Способ снижения транзакционных издержек в управлении распределенными командами разработки программного обеспечения: инструментарий эмпатии на основе данных

Цель. Теоретическое обоснование и эмпирическая проверка концепции эмпатии на основе данных (data-driven empathy) как вектора снижения транзакционных издержек координации в распределенных командах разработки программного обеспечения.

Задачи. Выполнить ретроспективный анализ трансформации коммуникационных практик при переходе к распределенной модели работы; выявить и операционализировать предиктивные индикаторы рисков с учетом корпоративного цифрового следа; провести квазиэкспериментальное сопоставление ручной, автоматизированной и гибридной (с ИИ-ассистентом) моделей поддержки управленческих договоренностей; оценить влияние алгоритмической поддержки на транзакционные издержки и управленческую нагрузку.

Методология. Исследование, выполненное на базе российской ИТ-компании, предусматривает два этапа: ретроспективный анализ трансформации коммуникационных практик и квазиэкспериментальное сопоставление трех моделей поддержки управленческих договоренностей (ручной, автоматизированной с открытым ботом, гибридной с ассистентом на базе искусственного интеллекта). В выборку вошли три проектные команды общей численностью 30 человек; проанализировано более 12 000 асинхронных сообщений.

Результаты. Показано, что в условиях коммуникационной фрагментации традиционные метрики проектного управления нуждаются в дополнении алгоритмическим анализом неструктурированного цифрового следа. В работе операционализированы индикаторы эмпатии на основе данных (индекс коммуникационной задержки, частота смены контекста, сентиментиндекс).

Выводы. Эмпирические данные свидетельствуют о том, что гибридная модель ИИ-ассис тирования с соблюдением принципа human-in-the-loop («человек в контуре управления») позволяет сократить ежедневные затраты времени руководителя на контроль исполнения договоренностей с 60–90 до 20–30 минут при сохранении воспринимаемой персональной ответственности исполнителей. Интеграция генеративных алгоритмов и речевой аналитики в управленческий контур расширяет управленческую память и создает предпосылки для перехода от реактивного устранения сбоев к превентивному управлению командной динамикой.

1. Зарецкий И. С., Шереметьева Е. Н. Совершенствование управления R&D-проектами в организациях — разработчиках интеллектуального программного обеспечения // Наука XXI века: актуальные направления развития. 2025. № 2–1. С. 277–280.

2. Stray V., Moe N. B., Bergersen G. R. Are daily stand-up meetings valuable? A survey of developers in software teams // Agile processes in software engineering and extreme programming (XP 2017) / eds. H. Baumeister, H. Lichter, M. Riebisch. Cham: Springer, 2017. P. 274–281. (Lecture notes in business information processing. Vol. 283). https://doi.org/10.1007/978-3-319-57633-6_20

3. Бородин Г. В. Особенности управления удаленными IT-командами в условиях цифровой трансформации // Экономика, предпринимательство и право. 2025. Т. 15. № 4. С. 2381–2396. https://doi.org/10.18334/epp.15.4.123122

4. Миролюбов А. Д. Методы оценки эффективности управления в распределенных (удаленных) IT-командах // Журнал прикладных исследований. 2025. № 8. С. 52–57. https://doi.org/10.47576/2949-1878.2025.8.8.007

5. Yang L., Holtz D., Jaffe S. et al. The effects of remote work on collaboration among information workers // Nature Human Behaviour. 2022. Vol. 6. No. 1. P. 43–54. https://doi.org/10.1038/s41562-021-01196-4

6. Зарецкий И. С., Шереметьева Е. Н. Гибридная модель управления разработкой интеллектуального программного обеспечения // Устойчивое развитие социально-экономической системы Российской Федерации: сб. тр. XXVI Междунар. науч.-практ. конф. (Симферополь, 13 ноября 2025 г.) / науч. ред. В. М. Ячменева. Симферополь: Ариал, 2025. С. 467–470.

7. Лябах Н. Н., Игнатов Д. А. Цифровой след сотрудника как средство оценки его деятельности и фактор продвижения по карьерной лестнице // Вестник Адыгейского государственного университета. Серия: Экономика. 2025. № 1. С. 96–105. https://doi.org/10.53598/2410-3683-2025-1-355-96-105

8. Chatterjee S., Chaudhuri R., Gupta S., Sivarajah U., Bag S. Assessing the impact of big data analytics on decision-making processes, forecasting, and performance of a firm // Technological Forecasting and Social Change. 2023. Vol. 196. Article 122824. https://doi.org/10.1016/j.techfore.2023.122824

9. Sivarajah U., Kumar S., Kumar V., Chatterjee S., Li J. A study on big data analytics and innovation: From technological and business cycle perspectives // Technological Forecasting and Social Change. 2024. Vol. 202. Article 123328. https://doi.org/10.1016/j.techfore.2024.123328

10. Федорова А. Э., Хороших А. А. Оценка возможностей и ограничений внедрения HR-аналитики в практику управления персоналом телекоммуникационной компании: кейс-стади // Вестник Омского университета. Серия: Экономика. 2023. Т. 21. № 3. С. 69–77. https://doi.org/10.24147/1812-3988.2023.21(3).69-77

11. Шереметьева Е. Н., Адгизалова А. К., Попов Ю. Г. Управление данными в цифровом менеджменте // Вестник Астраханского государственного технического университета. Серия: Экономика. 2025. № 3. С. 46–54. https://doi.org/10.24143/2073-5537-2025-3- 46-54

12. Гузенко О. И., Балябин Д. С. ИИ-агенты в управлении проектами: возможности, ограничения и стратегии интеграции // Вестник проектного управления. 2025. Т. 1. № 2. С. 71–78. https://doi.org/10.26425/3034-6916-2025-1-2-71-78

13. Лиманова Н. И., Ковтун Д. С. Искусственный интеллект и обработка естественного языка как основа чат-ботов // Бюллетень науки и практики. 2024. Т. 10. № 4. С. 426–429. https://doi.org/10.33619/2414-2948/101/48

14. Mosqueira-Rey E., Hernández-Pereira E., Alonso-Ríos D., Bobes-Bascarán J., Fernández-Leal A. Human-in-the-loop machine learning: A state of the art // Artificial Intelligence Review. 2023. Vol. 56. No. 4. P. 3005–3054. https://doi.org/10.1007/s10462-022-10246-w

15. Jansen B. J., Salminen J. O., Jung S. G. Data-driven personas for enhanced user understanding: Combining empathy with rationality for better insights to analytics // Data and Information Management. 2020. Vol. 4. No. 1. P. 1–17. https://doi.org/10.2478/dim2020-0005

16. Кутузов А. И., Богданова А. В. Аналитика сотрудничества в высшем образовании и профессиональной среде: систематический обзор подходов и теоретических оснований // Высшее образование в России. 2025. Т. 34. № 11. С. 81–107. https://doi.org/10.31992/0869-3617-2025-34-11-81-107

17. Качанов В. В., Марков С. И., Цурков В. И. Машинное обучение в проблеме технического долга программного обеспечения // Известия Российской академии наук. Теория и системы управления. 2023. № 4. С. 98–104. https://doi.org/10.31857/S0002338823040078

18. Сеньков А. В. Технический, организационный и инфраструктурный долг в разработке программного обеспечения и автоматизированных систем // Международный журнал информационных технологий и энергоэффективности. 2020. Т. 5. № 2. С. 36–42.

19. Лезина Т. А., Хорошева Т. А., Коростелева А. В. Цифровой след как инструмент оценки компетенций: кейс компании «Газпром нефть» // PROнефть. Профессионально о нефти. 2021. Т. 6. № 2. С. 91–98. https://doi.org/10.51890/2587-7399-2021-6-2-91-98

20. Meyer A. N., Barton L. E., Murphy G. C., Zimmermann T., Fritz T. The work life of developers: Activities, switches and perceived productivity // IEEE Transactions on Software Engineering. 2017. Vol. 43. No. 12. P. 1178–1193. https://doi.org/10.1109/TSE.2017.2656886

21. Качина А. А., Кот А. С. Психологические ресурсы профессионального благополучия и успешности разработчиков программного обеспечения // Теоретическая и экспериментальная психология. 2023. Т. 16. № 4. С. 163–183. https://doi.org/10.11621/TEP-23-34

22. Ивутин А. Н., Савенков П. А., Волошко А. Г. Автоматизированный сентимент-анализ коротких текстов // Онтология проектирования. 2025. Т. 15. № 4. С. 566–577. https://doi.org/10.18287/2223-9537-2025-15-4-566-577

23. Оборина А. В., Мингалева Ж. А. Управленческий труд: понятие и особенности нормирования // Управленческий учет. 2022. № 11–1. С. 279–285. https://doi.org/10.25806/uu11-12022279-285

24. El Attari A. Impact of online work communication strategies on employee productivity // International Journal of Research in Innovation and Social Science. 2024. Vol. 8. No. 3S. P. 5800–5810. https://doi.org/10.47772/IJRISS.2024.803435S

25. Гаврилюк А. В., Чжао А. Алгоритмизация процессов управления в гиг-экономике // Государственное управление. Электронный вестник. 2024. № 102. С. 168–182. https://doi.org/10.55959/MSU2070-1381-102-2024-168-182

26. Хакки А. М. А., Кожокар Д. Н. Цифровой контроль и алгоритмическое управление персоналом: социологический анализ новых форм наблюдения и контроля труда // Социально-гуманитарные знания. 2025. № 12. С. 144–147.

27. Бушина Ф., Ковальчук Ю. А. Ценность и проявление предиктивной эмпатии при внедрении искусственного интеллекта в управление человеческими ресурсами // Вестник Волгоградского государственного университета. Экономика. 2025. Т. 27. № 4. С. 143–154. https://doi.org/10.15688/ek.jvolsu.2025.4.11

28. Иванова-Швец Л. Н., Леднева С. А. Этические и правовые аспекты управления человеческими ресурсами в цифровой среде // Экономика и управление: проблемы, решения. 2025. Т. 11. № 9. С. 221–226. https://doi.org/10.36871/ek.up.p.r.2025.09.11.026

29. Севостьянова А. А., Развожаев А. П. Феномен доверия искусственному интеллекту: обзор социологических концепций // Цифровое общество в России и Китае: сб. ст. XXI российско-китайской социологической конф. (Санкт-Петербург, 11–12 апреля 2025 г.) /ред. А. В. Мальцева, С. Ван. СПб.: Астерион, 2025. С. 420–427.