AI Solutions for Optimizing SCRUM: Predicting Team Performance
Тип публікації :
Стаття
Дата випуску :
29 грудня 2025 р.
Автор(и) :
Мова основного тексту :
Англійська
eKNUTSHIR URL :
Журнал :
Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies
Випуск :
2 (14)
ISSN :
2410-2857
Початкова сторінка :
85
Кінцева сторінка :
89
Цитування :
[APA 7] Ziuziun, V., & Petrenko, N. (2025). AI Solutions for Optimizing SCRUM: Predicting Team Performance. Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies, (2 (14)), 85–89. https://doi.org/10.20998/2079-0023.2025.02.11
[ДСТУ] Ziuziun V., Petrenko N. AI Solutions for Optimizing SCRUM: Predicting Team Performance. Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies. 2025. no. 2 (14). P. 85—89. URL: https://doi.org/10.20998/2079-0023.2025.02.11 (date of access: 18.08.2026).
Дослідження представляє розробку, навчання та розгортання в хмарному середовищі AWS AI-асистента, що використовує мережу LSTM для підвищення точності прогнозування швидкості (velocity) команди Scrum. У роботі зосереджено увагу на аналізі взаємодії асистента з ключовими процесами Scrum, підкреслюючи його потенціал для оптимізації планування спринтів та покращення прогнозування продуктивності команди. У ході дослідження було виявлено конкретні проблеми планування спринтів, які можна вирішити за допомогою AI-рішень, що відкриває можливості для підвищення точності прогнозів і зниження рівня невизначеності в управлінні проєктами. Запропонована архітектура відображає логічну послідовність інтегрованих сервісів, які спільно сприяють підвищенню ефективності процесів Scrum. Початкове тестування локально розгорнутої мережі LSTM на невеликому наборі даних підтвердило доцільність обраної моделі та її здатність забезпечувати точне прогнозування продуктивності. Ці результати створюють основу для подальшої розробки масштабованого AI-асистента, здатного підтримувати Scrum-команди в динамічних умовах зі змінними вимогами. Це дослідження підкреслює доцільність застосування AI-технологій, зокрема мереж LSTM, для оптимізації Scrum. Результати демонструють значний потенціал у вдосконаленні планування спринтів, зменшенні невизначеності та підтримці адаптивних стратегій управління проєктами. Заплановані кроки щодо хмарного розгортання та оцінки продуктивності нададуть практичні висновки щодо економічної та операційної доцільності інтеграції інструментів AI-прогнозування в реальні Scrum-середовища. Подальші дослідження будуть зосереджені на розгортанні навченої моделі LSTM у промисловому середовищі AWS для оцінки її практичної продуктивності, масштабованості та операційних витрат. На цьому етапі планується детальний моніторинг використання обчислювальних ресурсів і аналіз витрат для виявлення можливостей оптимізації. Удосконалення алгоритмічних компонентів і підвищення ефективності моделі спрямовані на зниження витрат при збереженні високої точності прогнозування.
Ключові слова :
Галузі знань та спеціальності :
F Інформаційні технології
Галузі науки і техніки (FOS) :
Інженерія та технології
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
579.43 KB
Контрольна сума :
(MD5):29f042be7cae91ed0aaf54fae50a30cc
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Attribution-NonCommercial 4.0 International