@misc{Kotagomba_Debora_Potencjał_2025,
 author={Kotagomba, Debora and Kobylański, Kacper and Petyniak, Jakub},
 contributor={Gasz, Małgorzata. Redaktor and Koza, Andrzej. Redaktor and Politaj, Adriana. Redaktor},
 identifier={DOI: 10.15611/2025.58.0.04},
 year={2025},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 description={Cytuj jako: Kotagomba, D., Kobylański, K. i Petyniak, J. (2025). Potencjał sztucznej inteligencji w prognozowaniu upadłości spółek – analiza porównawcza dyskryminacyjnych modeli predykcji bankructwa polskich przedsiębiorstw. W: M. Gasz, A. Koza, A. Politaj (red.), Ekonomia i finanse (s. 44-58). Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 language={pol},
 abstract={Przewidywanie ryzyka upadłości przedsiębiorstw to kluczowe wyzwanie dla menedżerów i instytucji finansowych. Dokładna ocena zagrożenia umożliwia wdrożenie odpowiednich działań zapobiegawczych. Istnieje wiele modeli predykcji upadłości opartych na analizie finansowej, dyskryminacyjnej czy metodach statystycznych. W tym opracowaniu postanowiono porównać klasyczne, polskie modele dyskryminacyjne (m.in. Gajdki i Stosa) z nowoczesnymi rozwiązaniami zaproponowanymi przez ChatGPT – potocznie nazywany „sztuczną inteligencją” – model LLM (large language model), pod względem skuteczności ich predykcji. Celem niniejszego rozdziału jest sprawdzenie w praktyce owych narzędzi, a także zbadanie ich potencjału oraz określenie, czy mogą znaleźć zastosowanie w świecie zarządzania finansami. Analiza wykazała, że systemy wczesnego ostrzegania wykreowane przez SI mogą być skuteczniejsze od niektórych tradycyjnych modeli i wykazują pewien potencjał w prognozowaniu ryzyka bankructwa. Badania autorów niniejszego rozdziału zostały przeprowadzone na wybranych upadłych spółkach oraz opierały się na metodzie analizy porównawczej, analizie danych i sprawozdań finansowych, krytycznej analizie literatury, ocenie efektywności poszczególnych modeli predykcji upadłości oraz wykorzystaniu modeli językowych.},
 title={Potencjał sztucznej inteligencji w prognozowaniu upadłości spółek – analiza porównawcza dyskryminacyjnych modeli predykcji bankructwa polskich przedsiębiorstw},
 type={rozdział},
 keywords={edukacja finansowa, przedsiebiorstwa społeczne, venture capital, inwestycje},
}