Аллабян
Максим
Геннадьевич

Ректор. Экономист. Исследователь.

Управление образованием,
инновационная политика
и развитие экономики.

Цифровое неравенство и барьеры инновационного развития регионов Центрального федерального округа

Аннотация. Настоящее исследование посвящено анализу барьеров инновационного развития регионов Центрального федерального округа России в контексте цифровой трансформации экономики. В работе выявлена значительная пространственная дифференциация социально-экономического развития и уровня цифровизации между субъектами ЦФО. Методологическая основа исследования включает комплексный анализ статистических данных Росстата за 2010-2023 годы с применением сравнительного и кластерного методов, количественную оценку динамики внедрения цифровых технологий, а также качественный анализ через экспертные оценки. Эмпирические данные демонстрируют выраженную асимметрию развития: Московская область концентрирует более половины ВРП и инвестиций округа, тогда как депрессивные регионы (Брянская, Орловская, Костромская области) характеризуются системным отставанием по всем показателям. Анализ цифровизации выявил устойчивый рост использования облачных сервисов, при этом внедрение IoT и ИИ-технологий остается фрагментарным. В результате исследования идентифицированы пять ключевых барьеров инновационного развития: цифровое неравенство и слабая ИКТ-инфраструктура в периферийных регионах; концентрация инвестиций в Москве и Подмосковье; дефицит квалифицированных кадров и их отток в столичный регион; неразвитость инновационной экосистемы; административные и регуляторные ограничения. Для преодоления этих барьеров предложен комплекс мер, включающий развитие цифровой инфраструктуры (5G, оптоволоконные сети), создание региональных ИТ-кластеров, налоговое стимулирование инвестиций, реформу образовательных программ и упрощение регуляторных процедур. Результаты исследования имеют практическую значимость для формирования сбалансированной региональной политики цифровой трансформации.

Ключевые слова: Цифровое неравенство, инновационное развитие, региональные диспропорции, облачные технологии.

1. Введение

На протяжении длительного исторического развития человечество стремится к совершенствованию и созданию новых устройств, технологий, созданию новой продукции, товаров, что в свою очередь рассматривалось на каждом этапе как новая парадигма развития. Данные изменения в технологическом, инновационном развитии позволяют получить лучшее экономическое развитие. На сегодняшний день условия глобализации диктуют необходимость создания инновационных предприятий и поддержания инновационной экономики во многих регионах планеты, направленностью государств на поступательное развитие в данной сфере. В условиях глобальной цифровой трансформации и перехода к экономике знаний ключевым фактором конкурентоспособности регионов становится их способность к инновационному развитию, основанному на широком внедрении цифровых технологий. Однако динамика этого процесса характеризуется значительной пространственной дифференциацией, отрывом в развитии одних регионов на фоне существенного отставания других. Это формирует устойчивое цифровое неравенство, которое не только углубляет социально-экономические диспропорции, но и создает системные барьеры для инновационного развития. Современные условия развития, включая санкционное давление, технологические ограничения и необходимость обеспечения цифрового суверенитета, требуют переосмысления традиционных подходов к инновационному развитию [1]. При этом современные тенденции социально-экономического развития характеризуются усилением роли цифровых технологий как ключевого фактора конкурентоспособности регионов. В условиях цифровой трансформации экономики особую актуальность приобретает проблема пространственного неравенства технологического развития, особенно выраженная в Центральном федеральном округе (ЦФО) России.

2. Основная часть

Развитие новых технологий, научные исследования, внедрение инноваций происходят в каждом российском регионе, хотя и достаточно неравномерно [2]. Об этом свидетельствуют различные рейтинги регионов по развитию науки и новых технологий. Как отмечает Романова И.В., для реализации полного потенциала инновационного развития необходимо обратить внимание на повышение привлекательности региона для инвесторов, выполнять в полной мере развитие инфраструктуры, способствовать коммерциализации научных разработок [3].

Как отмечает Николаев А., инновационное развитие — это не только основной инновационный процесс, но и развитие системы факторов и условий, необходимых для его осуществления, т.е. инновационного потенциала [4].

Анализ существующих исследований выявил недостаточную проработку системных барьеров инновационного развития на региональном уровне, особенно в контексте взаимосвязи качества цифровой инфраструктуры и внедрения передовых технологий (облачные сервисы, IoT, ИИ). В своей работе Гончаров А.Ю. [5] представляет прогноз размещения и сбалансированного развития научно-образовательной сферы региона, Сироткина Н.В. [6] отмечает многоукладность технологического развития и становление инновационной политики России, а Панченко В.Е. [7] представляет перспективы развития инновационной среды в условиях цифровой экономики, выделяя особенности, перспективы и только в незначительной мере рассматривая проблемы, в целом так же, как и все перечисленные авторы. Ильинова О.В. рассматривает как инновационные прорывы, так и торможение социально-экономического развития территории через призму интерпретации глобального и регионального инновационного индекса [8].

Такие ученые, как Compaine B. [9], Castells M. [10], Hoffman D.L., Novak Th.P., Schlosser A.E. [11] критически анализируют, является ли цифровое неравенство реальной социальной проблемой или преувеличенным медийным нарративом; рассматривают формирование сетевого общества, где доступ к информации становится ключевым фактором социального неравенства, и исследуют, как различия в доступе к интернету и цифровым навыкам могут усиливать социально-экономическое неравенство, особенно в контексте развития онлайн-бизнеса. Цифровой разрыв, как отмечает Castells M. [9], — это часть более широкой трансформации экономики, культуры и власти в информационную эпоху.

Основной фокус исследования Xiao A., Xu Z., Skare M., Qin Y., Wang X. [12] сосредоточен на том, может ли технологический прогресс уменьшить цифровой разрыв или, наоборот, усугубить социальное неравенство. В отличие от работ других авторов они используют современные данные и методы (например, эконометрическое моделирование), чтобы оценить влияние цифровизации на экономику и общество.

Исследования представленных ученых, несмотря на их значительный вклад в изучение цифрового неравенства и барьеров инновационного развития регионов, не в полной мере раскрывают данную проблематику, что обусловлено рядом ограничений и пробелов в существующих работах.

Выполненное исследование базируется на комплексном анализе статистических данных Росстата РФ за 2010-2023 годы, применявшем сравнительный и кластерный методы для выявления региональных диспропорций в ЦФО. Методология включала количественную оценку динамики внедрения цифровых технологий (серверы, облачные решения, IoT, ИИ) и их взаимосвязи с социально-экономическими показателями (ВРП, инвестиции, доходы), а также качественный анализ барьеров инновационного развития через экспертные оценки и визуализацию данных. Научная новизна работы заключается в выделении основных барьеров инновационного развития в регионах Центрального федерального округа.

Цель данного исследования заключается в выявлении и системном анализе ключевых барьеров инновационного развития регионов Центрального федерального округа на основе комплексного изучения социально-экономических показателей, уровня цифровизации и состояния ИКТ-инфраструктуры за период 2010-2023 гг., с последующей разработкой научно обоснованных рекомендаций по преодолению региональных диспропорций и формированию сбалансированной инновационной экосистемы в условиях цифровой трансформации экономики.

Центральный федеральный округ демонстрирует выраженную асимметрию социально-экономического развития между регионами. Московская область выступает абсолютным лидером, концентрируя более половины населения (8,65 млн человек) и ВРП (7,72 трлн руб.) округа, с наивысшими показателями доходов (64 870 руб.), зарплат (83 195 руб.) и инвестиций (1,59 трлн руб.). В группу относительно развитых субъектов входят Воронежская, Белгородская и Тульская области с населением 1,4-2,3 млн человек и ВРП 1-1,4 трлн руб., демонстрирующие сбалансированные экономические показатели. Особняком стоит Калужская область, где при средних демографических параметрах зафиксированы высокие зарплаты (61 588 руб.), что свидетельствует о специализации на высокотехнологичных производствах. На другом полюсе находятся депрессивные регионы — Ивановская, Костромская и Орловская области с населением менее 1 млн человек и ВРП ниже 400 млрд руб., где отмечается системное отставание по всем социально-экономическим параметрам. Ключевые закономерности развития включают: сильную корреляцию между численностью занятых и ВРП (0,98), значительный разрыв в уровне жизни (доходы в Московской области в 1,65 раза выше, чем во Владимирской), концентрацию 62,5% инвестиций в трёх ведущих регионах, а также крайне неравномерное распределение основных фондов (34,22 трлн руб. в Московской области против 25,24 трлн руб. в 12 отстающих регионах). Сложившаяся центро-периферийная модель развития требует усиления межрегиональной кооперации для снижения существующих диспропорций. Анализ использования цифровых технологий в организациях, в процентах от общего числа обследованных организаций соответствующего субъекта ЦФО, позволяет сделать следующие выводы. За период с 2010 по 2023 гг. наблюдается значительный рост внедрения цифровых технологий в организациях ЦФО, однако динамика варьируется в зависимости от типа технологии и региона (рисунок 1 и 2).

Наибольший рост использования серверов зафиксирован в 2010 – 2015 гг. в Белгородской области с 19,3% до 47,9%, в Ярославской с 18,7% до 57,6%. После 2015 г. в большинстве регионов отмечается стагнация или снижение, так в Белгородской области к 2023 г. произошло снижение данного показателя на 38,2%, а во Владимирской на 43,2%. Что может быть связано с переходом на облачные решения.

Внедрение облачных технологий демонстрирует устойчивый рост, особенно в 2015 - 2020 гг., так, например, в Калужской области с 21% до 31,8%, в Тамбовской с 17,3% до 31,7%. Однако к 2023 г. в ряде регионов наблюдается снижение. Данный спад существенно отмечен в Белгородской области с 34% до 30,1%, Смоленской с 26,3% до 22,8%, что может свидетельствовать о насыщении рынка или переходе на гибридные инфраструктуры.

Динамика использования технологии сбора, обработки, анализа больших данных, интернет вещей в организациях в процентах от общего числа представлена на рисунке 3 и 4.

Рис. 1. Динамика использования серверов в организациях, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 1. Динамика использования серверов в организациях, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. 2010, 2015, 2021, 2023. 0 50 100 150 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область 2010 2015 2021 2023
Рис. 2. Динамика использования «облачные» сервисов в организациях, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 2. Динамика использования «облачные» сервисов в организациях, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. 2015, 2021, 2023. 0 50 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область 2015 2021 2023
Рис. 3. Динамика использования технологии сбора, обработки и анализа больших данных в организациях, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 3. Динамика использования технологии сбора, обработки и анализа больших данных в организациях, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. 2020, 2021, 2022, 2023. 0 50 100 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область 2020 2021 2022 2023
Рис. 4. Динамика использования интернет в ещей в организациях, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 4. Динамика использования интернет в ещей в организациях, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. 2020, 2021, 2022, 2023. 0 20 40 60 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область 2020 2021 2022 2023

Технологии сбора и анализа больших данных активно развиваются с 2020 г. в Калужской (рост с 20,4% до 34,1%) и Московской (с 29,2% до 48,3%) областях. Однако в некоторых регионах, таких как Брянская и Курская области, внедрение остается на низком уровне (18,2% и 23% соответственно), что указывает на цифровое неравенство внутри ЦФО. Проникновение IoT остается относительно низким (в 2023 г. максимум 19% в Тульской области, минимум 4,7% в Брянской). Наибольший рост наблюдается в 2020–2021 гг., затем стагнация, что может быть связано с высокой стоимостью внедрения и недостаточной зрелостью технологий. Динамика использования технологии искусственного интеллекта, цифровых платформ в организациях представлена на рисунках 5 и 6.

Рис. 5. Динамика использования технологии искусственного интелекта в организациях, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 5. Динамика использования технологии искусственного интелекта в организациях, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. 2020, 2021, 2022, 2023. 0 10 20 30 40 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область 2020 2021 2022 2023
Рис. 6. Динамика использования цифровых платформ в организациях, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 6. Динамика использования цифровых платформ в организациях, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. 2020, 2021, 2022, 2023. 0 50 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область 2020 2021 2022 2023

Внедрение ИИ-технологий остается фрагментарным. Максимальные значения – в Московской области (10% в 2023 г.), минимальные – в Курской (4,1%). Динамика неоднородна, что свидетельствует о ранней стадии адаптации ИИ в бизнес-процессах. Анализ развития цифровых платформ позволяет утверждать, что наиболее высокие показатели в Московской (24,2%), Владимирской (23%) и Тульской (21,1%) областях. В целом наблюдается умеренный рост, что связано с развитием электронной коммерции и цифровых сервисов. Представленный анализ позволяет сделать вывод о наличии существенных региональных различий, выявленных в ЦФО по использованию цифровых технологий в организациях, в процентах от общего числа. Лидером по цифровизации является Московская область, которая демонстрирует наивысшие показатели по большинству технологий (серверы 45,5%, большие данные 48,3%, цифровые платформы 24,2%), что объясняется высокой концентрацией ИТ-компаний и инвестиций. Ярославская и Белгородская области также входят в группу лидеров, особенно по серверам и облачным сервисам. Наихудшие показатели отмечены в Курской, Брянской и Орловской областях, которые указывают на существенное отставание данных территорий по внедрению современных технологий, что может быть связано с недостаточным финансированием и низкой ИТ-активностью бизнеса. На общем фоне замедления внедрения IoT, искусственного интеллекта, которое объясняется технологическими барьерами, высокой стоимостью и недостатком квалифицированных кадров, отмечен рост аналитики больших данных, активное внедрение которых с 2020 г. свидетельствует о повышении спроса на data-driven решения в бизнесе и госуправлении. Выявленные тенденции свидетельствуют о переходе от локальных серверов к облачным решениям. Снижение доли серверов после 2015 г. коррелирует с ростом облачных сервисов, что соответствует глобальному тренду на облачную трансформацию. Разрыв между регионами сохраняется, что требует адресных мер поддержки (например, развитие ИТ-кластеров в отстающих областях) и нивелирования цифрового неравенства. Проведенный анализ использования организациями мобильного и фиксированного интернета по скорости доступа в 2023 году выявил существенные различия между регионами Центрального федерального округа (рисунок 7 и 8). Эти различия оказывают прямое влияние на уровень внедрения цифровых технологий в бизнес-процессы организаций, что подтверждается данными по использованию серверов, облачных сервисов, технологий больших данных, интернета вещей, искусственного интеллекта и цифровых платформ.

Рис. 7. Динамика использования мобильного интернета в организациях, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 7. Динамика использования мобильного интернета в организациях, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. Ниже 256 кбит/с, 256 Кбит/с – 100 Мбит/с, Выше 100 Мбит/с. 0 20 40 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область Ниже 256 кбит/с 256 Кбит/с – 100 Мбит/с Выше 100 Мбит/с
Рис. 8. Динамика использования фиксированного (проводной и беспроводной) интернета, в процентах от общего числа Источник: рассчитано автором на основании данных Росстата [13]
Рис. 8. Динамика использования фиксированного (проводной и беспроводной) интернета, в процентах от общего числаГоризонтальные столбцы с накоплением. Показатели в процентах. Шкала и длины сегментов воспроизводят опубликованный график. Ниже 256 кбит/с, 256 Кбит/с – 100 Мбит/с, Выше 100 Мбит/с. 0 20 40 60 80 Ярославская область Тульская область Тверская область Тамбовская область Смоленская область Рязанская область Орловская область Московская область Липецкая область Курская область Костромская область Калужская область Ивановская область Воронежская область Владимирская область Брянская область Белгородская область Ниже 256 кбит/с 256 Кбит/с – 100 Мбит/с Выше 100 Мбит/с

Наиболее значимым фактором является распространенность высокоскоростного фиксированного интернета (выше 100 Мбит/с), который демонстрирует сильную корреляцию с внедрением современных цифровых решений. В частности, Московская область, лидирующая по доле организаций с высокоскоростным доступом (23%), одновременно показывает наивысшие показатели по использованию облачных сервисов (30,8%), технологий больших данных (48,3%) и цифровых платформ (24,2%). Это подтверждает тезис о том, что развитая интернет-инфраструктура является критически важным условием для цифровой трансформации бизнеса. Обратная ситуация наблюдается в регионах с низкой доступностью высокоскоростного интернета, таких как Брянская (13,6%), Костромская (13,3%) и Орловская (14,6%) области. Эти субъекты федерации демонстрируют отставание по всем ключевым направлениям цифровизации: использование ИИ не превышает 5-7%, внедрение интернета вещей остается на уровне 4-9%, а технологии больших данных охватывают лишь 15-20% организаций. Очевидно, что недостаточная скорость интернет-соединения создает технологический барьер для реализации сложных цифровых решений, требующих стабильного широкополосного доступа. Интересно отметить, что даже при относительно высоком проникновении средних скоростей интернета (256 кбит/с - 100 Мбит/с) в большинстве регионов ЦФО (55-69% организаций) этого оказывается недостаточно для массового внедрения передовых технологий. Например, в Калужской области, где 55% организаций имеют средние скорости фиксированного интернета, показатели использования ИИ (6%) и интернета вещей (10,8%) остаются скромными. Это свидетельствует о том, что для работы с облачными платформами, системами анализа данных и IoT-устройствами уже требуются скорости выше 100 Мбит/с. Особого внимания заслуживает ситуация с мобильным интернетом, где доля организаций с доступом выше 100 Мбит/с не превышает 4,3% даже в наиболее развитой Московской области. Такой низкий уровень распространения высокоскоростных мобильных технологий объясняет ограниченное использование мобильно-ориентированных цифровых решений, таких как системы удаленного мониторинга на базе IoT или мобильные приложения с элементами искусственного интеллекта. На основании проведенного анализа можно сделать следующие выводы о влиянии скорости интернет-доступа на цифровизацию организаций. Развитая фиксированная инфраструктура (выше 100 Мбит/с) является ключевым драйвером внедрения облачных сервисов, платформенных решений и технологий больших данных. Регионы с высокой долей организаций, имеющих такой доступ, демонстрируют опережающие темпы цифровой трансформации. Дефицит высокоскоростного интернета создает «цифровое неравенство» между регионами, ограничивая возможности организаций из менее развитых областей в использовании современных технологий. Это особенно критично для внедрения ИИ и интернета вещей, которые требуют стабильного высокоскоростного соединения. Средние скорости интернета (256 кбит/с - 100 Мбит/с) позволяют организациям поддерживать базовые цифровые процессы, но недостаточны для полноценной цифровой трансформации. Это объясняет, почему даже при массовом распространении такого доступа во всех регионах ЦФО показатели использования передовых технологий остаются низкими. Отставание в развитии мобильных сетей (особенно 5G) сдерживает внедрение мобильно-ориентированных цифровых решений и технологий, требующих работы с данными в режиме реального времени [14]. Проведенный анализ позволяет выделить пять ключевых барьеров, препятствующих инновационному развитию в регионах ЦФО РФ, которые представлены на рисунке 9.

Рис. 9. Основные барьеры инновационного развития в регионах Центрального федерального округа Источник: составлено автором
  • Цифровое неравенство и слабая ИКТ-инфраструктура
  • Дефицит квалифицированных кадров и «утечка мозгов»
  • Регуляторные и административные барьеры
  • Неразвитость инновационной экосистемы
  • Недостаток инвестиций и финансирования инноваций

Первым существенным барьером инновационного развития в регионах Центрального федерального округа выступает цифровое неравенство и слабая информационно-коммуникационная инфраструктура. Как было уже выявлено ранее, низкая доступность высокоскоростного интернета отмечена особенно в сельских и депрессивных регионах: Брянская, Костромская, Орловская области. Прослеживается неравномерное развитие облачных и телекоммуникационных технологий, а также дефицит 5G и современных мобильных решений, что ограничивает внедрение IoT и мобильных инноваций.

Вторым существенным барьером выступает недостаток инвестиций, финансирования инноваций, ограниченное финансирование НИОКР на региональном уровне, в частности можно отметить концентрацию инвестиций в Москве и Подмосковье (62,5% всех инвестиций в ЦФО), на общем фоне низкой привлекательности для частных инвесторов в депрессивных регионах.

Третий барьер, выделенный нами, актуальный в современных условиях, является дефицит квалифицированных кадров и «утечка мозгов». Уровень заработной платы, большее количество рабочих мест. Интересных проектов сосредоточено в Московской области, что вызывает отток профессионалов из регионов в столицу. Разрыв уровня заработной платы в регионах с Московской областью достигает 1,5–2 раз.

Четвертым барьером является неразвитость инновационной экосистемы, вызванная слабой кооперацией между вузами, бизнесом и государством, недостатком технопарков, бизнес-инкубаторов, а также низкая активность стартапов из-за отсутствия венчурного финансирования. Отметим, что данный барьер не имеет существенного значения для Московской и Калужской области, однако существенен для отдельных регионов ЦФО.

К выявленным факторам, имеющим преградительное действие инновационного развития в регионах Центрального федерального округа, нами отнесены регуляторные и административные барьеры. Не выявлено единой цифровой стратегии на уровне регионов, однако отмечается многими учеными [15,16,17] бюрократические препятствия при внедрении новых технологий (например, IoT в госсекторе), а также сложность получения грантов и субсидий на инновации для малого и среднего бизнеса.

3. Выводы

В завершении отметим, что проведенное исследование позволяет сформулировать основные выводы и рекомендации, в частности, цифровая трансформация в ЦФО идет неравномерно, с выраженной региональной дифференциацией и требует дальнейшего мониторинга и адаптивных стратегий развития. Что обуславливает необходимость стимулировать внедрение ИИ и IoT через гранты и пилотные проекты, развивать региональные ИТ-хабы для сокращения цифрового разрыва, анализировать причины снижения использования облачных сервисов после 2020 г. (возможны экономические или регуляторные факторы).

Для преодоления основных барьеров инновационного развития в регионах Центрального федерального округа считаем целесообразным рассмотреть основные направления их минимизации и устранения, в частности:

- развитие цифровой инфраструктуры (расширение оптоволокна, 5G, поддержка облачных решений);

- стимулирование инвестиций в регионы (налоговые льготы, господдержка стартапов);

- подготовка кадров (переориентация образования на цифровые профессии, программы переподготовки);

- создание инновационных кластеров в регионах;

- упрощение регуляторных процедур для внедрения инноваций;

Без устранения этих ограничений ЦФО сохранит центро-периферийную модель развития, где Москва и Подмосковье останутся основными драйверами инноваций, а остальные регионы будут отставать.

Перспективным направлением дальнейших исследований могло бы стать детальное изучение корреляции между скоростью интернет-доступа и конкретными показателями цифровизации по отраслям экономики, что позволило бы разработать более точные рекомендации по развитию цифровой инфраструктуры в регионах ЦФО.

Таким образом, исследование цифрового неравенства и барьеров инновационного развития регионов ЦФО представляет значительную научную и практическую ценность. Оно позволяет не только выявить ключевые диспропорции, но и разработать механизмы управления сложными процессами цифровой трансформации, направленные на снижение региональной асимметрии и формирование устойчивой инновационной экосистемы. Полученные результаты могут быть использованы для корректировки государственной региональной политики, оптимизации цифровых стратегий и повышения конкурентоспособности территорий в условиях новой технологической реальности.

Литература

1. Современные проблемы обеспечения экономической безопасности в условиях санкционного давления / М. М. Мозговая, А. В. Азарова, А. С. Стародубцева, В. С. Кривошлыков // Трансформация систем управления: новые задачи и горизонты : Сборник материалов Международной научно-практической конференции, Курск, 27 апреля 2023 года / Под редакцией С.А. Гальченко. – Курск: Курский государственный университет, 2023. – С. 111-116.

2. Боркова, Е. А. Место Северо-Западного федерального округа в формировании инновационной экономики России / Е. А. Боркова, Н. В. Сопина, Л. В. Ватлина // Вестник Новгородского государственного университета. – 2015. – № 4-2(87). – С. 64-68.

3. Романова, И. В. Инновационное развитие Северо-Западного федерального округа: тенденции и перспективы развития / И. В. Романова, А. В. Игишев // Экономика Северо-Запада: проблемы и перспективы развития. – 2024. – № 3(78). – С. 180-187.

4. Николаев А. Инновационное развитие и инновационная культура // Проблемы теории и практики управления. М., 2001. № 5. . - [Электронный ресурс]. – Режим доступа: http://stra.teg.ru/lenta/innovation/1362. (дата обращения: 16.06.2025).

5. Гончаров, А. Ю. Прогноз размещения и сбалансированного развития научно-образовательной сферы региона / А. Ю. Гончаров, А. В. Поляков, Н. В. Сироткина // Проблемы и перспективы современной экономики / Воронежский государственный университет экономический факультет кафедра экономики и управления организациями. – Воронеж: Издательско-полиграфический центр "Научная книга", 2014. – С. 284-302.

6. Сироткина, Н. В. Многоукладность технологического развития и становление инновационной политики России / Н. В. Сироткина, Ю. А. Ахенбах // Теоретические и прикладные вопросы экономики и сферы услуг. – 2012. – № 5-1. – С. 111-121.

7. Панченко, В. Е. Развитие инновационной среды в условиях цифровой экономики: особенности, проблемы, перспективы / В. Е. Панченко, Н. В. Сироткина // Организатор производства. – 2019. – Т. 27, № 4. – С. 61-68.

8. Ильинова, О. В. Инновационные прорывы, или торможение социально-экономического развития территории: интерпретация глобального и регионального инновационного индекса / О. В. Ильинова, В. С. Кривошлыков, С. А. Гальченко // Экономика, предпринимательство и право. – 2023. – Т. 13, № 10. – С. 3895-3908.

9. Compaine B. (2001) The digital divide: Facing a crisis or creating a myth? Cambridge, MA: MIT Press.

10. Castells M. Information Age: Economy, Society and Culture: in 3 vols. Oxford: Blackwell Publishers, 1996-1998.Vol. 1. P. 32.

11. Hoffman D.L., Novak Th.P., Schlosser A.E. The evolution of the digital divide: How gaps in Internet access may impact electronic commerce // Journal of Computer-Mediated Communication. – 2000. – № 3. – doi: 10.1111/j.1083-6101.2000.tb00341.x.

12. Xiao A,, Xu Z., Skare M., Qin Y., Wang X. Bridging the digital divide: The impact of technological innovation on income inequality and human interactions // Palgrave Communications. – 2024. – doi: 10.1057/s41599-024-03307-8

13. Регионы России. Социально-экономические показатели. - [Электронный ресурс]. – Режим доступа: https://rosstat.gov.ru/folder/210/document/13204 (дата обращения: 16.06.2025).

14. Названы лидеры рейтинга по научно-техноло гическому развитию регионов // РИА Новости. URL: https://ria.ru/20231023/regiony-1904567320. html (дата обращения: 15.06.2025).

15. Сироткина, Н. В. Политика управления российскими регионами через призму прогрессивных взглядов / Н. В. Сироткина, О. Б. Борисова // Регион: системы, экономика, управление. – 2024. – № 2(65). – С. 12-26.

16. Хватов А. А. Перспективы развития ИТ сектора в России // Вестник евразийской науки. 2023. Т. 15, № s2. [Электронный ресурс]. – Режим доступа: https://esj.today/PDF/23FAVN223. pdf (дата обращения: 16.06.2025).

17. Кривошлыков, В. С. Экономика и управление типичными угрозами экономической безопасности региона, сдерживающими его поступательное социально-экономическое развитие / В. С. Кривошлыков, Н. В. Жахов, Л. М. Фомичева // Вестник Курской государственной сельскохозяйственной академии. – 2016. – № 8. – С. 19-26.

Сведения о публикации: Максим Геннадьевич Аллабян — кандидат экономических наук, доцент, ректор Высшей школы предпринимательства, Тверь, Россия. Николай Владимирович Жахов — доктор экономических наук, профессор кафедры экономики, управления и аудита Юго-Западного государственного университета, Курск, Россия. Рубрика «Экономика инноваций». УДК 332.5. Публикация выполнена в рамках государственного задания на 2025 год № 075-03-2025-526. Источник публикации: Региональные проблемы преобразования экономики. 2025. № 7 (177). С. 167–178. DOI 10.26726/rppe2025v7diabt.