ВІД ЕМПІРИЧНОЇ ДО ДАНО-ЕМПІРИЧНОЇ ГНУЧКОСТІ: ПРОЄКТУВАННЯ СИСТЕМ НАВЧАННЯ, ПІДСИЛЕНИХ ШІ, В AGILE-ОРГАНІЗАЦІЯХ (Представлення моделі Data-Empirical Agility Model — DEAM)

Автор(и)

DOI:

https://doi.org/10.31732/2663-2209-2026-81-261-270

Ключові слова:

Agile, штучний інтелект, організаційне навчання, системне мислення, Data-Empirical Agility, DEAM, Evidence-Based Management

Анотація

В епоху штучного інтелекту традиційні Agile-організації стикаються з новими викликами щодо навчання та адаптації. У статті розглянуто перехід Agile-організацій від класичного емпіричного процесного контролю до data-empirical навчання в умовах широкого впровадження інструментів штучного інтелекту. Метою дослідження є обґрунтування та проєктування архітектури організаційного навчання, у якій ШІ виступає безперервним джерелом сигналів (sensing) і рекомендацій, а людина зберігає центральну роль у смислотворенні, прийнятті рішень та етичному врядуванні. Методологічною основою обрано Design Science Research; основним результатом є запропонована модель Data-Empirical Agility Model (DEAM), що структурує організаційне навчання на трьох взаємопов’язаних рівнях: методологічному (врядування та готовність до навчання), фреймворковому (координаційні структури й механізми зворотного зв’язку) та методному (практики адаптації, що реалізуються у циклах постійного поліпшення). Для підсилення практичної релевантності наведено емпіричну ілюстрацію на основі анонімізованих релізних даних п’яти Scrum-команд за 2025 рік, зібраних у фінансовому домені: метрик Velocity, Throughput, Lead Time, CRS, кількості дефектів, а також показників AI Adoption & Engagement і AI Tools Daily Usage. Спостережувані патерни вказують на можливе зниження волатильності навчання та скорочення затримок зворотного зв’язку за умов вищої щільності використання ШІ-інструментів (AI sensing density): у пізніших циклах зменшується варіативність delivery-метрик між релізами, рідше фіксуються виражені сплески CRS та пізно виявлені дефекти, при цьому середні значення продуктивності можуть залишатися стабільними. Отримані результати підтримують внутрішню узгодженість DEAM і уточнюють, що ключовою цінністю ШІ є не прискорення “виходу”, а підвищення стабільності навчання та керованості адаптації. Обмеженням дослідження є одноорганізаційний контекст і ілюстративний (не підтверджувальний) характер емпіричного аналізу; подальші дослідження мають включати міжорганізаційні порівняння, кількісну валідацію конструктів та аналіз модераторів (довіра до ШІ, психологічна безпека, політики врядування).

Завантаження

Дані завантаження ще не доступні.

Біографії авторів

Олег Лукутин, ВНЗ «Університет економіки та права «КРОК»

Старший викладач, Університет економіки та права «КРОК», Київ, Україна

Сергій Мічківський, Університет економіки та права «КРОК»

Кандидат економічних наук, доцент, завідувач кафедри комп'ютерних наук, директор Навчально-наукового інституту інформаційних та комунікаційних технологій, Університет економіки та права «КРОК», Київ, Україна

Посилання

Argyris, C., & Schön, D. A. (1996). Organizational learning II: Theory, method, and practice. Addison-Wesley.

Cui, Z., Li, Z., Wang, Y., & Yang, F. (2025). The effects of generative AI on workplace productivity: Evidence from field experiments. Working paper. MIT.

Dellermann, D., Ebel, P., Söllner, M., & Leimeister, J. M. (2019). Hybrid intelligence. Business & Information Systems Engineering, 61(5), 637–643. https://doi.org/10.1007/s12599-019-00595-2

Hevner, A. R., & Chatterjee, S. (2010). Design research in information systems: Theory and practice. Springer.

Highsmith, J. (2009). Agile project management: Creating innovative products (2nd ed.). Addison-Wesley.

Krancher, O., Luther, P., & Jost, M. (2018). Key affordances of platform-as-a-service: Self-organization and continuous feedback. Journal of Management Information Systems, 35(3), 776–812. https://doi.org/10.1080/07421222.2018.1481636

Larman, C., & Vodde, B. (2016). Large-scale Scrum: More with LeSS. Addison-Wesley.

Lukutin, O. (2024). Agile maturity assessment as an important part of organizational transformation. Держава, регіони, підприємництво: інформаційні, суспільно-правові, соціально-економічні аспекти розвитку: матеріали VI Міжнародної конференції (5-6 грудня 2024 р., м. Київ). Київ: Університет "КРОК", 2024.

https://conf.krok.edu.ua/SRE/SRE-2024/paper/view/2645.

Lukutin, O. (2025a). AI and organizational agility: Can AI overcome Larman’s laws of resistance? Scientific Notes of «KROK» University “KROK”, 3(79), 370–376. https://doi.org/10.31732/2663-2209-2025-79-370-376

Lukutin, O. (2025b). Pattern-based framework for managing artificial intelligence innovation in scaled Agile environments. International Scientific and Practical Conference "Information Systems in Project and Program Management", September 15–20, 2025, Koblevo: (Mykolaiv region), Ukraine. 2025. https://mmp-conf.org/documents/archive/proceedings2025.pdf.

Lukutin, O., & Michkivskyy, V. (2025c). AI as a catalyst of organizational agility. Науково-практична конференція «Лідерство, бізнес-процеси та стале майбутнє», Університет «КРОК» та Бізнес Школа КРОК, Україна, Київ, 27 вересня 2025 року https://dspace.krok.edu.ua/items/262c8a7d-2c4e-49a5-8a18-003dbb43eaf6

Meadows, D. H. (2008). Thinking in systems: A primer. Chelsea Green Publishing.

Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The impact of AI on developer productivity: Evidence from GitHub Copilot. arXiv preprint. https://arxiv.org/abs/2302.06590

Schwaber, K., & Sutherland, J. (2020). The Scrum Guide: The definitive guide to Scrum. Scrum.org. https://scrumguides.org

Zhang, X., & Venkatesh, V. (2025). Human–AI collaboration in software development: Implications for productivity and coordination. ACM Transactions on Software Engineering and Methodology.

Downloads

Опубліковано

2026-03-30

Як цитувати

Лукутин, О., & Мічківський, С. (2026). ВІД ЕМПІРИЧНОЇ ДО ДАНО-ЕМПІРИЧНОЇ ГНУЧКОСТІ: ПРОЄКТУВАННЯ СИСТЕМ НАВЧАННЯ, ПІДСИЛЕНИХ ШІ, В AGILE-ОРГАНІЗАЦІЯХ (Представлення моделі Data-Empirical Agility Model — DEAM). Вчені записки Університету «КРОК», (1(81), 261–270. https://doi.org/10.31732/2663-2209-2026-81-261-270

Номер

Розділ

Розділ 2. Управління та адміністрування