АВТОМАТИЗАЦІЯ УПРАВЛІНСЬКИХ РІШЕНЬ: ПЕРСПЕКТИВИ ВИКОРИСТАННЯ АЛГОРИТМІВ У МЕНЕДЖМЕНТІ

Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 45 https://doi.org/10.5281/zenodo.17684451 Пасько М. І. кандидат економічних наук, доцент, доцент кафедри менеджменту, логістики та інновацій, Навчально-науковий інститут менеджменту і маркетингу, Харківський національний економічний університет імені Семена Кузнеця, https://orcid.org/0000-0002-2784-4997 Мізюк В. А. кандидат педагогічних наук, доцент, декан факультету управління, адміністрування та інформаційної діяльності, Ізмаїльський державний гуманітарний університет, https://orcid.org/0000-0001-8291-6597 Єремія Г. І. кандидат географічних наук, доцент кафедри бізнесу та управління персоналом, Чернівецький національний університет імені Юрія Федьковича, https://orcid.org/0000-0002-0025-7688 АВТОМАТИЗАЦІЯ УПРАВЛІНСЬКИХ РІШЕНЬ: ПЕРСПЕКТИВИ ВИКОРИСТАННЯ АЛГОРИТМІВ У МЕНЕДЖМЕНТІ JEL Classification: M14, O33, L86 SECTION “ECONOMICS”: Економіка Анотація. Автоматизація управлінських рішень є одним із найбільш перспективних та стратегічних технологічних рішень для розвитку корпоративної цифрової трансформації. Метою роботи було дослідити еволюцію автоматизації управлінських процесів, особливості прийняття рішень щодо впровадження автоматизації, сам процес її реалізації і ключові переваги для бізнесу. У дослідженні використано системний і міждисциплінарний підхід, що поєднує аналіз наукових джерел, порівняльний і структурно-функціональний аналіз, методи узагальнення, індукції та дедукції. Для візуалізації процесів автоматизації управлінських рішень застосовано елементи процесного моделювання й аналітичного моделювання алгоритмів ухвалення рішень. У результаті проведеного дослідження розкрито основні поняття роботизованої (RPA) та інтелектуальної автоматизації процесів (IPA), охарактеризовано еволюцію автоматизації від RPA до IPA, описано ключові технології, такі як штучний інтелект, машинне навчання, обробка природної мови й автономні агенти. Проаналізовано інструменти та підходи впровадження автоматизації, визначено рівні зрілості систем IPA та критерії доцільності їх застосування залежно від потреб організацій. Окремо висвітлено переваги IPA, зокрема економію часу та коштів, підвищення точності й ефективності процесів, оптимізацію ресурсів, зменшення ризиків, покращення добробуту співробітників та персоналізацію користувацького досвіду. Виявлено сфери та галузі, в яких автоматизація застосовується найчастіше, включаючи обслуговування клієнтів, кадрові ресурси, фінанси, виробництво й електронну комерцію. Дослідження демонструє значний потенціал подальшого розвитку IPA, зокрема через інтеграцію з існуючими бізнессистемами, прогнозування ринкових тенденцій та оптимізацію управлінських рішень. Напрямом подальших досліджень варто визначити вивчення ефективності інтеграції IPA Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 46 з існуючими бізнес-системами й оцінку впливу автоматизації на стратегічне управління та інноваційний розвиток організацій. Ключові слова: автоматизація, процес прийняття управлінських рішень, алгоритм, система менеджменту, штучний інтелект, машинне навчання. Annotation. Automation of management decisions is one of the most promising and strategic technological solutions for the development of corporate digital transformation. The aim of the work was to investigate the evolution of automation of management processes, the features of decision-making regarding the implementation of automation, the process of its implementation itself and key benefits for business. The study used a systemic and interdisciplinary approach that combines the analysis of scientific sources, comparative and structural-functional analysis, generalization, induction and deduction methods. Elements of process modeling and analytical modeling of decision-making algorithms were used to visualize the processes of automation of management decisions. As a result of the study. As a result of the study, the basic concepts of robotic (RPA) and intelligent process automation (IPA) were revealed, the evolution of automation from RPA to IPA was characterized, and key technologies such as artificial intelligence, machine learning, natural language processing and autonomous agents were described. The tools and approaches for implementing automation are analyzed, the maturity levels of IPA systems and the criteria for their appropriateness depending on the needs of organizations are determined. The advantages of IPA are highlighted separately, in particular, saving time and money, increasing the accuracy and efficiency of processes, optimizing resources, reducing risks, improving employee well-being, and personalizing the user experience. The areas and industries in which automation is most often used are identified, including customer service, human resources, finance, production, and e-commerce. The study demonstrates significant potential for further development of IPA, in particular through integration with existing business systems, forecasting market trends, and optimizing management decisions. The direction of further research should be to study the effectiveness of IPA integration with existing business systems and assess the impact of automation on strategic management and innovative development of organizations. Keywords: automation, decision-making process, algorithm, management system, artificial intelligence, machine learning. Вступ Постановка проблеми. Сучасний розвиток автоматизації процесів демонструє перехід від простих роботизованих систем (RPA) до складних інтелектуальних систем (IPA), здатних навчатися, адаптуватися та приймати управлінські рішення. Тому важливо дослідити, які чинники визначають доцільність упровадження таких систем в організаціях, та як вони впливають на ефективність прийняття рішень. Аналіз останніх досліджень і публікацій. Перспективи використання автоматизації для покращення процесу прийняття управлінських рішень вивчаються в багатьох роботах науковців. Так, об’єктом дослідження Л. Россманн та А. Вальд стали чинники, що впливають на рішення щодо підвищення рівня автоматизації певного управлінського рішення [1]. У свою чергу, М. Доган та ін. дослідили вплив автоматизації на структуру прийняття рішень в організаціях. Вчені виявили, що фірми по-різному розгортають ресурси автоматизації залежно від своєї організаційної структури. Централізовані фірми обирають автоматизувати відділи, які стикаються з більшою невизначеністю, тоді як децентралізовані фірми роблять навпаки [2]. Дослідження О. Лошенюк висвітлює актуальні питання щодо автоматизації управління бізнес процесами підприємства крізь призму аналізу наявних систем управління. У роботі визначено мотиви, якими керуються підприємства під час прийняття рішення про автоматизацію, а також переваги від автоматизації бізнес-процесів [3]. Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 47 У контексті дослідження процесів автоматизації особливий інтерес становлять роботи, присвячені інтеграції штучного інтелекту (ШІ) у системи управління та прийняття рішень. Так, перспективні методи застосування ШІ в процесах управління та прийняття рішень було запропоновано у статті Г. Калач та ін. Дослідники проаналізували сучасні концепції упровадження ШІ в менеджменті, зокрема використання алгоритмів машинного навчання (МН) для аналізу даних, персоналізації комунікацій та управління взаємодією з клієнтами за допомогою чат-ботів і віртуальних помічників [4]. У дослідженні М. Лейєр та С. Шнайдер доведено, що ШІ має величезний потенціал для покращення процесу прийняття рішень людиною. Однак вчені зауважують, що технології, ймовірно, зіткнуться з опором і невизначеністю з боку людей [5]. У роботі Н. Маддукурі було досліджено, як злиття ШІ з роботизованою автоматизацією процесів (RPA) призвело до появи нової парадигми в управлінні робочими процесами підприємства – інтелектуальних механізмів прийняття рішень. У результатах цього дослідження представлені архітектура, принципи проектування та стратегії розгортання інтелектуальних механізмів прийняття рішень, детально описуючи, як вони оптимізують бізнес-результати за допомогою прогнозної аналітики, когнітивної автоматизації і прийняття рішень у режимі реального часу [6]. Зв’язок між системним аналізом та ШІ, а також роль цих технологій у покращенні процесу прийняття рішень, вивчали Д. С. Кузьменко та Р. В. Петрова. Дослідники зазначили, що за допомогою цих інструментів можна ефективно аналізувати великі обсяги даних і розробляти інноваційні стратегії [7]. Сучасні дослідження зосереджуються на взаємодії людини та технологій автоматизації, акцентуючи увагу на тому, як алгоритмізація управлінських процесів змінює структуру зайнятості, механізми відбору кадрів і характер участі людини в прийнятті стратегічних рішень. Наприклад, С. Віблен і Дж. Г. Марлер визначили, яке значення може мати автоматизація в процесі виявлення талантів, та як вона трансформує роль фахівців з управління персоналом у виявленні талантів [8]. Концепції автоматизації і доповнення в галузі управління опинилися у фокусі дослідження С. Райш та С. Краківський. У той час як автоматизація передбачає, що машини беруть на себе людські завдання, доповнення означає, що люди тісно співпрацюють із машинами для виконання завдання. Науковці дійшли висновку, що якщо організації приймуть ширшу перспективу, що охоплює як автоматизацію, так і доповнення, вони зможуть впоратися з напругою та досягти взаємодоповнюваності, яка принесе користь бізнесу та суспільству [9]. Натомість М. Шмітт зауважив, що прийняття рішень на основі ШІ є незамінним на сучасному швидкозмінному ринку. Автор відзначив, що поточний попит на експертів з аналітики значно перевищує пропозицію. Одним із рішень цієї проблеми, на думку дослідника, є підвищення зручності використання фреймворків МН, щоб зробити їх доступнішими для неекспертів [10]. У низці досліджень активно вивчаються регуляторні аспекти використання алгоритмів у прийнятті управлінських рішень. У роботі Ф. Гебурчик підкреслено необхідність формування належної правової бази в контексті автоматизованого прийняття адміністративних рішень. Вчений зауважив, що автоматизація прийняття рішень органами державної влади в ЄС регулюватиметься національними адміністративними процедурами та Загальним регламентом про захист даних (General Data Protection Regulation – GDPR). Тому важливо забезпечити чіткий зв’язок між національними адміністративними процедурами та GDPR, що сприятиме досягненню його основної мети – встановити рівний рівень захисту в усіх державах-членах ЄС шляхом його «послідовного й однорідного застосування» [11]. У свою чергу, Р. Хамон та ін. дослідили зв’язок між існуючими правовими вимогами щодо пояснювальності систем ШІ, викладеними в GDPR, і сучасним станом розвитку в галузі пояснювального ШІ. Висновок роботи полягає в тому, що якість пояснень може не вважатися адекватним захистом для автоматизованих процесів прийняття рішень згідно з GDPR, тобто наявність пояснення ще не гарантує справедливість чи прозорість процесу прийняття рішень системою ШІ [12]. Автоматизоване й алгоритмічне прийняття рішень з використанням МН дослідили Дж. Коббе та ін. Науковці розкрили, що хоча пояснювальний ШІ може частково допомогти зробити систему прозорішою, цього недостатньо для повного розуміння та контролю [13]. Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 48 Покращення процесів управлінського та стратегічного прийняття рішень за допомогою автоматизації активно досліджується в різних галузях. У роботі В. К. Биба було реалізовано дослідження ролі автоматизації у прийнятті маркетингових рішень. На окремому прикладі вчений виявив, що інтеграція автоматизованого алгоритму ціноутворення, заснованого на методах ШІ та МН, призвела до значного збільшення продажів під час акції, досягнувши 30% зростання виручки порівняно із запланованим показником у перший день кампанії [14]. У статті Н. О. Королюк та ін. запропоновано підхід щодо автоматизації процесів прийняття рішень по управлінню винищувальною авіацією (ВА) на основі використання системи цільових установок [15]. Отже, автоматизація управлінських рішень є актуальною темою для досліджень через істотне підвищення ефективності процесу прийняття рішень у багатьох галузях завдяки її упровадженню. Тому важливо продовжувати дослідження в цьому напряму, зокрема, доцільно більш глибоко дослідити еволюцію автоматизації і процес прийняття рішення щодо її впровадження в організаціях. Метою статті було дослідити еволюцію автоматизації управлінських процесів, особливості прийняття рішень щодо впровадження автоматизації, сам процес її реалізації і ключові переваги для бізнесу. Матеріали і методи. У статті використано системний і міждисциплінарний підхід, що поєднує аналіз наукових джерел, порівняльний та структурно-функціональний аналіз, методи узагальнення, індукції і дедукції. Для візуалізації процесів автоматизації управлінських рішень застосовано елементи процесного моделювання й аналітичного моделювання алгоритмів ухвалення рішень. Результати За останнє десятиліття ландшафт автоматизації різко змінився, від простої роботизованої автоматизації процесів (Robotic Process Automation – RPA) до дедалі складніших інтелектуальних систем (Intelligent Process Automation – IPA). Ця еволюція являє собою шлях від автоматизації на основі правил до складних, автономних систем, здатних навчатися, адаптуватися та приймати рішення [16]. На рисунку 1 продемонстровано, як IPA взаємодіє з RPA та такими технологіями, як ШІ та МН. Рис. 1. Взаємовідносини RPA, МН і ШІ Джерело: побудовано авторами на основі [17]. RPA-боти автоматизують рутинні та структуровані завдання, такі як введення даних і виконання замовлень, покращуючи операції і зменшуючи кількість помилок AI+ML - когнітивна автоматизація стосується використання технологій ШІ, МН і NPL, щоб роботи могли навчатися на даних, обробляти неструктуровані дані, виконувати прогнозну аналітику, створювати чатботів та віртуальних помічників IPA= RPA+ ШІ + ML - чат-боти на базі ШІ, що інтегровані з RPA, можуть автоматизувати взаємодію з клієнтами, підвищуючи задоволеність. Поєднання RPA, ШІ, МН, а також інших технологій може забезпечити комплексну автоматизацію складних бізнес-процесів, оптимізацію операцій і підвищення ефективності Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 49 Для того, щоб зрозуміти, яке значення розвиток автоматизації має для сучасних організацій, необхідно глибше розібратися в ключових термінах. RPA – це тип програмного забезпечення, яке імітує щоденну взаємодію людини з комп’ютерами. Це означає, що програмне забезпечення може замінити процеси, які раніше виконувалися людьми, такі як вхід у систему, введення даних, виконання робочих процесів і будь-яка діяльність на основі правил, що виконується на комп’ютері, особливо взаємодія з CRM-системами (Customer Relationship Management), такими як SalesForce або Hubspot, інформаційними системами, такими як SAP (Systems, Applications and Products), електронною поштою та спільними дисками, серед інших. RPA відтворюють людську діяльність без втручання людини. Таке програмне забезпечення називається роботом, оскільки воно керується автоматично. RPA не вимагають розробки абсолютно нової програмної системи, а навпаки передбачає, що ІТ-системи вже розроблені та працюють. Ці системи не слід замінювати чи змінювати, натомість RPA має маніпулювати ними [18]. Асоціація стандартів Institute of Electrical and Electronics Engineering (IEEE) визначає IPA як «попередньо налаштований екземпляр програмного забезпечення, який поєднує бізнес-правила, логіку визначення контексту на основі досвіду та критерії прийняття рішень для ініціювання і виконання кількох взаємопов’язаних людських та автоматизованих процесів у динамічному контексті» [19]. Інтелектуальна автоматизація процесів відрізняється від звичайної автоматизації своєю здатністю імітувати людську діяльність і відтворювати прийняття рішень людиною на ключових етапах. IPA розширює традиційні функціональні можливості RPA новими технологіями, такими як можливості самонавчання, виявлення процесів аналізу даних, моделі оптимізації, розпізнавання екрана за допомогою ШІ, алгоритми мовлення, розпізнавання зображень, МН та обробка природної мови [18]. У таблиці 1 показано еволюцію автоматизації від RPA до інтелектуальної автоматизації. Таблиця 1 Еволюція автоматизації Вид автоматизації Ключові характеристики / технології Приклади Обмеження / переваги RPA – автоматизує повторювані завдання на основі попередньо визначених інструкцій, імітуючи дії людини працює строго в рамках попередньо визначених робочих процесів та умов; автоматизує повторювані процеси; не може адаптуватися до нових шаблонів або неструктурованих даних введення й обробка даних; обробка рахунківфактур; фільтрація електронної пошти та автоматизація відповідей не може обробляти неструктуровані дані; недостатня адаптивність; немає можливостей приймати рішення Гіперавтоматизація – покращує RPA, інтегруючи ШІ, машинне навчання МН та аналіз процесів для автоматизації складних робочих процесів завдяки ШІ та МН дозволяє інструментам автоматизації із часом вдосконалюватися та прогнозувати результати; обробка природної мови (Natural language processing – NLP) дозволяє ШІ розуміти й обробляти текст для чатботів та автоматизації документів; виявляє неефективність і пропонує оптимізацію Чат-боти на базі ШІ; інтелектуальна обробка документів на основі ШІ; прогнозна аналітика в бізнесопераціях Порівняно з RPA: автоматизує складні завдання, засновані на знаннях; обробляє неструктуровані дані; постійно навчається та вдосконалюється Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 50 Вид автоматизації Ключові характеристики / технології Приклади Обмеження / переваги IPA – поєднує RPA зі ШІ та когнітивною автоматизацією для створення систем, які адаптують та оптимізують процеси в режимі реального часу можливості самонавчання; адаптація в режимі реального часу; здатності до прийняття рішень виявлення шахрайства на основі ШІ; автоматизація діагностики охорони здоров’я; оптимізація ланцюга поставок Порівняно з гіперавтоматизацією: усуває ручне втручання; покращує точність автоматизації на основі історичних даних; використовує аналітику ШІ для оптимізації рішень Джерело: [16]. Основними інструментами IPA є ШІ, МН, NPL та ін. Нижче кожен з цих інструментів розглянуто детально. ШІ та МН дозволяють системам автоматизації аналізувати закономірності, прогнозувати майбутні тенденції і приймати рішення на основі даних. Вони покращують автоматизацію, підвищуючи точність, зменшуючи кількість помилок та оптимізуючи процеси в режимі реального часу. NLP дозволяє машинам розуміти, інтерпретувати та генерувати людську мову, що дозволяє автоматизувати роботу чат-ботів, віртуальних помічників та інтелектуальної обробки документів. Це допомагає компаніям отримувати аналітику з неструктурованих текстових даних, покращуючи взаємодію з клієнтами. Агентна автоматизація процесів автоматизує повторювані завдання на основі правил, імітуючи дії людини, зменшуючи ручні зусилля та підвищуючи ефективність. Вона служить виконавчим рівнем для структурованих робочих процесів, але тут бракує когнітивних можливостей. Аналітика процесів аналізує робочі процеси бізнесу, щоб виявити неефективність, вузькі місця й області для автоматизації. У поєднанні з аналітикою це дозволяє організаціям оптимізувати комплексні процеси, а не автоматизувати окремі завдання. Агентний ШІ (Автономні агенти ШІ) використовує самонавчальні агенти ШІ, які аналізують дані, приймають рішення й адаптуються до змінних середовищ без втручання людини. Ці автономні системи постійно оптимізують робочі процеси, підвищуючи ефективність і масштабованість автоматизації [16]. До ключових переваг IPA слід віднести. Аналітика на основі даних. Автоматизоване прийняття рішень використовує передову аналітику і машинне навчання для аналізу великих обсягів даних та отримання практичних висновків. Це дозволяє підприємствам приймати обґрунтовані рішення на основі даних і тенденцій у режимі реального часу, що призводить до більш стратегічних та ефективних результатів. Більша економія часу та коштів. Автоматизація процесів прийняття рішень призводить до значної економії часу та коштів для організацій. Усуваючи необхідність ручної обробки даних і прийняття рішень, підприємства можуть оптимізувати операції та зменшити витрати на робочу силу, пов’язані з цими завданнями. Автоматизація також підвищує ефективність процесів, що призводить до швидшого виконання завдань і зменшення операційних накладних витрат. Швидші процеси. Автоматизація прискорює прийняття рішень, обробляючи інформацію та виконуючи рішення зі швидкістю, яка значно перевищує людські можливості. Автоматизовані системи можуть швидко обробляти великі обсяги даних, аналізувати тенденції у режимі реального часу та майже миттєво генерувати результати. Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 51 Кращий розподіл ресурсів. Завдяки автоматизації завдань, що потребують перерозподілу, організації можуть перерозподілити свої людські ресурси на більш стратегічні та ціннісні види діяльності. Краща точність. Однією з найважливіших переваг автоматизації є її вплив на точність. Автоматизовані системи спираються на алгоритми та аналітичні дані, що зменшує ймовірність людських помилок, які можуть виникнути через втому, недогляд або упередженість. Менше ризиків. Автоматизоване прийняття рішень зменшує ризик помилок та невідповідностей, які можуть виникнути через людські судження. Використовуючи попередньо визначені правила й алгоритми, керовані даними, компанії можуть мінімізувати вплив суб’єктивних упереджень і непослідовних практик прийняття рішень. Добробут співробітників. Автоматизація процесів прийняття рішень може значно підвищити задоволеність співробітників. Перекладаючи рутинні та повторювані завдання на системи автоматизації, працівники звільняються від буденних справ і можуть зосередитися на більш захопливій та стратегічній роботі [20]. Масштабованість та адаптивна автоматизація. Автоматизовані рішення забезпечують безперешкодне масштабування, забезпечуючи зростання бізнесу без додаткової складності. Ці системи ефективно обробляють зростаючі робочі навантаження, зменшуючи потребу в додаткових ресурсах. Персоналізований користувацький досвід. Аналізуючи моделі поведінки, автоматизація адаптує взаємодію для підвищення задоволеності клієнтів. Це призводить до більш релевантної, своєчасної і контекстуальної взаємодії із клієнтами та співробітниками [16]. Водночас, не всі компанії та організації потребують складних автоматизованих рішень і впровадження повністю нових систем автоматизації. На рисунку 2 продемонстровані рівні зрілості автоматизації управлінських процесів, які можуть співіснувати та впроваджуватися сучасними компаніями залежно від їхніх потреб, ресурсів і стратегічних пріоритетів. Рис. 2. 4-крокова модель інтелектуальної автоматизації процесів Джерело: [16] Роботизована автоматизація процесів Програмні роботи, що автоматизують повторювані процеси на основі правил з використанням структурованих даних Когнітивна автоматизація Автоматизація складніших процесів із використанням неструктурованих даних із використанням можливостей машинного навчання Цифрові помічники Роботи, оснащені інтерфейсами користувача на основі мовлення та тексту (ULS), що використовують можливості обробки природної мови Автономні агенти Складні програмні системи, здатні використовувати алгоритми глибокого навчання для самостійного прийняття рішень та ініціювання процесів, що дозволяє автоматизувати критично важливі бізнесфункції Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 52 RPA доцільно впроваджувати невеликим компаніям для підвищення операційної ефективності. Когнітивна автоматизація підходить організаціям із потребою в аналізі великих обсягів неструктурованих даних. Цифрові помічники застосовуються там, де важлива взаємодія з користувачами, клієнтами або працівниками. Автономні агенти використовуються компаніями, які прагнуть до повної інтелектуалізації управління. Загалом, зрозуміти, чи можливо та доцільно автоматизувати той чи інший процес прийняття рішень в організації можна через оцінку декількох ключових чинників: 1) Повторюваність процесу. Якщо процес прийняття рішень включає повторювані завдання, які відповідають послідовній схемі або набору правил, він, найбільш імовірно, може бути автоматизований. 2) Визначені правила та критерії. Автоматизація працює найкраще, коли існують чіткі, добре визначені правила або критерії, що керують процесом прийняття рішень. Якщо процес включає набір умов «якщо-тоді» або логіку, яку можна кодифікувати, його, ймовірно, можна автоматизувати. 3) Обсяг і частота. Автоматизація завдань із великим обсягом і частим прийняттям рішень може значно підвищити ефективність, зменшити ризик помилок та заощадити час. 4) Вплив на ефективність і ресурси. Варто впроваджувати автоматизацію, яка може зменшити витрати, звільнити людські ресурси для більш стратегічних завдань та підвищити швидкість і точність прийняття рішень. 5) Природа, керована даними. Процеси, які значною мірою залежать від аналізу даних, розпізнавання тенденцій та історичних закономірностей, найбільше підходять для автоматизації. 6) Доступність технологій. Для ефективної автоматизації важливо оцінити реальні потреби компанії в автоматизації і визначити, які технології є доступними для досягнення конкретних цілей [20]. Після визначення потреби в автоматизації важливо поглибити розуміння принципів і механізмів її дії. На рисунку 3 проілюстровано загальну систему IPA, починаючи від вхідної інформації до отримуваних результатів. ІА починається зі збору структурованих і неструктурованих даних із різних джерел, таких як бази даних, документи, електронні листи та датчики. Такі технології, як оптичне розпізнавання символів (OCR) і NLP, допомагають витягувати змістовну інформацію з цих даних. Використовуючи аналіз процесів та аналіз завдань, ІА аналізує робочі процеси для виявлення повторюваних і заснованих на правилах завдань. Потім для їх автоматизації розгортається RPA, імітуючи дії людини, такі як введення даних, обробка рахунків-фактур і відповіді на електронні листи. ШІ та МН аналізують історичні дані, щоб розпізнавати закономірності та покращувати прийняття рішень. Агентний ШІ дозволяє системам адаптуватися до нових сценаріїв, динамічно оптимізувати процеси та вносити проактивні корективи без утручання людини. ІА підключається до існуючих CRM, ERP і хмарних додатків, забезпечуючи безперебійний обмін даними між відділами. Платформи з низьким кодом і без коду дозволяють організаціям впроваджувати ІА без великого досвіду в кодуванні. Системи ІА включають аналітичні панелі інструментів і прогнозні висновки для моніторингу продуктивності. Бізнес може використовувати ці висновки для вдосконалення стратегій автоматизації, підвищення ефективності та стимулювання інновацій [16]. IPA має значний потенціал подальшого розвитку, що підтверджується прогнозними значеннями розміру ринку IPA. Так, якщо станом на 2025 рік розмір ринку IPA становив 19,87 млн доларів США, до 2034 прогнозується зростання цього показника майже у 3,5 разів до 67,73 млн доларів США (рис. 4). Наукові записки Львівського університету бізнесу та права. Серія економічна. Серія юридична. Випуск 47/2025 53 Рис. 3. Система інтелектуальної автоматизації (ІА) Джерело: узагальнено авторами за [16]. Вхід Системна інтеграція Збір даних API, веб-сервіси та конектори Агенти ШІ/Когнітивні обчислення Переклад Розпізнавання зображень OCR/ICR Перетворення мовлення на текст Розуміння Природна мова Вилучення інформації Рішення Кластеризація, класифікація, розуміння Вивід Механізм правил Системна інтеграція Взаємодія API, веб-сервіси та конектори Структуровані дані (XML, JSON, CSV, TXT, XLS) Чат Неструктуровані дані (зображення, PDF, DOC, аудіо, відео) Застарілі програми (настільні комп'ютери, вебсайти, термінали) Агентна автоматизація процесів Агентна аналітика та вимірювання Система «Людина в циклі»Агентне ведення журналу Вихід Згенеровані дані (звіти, аналітика, інформаційна панель) Інсайти Автоматизовані робочі процеси дій (робочі процеси, сповіщення, повідомлення) Бізнес-результат (ефективність, цінність, рентабельність інвестицій)