Экономика Ошибок Искусственного Интеллекта: Сколько Стоит Неправильное Решение Алгоритма?

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

Цель. Разработать подход к экономической оценке ошибок систем искусственного интеллекта (ИИ), учитывающий их полную стоимость и специфические свойства алгоритмических ошибок. Методология. Исследование сочетает интегративный обзор литературы по экономике ИИ и машинному обучению с учётом издержек, анализ девяти задокументированных случаев ошибок алгоритмических систем в 2012–2024 гг. и экономико-математическое моделирование. Результаты. Предложена классификация издержек ошибок ИИ, включающая прямые, операционные, правовые, рыночные и социальные издержки. Выделены пять свойств, отличающих ошибки алгоритмов от ошибок человека: масштабируемость, коррелированность, непрозрачность, запаздывание обнаружения и самоусиление. Разработана модель ожидаемой стоимости ошибок и чистого эффекта внедрения ИИ с надбавкой за системный риск. Иллюстративный расчёт для кредитного скоринга показал, что алгоритм снижает потери почти на 40 %, однако незамеченный дрейф данных делает эффект внедрения отрицательным, а гибридная схема с участием человека обеспечивает наименьшие совокупные издержки. Оригинальность. Статистические показатели качества модели связаны с полной экономической стоимостью ошибок, а коррелированность алгоритмических ошибок введена как источник системного риска. Практическая значимость. Результаты применимы при обосновании внедрения ИИ, настройке порогов решений, организации мониторинга моделей и разработке режимов ответственности.