Статті

Моделювання впливу гібридної методології на результативність ІТпідприємств

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №4 2026

Останнє оновлення: 24 серпня 2026

Опубліковано: 30 листопада -0001

Перегляди: 1799

Authors:

М. В. Босовська, orcid.org/0000-0002-6021-5228, Державний торговельно-економічний університет, м. Київ, Україна, e-mail Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

А. О. Пілюков*, orcid.org/0009-0008-0802-4361, Державний торговельно-економічний університет, м. Київ, Україна, e-mail Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2026, (4): 200 - 210

https://doi.org/10.33271/nvngu/2026-4/200

Abstract:

Мета. Розроблення й емпірична верифікація модельного підходу до оцінювання впливу гібридної методології управління проєктами на результативність підприємств із розробки програмного забезпечення з урахуванням рівня управлінської зрілості й модерувальної ролі інструментів штучного інтелекту.

Методика. Дослідження ґрунтується на результатах авторського анкетування 93 українських ІТ‑підприємств (2026 р.) і поєднує кластерний аналіз (алгоритм k-means із силуетним критерієм якості), множинне регресійне моделювання (OLS), метод аналітичної ієрархії (AHP) з перевіркою узгодженості експертних оцінок (CR < 0,1) і трирівневе сценарне моделювання. Типологія підприємств сформована за рівнем управлінської зрілості на основі агрегування управлінських, інженерних і бізнесових показників.

Результати. Емпірично підтверджена типологія з трьох типів підприємств: стартапний, зі сформованими Agile-практиками та зрілий enterprise­рівень. Регресійна модель (R² = 0,957) засвідчила статистично значущий вплив наявності проєктного офісу, зрілості CI/CD і ШІ‑готовності на інтегральний показник результативності проєктів (PPI). Обґрунтована трансформація системи управління через три сценарії: базовий, формалізація гібридної методології та інтеграція інструментів штучного інтелекту. Запропонована адаптивна структура PPI із диференційованими вагами субіндексів і часовими горизонтами оцінювання; отримано прогнозний приріст результативності в діапазоні 10–40 % із максимумом на високозрілих підприємствах.

Наукова новизна. Розроблена та емпірично верифікована багаторівнева модель оцінювання впливу гібридної методології управління проєктами, що, на відміну від описових моделей зрілості, поєднує типологію підприємств за управлінською зрілістю, адаптивний інтегральний показник PPI і чотириетапну схему трансформації управлінських практик. Модель операціоналізує нелінійність переходу між рівнями зрілості з урахуванням модерувальної ролі ШІ‑інструментів і ресурсних обмежень підприємства.

Практична значимість. Запропонована модель має на меті бути аналітичним інструментом для обґрунтування управлінських рішень щодо впровадження гібридної методології й інтеграції штучного інтелекту на підприємствах із розробки програмного забезпечення. Її застосування забезпечує прогнозовано позитивний економічний ефект через скорочення втрат, зростання доходів і підвищення нематеріальної цінності активів, а також формує кількісне обґрунтування інвестиційних рішень через демонстрацію позитивного NPV та IRR.

Ключові слова: гібридна методологія, управління проєктами, інтегральний показник PPI, штучний інтелект, ІТ‑підприємства

References.

1. Reiff, J., & Schlegel, D. (2022). Hybrid project management – a systematic literature review. International Journal of Information Systems and Project Management, 10(2), 45-63. https://doi.org/10.12821/ijispm100203

2. Khan, U., & Qaiser, M. (2025). Hybrid project management and its effects on project performance. International Journal of Organization Theory & Behavior, 1-18. https://doi.org/10.1108/IJOTB-09-2024-0166

3. Bianca, B., & Hanslo, R. (2025). The evolution of Agile and Hybrid project management methodologies: A systematic literature review. arXiv:2511.02859. https://doi.org/10.48550/arXiv.2511.02859

4. Fabbro, E., & Tonchia, S. (2021). Project management maturity models: Literature review and new developments. The Journal of Modern Project Management, 8(3), 34-45. https://doi.org/10.19255/JMPM02503

5. Mahdi, E. (2025). Project management maturity in project-based organizations: Frameworks, drivers, and the role of sustainability. Future Business Journal, 11, 245. https://doi.org/10.1186/s43093-025-00670-z

6. Almeida, P. M., Fernandes, G., & Santos, J. M. R. C. A. (2025). Artificial intelligence tools for project management: A knowledge-based perspective. Project Leadership and Society, 6, 100196. https://doi.org/10.1016/j.plas.2025.100196

7. Salimimoghadam, S., Ghanbaripour, A. N., & Tumpa, R. J. (2025). The rise of artificial intelligence in project management: A systematic literature review of current opportunities, enablers, and barriers. Buildings, 15(7), 1130. https://doi.org/10.3390/buildings15071130

8. Hughes, L., Mavi, R. K., & Aghajani, M. (2025). Impact of artificial intelligence on project management (PM): Multi-expert perspectives on advancing knowledge and driving innovation toward PM2030. Journal of Innovation & Knowledge, 10(3), 100772. https://doi.org/10.1016/j.jik.2025.100772

9. Pham, K. P., & Neumann, M. (2024). How to measure performance in Agile software development? A mixed-method study. arXiv:2407.06357. https://doi.org/10.48550/arXiv.2407.06357

10.      Piliukov, A. O. (2024). Comparative analysis of theories and approaches to project management. Kyiv Economic Scientific Journal, (5), 114-121. https://doi.org/10.32782/2786-765X/2024-5-17

11.      Piliukov, A. O. (2026). Conceptual basis of project management of software development enterprises. Economic Bulletin of National Technical University of Ukraine “Kyiv Polytechnic Institute”, (36), 101-108. https://doi.org/10.20535/2307-5651.36.2026.360552

12.      Song, L., & Minku, L. L. (2023). Artificial intelligence in software project management. Springer. https://doi.org/10.1007/978-3-031-19701-2

13.      Diameh, J. T., Bakare, T. O., Daniels, C., Okopido, E. S., Nelson, C. A., & Quaye, M. (2025). Integrating AI-driven predictive analytics in project risk management to optimize decision-making and performance efficiency. International Journal of Engineering Technology Research & Management, 9(3), 373-387. https://doi.org/10.5281/zenodo.15086329

14.      Forouzesh Nejad, A. A., Arabikhan, F., & Gegov, A. (2025). Data-driven predictive modelling of agile projects using explainable artificial intelligence. Electronics, 14(13), 2609. https://doi.org/10.3390/electronics14132609

15.      Oftebro, K. L., Nguyen-Duc, A., & Kemell, K.-K. (2025). GenAI-enabled backlog grooming in agile software projects: An empirical study. arXiv:2507.10753. https://doi.org/10.48550/arXiv.2507.10753

16.      Geamanu, A., Dascalu, M.-I., Neagu, A.-M., & Guica, R. I. (2026). An integrated artificial intelligence tool for predicting and managing project risks. Machine Learning and Knowledge Extraction, 8(1), 1. https://doi.org/10.3390/make8010001

17.      Leite, G. S., Vieira, R. E. P., Cerqueira, L., Maciel, R. S. P., Freire, S., & Mendonça, M. (2024). Technical debt management in Agile software development: A systematic mapping study. Proceedings of the XXIII Brazilian Symposium on Software Quality, (pp. 309-320). https://doi.org/10.1145/3701625.3701669

18.      Zaman, U., Khan, M. N., Raza, S. H., & Farías, P. (2022). Fall seven times, stand up eight: Linking project management innovation, project governance, and high-performance work practices to project success. Frontiers in Psychology, 13, 902816. https://doi.org/10.3389/fpsyg.2022.902816

19.      Moura, R. L., Carneiro, T. C. J., & Dias, T. L. (2023). VUCA environment on project success: The effect of project management methods. Brazilian Business Review, 20(3), 237-256. https://doi.org/10.15728/bbr.2023.20.3.1.en

20.      Serra, C. E. M., & Kunc, M. (2015). Benefits realisation management and its influence on project success and on the execution of business strategies. International Journal of Project Management, 33(1), 53-66. https://doi.org/10.1016/j.ijproman.2014.03.011

21.      Iriarte, C., & Bayona, S. (2020). IT projects success factors: A literature review. International Journal of Information Systems and Project Management, 8(2), 49-78. https://doi.org/10.12821/ijispm080203

22.      Alexandru, V. A., Bolisani, E., Andrei, A. G., Cegarra-Navarro, J. G., Martínez Martínez, A., Paiola, M., …, & Zieba, M. (2020). Knowledge management approaches of small and medium-sized firms: A cluster analysis. Kybernetes, 49(1), 73-87. https://doi.org/10.1108/K-03-2019-0211

23.      Slávik, Š., Bednár, R., Mišúnová Hudáková, I., & Moravčíková, K. (2020). Cluster typology of business models of start-ups. Administrative Sciences, 10(3), 54. https://doi.org/10.3390/admsci10030054

24.      Frish, S., Talmor, I., Hadar, O., Shoshany, M., & Shapira, A. (2025). Enhancing consistency of AHP-based expert judgements: A new approach and its implementation in an interactive tool. MethodsX, 14, 103341. https://doi.org/10.1016/j.mex.2025.103341

25.      Yadav, N., Sushil, & Sagar, M. (2013). Performance measurement and management frameworks: Research trends of the last two decades. Business Process Management Journal, 19(6), 947-971. https://doi.org/10.1108/BPMJ-01-2013-0003

26.      Gobov, D., & Zuieva, O. (2025). Software quality attributes in requirements engineering. International Journal of Information Technology and Computer Science, 17(4), 38-48. https://doi.org/10.5815/ijitcs.2025.04.04

27.      Savitri, N. K. W., Sandhiyasa, I. M. S., Fittryani, Y. P., Sudipa, I. G. I., & Putra, D. M. D. U. (2025). Design of real-time project monitoring dashboard using Kimball’s data warehouse approach and Google Data Studio. Sinkron: Jurnal dan Penelitian Teknik Informatika, 9(3), 1050-1060. https://doi.org/10.33395/sinkron.v9i3.14801

• < Попередня
• Наступна >