Industrial Enterprise Management Using Artificial Intelligence: Analysis and Critical Barriers to Implementation
Keywords:
industrial enterprises, efficiency, management, technologyAbstract
In the context of digital transformation, the implementation of artificial intelligence (AI) has become a key factor in improving management efficiency and ensuring long-term economic growth of industrial enterprises. The aim of this study is to develop a comprehensive theoretical and methodological approach to assessing and enhancing management efficiency based on AI. The research employs methods of systematization, comparative analysis, and evaluation of key performance indicators (KPIs), taking into account macroeconomic and environmental risk factors (PESTLE and ESG). The results demonstrate that the integration of AI solutions (predictive analytics, computer vision, intelligent automation) can increase Overall Equipment Effectiveness (OEE) by 20–30%, reduce operating costs by 15–25%, and minimize unplanned downtime by 30–50%. However, the analysis also reveals critical implementation barriers: data fragmentation, competency shortages, and high capital expenditures, which contribute to a failure rate of up to 70% in digital transformation projects. The study concludes that a phased implementation of AI is necessary, starting with a preliminary IT infrastructure audit and adaptation of the enterprise's organizational culture.
Downloads
References
Ahmad, A. (2023). Application of artificial intelligence in improving the efficiency of corporate information systems. JIEM: Journal Informatic, Education and Management, 5(2), 1–7. https://doi.org/10.61992/jiem.v5i2.55
Tian, T., Jia, S., Lin, J., Huang, Z., Wang, K. O., & Tang, Y. (2024). Enhancing industrial management through AI integration: A comprehensive review of risk assessment, machine learning applications, and data-driven strategies. EMI Economics & Management Information, 3(4). https://doi.org/10.62836/emi.v3i4.243
Антонов-Дружинин П. В., Суржиков М. А. Способы применения искусственного интеллекта при управлении операционной эффективностью предприятий // Вестник Ростовского государственного экономического университета (РИНХ). — 2024. — № 4 (88). — С. 32–42. https://doi.org/10.54220/v.rsue.1991-0533.2024.88.4.003
Lee, J., Davari, H., Singh, J., & Pandhare, V. (2018). Industrial artificial intelligence for Industry 4.0-based manufacturing systems: Industrial AI applications and challenges. Manufacturing Letters, 18, 20–23.
Дорофеев О. В., Ребус Н. А., Люблинская Н. Н., Филимонова Е. В. Анализ применения искусственного интеллекта в ERP-системах: потенциал и реальный опыт внедрения // Современная конкуренция. — 2025. — Т. 19, № 3. — С. 91–106. https://doi.org/10.37791/2687-0657-2025-19-3-91-106
Ивашко В. М., Романова Е. С. Методический подход к оценке цифровой зрелости предприятия // Веснік сувязi. — 2023. — № 4. — С. 45–50.
Кашлей Ф. Ф. Роль ИИ в управлении производственными ресурсами промышленного предприятия // Сборник материалов БНТУ. — Минск, 2025. — С. 289–295.
Rojko, A. (2017). Industry 4.0 concept: Background and overview. International Journal of Interactive Mobile Technologies (iJIM), 11(5), 77–90. https://doi.org/10.3991/ijim.v11i5.7072
Наумов Д. В. Цифровая трансформация промышленных предприятий: экономический аспект // Теоретическая экономика. — 2025. — № 9. — С. 80–93. https://doi.org/10.52957/2221-3260-2025-9-80-93
Николаева А. Б., Куянова А. А. Оценка экономической эффективности внедрения AI-решений для автоматизации бизнес-процессов на примере системы документооборота ОЭЗ «Алабуга» // Материалы КНИТУ-КАИ. — Казань, 2025. — С. 502–518.
Петухова А. В., Коваленко А. В. Системы поддержки принятия решений (СППР) на основе интеллектуальных технологий. Архитектура, проектирование и использование СППР в различных областях // Прикладная математика и вопросы управления. — 2025. — № 1. — С. 47–58. https://doi.org/10.15593/2499-9873/2025.1.04
Суртаева О. С., Козлова Е. В., Боечко П. А. Место искусственного интеллекта в стратегическом процессе промышленного предприятия // Deutsche Internationale Zeitschrift für zeitgenössische Wissenschaft. — 2021. — № 8, Vol. 2. — С. 34–37.
Shang, Y., Zhou, S., Zhuang, D., Żywiołek, J., & Dincer, H. (2023). Artificial intelligence and enterprise pollution reduction: Micro-evidence from China. Journal of Cleaner Production, 382, Article 135285. https://doi.org/10.1016/j.jclepro.2022.135285
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Professional Journal of Economics
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
