Для цитирования: Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Технологии искусственного интеллекта – основной драйвер цифровой трансформации системы управления техническим университетом // «Актуальные проблемы науки и образования в условиях современных вызовов», (2026, Москва) / Сборник материалов LV Международной научно-практической конференции – ООО «Издательство Академическая среда», 2026 – С. 316 – 328. DOI: 10.62994/6610.2026.92.33.022

***

Аннотация. В статье рассматривается роль технологий искусственного интеллекта, в частности больших языковых моделей, как ИИ-сервисов научно-образовательной платформы «Королев ИИ», в реализации одной из ключевых стратегических целей Программы развития МГТУ им. Н.Э. Баумана — развитии системы управления. На основе анализа целевых показателей и принципов административной политики университета (клиентоцентричность, открытость и коллегиальность, проактивность) обосновывается необходимость интеграции ИИ-сервисов научно-образовательной платформы «Королев ИИ» в процессы стратегического планирования, операционного управления, управления партнерствами и финансового менеджмента. Предложена концептуальная архитектурная модель интеллектуальной системы управления, обеспечивающая поддержку принятия решений на основе данных, автоматизацию управленческих процессов, интеллектуальную аналитику и координацию деятельности подразделений. Показан вклад предлагаемых решений в достижение ключевых показателей: рост совокупной выручки компаний «бауманского братства» с 5 до 50 млрд рублей и увеличение объема НИОКР с 5,9 до 30 млрд рублей к 2030 году.

Ключевые слова: большие языковые модели, искусственный интеллект, ИИ-сервисов научно-образовательная платформа «Королев ИИ», МГТУ им. Н.Э. Баумана, Университет 4.0.

Abstract. This article examines the role of artificial intelligence technologies, particularly large language models, as AI services of the “Korolev AI” scientific and educational platform, in achieving one of the key strategic goals of the Bauman Moscow State Technical University Development Program—the development of the management system. Based on an analysis of the university’s target indicators and administrative policy principles (customer-centricity, openness and collegiality, and proactivity), the need to integrate the AI ​​services of the “Korolev AI” scientific and educational platform into strategic planning, operational management, partnership management, and financial management processes is substantiated. A conceptual architectural model of an intelligent management system is proposed, providing data-driven decision support, automation of management processes, intelligent analytics, and coordination of departmental activities. The proposed solutions’ contribution to achieving key performance indicators is demonstrated: an increase in the total revenue of Bauman Brotherhood companies from 5 to 50 billion rubles and an increase in R&D from 5.9 to 30 billion rubles by 2030.

Keywords: large language models, artificial intelligence, AI services, the “Korolev AI” research and education platform, Bauman Moscow State Technical University, University 4.0.

Введение

Стратегическая цель Программы развития МГТУ им. Н.Э. Баумана на период до 2030 года формулируется как «Развитие системы управления». Эта цель отражает необходимость формирования элементов системы управления, обеспечивающих переход к системообразующему Университету 4.0, где образование, наука и бизнес гармонично соединены в единое целое и ориентированы на обеспечение технологического лидерства страны [[1]].

Программа развития фиксирует целевые показатели для данной цели: совокупная выручка компаний «бауманского братства» должна вырасти с 5 млрд рублей в 2023 году до 50 млрд рублей к 2030 году, а объем НИОКР — с 5,9 млрд до 30 млрд рублей. Достижение этих показателей требует кардинальной трансформации системы управления, перехода от традиционных иерархических структур к сетецентричным проектным формам, от реактивного управления к проактивному, от разрозненных данных к управлению на основе единого информационного пространства [[2], с. 40].

Ключевыми принципами системы управления, зафиксированными в разделе Программе развития, являются: клиентоцентричность, открытость и коллегиальность, проактивность. Эти принципы задают вектор на создание системы, где потребности студентов, преподавателей и партнеров являются центральным фокусом, решения принимаются на основе открытого диалога и прозрачных процедур, а действия направлены на предвосхищение будущих вызовов и возможностей.

В этой связи особую актуальность приобретает использование ИИ-сервисов научно-образовательной платформы «Королев ИИ» [[3], [4], [5]], и, в частности, больших языковых моделей (англ. Large Language Model, LLM), которые способны обеспечить интеллектуальную поддержку всех уровней управления — от стратегического планирования до операционного контроля, от управления партнерствами до финансового менеджмента [[6], [7], [8], [9]].

Цель настоящей работы — обосновать роль LLM как ключевого технологического инструмента достижения стратегической цели развития системы управления техническим университетом и предложить архитектурное решение для их интеграции в систему управления МГТУ им. Н.Э. Баумана.

Основные принципы реализации стратегической цели

Анализ разделов Программы развития позволяет выделить ключевые компоненты стратегической цели «Развитие системы управления», определяющие следующие направления трансформации системы управления:

1. Целевые показатели развития системы управления. Программа развития фиксирует два основных количественных ориентира, характеризующих успешность трансформации системы управления:
2. Совокупная выручка компаний Бауманского Братства. Рост с 5 млрд рублей в 2023 году до 50 млрд рублей к 2030 году. Этот показатель отражает эффективность управления партнерствами и коммерциализации результатов интеллектуальной деятельности.
3. Объем НИОКР. Увеличение с 5,9 млрд до 30 млрд рублей. Этот показатель характеризует результативность управления научно-исследовательской деятельностью и привлечения внебюджетного финансирования.

Оба показателя требуют не только увеличения ресурсной базы, но и кардинального повышения эффективности управленческих процессов, обеспечивающих координацию деятельности множества подразделений, партнеров и проектов.

• Новые принципы системы управления. Три принципа, зафиксированные в разделе 2.5 Программы развития, задают содержательные ориентиры для следующих преобразований:
• Принцип клиентоцентричности. Предполагает создание системы управления, где студенты, преподаватели, научные работники и их потребности являются центральным фокусом решений и действий. Это требует приоритета тех организационно-управленческих решений, которые упрощают деятельность и создают ценность для образовательных и научно-исследовательских подразделений.
• Принцип открытости и коллегиальности. Требует прозрачности управленческих решений, открытого диалога с заинтересованными сторонами, учета мнений и предложений всего университетского сообщества.
• Принцип проактивности. Предполагает осуществление упреждающих действий в отношении будущих вызовов и возможностей, предвосхищение потребностей студентов, сотрудников и других заинтересованных сторон.

Активности, обеспечивающие достижение цели

Программа развития выделяет три стратегические активности в рамках цели «Развитие системы управления»:

• Активность «Кластеризация». Разработка единого подхода к управлению продуктовым портфелем университета по направлениям критических и сквозных технологий, создание общих междисциплинарных пространств для сборки образовательных и R&D продуктов.
• Активность «Предпринимательский университет». Развитие предпринимательской компоненты целевой модели, создание системы управления и развития стратегических партнерств, продвижение концепции Университета 4.0 в бизнес-сообществе, разработка форм и инструментов коммерциализации [[10]].
• Активность «Финансовая модель». Разработка и внедрение бизнес-процессов управления на основе прозрачных и надежных данных управленческого учета для принятия своевременных и эффективных управленческих решений.

Ограничения традиционных подходов к управлению

Традиционные подходы к управлению университетом, основанные на иерархических структурах, разрозненных информационных системах и ручной обработке данных, имеют ряд фундаментальных ограничений.

1. Информационная разрозненность и сложность интеграции. В университете функционируют десятки информационных систем, часто не связанных между собой. Данные о научной деятельности, образовательном процессе, финансах, кадрах, партнерствах хранятся в разных базах, с разными форматами и периодами обновления. Это затрудняет формирование целостной картины деятельности и принятие обоснованных решений.
2. Высокая доля рутинных операций и низкая адаптивность. Многие управленческие процессы (подготовка отчетов, согласование документов, планирование) выполняются вручную, с высокой трудоемкостью и значительным временем реакции. Это снижает адаптивность системы управления к изменяющимся условиям и требует привлечения большого числа административного персонала.
3. Сложность управления партнерствами и междисциплинарными проектами. Университет 4.0 предполагает активное взаимодействие с широким кругом индустриальных партнеров, участие в консорциумах, реализацию междисциплинарных проектов. Традиционные линейные структуры управления плохо приспособлены к управлению такими сетевыми формами взаимодействия.
4. Недостаточная прогностическая аналитика. Принятие проактивных управленческих решений требует способности предвидеть развитие событий. Традиционные системы управления опираются в основном на ретроспективные данные и не обеспечивают прогнозной аналитики, необходимой для упреждающего управления рисками и возможностями. Большие языковые модели могут преодолеть эти ограничения, обеспечивая:
   • интеграцию разнородных данных через семантический анализ и извлечение сущностей;
   • автоматизацию рутинных управленческих операций через генерацию документов, отчетов и рекомендаций;
   • поддержку сетевых форм управления через интеллектуальное сопоставление компетенций и потребностей;
   • прогнозную аналитику через выявление трендов и моделирование сценариев.

Потенциал ИИ-сервисов на основе LLM

LLM могут применяться на всех уровнях управления — от стратегического планирования до операционного контроля.

1. Стратегическое планирование и анализ, который включает:
   • Анализ внешней среды. LLM могут обрабатывать большие массивы данных о трендах в науке, образовании, экономике, технологиях, выявлять emerging threats and opportunities для формирования стратегических приоритетов.
   • Сценарное моделирование. На основе описания различных сценариев развития (инерционный, оптимистичный, пессимистичный) LLM могут генерировать прогнозы ключевых показателей и рекомендации по адаптации стратегии.
   • Мониторинг выполнения стратегии. Автоматический анализ отчетов подразделений, выявление отклонений от плановых показателей, формирование рекомендаций по корректирующим действиям.
2. Операционное управление и документооборот:
   • Автоматизация подготовки управленческих документов. Генерация черновиков приказов, распоряжений, протоколов, отчетов на основе вводимых данных и утвержденных шаблонов.
   • Семантический анализ обращений: классификация входящих обращений, извлечение ключевых сущностей, определение исполнителей, формирование проектов ответов.
   • Контроль исполнения поручений. Автоматическое отслеживание сроков, формирование напоминаний, анализ рисков неисполнения.
3. Управление партнерствами и проектами:
   • Поиск и сопоставление партнеров. Анализ профилей потенциальных партнеров (научных организаций, промышленных компаний, венчурных фондов) для выявления наиболее перспективных для коллаборации.
   • Формирование консорциумов. Интеллектуальное сопоставление компетенций различных организаций для создания эффективных консорциумов под конкретные проекты.
   • Сопровождение проектов. LLM-ассистент для координации деятельности участников проектов, автоматическая генерация отчетности, управление коммуникациями.
4. Финансовый менеджмент и бюджетирование:
   • Формирование бюджетов. На основе исторических данных и прогнозов LLM могут помогать в формировании проектов бюджетов подразделений и центров финансовой ответственности.
   • Анализ отклонений. Автоматическое выявление и объяснение отклонений фактических показателей от плановых с генерацией рекомендаций.
   • Оптимизация финансовых потоков. анализ структуры доходов и расходов, выявление резервов повышения эффективности.
5. Управление на основе данных:
   • Формирование аналитических отчетов по запросу. Возможность задавать вопросы на естественном языке («покажи динамику поступлений от НИОКР по факультетам за последние три года») и получать структурированные ответы с визуализациями.
   • Выявление скрытых закономерностей. Анализ больших массивов управленческих данных для выявления факторов, влияющих на ключевые показатели.
   • Прогнозирование. Предсказание будущих значений показателей на основе исторических данных и внешних факторов [[11], [12]].

Концепция архитектурной модели

Для интеграции LLM в процессы управления предлагается трехуровневая архитектура, согласованная с принципами и целевыми показателями Программы развития университета, которая была представлена авторами в следующих работах [[13], [14], [15], [16]]. Архитектура предполагает реализацию следующих уровней:

1. Уровень сбора и интеграции данных. Данный уровень обеспечивает формирование единого информационного пространства для управления:
   • Корпоративное хранилище данных. Консолидация данных из ERP-системы (финансы, закупки, учет), кадровой системы, системы управления контингентом, системы электронного документооборота, порталов научной и образовательной деятельности.
   • Система управления нормативной документацией. Централизованное хранилище всех регламентов, инструкций, приказов, распоряжений, стандартов, используемых в управленческой деятельности.
   • База знаний. Накопленные управленческие решения, протоколы совещаний, отчеты, аналитические материалы, структурированные для использования в LLM-сервисах.
   • Внешние данные. Информация о рынках, конкурентах, партнерах, нормативно-правовой базе, интегрируемая для ситуационного анализа.

Критически важным требованием является обеспечение безопасности данных, соблюдение законодательства о персональных данных и коммерческой тайны, разграничение доступа.

• 2. Уровень управленческих сервисов. На этом уровне развертываются специализированные LLM-сервисы для поддержки различных управленческих функций:
  • Сервис стратегического анализа, обрабатывающий внешние данные и внутренние показатели для выявления трендов, рисков и возможностей, генерирующий рекомендации по корректировке стратегии.
  • Сервис автоматизации документооборота, классифицирующий входящие документы, генерирующий проекты ответов, формирующий проекты приказов и распоряжений, отслеживающий исполнение поручений.
  • Сервис управления партнерствами, анализирующий профили потенциальных партнеров, сопоставляющий компетенции, формирующий рекомендации по развитию сотрудничества.
  • Сервис финансового менеджмента, помогающий в формировании бюджетов, анализе отклонений, прогнозировании финансовых потоков, оптимизации структуры доходов и расходов.
  • Сервис поддержки принятия решений, позволяющий задавать вопросы на естественном языке, получать аналитические отчеты, визуализации и прогнозы, генерировать варианты решений с оценкой рисков и последствий.
• 3. Уровень взаимодействия. Этот уровень обеспечивает доступ к сервисам для различных категорий пользователей:
  • Личный кабинет руководителя. Интерфейс для проректоров, деканов, руководителей управлений, предоставляющий доступ к аналитике, рекомендациям, инструментам поддержки принятия решений.
  • Портал управленческих сервисов. Интерфейс для сотрудников административных подразделений, обеспечивающий автоматизацию рутинных операций, доступ к базам знаний, интеллектуальную поддержку.
  • Ситуационный центр. Визуализация ключевых показателей в реальном времени, оповещение о критических отклонениях, сценарии реагирования.
• 4. API для интеграции. Программные интерфейсы для встраивания LLM-сервисов в существующие информационные системы.

Роль языковых моделей в реализации стратегических активностей

Предлагаемые LLM-сервисы находят конкретное применение в трех стратегических активностях, обеспечивающих достижение цели «Развитие системы управления»:

1. Поддержка активности 5_A1 «Кластеризация». Кластеризация предполагает создание междисциплинарных пространств для сборки образовательных и других продуктов. LLM могут:
   • Анализировать компетенции подразделений. Обработка данных о научных публикациях, патентах, образовательных программах, проектах для выявления профилей компетенций и определения потенциальных точек интеграции.
   • Сопоставлять потребности и возможности. Анализ запросов индустриальных партнеров и имеющихся в университете компетенций для формирования продуктовых направлений и определения структуры кластеров.
   • Поддерживать управление продуктовым портфелем. Формирование единой базы знаний о продуктах (образовательных программах, услугах разработки, технологических разработках), интеллектуальный поиск и рекомендации по их комбинированию.
2. Поддержка активности 5_A2 «Предпринимательский университет». Развитие предпринимательской компоненты требует эффективного управления партнерствами и коммерциализацией. LLM могут:
   • Выявлять перспективные направления коммерциализации. Анализ результатов НИОКР, патентной активности, рыночных трендов для выявления технологий с наибольшим коммерческим потенциалом.
   • Сопоставлять разработки с потребностями рынка. Интеллектуальный поиск потенциальных заказчиков и партнеров для коммерциализации разработок, формирование рекомендаций по лицензированию или созданию спин-оффов.
   • Поддерживать взаимодействие с бизнес-сообществом. Автоматизация коммуникаций с партнерами, формирование персонализированных предложений, подготовка проектов соглашений о сотрудничестве.
3. Поддержка активности 5_A3 «Финансовая модель». Развитие финансовой модели требует прозрачных и надежных данных управленческого учета. LLM могут:
   • Автоматизировать формирование управленческой отчетности. Генерация отчетов по запросам на естественном языке, консолидация данных из различных источников, обеспечение прослеживаемости данных.
   • Выявлять резервы повышения эффективности. Анализ структуры доходов и расходов, выявление неоптимальных затрат, формирование рекомендаций по оптимизации.
   • Прогнозировать финансовые показатели. На основе исторических данных и планов развития LLM могут строить прогнозы финансовых потоков, выявлять потенциальные кассовые разрывы, предлагать варианты их покрытия.

Вклад LLM в достижение целевых показателей

Интеграция LLM в систему управления позволяет существенно ускорить достижение ключевых показателей, зафиксированных в программе развития, а именно:

1. Рост совокупной выручки компаний «бауманского братства» (с 5 до 50 млрд руб.). LLM-сервисы, обеспечивающие интеллектуальную поддержку управления партнерствами и коммерциализации, способствуют:
   • ускорению вывода разработок на рынок за счет автоматизации анализа рыночного потенциала и поиска партнеров;
   • повышению качества взаимодействия с индустриальными партнерами через персонализированные коммуникации и интеллектуальное сопровождение проектов;
   • расширению портфеля коммерциализуемых результатов за счет выявления скрытого коммерческого потенциала в научных разработках.
2. Рост объема НИОКР (с 5,9 до 30 млрд руб.). LLM-сервисы, поддерживающие управление научно-исследовательской деятельностью, обеспечивают:
   • повышение эффективности подготовки грантовых заявок и конкурсных предложений за счет автоматизации аналитической работы и генерации проектов;
   • увеличение вовлеченности НПР в исследования через интеллектуальное сопоставление их компетенций с потребностями проектов;
   • оптимизацию распределения ресурсов между проектами на основе прогнозной аналитики и оценки потенциальной результативности.
3. Повышение эффективности управленческих процессов. Помимо прямого вклада в целевые показатели, LLM обеспечивают:
   • сокращение времени на подготовку управленческих решений за счет автоматизации аналитики и генерации вариантов;
   • снижение административной нагрузки на руководителей и сотрудников за счет автоматизации рутинных операций;
   • повышение качества решений за счет доступа к актуальным данным и прогнозам, а также возможности моделирования альтернативных сценариев.

Направления дальнейших исследований

Внедрение LLM в систему управления университетом сопряжено с рядом вызовов, требующих системного решения. Качество и достоверность данных. Эффективность LLM-сервисов напрямую зависит от качества данных, на которых они обучаются и которые обрабатывают. Необходимо: обеспечить регулярное обновление и верификацию корпоративных данных; создать механизмы выявления и исправления ошибок и противоречий в данных; разработать процедуры ручного контроля критически важных решений, основанных на LLM-рекомендациях [[17], [18]]. Безопасность и конфиденциальность. Использование LLM для обработки управленческой информации, включающей конфиденциальные данные, требует: локального развертывания LLM-сервисов на серверах университета без передачи данных внешним провайдерам; строгого разграничения доступа к данным и моделям; шифрования данных при хранении и передаче. Принятие изменений и развитие компетенций. Внедрение LLM в управление требует изменения устоявшихся практик и развития новых компетенций: необходимо обучение руководителей и сотрудников работе с интеллектуальными инструментами, пониманию их возможностей и ограничений; требуется пересмотр регламентов и процедур для интеграции LLM-сервисов в управленческий контур; важно обеспечить сопровождение изменений и поддержку сотрудников в переходный период. Юридическая значимость решений. Использование LLM для подготовки управленческих решений требует правового регулирования: определение статуса документов, сгенерированных с использованием LLM; установление ответственности за принятие решений на основе рекомендаций ИИ; обеспечение соответствия требованиям законодательства об информации и защите данных.

Заключение

Стратегическая цель Программы развития МГТУ им. Н.Э. Баумана — «Развитие системы управления» — требует кардинальной трансформации подходов к управлению университетом в направлении клиентоцентричности, открытости, проактивности и управления на основе данных. Достижение целевых показателей (рост выручки компаний «Бауманского братства» до 50 млрд рублей, увеличение объема НИОКР до 30 млрд рублей) невозможно в рамках традиционных управленческих парадигм.

Большие языковые модели предоставляют технологическую основу для создания интеллектуальной системы управления, способной обеспечить интеграцию данных, автоматизацию управленческих процессов, поддержку принятия решений и прогнозную аналитику. Предложенная в статье концептуальная трехуровневая архитектура позволяет интегрировать ИИ-сервисы научно-образовательной платформы «Королев ИИ» в ключевые управленческие процессы, обеспечивая реализацию принципов клиентоцентричности, открытости и проактивности.

Дальнейшие исследования должны быть направлены на разработку конкретных ИИ-сервисов научно-образовательной платформы «Королев ИИ» для приоритетных управленческих функций, создание методик оценки эффективности их внедрения, формирование нормативной базы использования ИИ в управленческой деятельности, а также на подготовку управленческих кадров к работе в новой интеллектуальной среде. Успешная реализация данного подхода позволит университету не только достичь целевых показателей программы развития, но и сформировать модель управления, тиражируемую для других вузов России.

Литература

---

[1] . Указ Президента Российской Федерации от 28.02.2024 г. № 145. О Стратегии научно-технологического развития Российской Федерации. [Электронный ресурс] 2024 URL: http://www.kremlin.ru/acts/bank/50358 (дата обращения: 08.04.2026). – Текст: электронный.

[2] . Программа развития Федерального государственного автономного образовательного учреждения высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» на 2025–2036 годы [Электронный ресурс] 2025 URL: https://bmstu.ru/sveden/priority-2030 (дата обращения: 01.03.2026). – Текст: электронный.

[3] . Свидетельство о государственной регистрации программ для ЭВМ № 2026667576 Российская Федерация. Программный модуль «Korolev AI.audio.bot» для научно-образовательной платформы «Korolev AI» / Е.Е. Литвинова, М.С. Французов, А.Ю. Чесалов, и др. (RU); правообладатель Федеральное государственное автономное образовательное учреждение высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (RU). – № 202666719: заявлено 03.06.2026: опубликовано 09.06.2026. Бюл. № 6. – 1 с.

[4] . Свидетельство о государственной регистрации программ для ЭВМ № 2026680138 Российская Федерация. Программный модуль «Korolev AI.text.bot» для научно-образовательной платформы «Korolev AI» / Е.Е. Литвинова, М.С. Французов, А.Ю. Чесалов, и др. (RU); правообладатель Федеральное государственное автономное образовательное учреждение высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (RU). – № 2026667200: заявлено 03.06.2026: опубликовано 10.07.2026. Бюл. № 7. – 1 с.

[5] . Свидетельство о государственной регистрации программ для ЭВМ № 2026680800 Российская Федерация. Программный модуль «Korolev AI.video.bot» для научно-образовательной платформы «Korolev AI» / Е.Е. Литвинова, М.С. Французов, А.Ю. Чесалов, и др. (RU); правообладатель Федеральное государственное автономное образовательное учреждение высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (RU). – № 2 2026667232: заявлено 03.06.2026: опубликовано 13.07.2026. Бюл. № 7. – 1 с.

[6] . Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Искусственный интеллект и большие языковые модели как сквозная технология реализации стратегии развития МГТУ им. Н.Э. Баумана // New science award 2026: сборник статей Международного научно-исследовательского конкурса (30 марта 2026 г.). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — C. 51-60. DOI 10.46916/01042026-3-978-5-00276-044-2

[7] . Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Интеграция больших языковых моделей в образовательную экосистему МГТУ им. Н.Э. Баумана: кейс платформы «Korolev AI» // Science and technology research – 2026: сборник статей Международной научно-практической конференции (5 февраля 2026 г.). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — С. 34-41. DOI 10.46916/09022026-1-978-5-00276-001-5

[8] . Литвинова Е.Е., Витер Д.А., Чесалов А.Ю. Цифровая платформа «Путь Инженера» как системообразующий элемент стратегии развития МГТУ им. Н.Э. Баумана: аспект применения больших языковых моделей // Достижения в образовательной деятельности – 2026: сборник статей Международного научно-исследовательского конкурса (16 марта 2026 г.). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — С.53-62. DOI 10.46916/18032026-1-978-5-00276-032-9

[9] . Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Технологии искусственного интеллекта как архитектурный базис форсированного научно-технологического развития // «Современные тенденции развития науки, общества и образования», (2026, Москва) / Сборник материалов XXVI Международной научнопрактической конференции – ООО «Издательство Академическая среда», 2026 – С. 249 – 260. DOI: 10.62994/2290.2026.24.17.009

[10] . Литвинова Е.Е., Беляев П.В., Чесалов А.Ю. Большие языковые модели как инструмент реализации инициативы «Центр продвижения российского программного обеспечения» МГТУ им. Н.Э. Баумана // «Актуальные проблемы науки и образования в условиях современных вызовов», (2026, Москва) / Сборник материалов XLX Международной научно-практической конференции – ООО «Издательство Академическая среда», 2026 – С. 145 -153. DOI: 10.62994/6048.2026.11.53.012

[11] . Чесалов А.Ю. Применение больших языковых моделей в автоматизированных системах прогнозируемого обслуживания промышленного оборудования // Society, science, practice»: материалы XI Международной научно-практической конференции (15 декабря 2025 г., г. Москва). М.: АНО ДПО «Университет ИТБО», КРСУ им. первого Президента Российской Федерации Б.Н. Ельцина, 2025. – С. 84-92. DOI: 10.26118/y2517-2117-6897-r

[12] . Чесалов А.Ю. Применение искусственного интеллекта для реализации алгоритмов потенциала негативности рассогласования в промышленных автоматизированных системах прогнозируемого обслуживания // Открытое образование. 2025; 29(3): 11-21. https://doi.org/10.21686/1818-4243-2025-3-11-21

[13] . Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Большие языковые модели как драйвер научно-исследовательской и инновационной деятельности в цифровой экосистеме МГТУ им. Н.Э. Баумана // Journal of Monetary Economics and Management. 2026. № 6. С. 139–147. DOI: 10.26118/2782-4586-2026-139-147

[14] . Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Роль цифровой трансформации и больших языковых моделей в автоматизации административно-управленческих процессов технического университета // Journal of Monetary Economics and Management. 2026. № 6. С. 130–138. DOI: 10.26118/2782-4586-2026-130-138

[15] . Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Большие языковые модели как инструмент персонализации и адаптации образования в стратегии развития технического университета // Journal of Monetary Economics and Management. 2026. № 6. С. 96–102. DOI: 10.26118/2782-4586-2026-96-102

[16] . Литвинова Е.Е., Французов М.С., Чесалов А.Ю. Большие языковые модели как инструмент цифровой трансформации и развития кадрового потенциала МГТУ им. Н.Э. Баумана // Journal of Monetary Economics and Management. 2026. № 7. С. 455–463. DOI: 10.26118/2782-4586-2026-7-455-463

[17] . Чесалов А.Ю. Методология построения распределенных сетей передачи, обработки и хранения данных: анализ и выбор рациональной структуры / А.Ю. Чесалов. – 1-е изд. – Москва: Ridero, 2023. – 346 с. ISBN: 978-5-0060-1444-2

[18] . Чесалов А.Ю. Методология построения распределенных сетей передачи, обработки и хранения данных: сервисные сети следующего поколения / А.Ю. Чесалов. – 1-е изд. – Москва: Ridero, 2023. – 428 с. ISBN: 978-5-0060-2054-2