Интеллектуальные системы поддержки принятия решений как средство формирования управленческих компетенций студентов

Рассмотрено, как интеллектуальная система поддержки принятия решений (СППР) встраивается в учебную деятельность студента-управленца и при каких условиях она развивает аналитическое мышление, а не подменяет его. Управленческое решение разложено на шесть фаз: распознавание и формализация проблемы, сбор и анализ данных, порождение альтернатив, оценка и выбор, обоснование, рефлексия результата. Каждой фазе сопоставлен компонент управленческой компетенции, который в ней формируется, и показано, как меняется этот процесс, когда часть операций берет на себя интеллектуальная система. Предложена модель распределения когнитивной нагрузки между обучающимся и СППР по фазам принятия решения с обозначением точки верификации, в которой инициатива анализа должна возвращаться к студенту. Образовательный эффект работы с такими системами описан через противопоставление двух механизмов: когнитивного усиления, при котором система освобождает ресурс для содержательного анализа, и когнитивного замещения, при котором готовая рекомендация вытесняет самостоятельную аналитическую работу. Показано, что между этими режимами систему переключает не ее техническая характеристика, а способ организации учебного задания и уровень аналитической грамотности студента. Вместо хронологической этапности предложены три принципа проектирования учебных ситуаций: управляемая неполнота выдачи системы, обязательная параллельная верификация и эксплицитная рефлексия процедуры выбора. Сформулированы дидактические условия, при которых интеллектуальная СППР работает на формирование компетенции, и обозначены направления эмпирической проверки модели.

1. Щурина С. В. Влияние цифровой революции на развитие искусственного интеллекта и внедрение технологий автоматизации роботизированных процессов в деятельность современной компании. Экономика. Налоги. Право. 2023;16(4):65–75. DOI: 10.26794/1999-849X-2023-16-4-65-75. EDN: YANAKO.

2. Никитин Н. А. Применение жизненного цикла модели для оценки инвестиций в искусственный интеллект на примере больших языковых моделей. Финансы: теория и практика. 2024;28(3):206–217. DOI: 10.26794/2587-5671-2024-28-3-206-217. EDN: RTFFCN.

3. Капранова Л. Д. Цифровая трансформация общества и уровень жизни населения. Экономика. Налоги. Право. 2025;18(3):81–91. DOI: 10.26794/1999-849X-2025-18-381-91. EDN: GDXTGU.

4. Кормильцева Е. А., Адельшин А. В., Букушева А. В., Сокур Е. А., Шмакова А. П., Бурмистрова Н. А. Модель управленческих компетенций преподавателя высшей школы: анализ перспектив развития в условиях цифровизации образования. Science for Education Today. 2025;15(2):139-160. DOI: 10.15293/2658-6762.2502.07. EDN: LFSPAM.

5. Ендовицкий Д. А., Гайдар К. М. Университетская наука и образование в контексте искусственного интеллекта. Высшее образование в России. 2021;30(6):121–131. DOI: 10.31992/0869-3617-2021-30-6-121-131. EDN: NJJXGQ.

6. Носова Л. С., Белоусова Н. А., Корчемкина Ю. В. Разработка прикладной интеллектуальной системы на основе нейрофизиологических данных для поддержки принятия решений по организации образовательного процесса. Информатика и образование. 2023;38(2):16–25. DOI: 10.32517/0234-0453-2023-38-2-16-25. EDN: JJPHDY.

7. Покаместов И. Е., Никитин Н. А. Современные технологии искусственного интеллекта как инструмент трансформации цепочек создания стоимости российских коммерческих банков. Финансы: теория и практика. 2024;28(4):122–135. DOI: 10.26794/2587-5671-2024-28-4-122-135. EDN: AGDQSF.

8. Король А. Д., Бушманова Е. А. Искусственный интеллект в зеркале образования: проблема диалога. Высшее образование в России. 2025;34(2):125–135. DOI: 10.31992/0869-3617-2025-34-2-125-135. EDN: PBTQXG.

9. Гнедых Д. С. Тенденции и перспективы использования нейрокомпьютерных интерфейсов в образовании. Сибирский психологический журнал. 2021;(79):108–129. DOI: 10.17223/17267080/79/7. EDN: IJVQFH.

10. Шкодинский С. В., Крупнов Ю. А., Романцова Т. В. Многофакторный анализ рисков современного финтеха на основе мультимодальной аналитики. Финансы: теория и практика. 2025;29(4):112–128. DOI: 10.26794/2587-5671-2025-29-4-112-128. EDN: NPSYJR.

11. Захарова И. Г., Воробьева М. С., Боганюк Ю. В. Сопровождение индивидуальных образовательных траекторий на основе концепции объяснимого искусственного интеллекта. Образование и наука. 2022;24(1):163–190. DOI: 10.17853/1994-5639-2022-1-163-190. EDN: IOBYEJ.

12. Лёвин Б. А., Пискунов А. А., Поляков В. Ю., Савин А. В. Искусственный интеллект в инженерном образовании. Высшее образование в России. 2022;31(7):79-95. DOI: 10.31992/0869-3617-2022-31-7-79-95. EDN: KCNAPJ.

13. Михайлов А. Ю., Юсиф Н. Б. А., Ан Д. Как высокая эффективность рынка акций Чили влияет на энергопереход? Исследование на базе алгоритма оптимизации Deep Seek. Финансы: теория и практика. 2025;29(1):181–194. DOI: 10.26794/2587-5671-2025-29-1-181-194. EDN: WHKEUC.

14. Каракозов С. Д., Самохвалова Е. А., Рыжова Н. И. Имплементация основ искусственного интеллекта в курс информатики среднего общего образования: практикоориентированный аспект. Информатика и образование. 2024;39(5):6–20. DOI: 10.32517/0234-0453-2024-39-5-6-20. EDN: EJGPIY.

15. Кукуев Е. А., Гладкова Л. Н., Крежевских О. В., Фроленкова А. Л. Исследовательские компетенции студентов в эпоху искусственного интеллекта. Перспективы науки и образования. 2025;(3(75)):55–71. DOI: 10.32744/pse.2025.3.4. EDN: XIWZHA.

16. Елшанский С. П. Школа будущего: может ли искусственный интеллект обеспечить когнитивную эффективность обучения? Вестник Томского государственного университета. 2021;(462):192–201. DOI: 10.17223/15617793/462/23. EDN: YILXYS.

17. Буякова К. И., Дмитриев Я. А., Иванова А. С., Фещенко А. В., Яковлева К. И. Отношение студентов и преподавателей к использованию инструментов с искусственным интеллектом в вузе. Образование и наука. 2024;26(7):160–193. DOI: 10.17853/1994-5639-2024-7-160-193. EDN: BSEUWY.

18. Белолобова А. А. Искусственный интеллект в образовании: проблема его недобросовестного использования обучающимися.Инженерное образование. 2025;(37):86-98. DOI: 10.54835/18102883_2025_37_8. EDN: QWCINF.

19. Валькова Ю. Е. Использование технологий искусственного интеллекта для подготовки и написания научных статей. Информатика и образование. 2024;39(6):38–52. DOI: 10.32517/0234-0453-2024-39-6-38-52. EDN: OFVOAD.

20. Сысоев П. В., Евстигнеев М. Н. Использование технологий искусственного интеллекта в исследовательской работе студентов. Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2025;28(1):85–101. DOI: 10.55959/MSU-2074-1588-19-28-1-6. EDN: AYNWSU.

21. Букина Т. В., Храмова М. В., Куркин С. А., Андриков Д. А., Гоман С. С., Дедков А. Е., Храмов А. Е. Нейрообразовательный программный рекомендательный сервис как инструмент персонализации образовательного процесса. Информатика и образование. 2024;39(5):50–62. DOI: 10.32517/0234-0453-2024-39-5-50-62. EDN: NJWJOY.

22. Сысоев П. В. Искусственный интеллект в образовании: осведомлённость, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности. Высшее образование в России. 2023;32(10):9–33. DOI: 10.31992/0869-3617-2023-32-10-9-33. EDN: TZYTKM.

23. Сысоев П. В. Персонализированное обучение на основе технологий искусственного интеллекта: насколько готовы современные студенты к новым возможностям получения образования. Высшее образование в России. 2025;34(2):51–71. DOI: 10.31992/0869-3617-2025-34-2-51-71. EDN: WEAGVQ.

24. Кормильцева Е. А., Байгушева И. А., Варова Н. Л., Стариков В. И., Шмакова А. П., Бурмистрова Н. А. Исследование динамики готовности будущих экономистов к использованию искусственного интеллекта на основе метода анализа иерархий. Science for Education Today. 2024;14(3):113–134. DOI: 10.15293/2658-6762.2403.06. EDN: SPDLYZ.

25. Вишнеков А. В., Ерохина Е. А., Иванова Е. М., Трубочкина Н. К. Особенности учебного процесса подготовки IT-специалистов в условиях возрастания возможностей генеративного искусственного интеллекта. Инженерное образование. 2023;(34):123–135. DOI: 10.54835/18102883_2023_34_11. EDN: ZNKWCN.

26. Захаров А. А., Захарова И. Г., Шабалин А. М., Ханбеков Ш. И., Джалилзода Д. Б. Интеллектуальный голосовой помощник как пример реализации методологии инклюзивного дизайна. Образование и наука. 2024;26(3):149–175. DOI: 10.17853/1994-5639-2024-3-149-175. EDN: KZYPDW.

27. Максимова М. В., Фролова О. В., Этуев Х. Х., Александрова Л. Д. Адаптивное персонализированное обучение: внедрение современных технологий в высшем образовании. Информатика и образование. 2023;38(4):14–27. DOI: 10.32517/0234-0453-2023-38-4-14-27. EDN: ZXOKFV.