ТРАНФОРМАЦИЯ ПОДХОДОВ К ОЦЕНКЕ ЦИФРОВЫХ ПРОДУКТОВ В ЭПОХУ СМЕНЫ ПАРАДИГМ:ОБЗОР СТАНДАРТОВ И ТРЕБОВАНИЙ К НАДЕЖНОСТИ
Ключевые слова:
цифровой продукт, AI-продукт, data-driven продукт, надежность цифрового продукта, технические стандарты, динамика характеристикАннотация
В статье исследуется трансформация подходов к оценке надежности цифровых продуктов в условиях смены технологических парадигм. Цель исследования заключается в выявлении закономерностей изменения объекта, критериев и временной логики оценки при переходе от традиционного программного обеспечения к распределенным, облачным, data-driven и AI-системам. Методологическую основу составили сравнительный и ретроспективный анализ, классификация, систематизация научных публикаций и международных технических стандартов, а также концептуальное обобщение. Показано последовательное расширение объекта оценки: от программного кода и программных отказов к инфраструктуре, данным, моделям и контексту эксплуатации. Установлено, что для современных data-driven и AI-продуктов техническая безотказность и доступность являются необходимыми, но недостаточными характеристиками надежности. Предложено рассматривать надежность цифрового продукта как динамическую многоуровневую характеристику, включающую технический, информационно-модельный и функциональный уровни. Обоснована необходимость перехода от преимущественно статической оценки к динамическому мониторингу состояния продукта с учетом изменений данных, модели и эксплуатационной среды. Полученные результаты формируют основу для разработки методов интегральной динамической оценки эффективности и рисков цифровых продуктов.
Библиографические ссылки
Yoo, Y., Henfridsson, O., & Lyytinen, K. (2010). Research Commentary: The New Organizing Logic of Digital Innovation: An Agenda for Information Systems Research. Information Systems Research, 21(4), 724–735. http://www.jstor.org/stable/23015640
.Shah NH, Pfeffer MA, Ghassemi M. The Need for Continuous Evaluation of Artificial Intelligence Prediction Algorithms. JAMA Netw Open. 2024;7(9):e2433009. https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2823641
Lekadir K. et al.; FUTURE-AI Consortium. FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare. BMJ. 2025 Feb 5;388:e081554. doi: 10.1136/bmj-2024-081554. Erratum in: BMJ. 2025 Feb 17;388:r340. doi: 10.1136/bmj.r340. PMID: 39909534; PMCID: PMC11795397. https://pubmed.ncbi.nlm.nih.gov/39909534/
Jelinski, Z. and Moranda, P.B. (1972) Software Reliability Research. In: Freiberger, W. Ed., Statistical Computer Performance Evaluation, Academic Press, New York, 465-484. https://doi.org/10.1016/B978-0-12-266950-7.50028-1
McCall J.A., Richards P.K., Walters G.F. Factors in Software Quality. RADC–TR–77–369. Rome Air Development Center, 1977. https://ru.scribd.com/document/418348872/Factors-in-Software-Quality-Concept-and-Definitions-of-Software-Quality-Jim-A-McCall-Paul-K-Richard-Gene-F-Walters
6 ISO/IEC 25010:2023 Systems and software engineering — Systems and software Quality Requirements and Evaluation (SQuaRE) — Product quality model https://www.iso.org/ru/standard/78176.html
Kallinikos, J., Aaltonen, A., & Marton, A. (2013).The Ambivalent Ontology of Digital Artifacts1. MIS Quarterly 1 June 2013; 37 (2): 357–370. https://doi.org/10.25300/MISQ/2013/37.2.02
Tiwana, A., Konsynski, B. and Bush, A.A. (2010) Platform Evolution: Coevolution of Platform Architecture, Governance, and Environmental Dynamics. Information Systems Research, 21, 675-687. https://doi.org/10.1287/isre.1100.0323
Gawer, A. and Cusumano, M.A. (2014) Industry Platforms and Ecosystem Innovation. Journal of Product Innovation Management, 31, 417-433.
https://doi.org/10.1111/jpim.12105
Lusch, R.F. and Nambisan, S. (2015) Service Innovation: A Service-Dominant Logic Perspective. MIS Quarterly, 39, 155-175. https://doi.org/10.25300/MISQ/2015/39.1.07
Kohli R, Melville NP. Digital innovation: A review and synthesis. Info Systems J. 2019; 29: 200–223. https://doi.org/10.1111/isj.12193
Pesch, Robin; Endres, Herbert; Bouncken, Ricarda B. (2021) : Digital product innovation management: Balancing stability and fluidity through formalization, Journal of Product Innovation Management, ISSN 1540-5885, Wiley, Hoboken, NJ, Vol. 38, Iss. 6, pp. 726-744, https://doi.org/10.1111/jpim.12609
Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital Business Strategy: Toward a Next Generation of Insights. MIS Quarterly, 37, 471-482.
https://doi.org/10.25300/MISQ/2013/37:2.3
Vial, G. (2021). In A. Hinterhuber, T. Vescovi, & F. Checchinato Understanding Digital Transformation: A Review and a Research Agenda. (Eds.), Managing Digital Transformation (pp. 13-66). Routledge. https://doi.org/10.4324/9781003008637-
Collins, C., Dennehy, D., Conboy, K., & Mikalef, P. (2021). Artificial Intelligence in Information Systems Research: A Systematic Literature Review and Research Agenda. International Journal of Information Management, 60, Article ID: 102383. https://doi.org/10.1016/j.ijinfomgt.2021.102383
Enholm, I.M., Papagiannidis, E., Mikalef, P. and Krogstie, J. (2021) Artificial Intelligence and Business Value: A Literature Review. Information Systems Frontiers, 24, 1709-1734. https://doi.org/10.1007/s10796-021-10186-w
Raisch, S., & Krakowski, S. (2021). Artificial Intelligence and Management: The Automation-Augmentation Paradox. Academy of Management Review, 46, 192-210.
https://doi.org/10.5465/amr.2018.0072
Kim J, Maathuis H, Sent D. Human-centered evaluation of explainable AI applications: a systematic review. Front Artif Intell. 2024 Oct 17;7:1456486. doi: 10.3389/frai.2024.1456486. PMID: 39484154; PMCID: PMC11525002. https://pmc.ncbi.nlm.nih.gov/articles/PMC11525002/
Tabassi, E. (2023) Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1, National Institute of Standards and Technology. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf
Kowald D, Scher S, Pammer-Schindler V, Müllner P, Waxnegger K, Demelius L, Fessl A, Toller M, Mendoza Estrada IG, Šimić I, Sabol V, Trügler A, Veas E, Kern R, Nad T, Kopeinik S. Establishing and evaluating trustworthy AI: overview and research challenges. Front Big Data. 2024 Nov 29;7:1467222. doi: 10.3389/fdata.2024.1467222. https://www.frontiersin.org/journals/big-data/articles/10.3389/fdata.2024.1467222/full
Zarour, M., Alzabut, H., & Al-Sarayreh, K.T. (2025). MLOps best practices, challenges and maturity models: A systematic literature review. Inf. Softw. Technol., 183, 107733. https://doi.org/10.1016/j.infsof.2025.107733
Ronchieri E., Canaparo M. Metrics for Software Reliability: A Systematic Mapping Study // Journal of Integrated Design & Process Science. 2018. Vol. 22(2). DOI: 10.3233/JID-2018-0008. https://www.scitepress.org/PublishedPapers/2016/59884/pdf/index.html
Oveisi S, Moeini A, Mirzaei S, Farsi MA. Software reliability prediction: A survey. Qual Reliab Eng Int. 2023; 39: 412–453. https://doi.org/10.1002/qre.3220
Pham H. Software Reliability Models: A Review // Springer Series in Reliability Engineering. 2025. P. 343–349. DOI: 10.1007/978-3-031-72636-1_17. https://ideas.repec.org/h/spr/ssrchp/978-3-031-72636-1_17.html
Hovorushchenko, T., Medzatyi, D., Voichur, Y., & Lebiga, M. (2022). Method for forecasting the level of software quality based on quality attributes. Journal of Intelligent & Fuzzy Systems, 44, 3891 - 3905. https://dl.acm.org/doi/10.3233/JIFS-222394
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2026 Татьяна Пяткова, Елена Шевчук, Оксана Копнова, Анна Шапорева, Алия Айтымова

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.











