В преддверии перехода к цифровым системам логистики происходит экспоненциальный рост использования систем искусственного интеллекта. Этот рост наиболее заметен в сфере анализа логистических процессов. Однако с усложнением алгоритмов работы возможности пользователя по контролю за принятием решения в логистике значительно снижаются, что сказывается на доверии к получаемому результату, которое критически важно в логистике. Повысить прозрачность в работе систем искусственного интеллекта (ИИ) при анализе логистических явлений призвано применение методов объяснительного искусственного интеллекта. В нашем исследовании представлен один из когнитивных инструментов в спектре методов объяснительного искусственного интеллекта для анализа логистических процессов, а также рассмотрены потенциально перспективные подходы к совершенствованию этой технологии. Однако, несмотря на то, что технологии искусственного интеллекта имеют огромный потенциал, усложнение этих систем сказывается на доверии к технологии. Особенно это заметно в сферах, где от правильности решения зависит техносферная и логистическая безопасность. Выходом из этой непростой ситуации становится применение объяснительного искусственного интеллекта (eXplainable Artificial Intelligence (XAI)). В данной работе в качестве такой объясняющей технологии предлагается когнитивное динамическое проецирование SW. С. 30-40.

In anticipation of the transition to digital logistics systems, there is an exponential growth in the use of artificial intelligence systems. This growth is most noticeable in the area of logistics process analysis. However, with the complication of algorithms, the user's ability to control decision-making in logistics is significantly reduced, which affects the credibility of the result, which is critical in logistics. The use of explanatory artificial intelligence methods is called upon to increase transparency in the operation of artificial intelligence (AI) systems in the analysis of logistical phenomena. Our study presents one of the cognitive tools in the spectrum of explanatory artificial intelligence methods for analyzing logistics processes, and also considers potentially promising approaches to improving this technology. However, despite the fact that artificial intelligence technologies have great potential, the complication of these systems affects the credibility of the technology. This is especially noticeable in areas where technosphere and logistical security depends on the correctness of the decision. The way out of this difficult situation is the use of explanatory artificial intelligence (eXplainable Artificial Intelligence (XAI)). In this work, as such an explanatory technology, we propose cognitive dynamic SW prediction.