров А.Ф. Оптика России. Очерки истории и развития. Казань: Центр инновационных технологий. 2012. Т. 1.

604 с.; 2013. Т. 2. 612 с.

2. Бахрах А.М. Из истории оптического приборостроения. Очерки. Т. 1. М.: ГНТИ машиностроительной литературы, 1951. 222 с.

3. Переписная книга города Москвы 1638 года. М., 1881.

4. Ченакал В.Л. Оптика в дореволюционной России // Труды Института истории естествознания. Т. 1. М.: АН СССР, 1947. 536 с.

5. Корницкой И.П. В изд.: Отечественный военно-промышленный комплекс и его историческое развитие / Под ред.

О.Д. Бакланова, О.К. Рогозина. М.: Ладога-100, 2005. 752 с.

6. Гейхман И.Л. Научные оcновы создания технического видения для горных работ. М.: Наука, 1989. 151 с.

7. Гейхман И.Л., Гвоздев С.М., Романов С.С. О видимости изображений при использовании шахтных систем визуализации // Светотехника. 1988. № 4. С. 6–8.

8. Гейхман И.Л., Волков В.Г. Основы улучшения видимости в сложных условиях. М.: Недра-Бизнесцентр, 1999. 286 с.

В статье проведен анализ выполнения проектов конструкторским подразделением оборонно-промышленного предприятия. В качестве основных объектов рассмотрения выбраны проекты (НИР, ОКР, серийное производство); трудовые ресурсы конструкторского подразделения, реализующие проекты; инструменты автоматизации управления и планирования выполнения проектов конструкторского подразделения. По итогам проведенной оценки сделаны выводы и даны рекомендации о компенсации многочисленных взаимосвязей руководителя конструкторского подразделения.