AI-ІНСТРУМЕНТИ ТА МЕТОДИ УПРАВЛІННЯ РИЗИКАМИ В ЖИТТЄВОМУ ЦИКЛІ SCRUMПРОЕКТІВ
DOI: 10.31673/2412-4338.2025.038711
Анотація
У статті представлено комплексний підхід до застосування інструментів штучного інтелекту для прогнозування та мінімізації ризиків у Scrum-проєктах IT-аутсорсингу. Автори систематизують основні типи ризиків, притаманних ітераційній розробці програмного забезпечення, та аналізують ефективність використання статистичних методів, машинного навчання і sentiment-аналізу для підвищення точності прогнозів продуктивності команд. Розглянуто ключові Scrum-метрики — velocity, commitment accuracy, cycle time та defect density — як основу для побудови аналітичних моделей ризику. Особлива увага приділена інтеграції багатофакторного аналізу та алгоритмів Random Forest, Gradient Boosting і LSTM-мереж для виявлення закономірностей у динаміці командної роботи.
Запропоновано концептуальну архітектуру системи підтримки прийняття рішень (Decision Support System, DSS), що поєднує дані з Jira, Slack і GitHub, забезпечує автоматизований збір та обробку показників, формує прогнози й рекомендації для Scrum Master у режимі реального часу. DSS охоплює п’ять взаємопов’язаних компонентів — шар збору даних, сховище, аналітичний двигун, інтерфейс візуалізації та модуль рекомендацій, що дає змогу здійснювати проактивне управління ризиками на всіх етапах спринту.
Результати дослідження доводять, що застосування AI-методів підвищує точність прогнозування затримок із 70–75% (при використанні класичних статистичних підходів) до 85–94%, дозволяючи своєчасно виявляти технічні, організаційні та комунікаційні фактори ризику. Практична цінність роботи полягає у можливості впровадження DSS-підходу без розробки окремого програмного забезпечення, використовуючи існуючі інструменти корпоративної аналітики. Стаття формує теоретичне підґрунтя для створення інтелектуальних систем моніторингу в Agile-середовищах і окреслює напрями подальших досліджень — розширення sentiment-аналізу української мови, впровадження deep learning-підходів і автоматичної оптимізації розподілу завдань.
Ключові слова: Scrum, управління ризиками, штучний інтелект, машинне навчання, система підтримки прийняття рішень, sentiment-аналіз, Agile-метрики
