ВИКОРИСТАННЯ ШТУЧНОГО ІНТЕЛЕКТУ ПРИ УПРАВЛІННІ РИЗИКАМИ В ПРОЄКТАХ ЗА МЕТОДОЛОГІЄЮ СКРАМ

DOI: 10.31673/2415-8089.2024.010015

Анотація

Традиційні методології управління ризиками не можуть бути ефективно застосовані в проєктах з гнучкими методологіями, через швидкі зміни та розвиток вимог, що є характерним для проєктів Скрам методології. У дослідженні пропонується вирішення цієї проблеми за допомогою технологій ШІ, які можуть значно підвищити точність та глибину оцінок ризиків. Аналізуючи різні моделі ШІ, включаючи машинне навчання, глибоке навчання та навчання з підкріпленням, дослідження висвітлює їх потенціал для радикального вдосконалення управління ризиками в Скрам методологіях. Ці підходи на основі ШІ обіцяють більш точне виявлення ризиків, прогнозування та стратегії їх пом'якшення, що сприяє підвищенню успішності проєктів.
Результатом дослідження є метод використання штучного інтелекту для процесу ризик менеджменту для проєктів що використовують Скрам методологію. Використання ШІ дозволяє командам проєктів з більшою більш ефективно та точно виявляти та оцінювати ризики, що є надважливим у проєктах, які ведуться за гнучкими методологіями і відповідно відкрити до змін в розкладі і в вимогах.

Ключові слова: штучний інтелект, управління ризиками в Скрам, гнучкі методології, адаптація методів штучного інтелекту.

Список використаної літератури
1. Wang Yanqing. Generative AI in Operational Risk Management: Harnessing the Future of Finance. SSRN. 2023. С. 10-21. DOI: http://dx.doi.org/10.2139/ssrn.4452504.
2. Liu Y. Discussion on the Enterprise Financial Risk Management Framework Based on AI Fintech. Decision Making: Applications in Management and Engineering. 2024. Т. 1, № 7. С. 254-269. DOI: https://doi.org/10.31181/dmame712024942.
3. Aziz S., Michael M. Machine Learning and AI for Risk Management. SSRN. С. 33-50. DOI: http://dx.doi.org/10.2139/ssrn.3201337.
4. Lin S.J., Hsu M.F. Incorporated risk metrics and hybrid AI techniques for risk management. Neural Computing and Applications. 2017. № 28. С. 3477–3489. DOI: https://doi.org/10.1007/s00521-016-2253-4.
5. Sohrabi S. An AI Planning Solution to Scenario Generation for Enterprise Risk Management. AAAI Conference on Artificial Intelligence. 2018. № 32. DOI: https://doi.org/10.1609/aaai.v32i1.11304.
6. Giudici P., Centurelli M., Turchetta S. Artificial Intelligence risk measurement. Expert Systems with Applications. 2024. № 235. DOI: https://doi.org/10.1016/j.eswa.2023.121220.
7. Afshari M., Gandomani T.J. A novel risk management model in the Scrum and extreme programming hybrid methodology. International Journal of Electrical and Computer Engineering. 2022. Т. 12, № 3. С. 2911-2921. DOI: https://doi.org/10.11591/ijece.v12i3.pp2911-2921.
8. Gontijo Tavares B., Sanches da Silva C. E., Diniz de Souza A. Risk management analysis in Scrum software projects. International Transactions in Operational Research. 2017. Т. 26, № 12. DOI: https://doi.org/10.1111/itor.12401.
9. Chuma E. L., Oliveira G. G. Generative AI for Business Decision-Making: A Case of ChatGPT. Management Science and Business Decisions. 2023. Т. 1, № 3. С. 5-11. DOI: https://doi.org/10.52812/msbd.63.
10. Korzynski P. Generative artificial intelligence as a new context for management theories: analysis of ChatGPT. Central European Management Journal. 2023. Т. 31, № 1. С. 3-13. DOI: https://doi.org/10.1108/CEMJ-02-2023-0091.