В статье рассмотрены теоретические основы прогнозирования валового внутреннего продукта (ВВП) и устойчивости развития экономики России. Проведен расчет прогнозных значений ВВП двумя методами: на основе применения AI-системы и многофакторной корреляционно-регрессионной модели с целью последующего сравнения. Новизна исследования заключается в том, что проведена сравнительная оценка точности сформированных прогнозных значений ВВП РФ разными методами: с помощью AI-системы и многофакторной корреляционной-регрессионной модели в XL-таблицах с использованием пакетов «Корреляция» и «Регрессия» Microsoft. Часть расчетов проводилась в облачной среде Сolab с применением языка программирования Python. Исходные данные для AI-системы и корреляционно-регрессионной модели представляют собой статистические данные — цепные индексы развития основных отраслей, взятые за период 2000–2020 гг. Как показали исследования, средняя ошибка прогноза, рассчитанного с использованием линейной шестифакторной регрессионной модели, между факториальными признаками и результативным составила 0,153553 %, тогда как средняя ошибка прогноза, рассчитанного с использованием AI-системы, составила 0,010082 %. Точность прогнозирования с применением алгоритмов искусственного интеллекта на порядок выше традиционного — многофакторной регрессионной модели. На основе исходных данных был собран датасет, на котором с использованием аналитической платформы Deductor была сформирована AI-система с целью получения прогнозного значения ВВП РФ на следующий календарный год. С возможностями облачного сервиса Colab на языке Python произведен расчет парных коэффициентов корреляции между факторами, результаты которого представлены в тепловой матрице. Сформирована корреляционно-регрессионная модель в XL-таблицах с использованием пакетов «Корреляция» и «Регрессия» Microsoft. А также произведена оценка качества регрессионной модели, отражающей зависимость результативного признака «ВВП» от основных факториальных признаков, с применением критерия t-Стьюдента, F-статистик и др.