Author
Listed:
- V. Rasskazov E.
(Rostelecom PJSC)
- В. Рассказов Е.
(ПАО «Ростелеком»)
Abstract
The relevance of the article is due to increasing attention of the state and corporations to artificial intelligence technologies, developing strategies and increasing investments in technology. The aim of this article is to study artificial intelligence as a general-purpose technology, its distribution features and approaches to assessing and modelling the impact on production, organization finances and the economy. The study employed the methods of an AI qualitative analysis according to the classification of general-purpose technologies and a regression analysis of company production factors. The author analysed the data of 21 public Russian companies in the industry of hydrocarbon production, mining and metal production for 2014–2018. He proposed a model to assess the impact of AI technology on production, organization finances and the economy. The correlation analysis proved that capital expenditures and the market value of companies have a close relationship. The study revealed low productivity of assets of Russian companies. The investor expects to receive 28 kopecks for each rouble invested in the company’s assets, whereas foreign markets show a one to one ratio. The study highlighted the cyclicality of the performance of the company factors. The research did not expose general-purpose technology signals in the given time interval. The author concluded that under a quality classification, artificial intelligence is a general-purpose technology; however, at this stage, it is impossible to empirically observe the economic effect of the technology distribution. The proposed model may be of further use to study the effect of artificial intelligence on the finances of a company and the economy. The potential consequences of market monopolization due to the distribution of AI technologies allow for an argument for the state regulation of the technology adaptation process by business. Актуальность статьи обоснована возрастающим вниманием государства и корпораций к технологиям искусственного интеллекта, выражающемся в формировании стратегий и росте инвестиций в технологию. Цель статьи — исследование широкого применения технологии искусственного интеллекта, особенностей ее распространения и подходов к оценке и моделированию ее влияния на производство, финансы организации и экономику. Использованы методы качественного анализа искусственного интеллекта по классификации технологий широкого применения, регрессионного анализа факторов производства фирмы. Автором проанализированы данные 21 публичной российской компании в индустрии добычи углеводородов, горной добычи и производства металла за 2014–2018 гг. Предложена модель оценки влияния технологии искусственного интеллекта на производство, финансы организации и экономику. По результатам корреляционного анализа доказано, что капитальные расходы и рыночная стоимость компаний имеют тесную связь. Выявлена низкая производительность активов российских компаний. На каждый вложенный в активы фирмы рубль инвестор рассчитывает получить 28 копеек, тогда как на зарубежных рынках наблюдается соотношение один к одному. Исследование позволило наблюдать цикличность изменения производительности факторов фирмы. Сигналы распространения технологий широкого применения на наблюдаемом временном интервале не были выявлены. Сделан вывод, что искусственный интеллект можно качественно классифицировать как технологию широкого применения, однако эмпирически наблюдать экономический эффект распространения технологии на данном этапе не удается. Модель, предложенная в исследовании, может применяться для изучения влияния искусственного интеллекта на финансы фирмы и экономику. Возможные последствия монополизации рынков ввиду распространения технологий искусственного интеллекта позволяют выдвинуть аргумент в пользу государственного регулирования процесса адаптации технологии бизнесом.
Suggested Citation
Download full text from publisher
Corrections
All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:scn:financ:y:2020:i:2:p:120-132. See general information about how to correct material in RePEc.
If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.
We have no bibliographic references for this item. You can help adding them by using this form .
If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.
For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Алексей Скалабан (email available below). General contact details of provider: http://financetp.fa.ru .
Please note that corrections may take a couple of weeks to filter through
the various RePEc services.