Предметно-ориентированное мышление при цифровой трансформации предприятия

Глава 5. Самоорганизация, морфогенетическое развёртывание и организационная энтропия

Четвёртое направление связано с самоорганизацией и морфогенетическим развёртыванием. В сложных системах самоорганизация означает возникновение упорядоченных структур за счёт внутренних взаимодействий элементов и правил среды. Морфогенетическая инженерия рассматривает возможность проектировать системы, способные к «self-architecturing», то есть к формированию сложной структуры на основе заданных правил, локальных взаимодействий и программируемой самоорганизации [9].

Для предприятия такая аналогия требует аккуратного переноса. Предприятие не является биологической системой, но оно является сложной организационной системой: в нём есть множество участников, ролей, документов, потоков, правил, исключений, информационных систем, внешних требований, управленческих решений и повторяющихся событий. Если эти элементы не связаны, возникает организационная энтропия: неустойчивость, расползание смыслов, информационная асимметрия, неясные цели, неэффективные потоки и ошибочное распределение ресурсов. В организационной психологии и менеджменте management entropy связывается именно с хаотичным и неустойчивым состоянием организации [10].

Второй том вводит термин «самоорганизующееся интеллектуальное предприятие» для обозначения следующего уровня интеллектуализации. Интеллектуальное предприятие имеет цифровой двойник деятельности, граф знаний и человеко-машинный контур управления. Самоорганизующееся интеллектуальное предприятие дополнительно обладает механизмом, через который новые факты, события, статусы, записи, вопросы, разрывы и решения встраиваются в предметную структуру, уточняют её и поддерживают снижение организационной энтропии.

Ключевым элементом такого механизма является инициирующее ядро. Его нельзя понимать как один документ, одну базу или один программный модуль. Это связанная структура бизнес-предметов, состояний, событий, носителей, источников, ролей, правил, проверок и управленческих реакций. После ввода в информационные потоки предприятия ядро начинает выполнять структурирующую функцию: новые факты не просто складываются в архив, а получают место в модели.

Морфогенетический смысл этого процесса состоит в переходе от исходной структуры к развёрнутой организационной форме. В начале ядро может быть минимальным: набор ключевых предметов, процессов, таблиц, связей и источников. Но если оно правильно связано с потоками предприятия, оно становится механизмом дальнейшего развёртывания. Каждый новый подтверждённый факт уточняет состояние предмета; каждый GAP фиксирует границу незнания; каждое управленческое решение создаёт связь между отклонением и действием; каждая запись качества связывает процедуру с доказательством.

Такой подход отличается от внедрения ERP. ERP-проект обычно направлен на настройку прикладной системы, миграцию данных, запуск документов, обучение пользователей, регламенты и поддержку операций. Это необходимая и сложная работа. Но внедрение самоорганизующегося интеллектуального предприятия требует другого слоя: предметной модели, графа знаний, цифровой нити, правил приёма фактов, связи с источниками, управления версиями и контуров актуализации модели.

Отличие можно показать на примере несоответствия качества. В обычной цифровизации предприятие может завести форму, журнал, маршрут согласования и отчёт. В самоорганизующемся интеллектуальном предприятии несоответствие становится бизнес-предметом: у него есть источник выявления, состояние, владелец, связь с партией, документом контроля, решением, корректирующим действием, риском, показателем и последующим изменением процесса. Тогда каждое новое несоответствие не просто регистрируется, а уточняет структуру знания о качестве.

Другой пример — производственная потребность. В обычной системе она может проявляться как строка плана, заявка, заказ, резерв или ручная таблица. В предметной модели потребность описывается как управляемый предмет со стадиями возникновения, подтверждения, обеспечения, дефицита, замены, переноса и закрытия. После ввода ядра в потоки предприятия факты по потребности начинают структурировать работу закупки, склада, производства и финансового планирования.

Поэтому самоорганизация в контексте предприятия не означает стихийность. Она означает проектируемую способность системы поддерживать собственную структуру через фактические события и обратную связь. Морфогенетическое развёртывание задаёт язык описания этого процесса: из исходного ядра разворачивается более сложная, связанная и проверяемая модель деятельности. Предметно-ориентированное мышление обеспечивает материал для такого развёртывания.

Глава 6. Платформенные подходы: SAP, Palantir, Celonis и сдвиг к операционной онтологии

Платформенные решения крупнейших игроков показывают, что мировой рынок движется от набора приложений и отчётов к контекстным, онтологическим и процессно-интеллектуальным слоям. Эти решения различаются по архитектуре, назначению и коммерческой модели, но в них виден общий сдвиг: корпоративный ИИ должен опираться на бизнес-контекст, операционные связи и управляемую модель предприятия.

SAP Knowledge Graph позиционируется как слой, который помогает корпоративному AI работать с бизнес-данными и контекстом SAP, снижая риск недостоверных ответов и поддерживая бизнес-рекомендации [7]. Для методологии второго тома здесь важна не конкретная реализация SAP, а сам принцип: корпоративному ИИ требуется knowledge graph, связывающий данные с бизнес-смыслом.

Palantir Ontology развивает другую линию: единый операционный слой, в котором данные, операции, AI-команды и транзакционные обновления координируются поверх неоднородной инфраструктуры. Описание Palantir подчёркивает работу Ontology как масштабируемой архитектуры для Human+AI teams и как слоя, обеспечивающего согласованность и целостность в реальном времени [8]. Это близко к идее операционной онтологии предприятия: модель не только описывает сущности, но и связывает их с действиями.

Celonis развивает Process Intelligence Platform, объединяя process mining, AI и анализ фактических процессов [16]. Object-centric process mining в экосистеме Celonis также отражает переход от линейных process cases к нескольким взаимосвязанным объектам процесса [6]. Для предметно-ориентированной методологии это особенно важно: мировой рынок сам движется к пониманию, что процесс нельзя адекватно анализировать без объектов, которые в нём взаимодействуют.

Эти платформенные подходы нельзя трактовать как готовую универсальную методику для среднего производственного предприятия. Крупная платформа может быть недоступна по стоимости, избыточна по масштабу или неприменима без предварительной методологической подготовки. Но они показывают, какой слой становится предметом конкуренции: не просто транзакционная система, не просто отчётность, не просто процессная схема, а операционная модель, соединяющая данные, смысл, процессы, действия и AI.

Для предприятий среднего размера возникает практический вопрос: как получить методологический эквивалент такого слоя без многолетней программы и без зависимости от одной платформы. Ответ не сводится к покупке программы. Нужна технология сборки предметного ядра: выделение бизнес-предметов, описание состояний, связь с процессами, источниками, ERP-носителями, СМК-записями, показателями, цифровой нитью и графом знаний.

Этот вывод особенно важен для предприятий, работающих в нишевой продукции и дискретном производстве. Их конкурентоспособность часто зависит не только от оборудования, но и от способности управлять сложными связями между заказами, спецификациями, поставками, качеством, сроками, заменами, финансовыми ограничениями и персональной ответственностью. Если такие связи остаются в головах отдельных сотрудников, предприятие технологически уязвимо.

Платформенный тренд показывает: крупные игроки уже строят слои бизнес-контекста, онтологии, process intelligence и AI-операций. Следовательно, методология среднего предприятия должна отвечать не на вопрос «какую систему купить», а на вопрос «какую предметную структуру нужно собрать, чтобы предприятие могло перейти к такому классу управления».

Поэтому второй том не ограничивается критикой процессов, документов или ERP-объектов. Он готовит понятийный слой, который позволяет понимать мировые платформенные решения без прямого копирования их архитектуры. Бизнес-предмет, состояние, событие, носитель и граф знаний становятся универсальными элементами, через которые предприятие может строить собственный путь к самоорганизующемуся интеллектуальному предприятию.

Глава 7. Среднее производственное предприятие как основное поле конкуренции

В обсуждении интеллектуального предприятия часто внимание смещается к крупным корпорациям, промышленным холдингам и технологическим платформам. Такой фокус понятен: у крупных компаний больше данных, ресурсов, публичных проектов и исследовательских программ. Однако с экономической точки зрения особенно важным полем применения становятся средние производственные предприятия, включая региональные и градообразующие производства.

Малые и средние предприятия в международной статистике рассматриваются как значимый источник занятости, добавленной стоимости и локального экономического развития. ОЭСР указывает, что SME-сектор составляет около 99 процентов фирм и формирует значительную часть занятости и добавленной стоимости [14]. Всемирный банк также характеризует SMEs как основу большинства экономик, на которую приходится около 90 процентов предприятий и более половины глобальной занятости [15]. Эти данные не описывают только промышленность, но они показывают масштаб зависимости экономики от предприятий среднего и малого размера.

Для промышленной территории среднее производственное предприятие выполняет не только функцию выпуска продукции. Оно поддерживает инженерные компетенции, потребность в ремонте, логистике, обслуживании, снабжении, локальном малом бизнесе, профессиональном обучении и занятости. Если такое предприятие теряет конкурентоспособность, последствия выходят за пределы его баланса. Снижается устойчивость экономической среды вокруг него.

Именно поэтому интеллектуализация средних предприятий имеет стратегическое значение. Если внешние конкуренты быстрее внедряют цифровые двойники, графы знаний, process intelligence и AI-контуры, они получают преимущество в скорости расчёта, адаптации, контроля качества, управления сроками, себестоимостью и исполнением обязательств. Среднее предприятие, остающееся на уровне ручной координации и фрагментарной цифровизации, постепенно теряет пространство для манёвра.

Эта проблема особенно заметна в дискретном производстве, приборостроении, машиностроении, производстве комплектующих, пищевой промышленности и других областях, где продукцию можно заменить поставками из других регионов или стран. Если внешний производитель быстрее перестраивает цепочку поставки, точнее управляет качеством и ниже держит операционные потери, локальное предприятие проигрывает не из-за одного плохого решения, а из-за более слабой системы управления деятельностью.

Крупные инфраструктурные и сырьевые предприятия обладают иной устойчивостью. Их положение определяется ресурсной базой, инфраструктурой, лицензиями, масштабом капитала и государственными ограничениями. Средние производственные предприятия чаще конкурируют по скорости, качеству, стоимости, гибкости, способности выполнять нестандартные заказы и удерживать технологическую дисциплину. Здесь интеллектуализация даёт не абстрактное преимущество, а прямой эффект управляемости.

Следовательно, вопрос о самоорганизующемся интеллектуальном предприятии нельзя рассматривать только как интерес крупных вендоров или академических лабораторий. Это вопрос технологического выживания среднего промышленного слоя. Если метод внедрения интеллектуального предприятия остаётся недоступным, дорогим или неопределённым, именно этот слой оказывается наиболее уязвимым.

Предметно-ориентированное мышление предлагает путь к снижению входного порога. Оно не требует сначала строить всю корпоративную платформу. Оно предлагает начать с различения управляемых предметов, их состояний, событий, носителей и связей. На этой основе можно собирать табличную базу модели, граф знаний, цифровую нить и инициирующее ядро, постепенно подключая ERP, СМК, Excel, ЭДО, RPA и фактические потоки.

Такой подход особенно важен потому, что внедрение самоорганизующегося интеллектуального предприятия отличается от внедрения ERP. ERP-проект имеет свои методики, этапы, роли, настройки, миграции и испытания. Интеллектуализация требует другого результата: не только запущенной системы, но и управляемого ядра, которое принимает факты, фиксирует разрывы, поддерживает модель, связывает предметы и возвращает в организацию управленческие действия. Это отдельное технологическое ноу-хау, которое необходимо описывать и развивать.

Глава 8. Почему предметно-ориентированное мышление становится условием самоорганизующегося интеллектуального предприятия

Предыдущие главы показали несколько мировых направлений: цифровой двойник организации, цифровую нить, графы знаний, онтологии, process mining, object-centric process mining, платформенные операционные онтологии, морфогенетическую самоорганизацию и организационную энтропию. Эти направления не совпадают друг с другом, но сходятся в одном пункте: предприятие должно быть представлено как связанная система сущностей, событий, отношений, источников и действий.

Именно здесь появляется роль предметно-ориентированного мышления. Оно отвечает на вопрос, какой материал должен попасть в такую систему. Если предприятие не различает бизнес-предметы, оно не сможет построить цифровую нить. Если оно не различает состояния, оно не сможет определить управленческий переход. Если не различает событие и документ, оно не сможет отделить факт от его носителя. Если не различает источник и интерпретацию, оно не сможет поддерживать доверие к графу знаний.

Предметно-ориентированное мышление также связывает цифровой двойник организации с process mining. Фактический поток событий сам по себе ещё не объясняет деятельность. Событие нужно отнести к предмету, состоянию, роли, процессу, носителю и последствию. Без этого event log остаётся технической записью. С предметной моделью он становится материалом для анализа фактического прохождения деятельности.

То же относится к корпоративному искусственному интеллекту. AI-помощник может работать с документами и текстами, но для управленческого применения ему требуется структурированный контекст: какие предметы существуют, как они связаны, какие состояния допустимы, какой источник подтверждает факт, где находится разрыв. Граф знаний и предметная модель позволяют заменить свободное угадывание смысла проверяемым контуром.

Морфогенетическое развёртывание предприятия также невозможно без предметного слоя. Исходное ядро должно содержать элементы, которые способны разворачиваться в более сложную структуру. Такими элементами являются не абстрактные фразы, а нормализованные бизнес-предметы, состояния, события, носители, источники и правила связности. Именно они позволяют новым фактам входить в модель и поддерживать её упорядоченность.

Термин «самоорганизующееся интеллектуальное предприятие» фиксирует результат этого перехода. Это предприятие, в котором интеллектуальность не ограничивается отчётами, чат-ботом или аналитической панелью. Оно имеет предметное ядро, цифровую нить, граф знаний и механизм включения новых событий в модель деятельности. Такая структура позволяет не только описывать предприятие, но и поддерживать его способность к управляемому обновлению.

Обычная цифровизация не решает эту задачу автоматически. Она может дать ERP, электронный документооборот, BI, регламенты, процессные схемы, интеграции, роботизацию и корпоративный поиск. Но если эти элементы не связаны через предметное ядро, они остаются набором сильных, но разрозненных инструментов. Самоорганизующееся интеллектуальное предприятие требует их соединения в единую предметно-событийную структуру.

Именно поэтому второй том начинается с мирового контекста. Задача не в том, чтобы добавить внешний обзор ради расширения книги. Задача в том, чтобы показать место предметно-ориентированного мышления в мировом сдвиге корпоративных систем. Оно является связующим слоем между управленческой целью интеллектуального предприятия и профессиональным методом построения таксоно-онтологической модели.

После этой части можно перейти к основной проблеме второго тома: почему искусственный интеллект предприятия не может устойчиво рассуждать без предметного мира. Галлюцинации корпоративного ИИ в этом контексте рассматриваются не как исходная тема, а как один из симптомов более общего разрыва: предприятие использует интеллектуальные технологии, не имея достаточно строгой предметной структуры собственной деятельности.

Библиография к Части I

[1] Gartner. Market Guide for Digital Twin of an Organization Platforms. Published 20 November 2024. URL: https://www.gartner.com/en/documents/5936107

[2] Digital Twin Consortium. The Definition of Digital Thread. URL: https://www.digitaltwinconsortium.org/initiatives/the-definition-of-digital-thread/

[3] W3C. RDF 1.1 Concepts and Abstract Syntax. W3C Recommendation, 25 February 2014. URL: https://www.w3.org/TR/rdf11-concepts/

[4] W3C. OWL — Semantic Web Standards. URL: https://www.w3.org/OWL/

[5] IEEE Task Force on Process Mining. Process Mining Manifesto. 2012. URL: https://www.tf-pm.org/resources/manifesto

[6] Celonis. What is object-centric process mining? URL: https://www.celonis.com/blog/what-is-object-centric-process-mining-ocpm

[7] SAP. SAP Knowledge Graph — AI with Business Context. URL: https://www.sap.com/products/artificial-intelligence/knowledge-graph.html

[8] Palantir. Ontology. URL: https://www.palantir.com/platforms/ontology/

[9] Doursat R., Sayama H., Michel O. Morphogenetic Engineering: Reconciling Self-Organization and Architecture. In: Morphogenetic Engineering: Toward Programmable Complex Systems. Springer, 2012.

[10] Jia H. Introducing Entropy into Organizational Psychology. Behavioral Sciences, 2024, 14 (1), 54.

[11] Braun D., Müller T., Sahlab N., Jazdi N., Schloegl W., Weyrich M. A graph-based knowledge representation and pattern mining supporting the Digital Twin creation of existing manufacturing systems. 2022.

[12] Su C., Tang X., Jiang Q., Han Y., Wang T., Jiang D. Digital twin system for manufacturing processes based on a multi-layer knowledge graph model. 2025.

[13] Galanti R., de Leoni M., Navarin N., Marazzi A. Object-centric Process Predictive Analytics. 2022.

[14] OECD. SMEs and entrepreneurship. URL: https://www.oecd.org/en/topics/policy-issues/smes-and-entrepreneurship.html

[15] World Bank. Small and Medium Enterprises (SMEs) Finance. URL: https://www.worldbank.org/ext/en/topic/competitiveness/small-and-medium-enterprises-smes-finance

[16] Celonis. Process Intelligence, AI, and Process Mining. URL: https://www.celonis.com/

[17] Doursat R. A review of morphogenetic engineering. Natural Computing, 2013.

[18] Rodriguez M. A., Watkins J. H., Bollen J., Gershenson C. Using RDF to Model the Structure and Process of Systems. 2007.

Рассмотренный мировой контекст показывает, что интеллектуализация предприятия требует не только технологий, но и предметной структуры деятельности. Далее рассматривается внутренняя причина этой необходимости: корпоративный искусственный интеллект, цифровой двойник и граф знаний не могут устойчиво работать с предприятием, если оно не различает собственные бизнес-предметы, состояния, события, носители и источники. Поэтому следующий раздел переходит от мирового обзора к предметному основанию рассуждения предприятия о самом себе.

Часть II «Почему ИИ предприятия не может рассуждать без предметного мира и инициирующего ядра»