Sun’iy Intellekt va Raqamli Iqtisodiyot

Mazkur tadqiqot maqsadiga erishish uchun bir qator ilmiy vazifalar belgilandi. Avvalo, temperament va motivatsiya tushunchalarining nazariy asoslarini chuqur tahlil qilish hamda ularning xodimlar boshqaruvi tizimidagi o‘rnini aniqlash ko‘zda tutiladi. Shuningdek, xodimlarning alohida psixologik xususiyatlari bilan ularning mehnat samaradorligi, jamoaviy faoliyati va kasbiy barqarorligi o‘rtasidagi o‘zaro bog‘liqlikni aniqlash vazifasi qo‘yiladi. Bundan tashqari, motivatsion yo‘nalishlarning tashkilot rivojlanishi va boshqaruv samaradorligiga ta’sirini o‘rganish, temperament va motivatsiyani zamonaviy menejment texnologiyalariga integratsiyalash mexanizmlarini ishlab chiqish ham muhim vazifa sifatida belgilanadi. Yakuniy bosqichda esa olingan nazariy va amaliy natijalar asosida alohida psixologik xususiyatlarga tayangan holda integratsiyalashgan xodimlar boshqaruvi modelini taklif etish nazarda tutiladi. Asosiy qism. Mazkur tadqiqot doirasida xodimlarning alohida psixologik xususiyatlariga asoslangan integratsiyalashgan boshqaruv modelini nazariy asoslash hamda amaliy sinovdan o‘tkazish natijalari tahlil qilindi. Tadqiqot jarayonida temperament turlari va motivatsion yo‘nalishlar xodimlar boshqaruvi tizimiga integratsiya qilingan holda tajriba asosida qo‘llanildi. Natijalar shuni ko‘rsatdiki, xodimlarning psixologik xususiyatlarini hisobga olgan boshqaruv yondashuvi mehnat samaradorligini oshirish, jamoaviy muhitni yaxshilash, ichki nizolarni kamaytirish va motivatsiyani mustahkamlashda muhim omil bo‘lib xizmat qiladi [4]. Integratsiyalashgan model asosida xodimlarni joylashtirish va rag‘batlantirish mexanizmlari takomillashtirildi hamda ularning samaradorligi aniq ko‘rsatkichlar orqali baholandi (1-jadval). 1-jadval Alohida psixologik xususiyatlarga asoslangan boshqaruv modeli samaradorlik ko‘rsatkichlari № 1 2 3 4 5 6 Ko‘rsatkich nomi An’anaviy boshqaruv tizimi (%) Integratsiyalashga n model (%) Mehnat samaradorligi 68 84 darajasi Xodimlar motivatsiya 62 81 indeksi Ichki nizolar darajasi 27 15 Kadrlar qo‘nimsizligi 22 11 ko‘rsatkichi Jamoaviy hamkorlik 70 88 samaradorligi Innovatsion faollik darajasi 55 76 Manba: 1-jadval ma’lumotlari muallif tomonidan ishlab chiqildi. O‘sish/ijobiy o‘zgarish (%) +16 +19 –12 –11 +18 +21 1-jadval ma’lumotlari shuni ko‘rsatadiki, temperament va motivatsion yo‘nalishlarni boshqaruv tizimiga integratsiyalash natijasida asosiy funksional ko‘rsatkichlarda sezilarli ijobiy o‘zgarish kuzatilgan. Xususan, mehnat 339

samaradorligi 16 foizga oshgani shuni anglatadiki, xodimning psixologik xususiyatiga mos vazifa va boshqaruv uslubini qo‘llash ish unumdorligiga bevosita ta’sir ko‘rsatadi. Motivatsiya indeksining 19 foizga o‘sishi ichki va tashqi rag‘batlantirish mexanizmlarining temperamentga mos ravishda qo‘llanilishi bilan izohlanadi. Bu holat xodimning ishga nisbatan qoniqish darajasini oshiradi va uning tashkilotga sodiqligini mustahkamlaydi. Ichki nizolar darajasining 12 foizga kamayishi jamoa tarkibini psixologik muvofiqlik asosida shakllantirish samaradorligini tasdiqlaydi. Shuningdek, kadrlar qo‘nimsizligining 11 foizga pasayishi xodimlar boshqaruvi modelining barqarorlikni ta’minlashdagi rolini ko‘rsatadi. Eng yuqori o‘sish innovatsion faollik darajasida (21 foiz) kuzatilgan bo‘lib, bu xodimning alohida psixologik salohiyatini to‘liq namoyon etish imkoniyati yaratilganini anglatadi. Demak, alohida psixologik xususiyatlarga asoslangan boshqaruv modeli nafaqat ijtimoiy-psixologik muhitni yaxshilaydi, balki tashkilotning strategik rivojlanish ko‘rsatkichlariga ham ijobiy ta’sir ko‘rsatadi. Shunday qilib, olingan natijalar integratsiyalashgan boshqaruv modeli ilmiy asoslangan va amaliy jihatdan samarali ekanligini tasdiqlaydi. Olingan natijalar integratsiyalashgan boshqaruv modelining samaradorligini ko‘rsatsada, ularni biryoqlama ijobiy natija sifatida baholash to‘g‘ri bo‘lmaydi. Har bir ko‘rsatkichni chuqurroq tahlil qilish, ularning mazmun-mohiyatini ilmiy nuqtayi nazardan baholash zarur. Avvalo, mehnat samaradorligining 16 foizga oshishi temperamentga mos vazifalar taqsimoti va boshqaruv uslublarining moslashuvchanligi bilan izohlanadi. Biroq, bu o‘sishning barqarorligi masalasi muhimdir. Chunki, dastlabki bosqichda yangi yondashuv xodimlarda psixologik ko‘tarinkilik va yangilik hissini keltirib chiqarishi mumkin. Demak, uzoq muddatli monitoring natijalari orqali modelning barqaror samaradorligi aniqlanishi lozim. Motivatsiya indeksining 19 foizga o‘sishi xodimlarning ichki ehtiyojlari va qadriyatlariga mos rag‘batlantirish mexanizmlari qo‘llanilgani bilan bog‘liq. Shunga qaramay, motivatsiya subyektiv ko‘rsatkich bo‘lib, uni o‘lchashda psixologik testlar va so‘rovnomalarning aniqligi hamda respondentlarning samimiyligi muhim ahamiyat kasb etadi. Demak, bu ko‘rsatkichni baholashda metodologik aniqlik zarur. Ichki nizolar darajasining 12 foizga kamayishi jamoani temperament muvofiqligi asosida shakllantirish samaradorligini tasdiqlaydi. Ammo, bu yerda psixologik muvofiqlik har doim ham innovatsion qarorlar uchun qulay muhit yaratadimi degan savol tug‘iladi. Ba’zi tadqiqotlar shuni ko‘rsatadiki, turli temperamentlarning konstruktiv to‘qnashuvi ijodkorlikni oshirishi mumkin. Demak, to‘liq bir xillik emas, balki boshqariladigan xilma-xillik samaraliroq bo‘lishi mumkin degan muvozanatli yondashuv zarur. Kadrlar qo‘nimsizligining 11 foizga kamayishi modelning ijtimoiy barqarorlikni ta’minlashdagi ahamiyatini ko‘rsatadi. Biroq, bu natija tashqi omillar 340

sanalgan mehnat bozori holati, maosh siyosati yoki ijtimoiy kafolatlar bilan ham bog‘liq bo‘lishi mumkin. Shu bois, qo‘nimsizlik ko‘rsatkichini faqat psixologik omillar bilan izohlash yetarli emas, balki to‘laqonli tizimli yondashuv talab etiladi. Innovatsion faollikning 21 foizga oshishi eng muhim natijalardan biridir. Bu ko‘rsatkich xodimning alohida psixologik salohiyati va ichki motivatsiyasi qo‘llabquvvatlanganida ijodiy tashabbuslar ortishini tasdiqlaydi. Shu bilan birga, innovatsion faollikni faqat temperament bilan bog‘lash to‘liq asosli emas, chunki tashkiliy madaniyat, rahbarlik uslubi va moddiy rag‘batlantirish tizimi ham muhim rol o‘ynaydi. Umuman olganda, natijalar alohida psixologik xususiyatlarga asoslangan boshqaruv modelining samaradorligini ko‘rsatadi. Biroq, ilmiy nuqtayi nazardan qaralganda, ushbu modelni yanada takomillashtirish, uzoq muddatli kuzatuvga asoslangan tadqiqotlar bilan boyitish hamda turli soha va tashkilotlarda sinovdan o‘tkazish zarur. Shundagina uning rivojlanishga ta’siri mavjud ekanligi yanada aniqroq namoyon bo‘ladi. Xulosa va amaliy tavsiyalar. Mazkur tadqiqot natijalariga tayangan holda, alohida psixologik xususiyatlarga asoslangan xodimlar boshqaruv modelini yanada takomillashtirish va amaliyotga samarali tatbiq etish maqsadida quyidagi amaliy tavsiyalarni ilgari surish mumkin: 1. Psixologik diagnostika tizimini institutsionallashtirish. Tashkilotlarda xodimlarning temperament turi va motivatsion yo‘nalishlarini aniqlash uchun ilmiy asoslangan psixodiagnostik testlar va baholash mexanizmlarini joriy etish lozim. Bu jarayon bir martalik emas, balki davriy (masalan, har 6 yoki 12 oyda) monitoring shaklida olib borilishi zarur. Shunda xodimning rivojlanish dinamikasi kuzatilib, boshqaruv qarorlari yangilanib boradi. 2. Lavozimga moslashtirilgan joylashtirish mexanizmini joriy etish. Xodimlarni lavozimlarga tayinlashda nafaqat kasbiy malaka, balki temperament va motivatsion yo‘nalishlar ham asosiy mezon sifatida inobatga olinishi lozim. Masalan: - tezkor va tashabbuskor xodimlar loyiha va innovatsion faoliyatga; - muvozanatli va tizimli fikrlovchilar tahliliy va nazorat funksiyalariga; - kommunikativ xodimlar esa jamoaviy va mijozlar bilan ishlash sohalariga yo‘naltirilishi maqsadga muvofiq. 3. Moslashtirilgan rag‘batlantirish tizimini ishlab chiqish. Motivatsiya mexanizmlarini umumiy shaklda emas, balki alohida ehtiyojlarga mos ravishda qo‘llash zarur, xususan: - ichki motivatsiyaga ega xodimlar uchun kasbiy rivojlanish, mustaqillik va ijodiy erkinlik; - tashqi motivatsiya ustun bo‘lganlar uchun moddiy rag‘batlantirish, bonus va ijtimoiy imtiyozlar samarali bo‘ladi. Bu yondashuv motivatsiya indeksining barqaror o‘sishini ta’minlaydi. 4. Boshqaruvchilar uchun psixologik kompetensiyalarni oshirish. Rahbarlar uchun maxsus trening va seminarlar tashkil etish lozim. Ular xodimlarning 341

temperament xususiyatlarini anglash, konstruktiv nizolarni boshqarish va boshqaruv uslubini moslashtirish ko‘nikmalariga ega bo‘lishi zarur. Bunda psixologik savodxonlik boshqaruv samaradorligining asosiy omiliga aylanishi kerak. 5. Jamoa tarkibini muvozanatli shakllantirish. Jamoalarda to‘liq bir xillik emas, balki boshqariladigan xilma-xillik tamoyilini qo‘llash tavsiya etiladi. Turli temperament vakillarining konstruktiv hamkorligi innovatsion qarorlar qabul qilishda muhim omil bo‘lib xizmat qiladi. 6. Uzoq muddatli monitoring va KPI integratsiyasi. Psixologik omillarni tashkilotning strategik ko‘rsatkichlari (KPI) bilan bog‘lash lozim. Mehnat samaradorligi, qo‘nimsizlik, innovatsion takliflar soni va jamoaviy muhit indekslari muntazam tahlil qilinib borilishi zarur. Bu modelning barqarorligini ilmiy asosda tasdiqlash imkonini beradi. 7. Raqamli boshqaruv platformalaridan foydalanish. HR-analitika va sun’iy intellekt asosidagi boshqaruv tizimlari yordamida xodimlarning psixologik profillarini avtomatlashtirilgan tarzda tahlil qilish, moslashtirilgan rivojlanish yo‘nalishlarini belgilash mumkin. Bu inson omiliga bog‘liq subyektiv xatoliklarni kamaytiradi. Mazkur tadqiqot natijalari shuni ko‘rsatadiki, alohida psixologik xususiyatlarga asoslangan integratsiyalashgan xodimlar boshqaruv modeli tashkilot faoliyatining muhim funksional ko‘rsatkichlariga sezilarli ijobiy ta’sir ko‘rsatadi. Mehnat samaradorligining 16 foizga, motivatsiya indeksining 19 foizga va innovatsion faollikning 21 foizga oshgani modelning amaliy ahamiyatini tasdiqlaydi. Shu bilan birga, ichki nizolar va xodimlar qo‘nimsizligining kamayishi ijtimoiy-psixologik barqarorlikni mustahkamlaydi. Agar yuqorida tavsiya etilgan takomillashtirish choralari tizimli ravishda amaliyotga joriy etilsa, tashkilot rivojlanishining umumiy reyting ko‘rsatkichlari o‘rtacha 15–20 foizga oshishi mumkin. Strategik boshqaruv va innovatsion rivojlanish ko‘rsatkichlari bo‘yicha esa yuqori samaradorlikka erishish ehtimoli 20–25 foizgacha yetadi. Demak, alohida psixologik xususiyatlarga tayangan boshqaruv modeli nafaqat ijtimoiy muhitni yaxshilash, balki tashkilotning raqobatbardoshligini oshirish, inson kapitalini samarali rivojlantirish va uzoq muddatli barqaror o‘sishni ta’minlashning muhim omiliga aylanishi mumkin. Ushbu model amaliyotga to‘liq tatbiq etilgan taqdirda, u tashkilotning rivojlanish reytingini “barqaror rivojlanish” bosqichidan “innovatsion yetakchilik” bosqichiga olib chiqish imkoniyatiga ega. Foydalanilgan adabiyotlar ro‘yxati: 1. Aynakulov, M.A., & Xudayberdiyev, B.B. (2020). Motivatsiya samaradorlik garovi sifatida. Ilmiy axborotnoma jurnali, Samarqand davlat universiteti, (2), 91. 2. Айнакулов, M.A. (2024). Menejment qarorlarining boshqaruv asosi sifatida shakllanishining tavsiyaviy bosqichlari. Results of National Scientific Research International Journal, 3(1), 255–264. 342

3. Mahkamovich, S.A. (2021). Qurilish majmuasida menejmentni tashkil qilishning zamonaviy shakllari. Me’morchilik va qurilish muammolari, 128. 4. Abduhamidovich, A.H., Baxriddinovich, O.R.F., & Parmanovich, I.A. (2021). Mehnatni motivatsiyalashning maqbul tizimini loyihalashtirish tamoyillarini shakllantirish. Oriental Renaissance: Innovative, Educational, Natural and Social Sciences, 1(5), 768–774. RAQAMLI IQTISODIYOT SHAROITIDA MENEJMENT VA MOLIYAVIY TEXNOLOGIYALAR INTEGRATSIYASINING STRATEGIK AHAMIYATI Xolmurodov Humoyun, Mirzo Ulug‘bek nomidagi O‘zMU Jizzax filiali talabasi Tashboyev Asliddin Kumakovich, Psixologiya fakulteti madaniy va marifiy ishlar bo‘yicha dekan o‘rinbosari Xolmurodovhumoyun45@gmail.com Annotatsiya. Mazkur ilmiy maqolada raqamli iqtisodiyot sharoitida menejment tizimlari va moliyaviy texnologiyalar integratsiyasining strategik ahamiyati hamda stoxastik modellashtirish va sun’iy intellekt texnologiyalarining iqtisodiy jarayonlarni boshqarishdagi roli kompleks tarzda tahlil qilinadi. Tadqiqotda raqamli transformatsiya sharoitida boshqaruv qarorlarini qabul qilish samaradorligini oshirish, moliyaviy risklarni prognozlash, noaniqlik sharoitida iqtisodiy jarayonlarni modellashtirish va innovatsion boshqaruv mexanizmlarini shakllantirish masalalari ilmiy-nazariy va amaliy jihatdan yoritilgan. Shuningdek, stoxastik modellar yordamida iqtisodiy tizimlarning dinamik xattiharakatlarini baholash, sun’iy intellekt algoritmlarini moliyaviy texnologiyalar bilan integratsiya qilish orqali resurslardan samarali foydalanish imkoniyatlari asoslab berilgan. Tadqiqot natijalari raqamli iqtisodiyotda strategik menejmentni takomillashtirish, fintech ekotizimlarini rivojlantirish hamda ma’lumotlarga asoslangan boshqaruv qarorlarini shakllantirishda muhim ilmiy-amaliy ahamiyat kasb etadi. Kalit so‘zlar: raqamli iqtisodiyot, strategik menejment, moliyaviy texnologiyalar, raqamli transformatsiya. Аннотация. В данной научной статье комплексно рассматривается стратегическая значимость интеграции систем менеджмента и финансовых технологий в условиях цифровой экономики, а также роль стохастического моделирования и технологий искусственного интеллекта в управлении экономическими процессами. В исследовании раскрываются теоретические и практические аспекты повышения эффективности управленческих решений, прогнозирования финансовых рисков, моделирования экономических процессов в условиях неопределенности и формирования инновационных механизмов управления. Особое внимание уделяется применению стохастических моделей для анализа динамики экономических систем и интеграции алгоритмов искусственного интеллекта с финансовыми технологиями с целью повышения эффективности использования ресурсов. Полученные результаты имеют важное научно-практическое значение для совершенствования стратегического менеджмента, развития fintech-экосистем и формирования управленческих решений на основе данных в цифровой экономике. Ключевые слова: цифровая экономика, стохастическое моделирование, искусственный интеллект, финансовые технологии, стратегический менеджмент, fintech, цифровая трансформация, управление рисками. Abstract. This scientific article examines the strategic importance of integrating management systems and financial technologies within the digital economy, as well as the role of 343

stochastic modeling and artificial intelligence in managing economic processes. The study analyzes theoretical and practical approaches to improving managerial decision-making efficiency, forecasting financial risks, modeling economic processes under uncertainty, and developing innovative management mechanisms in the context of digital transformation. Furthermore, the research substantiates the application of stochastic models for evaluating the dynamic behavior of economic systems and the integration of artificial intelligence algorithms with financial technologies to enhance resource efficiency. The findings contribute to the advancement of strategic management practices, the development of fintech ecosystems, and data-driven decision-making processes in the digital economy. Keywords: digital economy, stochastic modeling, artificial intelligence, financial technologies, strategic management, fintech, digital transformation, risk management. Kirish. XXI asr iqtisodiy rivojlanish tarixida tub burilish davri sifatida namoyon bo‘lmoqda. Axborot-kommunikatsiya texnologiyalarining jadal rivojlanishi, global internet infratuzilmasining kengayishi, sun’iy intellekt, katta ma’lumotlar (Big Data), blokcheyn, bulutli hisoblash tizimlari va ilg‘or analitik platformalarning keng tatbiqi natijasida iqtisodiy tizimlar yangi bosqichga ko‘tarildi. Ushbu jarayonlar “raqamli iqtisodiyot” tushunchasini shakllantirdi. Raqamli iqtisodiyot iqtisodiy faoliyatning raqamli platformalar, avtomatlashtirilgan boshqaruv, algoritmik qarorlar va ma’lumotlarga asoslangan strategik tahlil orqali amalga oshirilishini bildiradi. Shu nuqtai nazardan, raqamli iqtisodiyot nafaqat texnologik yangilanishni, balki boshqaruv va strategik qaror qabul qilish falsafasining tub transformatsiyasini ham anglatadi. Zamonaviy iqtisodiy tizimlarda ma’lumotlar nafaqat resurs, balki strategik aktiv sifatida qabul qilinmoqda. Industrial davrda ishlab chiqarishning asosiy omillari yer, mehnat va kapital bo‘lgan bo‘lsa, raqamli iqtisodiyot sharoitida ma’lumot va bilim yetakchi omilga aylanishi aniqlandi. Ma’lumotlar oqimining keskin ortishi, real vaqt rejimida iqtisodiy jarayonlarni monitoring qilish, statistik va analitik tahlil imkoniyatlarining kengayishi boshqaruv tizimlarini tubdan o‘zgartirdi. Shu sababli an’anaviy menejment yondashuvlari o‘z samaradorligini qisman yo‘qotib, raqamli menejment konsepsiyasiga yo‘l ochmoqda. Raqamli menejment – bu boshqaruv jarayonlarini raqamli texnologiyalar yordamida tashkil etish, qaror qabul qilishni analitik platformalar orqali amalga oshirish va avtomatlashtirilgan nazorat mexanizmlari yordamida monitoring qilishni anglatadi. Bu yondashuv strategik rejalashtirishni ma’lumotlarga asoslangan, tezkor va aniq mexanizmga aylantiradi. Natijada korxonalar va moliyaviy institutlar tezkor, moslashuvchan va samarali boshqaruv modeliga ega bo‘ladi. Ayniqsa, global raqobat kuchaygan sharoitda real vaqt rejimida tahlil va prognozlash imkoniyati strategik ustunlikni ta’minlaydi. Moliyaviy texnologiyalar (FinTech) raqamli iqtisodiyotning ajralmas tarkibiy qismi sifatida shakllandi. FinTech – bu moliyaviy xizmatlarni innovatsion texnologiyalar asosida takomillashtirish va ko‘rsatish tizimidir. Raqamli to‘lov platformalari, onlayn kreditlash tizimlari, blokcheyn texnologiyalari, kriptoaktivlar, robo-maslahatchilar, sun’iy intellekt asosidagi risk tahlil mexanizmlari va algoritmik investitsiya platformalari moliyaviy sohada tub 344

o‘zgarishlarni yuzaga keltirdi. Ushbu jarayon moliyaviy xizmatlarning tezkorligi, shaffofligi va ommabopligini oshirdi, moliyaviy inklyuziya darajasini kengaytirdi va korporativ boshqaruv tizimlarini yangi strategik paradigmalarga moslashtirdi. Raqamli iqtisodiyot sharoitida menejment va moliyaviy texnologiyalar integratsiyasi strategik zaruratga aylanmoqda. Moliyaviy jarayonlar va boshqaruv mexanizmlari o‘zaro uzviy bog‘liq bo‘lib, korporativ boshqaruv, investitsion rejalashtirish, risklarni baholash va likvidlikni boshqarish jarayonlarida raqamli moliyaviy vositalardan foydalanish boshqaruv samaradorligini oshiradi. Shu bilan birga, FinTech ekotizimi menejmentning innovatsion modelini shakllantirishga xizmat qiladi, bu esa korxonalarning raqobatbardoshligini sezilarli darajada oshiradi. Integratsiyaning strategik ahamiyati bir necha yo‘nalishda namoyon bo‘ladi. Birinchidan, operatsion xarajatlarni qisqartirish va resurslardan samarali foydalanish imkoniyati mavjud. Ikkinchidan, real vaqtli monitoring va analitika risklarni aniqlash va ularni minimallashtirish imkonini beradi. Uchinchidan, ma’lumotlarga asoslangan strategik qarorlar korxonalarning raqobatbardoshligini oshiradi va bozor tezkorligiga moslashuvchan javob berish imkonini yaratadi. To‘rtinchidan, moliyaviy texnologiyalar yordamida raqamli xizmatlar kengayib, iqtisodiy barqarorlikni mustahkamlashga xizmat qiladi. Bundan tashqari, raqamli transformatsiya jarayonida menejment va moliyaviy texnologiyalar integratsiyasi korxonalarning innovatsion salohiyatini rivojlantirishga katta hissa qo‘shadi. Masalan, analitik platformalar va sun’iy intellekt yordamida ishlab chiqilgan qarorlar ishlab chiqarish jarayonlarini optimallashtiradi, xarajatlarni kamaytiradi va investitsiya samaradorligini oshiradi. Shu bilan birga, FinTech vositalari orqali moliyaviy xizmatlar tezkor va raqamli shaklda ko‘rsatiladi, bu esa mijozlar tajribasini yaxshilash va bozordagi raqobatbardoshlikni oshirish imkonini beradi. Shu bilan birga, integratsiya jarayoni bir qator muammolarni yuzaga keltiradi. Kiberxavfsizlik tahdidlari, ma’lumotlar maxfiyligi, normativ-huquqiy bazaning yetarli shakllanmaganligi, raqamli kompetensiyalarning pastligi va innovatsion ekotizimga moslashuvdagi qiyinchiliklar integratsiyaning samarali amalga oshirilishiga to‘sqinlik qilishi mumkin. Shu bois ilmiy asoslangan yondashuv, kompleks strategik siyosat va texnologik modernizatsiya zarur hisoblanadi. Mazkur maqolaning asosiy maqsadi – raqamli iqtisodiyot sharoitida menejment va moliyaviy texnologiyalar integratsiyasining nazariy va metodologik asoslarini tizimli ravishda tahlil qilish, ularning o‘zaro sinergiyasi natijasida yuzaga keladigan strategik afzalliklarni ilmiy jihatdan asoslashdan iborat. Tadqiqot jarayonida raqamli boshqaruv modeli, FinTech innovatsiyalari, integratsiyalashgan tizimlarning iqtisodiy samaradorligi va strategik rivojlanishdagi o‘rni keng qamrovda yoritiladi. Natijada, raqamli menejment va moliyaviy texnologiyalar integratsiyasi korporativ va milliy iqtisodiy barqarorlikni ta’minlash, risklarni minimallashtirish 345

va raqobatbardoshligini oshirishda asosiy ilmiy-amaliy vosita sifatida xizmat qiladi. Shu bois ushbu yo‘nalish zamonaviy iqtisodiy tadqiqotlarning ustuvor va dolzarb yo‘nalishlaridan biri hisoblanadi va kelajakda strategik menejment va moliyaviy texnologiyalar sohasidagi ilmiy ishlanmalar uchun asosiy tadqiqot maydoni bo‘lib qoladi. Shuni ta’kidlash lozimki, raqamli iqtisodiyot sharoitida menejment va moliyaviy texnologiyalar integratsiyasi nafaqat korporativ samaradorlikni oshirish, balki milliy iqtisodiy siyosat va strategik rejalashtirishning ham asosiy tarkibiy qismiga aylanmoqda. Ushbu integratsiya iqtisodiy o‘sish, barqarorlik va raqobatbardoshlikni mustahkamlashda o‘zining nazariy va amaliy ahamiyatini namoyon qiladi. Xulosa. Raqamli iqtisodiyot sharoitida menejment va moliyaviy texnologiyalar integratsiyasi zamonaviy iqtisodiy rivojlanishning muhim strategik yo‘nalishlaridan biri sifatida shakllanmoqda. Tadqiqot natijalari shuni ko‘rsatadiki, raqamli transformatsiya jarayoni boshqaruv tizimlarini tubdan o‘zgartirib, ularni ma’lumotlarga asoslangan, tezkor va moslashuvchan modelga aylantirmoqda. An’anaviy menejment yondashuvlari o‘rnini raqamli menejment konsepsiyasi egallab, unda sun’iy intellekt, katta ma’lumotlar tahlili, avtomatlashtirilgan monitoring tizimlari va algoritmik qaror qabul qilish mexanizmlari muhim o‘rin tutmoqda. Moliyaviy texnologiyalar (FinTech) esa moliyaviy xizmatlarni ko‘rsatish mexanizmini innovatsion asosda qayta shakllantirib, to‘lov tizimlari, kreditlash, investitsiya boshqaruvi, risklarni baholash va moliyaviy inklyuziya jarayonlarida samaradorlikni oshirmoqda. Menejment va FinTech integratsiyasi korxonalarning operatsion xarajatlarini kamaytirish, moliyaviy oqimlarni optimallashtirish, risklarni minimallashtirish hamda strategik qarorlarni aniq va tezkor qabul qilish imkoniyatini yaratadi. Shuningdek, integratsiya jarayoni iqtisodiy subyektlarning raqobatbardoshligini oshirish, innovatsion salohiyatni kuchaytirish va barqaror iqtisodiy o‘sishni ta’minlashda muhim omil bo‘lib xizmat qiladi. Real vaqt rejimida tahlil qilish imkoniyati, prognozlash mexanizmlarining takomillashuvi va raqamli platformalarning keng joriy etilishi boshqaruv samaradorligini yangi bosqichga olib chiqmoqda. Biroq ushbu jarayon bilan bir qatorda kiberxavfsizlik tahdidlari, ma’lumotlar maxfiyligi muammolari, normativ-huquqiy bazaning takomillashmaganligi va raqamli kompetensiyalarning yetarli emasligi kabi qator muammolar ham mavjud. Shu sababli davlat darajasida kompleks strategik siyosat yuritish, raqamli infratuzilmani rivojlantirish, inson kapitalini oshirish va innovatsion ekotizimni qo‘llab-quvvatlash zarur hisoblanadi. Umuman olganda, raqamli iqtisodiyot sharoitida menejment va moliyaviy texnologiyalar integratsiyasi iqtisodiy barqarorlikni mustahkamlash, resurslardan samarali foydalanish va uzoq muddatli strategik rivojlanishni ta’minlashning muhim ilmiy-amaliy vositasi hisoblanadi. Ushbu yo‘nalish kelgusida ham iqtisodiy 346

tadqiqotlarning ustuvor sohasi bo‘lib qoladi hamda yangi innovatsion boshqaruv modellarini shakllantirishga xizmat qiladi. Foydalanilgan adabiyotlar: 1. Schwab, K. 2. Penguin Books. 3. Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age. W.W. Norton & Company. 4. Digital Finance and FinTech: Current research and future research directions. Journal of Business Economics, 87(5). 5. The Evolution of FinTech. Georgetown Journal of International Law 6. Porter, M. E. (1985). Competitive Advantage. Free Press. 7. Laudon, K. C., & Laudon, J. P. 8. OECD (2020). Digital Economy Outlook. OECD Publishing. 9. Digital Development Report. World Bank Publications. 10. O‘zbekiston Respublikasi Prezidentining raqamli iqtisodiyotni rivojlantirishga oid farmon va qarorlari. СОВЕРШЕНСТВОВАНИЕ МАРКЕТИНГОВЫХ СТРАТЕГИЙ В ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЯХ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Аблатдинов Султанбек Азатович, PhD, и.о. доцента кафедры «Экономика и менеджмент», ТГЭУ, s.ablatdinov@tsue.uz Annotatsiya. Maqolada O‘zbekiston oliy ta’lim muassasalari marketing faoliyatida sun’iy intellekt (SI) vositalari tahlil qilinadi. Abituriyentlarni jalb etish kampaniyalarida chat-botlar, tavsiyaviy tizimlar va AI-analitikaning qo‘llanilishi ko‘rib chiqilgan. O‘zbekiston sharoitiga xos xususiyatlar (ko‘p tillilik, raqamli infratuzilma, kadrlar salohiyati) yoritilgan hamda AI-marketingni joriy etish bo‘yicha amaliy tavsiyalar (strategiya, bosqichlar, samaradorlik ko‘rsatkichlari) berilgan. Kalit so‘zlar: sun’iy intellekt, raqamli marketing, oliy ta’lim, chat-bot, personallashtirish, O‘zbekiston. Аннотация. В статье анализируются инструменты искусственного интеллекта (ИИ) в маркетинговой деятельности вузов Узбекистана. Рассмотрены чат-боты, рекомендательные системы и AI-аналитика в кампаниях по привлечению абитуриентов. Указаны особенности узбекского контекста (многоязычность, цифровая инфраструктура, кадры) и даны практические рекомендации по внедрению AI-маркетинга (стратегия, этапы, метрики эффективности). Ключевые слова: искусственный интеллект, цифровой маркетинг, высшее образование, чат-бот, персонализация, Узбекистан. Abstract. This paper examines the use of artificial intelligence tools in university marketing strategies in Uzbekistan. It covers AI chatbots, recommendation systems, personalized advertising, and analytics for attracting prospective students. The study highlights Uzbekistan-specific factors (bilingual support, digital infrastructure, 347

workforce) and provides practical guidelines for implementing AI-driven marketing (strategy, technical and organizational steps, performance metrics). Keywords: artificial intelligence, digital marketing, higher education, chatbot, personalization, Uzbekistan Введение. В современных условиях вузам необходимо быстро и персонализированно информировать и привлекать абитуриентов в условиях растущей конкуренции и цифровизации. Абитуриенты – цифровые пользователи, ожидающие мгновенной обратной связи и интерактива (чатбот, онлайн-консультант). Согласно отчёту ПРООН, более половины предприятий Узбекистана уже интегрировали ИИ в процессы взаимодействия с клиентами и создания контента. В глобальном масштабе университеты внедряют ИИ-решения: чатботы, персонализацию рекламы и аналитические системы. В Узбекистане стратегически поддерживаются ИИ-технологии: страна поднялась на 17 позиций в индексе готовности к ИИ и утвердила Национальную стратегию ИИ до 2030 года. В этом контексте вопрос совершенствования маркетинга вузов с помощью AI приобретает особую значимость для повышения эффективности приёмных кампаний и развития отечественной образовательной системы. Цель исследования – комплексный анализ и разработка рекомендаций по применению ИИ-инструментов в маркетинге высших учебных заведений Узбекистана. Задачи: • изучить современные AI-технологии в привлечении студентов (чатботы, рекламные системы, аналитика); • собрать данные о текущем состоянии их применения в вузах Узбекистана и регионе (официальные проекты, кейсы); • оценить метрики эффективности (вовлечённость, конверсия, экономия ресурсов); • определить ключевые преграды (технические, кадровые, правовые) и факторы успеха для Узбекистана; • сформулировать практические рекомендации и этапы внедрения AIмаркетинга в вузах республики. Методология. В работе проведён систематический обзор официальных источников и кейсов. Использованы материалы министерств Узбекистана (отчёты, новостные релизы), зарубежные и локальные аналитические отчёты (McKinsey, BCG, Deloitte, ПРООН), а также актуальные материалы EdTech и новостные публикации об опыте вузов. Особое внимание уделено данным за период 2019-2026 (последние 5-7 лет) и локальным проектам. Исследование опирается на методы документального анализа, сравнительного обзора и кейс-стади. 348

Результаты и обсуждение. Современные AI-инструменты в маркетинге вузов. Сегодня существуют разные типы AI-продуктов, применяемых для коммуникации с абитуриентами: Чат-боты и виртуальные ассистенты. Могут быть как правилобазированными (FAQ-боты), так и на основе генеративных моделей (LLM). Они отвечают на вопросы абитуриентов по приёму, направлениям обучения, проходным баллам и другим типовым запросам. Например, в IT Park University внедрён многоязычный (узб./рус./англ.) чат-бот, который «значительно сокращает время ожидания ответа и разгружает приёмную комиссию». Ожидаемая точность ответов такого бота – ~95%. Инструменты на базе LLM (ChatGPT, YandexGPT и др.) позволяют вести диалог в свободной форме, обрабатывать неструктурированные запросы и выполнять многоступенчатые задачи (студенческие консультации, подбор программ и пр.) [5]. Автоматизация маркетинга и аналитика. AI-программы оптимизируют рекламные кампании и прогнозируют отклик аудитории. В одном кейсе для финансового университета ИИ-оптимизация контекста дала +250% прироста целевых заявок и -45% стоимости привлечения одного лида. На рынке вузов широко используются аналитические панели и CRM с AI: они собирают данные об интересах абитуриентов и помогают оценивать эффективность каналов (соцсети, поисковая реклама). С учетом необходимости комплексной оценки применимости AIинструментов в условиях цифровой трансформации высшего образования представляется целесообразным провести их сравнительный анализ. Такой подход позволяет выявить сильные и слабые стороны каждого решения, а также определить целесообразность их адаптации к институциональной среде Узбекистана. Результаты сравнительного анализа представлены в следующей таблице. Таблица 1 Сравнительный анализ ключевых AI-инструментов в цифровом маркетинге университетов69 Инструмен Основные функции т ИИ Чат-бот Выдаёт готовые (правила) ответы на FAQ по расписанию поступления, правилам, ценам и др. Чат-бот Ведёт диалог на (LLM) естественном языке, 69 Преимущества Простота реализации, быстрый запуск Ограничения Неспособност ь понять нетиповые вопросы, строго по скриптам Гибкость, Нужна масштабируемость, настройка и Составлено автором 349 Применимость в Узбекистане Подходит для сайта ВУЗа/чатбота; ограничен обновляемость ю контента Эффективен при наличии

отвечает на разносторонние вопросы 24/7 поддержка студентов контроль за «правильност ью» ответов; затраты токенов Сложность построения модели при небольшом количестве данных Рекоменда тельная система Анализирует данные абитуриента и предлагает персональные программы Увеличивает конверсию, повышает удовлетворённость AIаналитика (Big Data) Обрабатывает большие массивы данных (посещаемость сайта, соцсетей, CRM) для анализа поведения абитуриентов Позволяет выявлять тренды, сегментировать аудиторию, прогнозировать набор Требует наличия инфраструкту ры и специалистов; затраты на внедрение Персонали зированна я рассылка (CRM) Автоматизированное создание и отправка электронных писем и уведомлений с учётом профиля абитуриента Повышает открываемость писем, привязанность к вузу Зависит от наличия качественной базы контактов локализованног о корпуса данных Полезна для крупных вузов с разветвлёнными программами; требует интеграции с CRM Необходима поддержка со стороны государства и ИТ-парков; первоочерёдно для государственны х вузов Используют ведущие вузы; требует начальной настройки CRM и политик GDPR/PDPA После проведённого сопоставления ключевых AI-инструментов по функциональным параметрам, преимуществам и ограничениям представляется методологически обоснованным перейти к оценке их применимости в специфическом национальном контексте. Для Республики Узбекистан данный этап анализа является особенно значимым, поскольку внедрение цифровых решений в сфере взаимодействия с абитуриентами уже демонстрирует практические результаты, однако одновременно определяется рядом контекстуальных факторов – языковой ситуацией, уровнем цифровой инфраструктуры, институциональной динамикой и действующими регуляторными требованиями к обработке данных. Местные кейсы и особенности. В Узбекистане уже есть успешные примеры применения цифровых решений для абитуриентов. В IT Park University был создан AI-чат-бот, который консультирует поступающих на трёх языках (узбек., рус., англ.) и разгружает приёмную комиссию. За первые месяцы внедрения приёмные будут значительно сокращены, а качество ответов достигает 95%. 350

Региональные особенности. Узбекистан двуязычен (узбекский, русский), поэтому AI-инструменты должны поддерживать оба языка. Опыт IT Park выявил, что базовые модели (ChatGPT) плохо понимают узбекский язык, и потребовалось интегрировать переводчик для корректной обработки запросов. Кроме того, цифровая инфраструктура развивается: во всех областях созданы IT-парки, улучшилось интернет-покрытие, что создаёт техническую базу для онлайн-маркетинга вузов. С другой стороны, эксперты отмечают нехватку квалифицированных кадров и ограниченные инвестиции: примерно 58% компаний испытывают дефицит специалистов по ИИ, а более половины организаций планируют инвестировать в ИИ менее $10 000 в год70. Правовые и организационные факторы. Законодательно сфера ИИ в Узбекистане поддерживается. Указом Президента №ПП-358 (2024) утверждена «Стратегия развития ИИ до 2030 года» 71 , направленная на увеличение доли ИИ-продуктов, расширение инфраструктуры и наращивание кадрового потенциала. Глава государства подчеркнул важность внедрения AI в образовании и анонсировал создание учебных лабораторий ИИ в 15 ведущих вузах страны. На уровне вузов это означает необходимость учета новых нормативов: создаются курсы и магистерские программы по ИИ, стимулируется адаптация международного опыта. Рекомендации и директивы Президента (октябрь 2025) ставят задачу «активного продвижения ИИ-инициатив» и тесного взаимодействия вузов с промышленностью и ITсектором72. Эффективность и метрики. Прямых статистических данных по Узбекистану мало, поэтому можно ориентироваться на международные и региональные показатели. Из зарубежных исследований: ~38% абитуриентов (бакалавров) и 48% магистрантов используют чат-боты на сайтах вузов, и 90% из них считают сервис полезным. Внедрение AI-чат-ботов обычно оценивают через метрики: время ответа на запросы, коэффициент удовлетворённости, рост числа полученных заявок [3]. Выводы и практические рекомендации. На основании анализа предлагаются следующие рекомендации для вузов Узбекистана: Разработать стратегию AI-маркетинга. Сформулировать цели (увеличение числа заявок, повышение узнаваемости бренда вуза, вовлечение ЦА) и ключевые KPI (количество обработанных запросов, конверсия из сайта в заявку). Определить ответственных за проект (IT-департамент или отдельная команда). Учитывать, что бюджет на ИИ-интеграцию может быть ограничен; по опыту узбекских предприятий более половины выделяют <10 тыс. USD в год. Реализация может быть поэтапной: старт с чат-бота и 70 https://gov.uz/ru/digital/activity_page/sun-iy-intellekt https://gov.uz/ru/digital/activity_page/sun-iy-intellekt 72 https://president.uz/ru/lists/view/8583# 71 351

базовой аналитики (на имеющихся ресурсах), последующая интеграция более сложных систем. Внедрять чат-боты в коммуникацию с абитуриентами. Разместить чат-бот на сайте вуза и в популярных мессенджерах (Telegram, WhatsApp), учитывая двуязычность. Это позволит обеспечить 24/7 доступ к информации. Лучше использовать готовые решения (ИИ-платформы) с возможностью настройки: пример IT Park показал, что кастомизация промптов на базе FAQ дала качественные ответы. При настройке бота нужно предусмотреть «кнопку связи с оператором» на случай сложных вопросов. Персонализировать кампании с помощью AI-аналитики. Собирать данные о поведении пользователей (посещение страниц вузов, результаты тестов, соцсети) и с помощью ИИ-сервисов сегментировать абитуриентов. Это позволит таргетировать рекламу и рассылки по интересам. Обратить внимание на законодательные аспекты. Обеспечить соблюдение локальных законов о персональных данных и интеллектуальной собственности при сборе данных абитуриентов. При использовании зарубежных сервисов (ChatGPT, Google API) учитывать правила их локального использования. Важно документировать процесс внедрения ИИ (для отчётности перед государственными ведомствами), так как развитие ИИ находится под контролем государственных программ. Мониторинг и оптимизация. Установить метрики эффективности и мониторить их регулярно. Ключевые показатели: число обращений в чат-бот, доля успешно закрытых запросов, среднее время ответа, количество поданных заявок через канал AI. Использовать панели аналитики (например, встроенные в облако) для оценки ROI и корректировки кампаний [2]. Список использованных источников 1. Grewal, R., Meyer, R., & Mittal, V. (2022). Education and marketing: Decision making, spending, and consumption. Journal of Marketing Research, 59(1), 1-10. 2. Shadiyeva, G.M., & Rustamova, Z.R. (2025). Совершенствование маркетинговой деятельности высших учебных заведений на основе искусственного интеллекта. Яшил иқтисодиёт ва тараққиёт, №12, 234-240. 3. Сташенко М.В., Семченко И.В. Маркетинг образовательных услуг в высших учебных заведениях //Молодежный научный форум. – 2023. 4. Аблатдинов С. \А. Моделирование маркетинговой деятельности вуза в направлении повышения конкурентоспособности //Экономика. – №. 12. – С. 1440-1446. 5. Аблатдинов С. Анализ зарубежного опыта маркетинговой деятельности в сфере образовательных услуг //Raqamli iqtisodiyot va axborot texnologiyalari. – 2024. – Т. 4. – №. 3. – С. 72-77. РОЛЬ ЦИФРОВОЙ ЭКОНОМИКИ В СЕЛЬСКОМ ХОЗЯЙСТВЕ Аблатов Улугбек Мажитович, КарИСХА Ассистент ulugbekablatov@mail.ru Аннотация. Ушбу мақолада қишлоқ 352 хўжалигида рақамли иқтисодиётни

ривожлантиришнинг долзарб масалалари ва унинг ҳозирги ҳолати ўрганилган. Замонавий қишлоқ хўжалигида рақамлаштириш тобора муҳим аҳамият касб этиб, қишлоқ хўжалиги унумдорликни ошириш, ресурсларни оптималлаштириш ва бошқарувни яхшилаш. Бугунги кунда қишлоқ хўжалиги тармоғи ички ишлаб чиқаришнинг ишончли ўсишини кўрсатмоқда. Лекин ҳанузгача қишлоқ хўжалиги корхоналарида ҳосилдорликни янада оширишга тўсқинлик қилмоқда. Мақоланинг асосий мақсади - қишлоқ хўжалигида рақамли технологияларни қўллашнинг аҳамиятини таҳлил қилиш ва келажак истиқболларини аниқлашдир. Калит сўзлар: рақамли иқтисодиёт, қишлоқ хўжалиги, претсизион деҳқончилик, инновациялар, рақамли трансформация, агробизнес. Аннотация. В данной статье рассматриваются актуальные вопросы развития цифровой экономики в сельском хозяйстве и ее текущее состояние. В современном сельском хозяйстве цифровизация приобретает все большее значение, повышая производительность сельского хозяйства, оптимизируя ресурсы и улучшая управление. Сегодня сельскохозяйственный сектор демонстрирует уверенный рост внутреннего производства. Однако это все еще препятствует дальнейшему повышению урожайности на сельскохозяйственных предприятиях. Основная цель статьи проанализировать важность применения цифровых технологий в сельском хозяйстве и определить перспективы будущего. Ключевые слова: цифровая экономика, сельское хозяйство, прецизионное земледелие, инновации, цифровая трансформация, агробизнес. Abstract. This article examines current issues in the development of the digital economy in agriculture and its current state. Digitalization is becoming increasingly important in modern agriculture, increasing agricultural productivity, optimizing resources, and improving management. Today, the agricultural sector is showing reliable growth in domestic production. However, this still hinders the further increase in yields at agricultural enterprises. The main goal of the article is to analyze the significance of the application of digital technologies in agriculture and determine the prospects for the future. Keywords: digital economy, agriculture, precision farming, innovations, digital transformation, agribusiness. Введение. В настоящее время применение цифровых технологий в сельском хозяйстве является одним из самых актуальных вопросов в мире. Цифровая экономика создает возможности для современного управления сельским хозяйством и совершенствования производства продукции. В статье рассматриваются следующие основные аспекты: • Роль и значение цифровых технологий в сельском хозяйстве • Современные цифровые решения в точном земледелии и животноводстве • Экономические результаты цифровой трансформации • Социально-экономическое значение и перспективы развития В результате исследования определено значение применения цифровых технологий в сельском хозяйстве для экономии ресурсов, повышения производительности и решения экологических проблем. Также даны рекомендации по выполнению необходимых научно-технических и инфраструктурных требований для развития данной отрасли. 353

Основная часть. Поскольку деятельность сельскохозяйственных производителей и предприятий носит сезонный характер, их возможности финансирования экспорта сельскохозяйственной продукции ограничены. Это создает необходимость государственной финансовой поддержки экспорта сельскохозяйственной продукции и финансирования за счет кредитов коммерческих банков. Результаты научных исследований А.Уахитжановой показывают, что в финансировании экспорта сельскохозяйственной продукции в Европейском Союзе, США и Норвегии важную роль играет объем прямых государственных субсидий сельскому хозяйству. В разрезе сельскохозяйственных отраслей, в Канаде, США и Европейском Союзе большая часть субсидий предоставляется растениеводству, а в Норвегии и Швейцарии - животноводству. Постановлением Президента Республики Узбекистан от 24 января 2017 года №ПП-2740 "О создании акционерного коммерческого банка «Узагроэкспортбанк»" был создан Узагроэкспортбанк, основными задачами которого определены: *привлечение средств физических и юридических лиц с целью приоритетного финансирования инвестиционных проектов по выращиванию и экспорту агропромышленной продукции, прежде всего плодоовощной продукции, и развитию соответствующей инфраструктуры; *комплексное оказание кредитно-расчетных услуг организациям агропромышленного сектора и его инфраструктуры; *привлечение средств иностранных инвесторов, международных финансовых институтов, зарубежных банков для финансирования организаций агропромышленного сектора, развитие прямого сотрудничества с иностранными партнерами; *организация комплексного маркетингового анализа и формирование информационного банка данных о состоянии международных рынков и перспективах их развития, экспортных возможностях отечественных производителей; *активное информационное освещение экспортного потенциала Узбекистана, в том числе путем осуществления активного сотрудничества с иностранными банками, международными организациями, дипломатическими и торговыми представительствами, а также системного вхождения в международные рекламно-торговые информационные сети; *содействие клиентам банка в разработке стратегий по выводу агропромышленной продукции, прежде всего плодоовощной продукции, на международные рынки73. 73 Ўзбекистон Республикаси Президентининг 2017 йил 24 январдаги ПҚ-2740-сонли «Ўзагроэкспортбанк» акциядорлик тижорат банкини ташкил қилиш тўғрисида”ги қарори//Ўзбекистон Республикаси қонун ҳужжатлари тўплами, 2017 й., 4-сон, 52-м. 354

Кредиты коммерческих банков являются важным источником финансирования экспорта сельскохозяйственной продукции. В развитых странах широко используется метод бонификации при финансировании сельского хозяйства. Следует отметить, что на практику финансирования экспорта сельскохозяйственной продукции непосредственно влияют темпы девальвации национальной валюты и уровень инфляции. Необходимо подчеркнуть, что высокий уровень инфляции оказывает негативное влияние на практику финансирования сельскохозяйственной продукции. Поскольку под влиянием инфляции повышается себестоимость экспортируемой продукции, и в результате снижается уровень её конкурентоспособности. Однако в настоящее время фермерские хозяйства обеспечивают свою рентабельность за счет льготных кредитов, выделяемых из государственных средств. Кроме того, необходимо учитывать отсутствие в коммерческих банках дешевых ресурсов, необходимых для предоставления льготных кредитов. Секторальная программа развития промышленности региона предусматривает выявление внутреннего потенциала региона в области промышленного развития и решение существующих проблем в этой сфере. Заключение. В результате проведенного исследования определено, что для успешного развития сельского хозяйства необходимо сочетание цифровых технологий и эффективных механизмов финансирования. Основные выводы: 1. Цифровизация и внедрение современных технологий являются ключевым фактором повышения эффективности сельскохозяйственного производства. 2. Государственная поддержка через систему льготного кредитования и создание специализированных финансовых институтов (Узагроэкспортбанк) играет важную роль в развитии аграрного сектора. 3. Макроэкономические факторы (инфляция, курс валюты) существенно влияют на конкурентоспособность сельскохозяйственного экспорта. 4. Для дальнейшего развития отрасли рекомендуется: • расширять применение цифровых технологий • совершенствовать механизмы господдержки • развивать систему льготного кредитования • создавать благоприятный инвестиционный климат Реализация данных мер позволит повысить эффективность сельскохозяйственного производства и укрепить экспортный потенциал отрасли. Использованные литературы: 355

1. Муродова Д.Ч. Совершенствование методологических основ микрофинансирования сельскохозяйственных производителей. Дисс. Ташкент, (2019). 2. Зайнуддинов Ш.Н., Расулов Н.М. Инновационное управление (учебник). Т., 2020. 3. Бахтиёров Б.Б. Передовой зарубежный опыт развития инновационного управления промышленными предприятиями. Автореферат - Т., 2021. 4. Назарбаев О. Инновационное управление экономикой // Монография, «Lesson Press» -Т., 2022 5. Социально-экономическое положение Республики Узбекистан за 2017 год. Государственный комитет Республики Узбекистан по статистике. – Ташкент, (2018). BANK SOHASIDA KREDIT RISKINI MODELLASHTIRISHDA AN’ANAVIY STATISTIK USULLAR VA SUN’IY INTELLEKTGA ASOSLANGAN YONDASHUVLARNING QIYOSIY TAHLILI Jo‘rayev Azizbek Isroil o‘g‘li, TATU assistant o‘qituvchi, azizbek21714group@gmail.com Xayrullayev Uchqun Bohodirovich, TATU assistant o‘qituvchi, uchqunbek1729@gmail.com Talipova Ozoda Xabirovna,TATU, katta o‘qituvchi ozodotalipova1@gmail.com Annotatsiya. Ushbu tadqiqot bank sohasida kredit riskini modellashtirishda an’anaviy statistik usullar va sun’iy intellekt (SI) asosidagi yondashuvlarni qiyosiy tahlil qiladi. An’anaviy modellar moliyaviy ma’lumotlardagi murakkab, nochiziqli bog‘liqliklarni aniqlashda ko‘pincha qiyinchilikka duch keladi, holbuki mashinaviy o‘rganish (MO) va chuqur o‘rganish (ChO) kabi sun’iy intellekt texnologiyalari yuqori darajadagi bashorat qilish imkoniyatlarini taqdim etadi. Ushbu ishda qarz oluvchilarning xatti-harakatlaridagi vaqt bo‘yicha bog‘liqliklarni aniqlash uchun ketma-ket ma’lumotlardan foydalanuvchi yangi Deep Reinforcement Learning - Gated Recurrent Unit (DRL-GRU) modeli taklif etiladi, bu esa bashorat aniqligini sezilarli darajada oshiradi. Metodologiya kiruvchi ma’lumotlar sifatini ta’minlash maqsadida puxta ma’lumotlarni tayyorlash va normallashtirish usullarini o‘z ichiga oladi. Aniqlik (Accuracy), aniqlik darajasi (Precision), qayta chaqirish (Recall) va F1ko‘rsatkich kabi mezonlar asosida olib borilgan samaradorlik baholash natijalari DRL-GRU modeli an’anaviy usullardan ustun ekanligini ko‘rsatdi: model 99,25% aniqlik va 98,8% F1ko‘rsatkichga erishdi. Ushbu tadqiqot sun’iy intellekt asosidagi modellarning kredit riskini baholash jarayonini tubdan o‘zgartirish imkoniyatlarini yoritadi va ularning moliyaviy qarorlar qabul qilishda qo‘llanilishini qo‘llab-quvvatlaydi. Kalit so‘zlar: Kredit riskini modellashtirish, Mashinaviy o‘rganish, Chuqur o‘rganish, Chuqur mustahkamlovchi o‘rganish, Gated Recurrent Unit, Bank sohasi, Bashoratli tahlil Аннотация. В данном исследовании проводится сравнительный анализ традиционных статистических методов и подходов на основе искусственного интеллекта (ИИ) в моделировании кредитного риска в банковском секторе. Традиционные модели часто испытывают трудности с выявлением сложных, нелинейных зависимостей в финансовых данных, в то время как технологии искусственного интеллекта, такие как машинное обучение (МО) и глубокое обучение (ГО), предоставляют высокий уровень прогнозирования. В данной работе предлагается 356

новая модель Deep Reinforcement Learning - Gated Recurrent Unit (DRL-GRU), использующая последовательные данные для выявления временных зависимостей в поведении заемщиков, что значительно повышает точность прогнозирования. Методология включает в себя методы подготовки и нормализации надежных данных с целью обеспечения качества входящих данных. Результаты оценки эффективности, проведенной на основе таких критериев, как точность (Accuracy), степень точности (Precision), вызов (Recall) и показатель F1, показали, что модель DRL-GRU превосходит традиционные методы: модель достигла точности 99,25% и показателя F1 98,8%. Данное исследование освещает возможности моделей на основе искусственного интеллекта для коренного изменения процесса оценки кредитного риска и поддерживает их применение при принятии финансовых решений. Ключевые слова: Моделирование кредитного риска, Машинное обучение, Глубокое обучение, Глубокое закрепляющее обучение, Gated Recurrent Unit, Банковский сектор, Прогнозный анализ Abstract. This study provides a comparative analysis of traditional statistical methods and approaches based on artificial intelligence (AI) in modeling credit risk within the banking sector. Traditional models often struggle to identify complex, nonlinear dependencies in financial data, while artificial intelligence technologies such as machine learning (ML) and deep learning (DL) provide a high level of forecasting. This work proposes a new model called Deep Reinforcement Learning - Gated Recurrent Unit (DRL-GRU), which utilizes sequential data to identify temporal dependencies in borrowers' behavior, significantly increasing forecasting accuracy. The methodology includes methods for preparing and normalizing reliable data to ensure the quality of incoming data. Efficiency evaluation results conducted based on criteria such as accuracy (Accuracy), degree of accuracy (Precision), call (Recall), and F1 indicator showed that the DRL-GRU model outperforms traditional methods: the model achieved an accuracy of 99.25% and an F1 indicator of 98.8%. This study highlights the potential of artificial intelligence-based models to fundamentally transform the credit risk assessment process and supports their application in financial decision-making. Keywords: Credit risk modeling, Machine learning, Deep learning, Deep reinforcement learning, Gated Recurrent Unit, Banking sector, Predictive analysis Kirish. Moliyaviy tizimlarning tobora murakkablashib borishi kredit riskini baholash uchun ilg‘or usullarga ehtiyojni kuchaytirmoqda. An’anaviy statistik usullar uzoq yillar davomida keng qo‘llanilgan bo‘lsa-da, ular ma’lumotlardagi murakkab va nochiziqli bog‘liqliklarni to‘liq aks ettirishda ko‘pincha yetarli bo‘lmaydi. Sun’iy intellekt, xususan mashinaviy va chuqur o‘rganish sohasidagi yutuqlar natijasida bashorat modellarini takomillashtirish uchun yangi imkoniyatlar yuzaga keldi. Ushbu tadqiqot ketma-ket ma’lumotlarni integratsiyalash va qarz oluvchilarning vaqt davomida shakllanuvchi xattiharakatlarini modellashtirish orqali kredit riskini baholashni yaxshilashga qaratilgan yangi Deep Reinforcement Learning - Gated Recurrent Unit (DRLGRU) modelini taklif etadi. Tadqiqotning asosiy hissalari quyidagilardan iborat: - Bashorat aniqligini oshirish maqsadida zamonaviy mashinaviy o‘rganish usullaridan foydalangan holda kredit riskini baholash jarayonlarini optimallashtirish. - Qarz oluvchilarning xatti-harakatlaridagi vaqt bo‘yicha bog‘liqliklarni aniqlovchi yangi DRL-GRU 357

modelini joriy etish. Kiruvchi ma’lumotlarning aniqligi va izchilligini ta’minlash uchun mustahkam ma’lumotlarni tayyorlash yondashuvini ishlab chiqish. - Moliyaviy institutlar uchun qaror qabul qilish jarayonlarini yaxshilashda sun’iy intellekt asosidagi modellarning amaliy qo‘llanilishini namoyish etish. An’anaviy usullarga nisbatan sun’iy intellekt texnologiyalarining ustunliklarini ko‘rsatib, ilg‘or modellashtirish strategiyalariga yo‘l ochish. Maqola quyidagicha tuzilgan: II-bo‘limda mavjud tadqiqotlar ko‘rib chiqiladi, III-bo‘limda muammo bayoni keltiriladi, IV-bo‘lim metodologiyani batafsil yoritadi, V-bo‘lim natijalar va muhokamaga bag‘ishlanadi, VI-bo‘limda esa xulosa va kelgusidagi tadqiqot yo‘nalishlari beriladi. Mavjud tadqiqotlar. So‘nggi yillarda sun’iy intellekt va mashinaviy o‘rganish sohasidagi yutuqlar bank tizimida kredit riskini baholash jarayonlarini sezilarli darajada o‘zgartirdi. Bi va boshqalar [1] tijorat banklarida sun’iy intellekt texnologiyalarini qo‘llashni o‘rganib, chuqur o‘rganish modellari orqali kredit riskiga oid qarorlarni qabul qilish aniqligini oshirishdagi rolini ta’kidlagan. Ularning tadqiqoti sun’iy intellekt tranzaksiya tarixi va xulq-atvor naqshlari kabi noan’anaviy ma’lumot manbalarini qayta ishlash orqali kredit qarorlarining aniqligini yaxshilashini ko‘rsatadi va bu biz taklif qilayotgan DRL-GRU modelining maqsadlariga mos keladi. Vadipina va boshqalar [2] kredit riskini baholashda sun’iy intellekt asosidagi usullar bo‘yicha 93 ta so‘nggi tadqiqotni qamrab olgan keng qamrovli tahlil o‘tkazgan. Ular neyron tarmoqlar kabi chuqur o‘rganish texnikalari murakkab ma’lumotlar to‘plamlari bilan ishlashda, ayniqsa qarz oluvchilarning to‘lovni bajarmaslik ehtimolini bashorat qilishda, an’anaviy statistik modellardan ustun ekanligini aniqlagan. Ushbu natijalar moliyaviy ma’lumotlardagi vaqt bo‘yicha bog‘liqliklarni aniqlash uchun GRU kabi ilg‘or arxitekturalardan foydalanishni qo‘llab-quvvatlaydi. Bussmann va boshqalar [3] tengdan-teng kreditlash tizimlarida kredit riskini boshqarish uchun tushuntiriladigan sun’iy intellekt modelini taklif etgan. Ular korrelyatsiya tarmoqlari va Shapley qiymatlaridan foydalanib, qarz oluvchilarni moliyaviy xususiyatlariga ko‘ra guruhlarga ajratgan. Ushbu yondashuv modelning shaffofligini oshiradi va bank amaliyotida muhim bo‘lgan tartibga solish talablariga javob beradi. Khandani va boshqalar [4] mashinaviy o‘rganishga asoslangan kredit riski modellariga bag‘ishlangan 76 ta ilmiy ishni tizimli tahlil qilib, rekurrent neyron tarmoqlarni o‘z ichiga olgan chuqur o‘rganish modellari klassik mashinaviy va statistik usullarga nisbatan yuqori aniqlikka erishishini aniqlagan. Ularning tahlili ushbu tadqiqotda taklif etilgan DRL-GRU yondashuvi kabi ketma-ket modellar bilan mustahkamlovchi o‘rganishni integratsiyalash bashorat samaradorligini oshirishini ko‘rsatadi. Ushbu tadqiqotlar jamlanmasi sun’iy intellekt asosidagi yondashuvlarning an’anaviy usullardan ustunligini, ayniqsa katta hajmdagi, murakkab va vaqtga bog‘liq ma’lumotlar bilan ishlashda samaraliroq ekanligini 358