В статье рассматривается термин «искусственный интеллект», а также размер российского рынка искусственного интеллекта в динамике (с 2010 по 2024 года). Проведен анализ динамики основных финансовых показателей средних российских компаний, создающих решения на базе искусственного интеллекта, в среднесрочной ретроспективе (с 2021 по 2024 года). Так, у компаний исследуется динамика выручки, чистых активов, прибыли до вычета процентов и налогов, чистой прибыли, рентабельности собственного капитала, рентабельности активов, коэффициента текущей ликвидности. Целью исследования является оценка экономического потенциала российского рынка инновационных решений посредством анализа динамики основных финансовых показателей средних российских компаний, создающих решения на базе искусственного интеллекта. Методологическую основу научной работы составили сравнительный и финансовый анализы с последующей визуализацией данных. Материалы для исследования собраны из Аналитического сборника, предложенного Центром компетенций НТИ «Искусственный интеллект», и системы проверки контрагентов «СПАРК». Описанная в статье динамика финансовых показателей компаний, создающих решения на базе искусственного интеллекта, имеет практическую значимость для отечественных организаций, планирующих разработку решений на базе искусственного интеллекта для бизнеса и государства, а также теоретическую ценность для студентов и аспирантов экономических направлений российских высших учебных заведений, исследующих влияние искусственного интеллекта на финансовое положение компаний.
The article discusses the term «artificial intelligence», as well as the size of the Russian artificial intelligence market in dynamics (from 2010 to 2024). The analysis of the dynamics of the main financial indicators of medium-sized Russian companies creating solutions based on artificial intelligence in the medium term (from 2021 to 2024) is carried out. For example, companies study the dynamics of revenue, net assets, earnings before interest and taxes, net profit, return on equity, return on assets, and current liquidity ratio. The purpose of the study is to assess the economic potential of the Russian market of innovative solutions by analyzing the dynamics of the main financial indicators of medium-sized Russian companies creating solutions based on artificial intelligence. The methodological basis of the scientific work was made up of comparative and financial analyses followed by data visualization. The materials for the study are collected from an Analytical Collection proposed by the NTI Competence Center «Artificial Intelligence» and the SPARK counterparty verification system. The dynamics of financial indicators of companies creating artificial intelligence-based solutions described in the article is of practical importance for domestic organizations planning to develop artificial intelligence-based solutions for business and government, as well as theoretical value for students and postgraduates of economics at Russian universities studying the impact of artificial intelligence on the financial situation of companies.
1. Кочергин Д. А. Основные направления использования искусственного интеллекта в финансовой сфере // Вестник Института экономики Российской академии наук. 2025. № 6. URL: https://cyberleninka.ru/article/n/osnovnye-napravleniya-ispolzovaniya-iskusstvennogo-intellekta-v-finansovoy-sfere (дата обращения: 24.03.2026). DOI: 10.52180/2073-6487_2025_6_147_169.
2. Российская Федерация. Законы. О проведении эксперимента по установлению специального регулирования в целях создания необходимых условий для разработки и внедрения технологий искусственного интеллекта в субъекте Российской Федерации – городе федерального значения Москве и внесении изменений в статьи 6 и 10 Федерального закона «О персональных данных»: Федеральный закон № 123-ФЗ: принят Государственной Думой 14 апреля 2020 года: одобрен Советом Федерации 17 апреля 2020 года: последняя редакция // КонсультантПлюс. URL: https://www.consultant.ru/document/cons_doc_LAW_351127/ (дата обращения: 23.03.2026).
3. СПАРК: проверка контрагентов, управление рисками / Интерфакс. Москва, 2026. URL: https://spark-interfax.ru/ (дата обращения: 28.05.2026).
4. МФТИ, 2025. 49 с. // Альманах «Искусственный интеллект». URL: https://aireport.ru/ai_index_russia-2024 (дата обращения: 25.02.2026).
5. Artificial Intelligence Market Size, Share & Trends Report 2032 // Precedence Research: website. 2024. URL: https://www.precedenceresearch.com/artificial-intelligence-market (дата обращения: 25.02.2026).
6. Российская Федерация. Законы. О развитии малого и среднего предпринимательства в Российской Федерации: Федеральный закон № 209-ФЗ: принят Государственной Думой 6 июля 2007 года: одобрен Советом Федерации 11 июля 2007 года: последняя редакция // КонсультантПлюс. URL: https://www.consultant.ru/document/cons_doc_LAW_52144/ (дата обращения: 26.02.2026).
7. Рязанова Т. В. Методика проведения анализа чистых активов организации // Региональная и отраслевая экономика. 2025. № 3. URL: https://cyberleninka.ru/article/n/metodika-provedeniya-analiza-chistyh-aktivov-organizatsii (дата обращения: 10.03.2026). DOI: 10.47576/2949-1916.2025.3.023.
8. Сальникова И. Н. Аналитические показатели EBITDA и EBIT как индикатор оценки бизнеса // Научные труды Вольного экономического общества России. 2014. Т. 186, № 5. URL: https://cyberleninka.ru/article/n/analiticheskie-pokazateli-ebitda-i-ebit-kak-indikator-otsenki-biznesa (дата обращения: 10.03.2026).
9. Кожушко Е. А. Методики расчета и анализа рентабельности как одного из основных показателей эффективности деятельности предприятия // Молодой ученый. 2022. № 48 (443). С. 124–126. URL: https://moluch.ru/archive/443/96902/ (дата обращения: 15.03.2026).
10. Чернова С. А. Развитие методики анализа и оценки рентабельности активов организации // Инновационная экономика: информация, аналитика, прогнозы. 2024. № 5. URL: https://cyberleninka.ru/article/n/razvitie-metodiki-analiza-i-otsenki-rentabelnosti-aktivov-organizatsii (дата обращения: 15.03.2026). DOI: 10.47576/2949-1894.2024.5.5.020.
11. Васильева Н. К., Ищенко Д. Ю., Святова А. А. Нормализация коэффициента текущей ликвидности как инструмент повышения качества информационно-аналитического обеспечения оценки платежеспособности организации // Естественно-гуманитарные исследования. 2024. № 3 (53). URL: https://cyberleninka.ru/article/n/normalizatsiya-koeffitsienta-tekuschey-likvidnosti-kak-instrument-povysheniya-kachestva-informatsionno-analiticheskogo (дата обращения: 15.03.2026).
12. Цены, инфляция // Федеральная служба государственной статистики (Росстат). URL: https://rosstat.gov.ru/statistics/price (дата обращения: 22.03.2026).
13. Тронин А. В., Копышева Т. Н., Сархандеева О. А. Анализ внедрения искусственного интеллекта в бизнес-процессы с точки зрения экономической выгоды // Вестник науки. 2026. Т. 1, № 1 (94). URL: https://cyberleninka.ru/article/n/analiz-vnedreniya-iskusstvennogo-intellekta-v-biznes-protsessy-s-tochki-zreniya-ekonomicheskoy-vygody (дата обращения: 20.02.2026).
14. Акрамов Б. А. Влияние внедрения искусственного интеллекта на финансовые показатели предприятия // Международный журнал прикладных наук и технологий «Integral». 2020. № 5. URL: https://cyberleninka.ru/article/n/vliyanie-vnedreniya-iskusstvennogo-intellekta-na-finansovye-pokazateli-predpriyatiya (дата обращения: 20.02.2026).
15. Зимина Л. Ю., Перфильева В. М. Платежеспособность и ликвидность как элементы анализа financial состояния предприятия // Проблемы экономики и менеджмента. 2016. № 12 (64). URL: https://cyberleninka.ru/article/n/platezhesposobnost-i-likvidnost-kak-elementy-analiza-finansovogo-sostoyaniya-predpriyatiya (дата обращения: 20.02.2026).