Економіка і управління бізнесом

Штучний інтелект та економічні прогнози в управлінні кліматичними ризиками

Мехрібан Іманова
Завантажити статтю
Анотація

Фізичні, фінансові та системні ризики, пов’язані зі зміною клімату, продовжують зростати в економіках усього світу. У міру того як частота та інтенсивність кліматичних ризиків посилюються, стандартним інструментам прогнозування стає дедалі складніше адекватно враховувати складні еколого-економічні взаємодії. Метою цієї статті було детально дослідити роль штучного інтелекту (ШІ) та економічного прогнозування в управлінні кліматичними ризиками. Дослідження продемонструвало, що ідентифікація та прогнозування екстремальних погодних явищ суттєво покращуються завдяки використанню кліматичних моделей на основі ШІ. Пояснюваний штучний інтелект забезпечує додаткову прозорість, оскільки дає змогу аналітикам і політикам краще розуміти чинники, що впливають на прогнози, сформовані моделями посух, повеней і хвиль спеки. У поєднанні з моделями економічного прогнозування ШІ забезпечує проведення комплексних симуляцій того, як кліматичні виклики поширюються через ланцюги постачання, ринки праці, енергетичні мережі та фінансові системи. Попри ці переваги, моделювання на основі ШІ має низку обмежень, зокрема дефіцит даних, обмежену узагальнюваність результатів, а також етичні питання, пов’язані з прозорістю, енергоспоживанням і нерівністю. У дослідженні зроблено висновок, що інтеграція ШІ з економічним прогнозуванням формує надійну міждисциплінарну основу для оцінювання кліматичних ризиків, формування політики та розроблення адаптаційних стратегій. Водночас ефективність такого підходу залежить від удосконалення систем управління, розвитку інфраструктури даних і відповідального впровадження технологій. Практична значущість дослідження полягає у можливості більш точного та раннього оцінювання впливу кліматичних змін на економічні системи. Отримані результати є особливо актуальними для прогнозування та управління ризиками в енергетичному, аграрному та фінансовому секторах

Ключові слова

машинне навчання; пояснювальний штучний інтелект; агентно-орієнтовані моделі; кліматична політика; економічна стійкість; інновації

ЦИТУВАТИ
Imanova, M. (2026). Artificial intelligence and economic forecasts in climate risks management. Economics and Business Management, 17(1), 181-194. https://doi.org/10.31548/economics/1.2026.181
Використані джерела
  1. Ayadi, R., Forouheshfar, Y., & Moghadas, O. (2025). Enhancing system resilience to climate change through artificial intelligence: A systematic literature review. Frontiers in Climate, 7, article number 1585331. doi: 10.3389/fclim.2025.1585331.
  2. Azhar, M., Ilyas, S., Ali, S.Y., & Shafiq, A. (2025). Assessing the macroeconomic consequences of climate change: Impacts on GDP growth, inflation volatility, and agricultural productivity in developing economies. Review Journal of Social Psychology & Social Works, 3(2), 250-268. doi: 10.71145/rjsp.v3i2.191.
  3. Batarseh, F.A., et al. (2022). The role of AI in responding to climate challenges. In Proceedings of the AAAI 2022 Fall Symposium. doi: 10.48550/arXiv.2212.13631.
  4. Buchholz, K. (2023). Earth is heating up. Retrieved from https://www.statista.com/chart/19048/global-warming-monthly-divergence/.
  5. Burke, M., Hsiang, S.M., & Miguel, E. (2015). Global non-linear effect of temperature on economic production. Nature, 527, 235-239. doi: 10.1038/nature15725.
  6. Camps-Valls, G., et al. (2025). Artificial intelligence for modeling and understanding extreme weather and climate events. Nature Communications, 16, article number 1919. doi: 10.1038/s41467-025-56573-8.
  7. Cowls, J., Tsamados, A., Taddeo, M., & Floridi, L. (2023). The AI gambit: Leveraging artificial intelligence to combat climate change – opportunities, challenges, and recommendations. AI & Society, 38, 283-307. doi: 10.1007/s00146-021-01294-x.
  8. Ehlers, T., Frost, J., Madeira, C., & Shim, I. (2025). Macroeconomic impact of weather disasters: A global and sectoral analysis (Working Paper No. 1292). Basel: Bank for International Settlements.
  9. Imanova, M. (2025). Application of strategic management tools in business growth. Ancient Land International Scientific Journal, 7(8), 65-76. doi: 10.36719/2706-6185/50/65-76.
  10. Jain, H., Dhupper, R., Shrivastava, A., Kumar, D., & Kumari, M. (2023). AI-enabled strategies for climate change adaptation: Protecting communities, infrastructure, and businesses from the impacts of climate change. Computational Urban Science, 3, article number 25. doi: 10.1007/s43762-023-00100-2.
  11. James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R. New York: Springer. doi: 10.1007/978-1-0716-1418-1.
  12. Khan, M.K., Hussain, M.J., Hussan, M.W., Qadeer, A., Armstrong, A., & Li, S. (2025). AI integration for climate risk mitigation: The role of organizational context. Technological Forecasting and Social Change, 220, article number 124327. doi: 10.1016/j.techfore.2025.124327.
  13. Leong, W.Y. (2025). Artificial intelligence-driven analytics for monitoring and mitigating climate change impacts. Engineering Proceedings, 108(1), article number 7. doi: 10.3390/engproc2025108007.
  14. Lewis, J.I., Toney, A., & Shi, X. (2024). Climate change and artificial intelligence: Assessing the global research landscape. Discover Artificial Intelligence, 4, article number 64. doi: 10.1007/s44163-024-00170-z.
  15. Lu, Q.-B. (2023). Critical review on radiative forcing and climate models for global climate change since 1970. Atmosphere, 14(8), article number 1232. doi: 10.3390/atmos14081232.
  16. Mehryar, S., Yazdanpanah, V., & Tong, J. (2024). AI and climate resilience governance. iScience, 27(6), article number 109812. doi: 10.1016/j.isci.2024.109812.
  17. Mohajerani, Y. (2025). Evolutionary learning in spatial agent-based models for physical climate risk assessment. arXiv. doi: 10.48550/arXiv.2509.18633.
  18. NASA information center. (2023). NASA report: Summer of 2023 has been Earth’s hottest since global records began in 1880. Retrieved from https://spacecoastdaily.com/2023/09/nasa-report-summer-of-2023-has-been-earths-hottest-since-global-records-began-in-1880/?utm_source.
  19. NASA. (2021). 2020 tied for warmest year on record. Retrieved from https://science.nasa.gov/earth/earth-observatory/2020-tied-for-warmest-year-on-record-147794/.
  20. NASA. (2024). Temperatures rising: NASA confirms 2024 warmest year on record. Retrieved from https://www.nasa.gov/news-release/temperatures-rising-nasa-confirms-2024-warmest-year-on-record/?utm_source.
  21. NASA. (2025). NASA releases global temperature data. Retrieved from https://www.nasa.gov/news-release/nasa-releases-global-temperature-data/.
  22. NOAA. (2021). 2020 global climate assessment. National centers for environmental data. Retrieved from https://www.ncei.noaa.gov/news/global-climate-202012.
  23. Ozupek, E., Teke, A., Celik, N., & Kavzoglu, T. (2025). Explainable artificial intelligence for meteorological drought forecasting. Stochastic Environmental Research and Risk Assessment, 39, 3201-3222. doi: 10.1007/s00477-025-03007-y.
  24. Papadopoulos, T., & Balta, M.E. (2022). Climate change and big data analytics: Challenges and opportunities. International Journal of Information Management, 63, article number 102448. doi: 10.1016/j.ijinfomgt.2021.102448.
  25. Pasqualetto, A., Serafini, L., & Sprocatti, M. (2024). Artificial intelligence approaches for energy efficiency: A review. arXiv. doi: 10.48550/arXiv.2407.21726.
  26. Sandiponi, T. (2025). A review of artificial intelligence applications in climate change mitigation. International Journal of Environment and Climate Change, 15(5), 443-449. doi: 10.9734/ijecc/2025/v15i54864.
  27. UNFCCC & UNIDO. (2025). Artificial intelligence for climate action: Advancing mitigation and adaptation in developing countries. Retrieved from https://unfccc.int/ttclear/misc_/StaticFiles/gnwoerk_static/AI4climateaction/f2922b97c4cf431996c468e622127eb5/112f8be560ea447dab5ff2e53ab3f6e4.pdf.
  28. UNFCCC. (2025). AI and climate action: Opportunities, risks and challenges for developing countries. Retrieved from https://unfccc.int/news/ai-and-climate-action-opportunities-risks-and-challenges-for-developing-countries.
  29. Wang, Y., Zhang, P., Xie, Y., Chen, L., & Li, Y. (2025). Toward explainable flood risk prediction: Integrating a novel hybrid machine learning model. Sustainable Cities and Society, 120, article number 106140. doi: 10.1016/j.scs.2025.106140.
  30. WMO. (n.d.). WMO confirm 2025 was one of warmest years on record. Retrieved from https://wmo.int/news/media-centre/wmo-confirms-2025-was-one-of-warmest-years-record?utm_source.
  31. Yin, H., Yin, X., & Wen, F. (2025). Artificial intelligence and climate risk: A double machine learning approach. International Review of Financial Analysis, 103, article number 104169. doi: 10.1016/j.irfa.2025.104169.
  32. Yusifzada, T. (2024). Evaluating the global impact of climate change on agricultural inflation: An innovative climate condition index approach. Environment, Development and Sustainability, 26(7), 18411-18438. doi: 10.1007/s10668-023-03394-8.
  33. Zaidan, M.A., Motlagh, N.H., Nurmi, P., Hussein, T., Kulmala, M., Petäjä, T., & Tarkoma, S. (2025). Artificial intelligence for atmospheric sciences: A research roadmap. arXiv. doi: 10.48550/arXiv.2506.16281.
  34. Zhang, Z., Fischer, E., Zscheischler, J., & Engelke, S. (2025). Numerical models outperform AI weather forecasts of record-breaking extremes. arXiv. doi: 10.48550/arXiv.2508.15724.