Koncepcionális modell a mesterséges intelligencia bevezetésére a vállalkozás üzleti tevékenységébe
DOI:
https://doi.org/10.58423/2786-6742/2025-10-516-531Kulcsszavak:
mesterséges intelligencia, digitális transzformáció, üzleti folyamatok, innovációs fejlődés, menedzsmentmodellek, vállalati hatékonyságAbsztrakt
A globális digitális transzformáció időszakában az üzleti szférában a mesterséges intelligencia technológiák a hatékonyság és az innováció kulcsfontosságú hajtóerejévé válnak, ugyanakkor bevezetésük folyamata rendszerszemléletet és alapos tervezést igényel. A kutatás célja egy olyan koncepcionális modell kidolgozása, amely a mesterséges intelligencia vállalati tevékenységekbe történő átfogó bevezetési folyamatát írja le, biztosítva ezzel a digitális transzformáció rendszerszerű megközelítését és az MI-technológiákból származó üzleti érték maximalizálását. A tanulmány elemzi a mesterséges intelligencia bevezetésének aktuális trendjeit a vállalati szektorban, és megállapítja, hogy a vezetők 85%-a jelentős beruházásokat tervez ezen technológiákba. A statisztikai adatok azt mutatják, hogy az MI alkalmazása legmagasabb arányban a marketing és értékesítés területén figyelhető meg (a vállalatok 72%-ánál), továbbá a termékfejlesztésben és az IT-funkciókban. Elemeztük a generatív MI bevezetésének gazdasági hatását, kimutatható, hogy minden ötödik vállalat több mint 6%-kal tudta növelni bevételeit az ellátási lánc optimalizálása révén. Azonosításra kerültek a mesterséges intelligencia bevezetésének fő akadályai, többek között az üzleti értékteremtés mechanizmusainak elégtelen megértése, az integrációval kapcsolatos korlátozott ismeretek, valamint a rendszerszintű szemlélet hiánya. Kidolgozásra került az MI bevezetésének ötlépcsős koncepcionális modellje, amely magában foglalja: a stratégiai tervezést és a felkészültség értékelését; a szervezet előkészítését; a pilot tesztelést; a kiterjesztést és a kulturális transzformációt; valamint a folyamatos fejlődést és a hatékonyság nyomon követését. Meghatározásra kerültek a siker kritikus tényezői: a felső vezetés támogatása, a szervezet változásra való hajlandósága, a képzett szakemberek megléte, az adatok magas minősége és a megfelelő pénzügyi források. Felállításra került egy kockázatkezelési rendszer, amely technológiai, szervezeti, jogi és etikai aspektusokat ölel fel. Bebizonyosodott, hogy azok a vállalatok, amelyek rendszerszintű megközelítést alkalmaznak az MI integrációjára, jóval sikeresebbek, mint azok, amelyek csak szórványos, egyedi megoldásokat vezetnek be. A javasolt modell ciklikus és adaptív jellegű, lehetővé téve a szervezetek számára, hogy a megszerzett tapasztalatok és a külső feltételek változásai alapján folyamatosan módosítsák bevezetési stratégiájukat.
Hivatkozások
1. Lee, M., Scheepers, H., Lui, A., Ngai, E. (2023). The implementation of artificial intelligence in organizations: A systematic literature review. Information & Management, 60, 5. URL: https://www.sciencedirect.com/ science/article/abs/pii/S0378720623000642. DOI: https://doi.org/10.1016/j.im.2023.103816
2. Bolkvadze, N., Bratko, O., Myhal, O. (2023). Implementing artificial intelligence into the company's business activities. Economy and society, 58. DOI: https://doi.org/10.32782/2524-0072/2023-58-81 [in Ukrainian]. DOI: https://doi.org/10.32782/2524-0072/2023-58-81
3. Ziia, T. (2025). The State of Artificial Intelligence in 2025: Key Findings from the Latest Stanford AI Index Report. URL: https://www.unite.ai/uk.
4. Artificial Intelligence Index Report 2025. (2025). Stanford University. URL: https://hai.stanford.edu/assets/files/hai_ai_index_report_2025.pdf
5. Davenport, T., Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.
6. Perifanis, N.-A., Kitsios, F. (2023). Investigating the Influence of Artificial Intelligence on Business Value in the Digital Era of Strategy: A Literature Review. Information, 14 (2). DOI: https://doi.org/10.3390/info14020085. DOI: https://doi.org/10.3390/info14020085
7. Enholm, I., Papagiannidis, E., Mikalef, P., Krogstie, J. (2022). Artificial Intelligence and Business Value: a Literature Review. Inf Syst Front, 24, 1709–1734. DOI: https://doi.org/10.1007/s10796-021-10186-w
8. Bharadiya, J. (2023). The Impact of Artificial Intelligence on Business Processes. European Journal of Technology, 7(2), 15–25. DOI: https://doi.org/10.47672/ejt.1488
9. Cardillo, A. (2025). How Many Companies Use AI? URL: https://explodingtopics.com/blog/companies-using-ai
10. IBM Global AI Adoption Index 2023. (2024). URL: https://newsroom.ibm.com/2024-01-10-Data-Suggests-Growth-in-Enterprise-Adoption-of-AI-is-Due-to-Widespread-Deployment-by-Early-Adopters?utm_campaign=startupblink&utm_medium=startupblink&utm_source=startupblink.
11. Husiev, V. (2025). Industry trends. Artificial intelligence in Ukraine: how the industry is developing. URL: https://hub.kyivstar.ua/articles/galuzevi-trendi-shtuchnij-intelekt-v-ukrayini-yak-rozvivayetsya-galuz [in Ukrainian].
13. Zavrazhnyi, K. (2023). The use of artificial intelligence and the impact of digitalization on the sustainable development of corporate business. Akademichni vizii, 26. DOI: http://dx.doi.org/10.5281/zenodo.10257188 [in Ukrainian].
14. Solodkov, D. Ye., Hryshko, N. Ye. (2025). Integration of artificial intelligence and business analytics to support management decision-making by enterprises in resource-constrained environments. Ekonomichnyi prostir, 198, 115-122 [in Ukrainian]. DOI: https://doi.org/10.30838/EP.198.115-122
15. Wang, H. (2024). Analysis of the Impact of Artificial Intelligence on Modern Enterprise Management. Modern Economics & Management Forum, 5(3), 495–498. DOI: https://doi.org/10.32629/memf.v5i3.2370
16. Wade, M. (2015). Digital Business Transformation: A Conceptual Framework. Global Center for Digital Business Transformation: An IMD and Cisco Initiative. URL: https://www.imd.org/contentassets/d0a4d992d38a41ff85de509156475caa/framework
17. Obramych, O. (2025). Theoretical principles for assessing the development of digitalization in an enterprise. Akademichni vizii, 42/20. DOI: https://doi.org/10.5281/zenodo.15340884 [in Ukrainian].
18. A Step-by-Step Guide to Digital Transformation. (2017). URL: https://www.ionology.com/wpcontent/uploads/2017/01/Step-by-StepGuide-New.pdf.
19. Causes of AI hallucinations (and methods for reducing them). (2024). URL: https://uk.shaip.com/blog/ai-hallucinations/ [in Ukrainian].
##submission.downloads##
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2025 Volodymyr Rodchenko, Oksana Nesterenko

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
A szerzők fenntartják a szerzői jogokat, és jogot adnak a folyóiratnak a cikk első közzétételére, amely egyidejűleg engedélyezett a Creative Commons CC BY-NC licence alapján.
