DUAL NATURE OF HYBRID INTELLIGENCE IN INDUSTRIAL SYSTEMS
Статья поступила в редакцию: 09.07.2026
Статья принята к публикации: 04.09.2026
Статья опубликована: 07.09.2026
Keywords:
hybrid intelligence, digital economy, intellectualization, industrial enterprises, Industry 5.0, business process management, iBPMS, extended reality (XR), edge computing, explainable artificial intelligence (XAI), institutional ecosystem.Abstract
This perspective article examines Hybrid Intelligence as a model of the joint functioning of Human Intelligence and Artificial Intelligence in the digital economy, with particular attention to industrial systems, drawing on systems and institutional-evolutionary approaches. It shows that, as the effects of basic digitalization become exhausted, the transition from automation and data accumulation to sustainable human-AI decision-making loops becomes increasingly important. Hybrid Intelligence is interpreted in a dual sense: first, as a technological platform encompassing Artificial Intelligence, machine learning, edge computing, human-machine interfaces, and extended reality; and second, as an institutional phenomenon requiring new norms of responsibility, trust, competencies, and standards of use. The article reviews current adoption trends in industrial systems, including process-oriented settings and intelligent BPM systems, identifies key barriers such as cognitive gaps between humans and algorithms, infrastructure constraints, model opacity, and fragmentation of the institutional environment, and proposes an ecosystem-based concept for integrating Hybrid Intelligence within the human-centered logic of Industry 5.0. In this sense, the paper provides a conceptual basis for subsequent research on mechanisms for assessing the effectiveness of intelligent industrial systems.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Условия использования. Статьи текущего года распространяются по подписке на журнал «Финансовый менеджмент». Все права защищены. Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU www.elibrary.ru/contents.asp?titleid=9552 . Материалы предыдущих лет распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) . Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.
Машиночитаемый файл метаданных: JATS XML
References
Иншакова Е.И. Формирование экосистемы цифровой экономики Российской Федерации: институциональный аспект // Вестник Волгоградского государственного университета. Экономика. 2020. Т. 22, № 4. С. 5-17. DOI: 10.15688/ek.jvolsu.2020.4.1 EDN: CKIQKR.
Клейнер Г.Б. Интеллектуальная экономика цифрового века. Цифровой век: шаги эволюции // Экономика и математические методы. 2020. Т. 56, № 1. С. 18-33. DOI: 10.31857/S042473880008562-7 EDN: HOUWCA.
Комаров Н.М., Пащенко Д.С. Применение технологий искусственного интеллекта в инновационной деятельности промышленных предприятий // Вестник Евразийской науки. 2023. Т. 15, № 6. EDN: HEKHRE.
Указ Президента Российской Федерации от 10 октября 2019 г. № 490 "О развитии искусственного интеллекта в Российской Федерации". [Электронный ресурс]. URL: https://publication.pravo.gov.ru/document/view/0001201910110003 (дата обращения 11.07.2026).
Указ Президента Российской Федерации от 15 февраля 2024 г. № 124 "О внесении изменений в Указ Президента Российской Федерации от 10 октября 2019 г. № 490 "О развитии искусственного интеллекта в Российской Федерации" и в Национальную стратегию развития искусственного интеллекта на период до 2030 года, утвержденную этим Указом" // Официальный интернет-портал правовой информации. [Электронный ресурс]. URL: https://publication.pravo.gov.ru/document/0001202402150063 (дата обращения 11.07.2026).
Ben-Ameur A., Araldo A., Bronzino F. On the Deployability of Augmented Reality Using Embedded Edge Devices. DOI: 10.48550/arXiv.2010.14845.
Breque M., De Nul L., Petridis A. Industry 5.0: Towards a Sustainable, Human-Centric and Resilient European Industry. Luxembourg: Publications Office of the European Union, 2021. DOI: 10.2777/308407 ISBN: 978-92-76-25308-2.
Dellermann D., Ebel P., Söllner M., Leimeister J.M. Hybrid Intelligence // Business & Information Systems Engineering. 2019. Vol. 61, No. 5. P. 637-643. DOI: 10.1007/s12599-019-00595-2 EDN: ZEGZJW.
Dumas M., Fournier F., Limonad L. et al. AI-Augmented Business Process Management Systems: A Research Manifesto // ACM Transactions on Management Information Systems. 2023. Vol. 14, No. 1. DOI: 10.1145/3576047.
Fernández-Caramés T.M., Fraga-Lamas P. Forging the Industrial Metaverse for Industry 5.0: Where Extended Reality, IIoT, Opportunistic Edge Computing, and Digital Twins Meet // IEEE Access. 2024. Vol. 12. P. 95778-95819. DOI: 10.1109/ACCESS.2024.3422109 EDN: JFGKHT.
Kamar E. Directions in Hybrid Intelligence: Complementing AI Systems with Human Intelligence // Proceedings of the Twenty-Fifth International Joint Conference on Artificial Intelligence (IJCAI-16). 2016. P. 4070-4073.
Krishna R., Rahman A. Use Case for an Extended Reality Application on Edge Computing Infrastructure // RFC 9699. RFC Editor, 2024. DOI: 10.17487/RFC9699.
Liu L., Li H., Gruteser M. Edge Assisted Real-time Object Detection for Mobile Augmented Reality // Proceedings of the 25th Annual International Conference on Mobile Computing and Networking (MobiCom '19). New York: ACM, 2019. Article 25. 16 p. DOI: 10.1145/3300061.3300116 EDN: SWRBHH.
Lundberg S.M., Lee S.-I. A Unified Approach to Interpreting Model Predictions // Advances in Neural Information Processing Systems 30 (NIPS 2017). 2017. Vol. 30. P. 4765-4774.
Ribeiro M.T., Singh S., Guestrin C. "Why Should I Trust You?": Explaining the Predictions of Any Classifier // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD '16). New York: ACM, 2016. P. 1135-1144. DOI: 10.1145/2939672.2939778.
Sauer C.R., Burggräf P. Hybrid Intelligence - Systematic Approach and Framework to Determine the Level of Human-AI Collaboration for Production Management Use Cases // Production Engineering. 2025. Vol. 19. P. 525-541. DOI: 10.1007/s11740-024-01326-7 EDN: EABBUH.
Vial G. Understanding Digital Transformation: A Review and a Research Agenda // The Journal of Strategic Information Systems. 2019. Vol. 28, No. 2. P. 118-144. DOI: 10.1016/j.jsis.2019.01.003.
