ОРГАНІЗАЦІЙНІ МЕХАНІЗМИ ВЗАЄМОДІЇ ЛЮДИНИ ТА ШТУЧНОГО ІНТЕЛЕКТУ В СИСТЕМІ УПРАВЛІННЯ ПІДПРИЄМСТВОМ
DOI:
https://doi.org/10.20535/2307-5651.36.2026.360548Ключові слова:
управління підприємством, цифрова трансформація управління, штучний інтелект у менеджменті, взаємодія людини та штучного інтелекту, організаційні процеси прийняття рішень, лідерські інтервенції, управління знаннями, ефективність управлінських рішень, інноваційний розвиток підприємствАнотація
У статті досліджується, як структуровані процесні робочі потоки для взаємодії людини та штучного інтелекту можуть покращити результати організаційного управління, а також те, як лідерські інтервенції причинно-наслідковим чином формують ефективність таких команд. Спираючись передусім на масштабне опитування 3 613 співробітників і 238 керівників вищої ланки, проведене у шести країнах у жовтні–листопаді 2024 року, стаття фіксує стійкий і значущий розрив: співробітники вже використовують генеративний ШІ набагато інтенсивніше, ніж усвідомлюють їхні керівники, — зокрема, реальна частка активних користувачів ШІ втричі перевищує поточні оцінки топменеджменту, — проте лише один відсоток організацій повідомляє про досягнення повної зрілості у впровадженні ШІ, тобто про його цілковиту інтеграцію у щоденні робочі процеси із вимірним впливом на бізнес-результати. У статті обстоюється думка, що цей розрив у зрілості є не технологічною проблемою, а проблемою лідерства та цілеспрямованого проєктування робочих процесів. Використовуючи теорію соціотехнічних систем і теорію «принципал–агент» як взаємодоповнювальні аналітичні лінзи, стаття пропонує п'ятифазну архітектуру робочих процесів, яка окреслює ролі, повноваження щодо прийняття рішень, точки передачі завдань, тригери ескалації та петлі зворотного зв'язку для команд людина–ШІ. Дві стратегії каузальної ідентифікації — різниця різниць і регресія розривів — розглядаються як емпіричні інструменти оцінювання впливу лідерських інтервенцій на ефективність команди; обговорюються ключові припущення щодо ідентифікації та загрози внутрішній і зовнішній валідності в організаційних умовах, зокрема паралельні тренди, відбір учасників і ефекти переливання. Результати дослідження перекладено у шість конкретних управлінських рекомендацій. Отримані висновки тісно узгоджуються з положенням звіту про те, що узгодженість у діях керівництва, структурована рольова підготовка персоналу та людиноцентроване врядування є основними важелями, доступними організаціям, що прагнуть досягти зрілості у сфері ШІ.
Посилання
Mayer, H., Yee, L., Chui, M., & Roberts, R. (2025). Superagency in the workplace: Empowering people to unlock AI's full potential. McKinsey & Company.
Angrist, J. D., & Pischke, J.-S. (2009). Mostly harmless econometrics: An empiricist's companion. Princeton University Press.
Avolio, B. J., Sosik, J. J., Kahai, S. S., & Baker, B. (2021). E-leadership: Re-examining transformations in leadership source and transmission. Leadership Quarterly, no. 25(1), pp. 105–131.
Bartel, A., Ichniowski, C., & Shaw, K. (2007). How does information technology affect productivity? Quarterly Journal of Economics, no. 122(4), pp. 1721–1758.
Bloom, N., Eifert, B., Mahajan, A., McKenzie, D., & Roberts, J. (2015). Does management matter? Evidence from India. Quarterly Journal of Economics, no. 128(1), pp. 1–51.
Boudreau, J. W. (2019). HR for humans: How behavioral economics can reinvent HR. Journal of Applied Behavioral Science, no. 55(2), pp. 216–230.
Brynjolfsson, E., & McAfee, A. (2017). The business of artificial intelligence. Harvard Business Review, no. 95(4), pp. 1–20.
Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-differences with multiple time periods. Journal of Econometrics, no. 225(2), pp. 200–230.
Cornelissen, T., Dustmann, C., & Schönberg, U. (2022). Peer effects in the workplace. American Economic Review, no. 107(2), pp. 425–456.
Cummings, M. L., Gao, F., & Thornburg, K. M. (2023). Supervisory control of multiple robots: Human performance model. Human Factors, no. 58(2), pp. 279–300.
Edmondson, A. C. (2019). The fearless organization: Creating psychological safety in the workplace. Wiley.
Eisenhardt, K. M. (1989). Agency theory: An assessment and review. Academy of Management Review, no. 14(1), pp. 57–74.
Emery, F. E., & Trist, E. L. (1965). The causal texture of organizational environments. Human Relations, no. 18(1), pp. 21–32.
Goddard, K., Roudsari, A., & Wyatt, J. C. (2012). Automation bias: A systematic review. Journal of the American Medical Informatics Association, no. 19(1), pp. 121–127.
Goodman-Bacon, A. (2021). Difference-in-differences with variation in treatment timing. Journal of Econometrics, no. 225(2), pp. 254–277.
Imbens, G. W., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. Journal of Econometrics, no. 142(2), pp. 615–635.
Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human–AI symbiosis. Business Horizons, no. 61(4), pp. 577–586.
Lee, J. D., & See, K. A. (2004). Trust in automation: Designing for appropriate reliance. Human Factors, no. 46(1), pp. 50–80.
McCrary, J. (2008). Manipulation of the running variable in the regression discontinuity design: A density test. Journal of Econometrics, no. 142(2), pp. 698–714.
McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.
Nishant, R., Kennedy, M., & Corbett, J. (2020). Artificial intelligence for sustainability. International Journal of Information Management, no. 53, 102080.
OECD. (2023). OECD digital economy outlook 2023. OECD Publishing.
Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, no. 39(2), pp. 230–253.
Pearl, J. (2009). Causality: Models, reasoning, and inference (2nd ed.). Cambridge University Press.
Roethlisberger, F. J., & Dickson, W. J. (1939). Management and the worker. Harvard University Press.
Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, no. 66(5), pp. 688–701.
Seeber, I., et al. (2020). Machines as teammates: A research agenda on AI in team collaboration. Information & Management, no. 57(2), 103174.
Trist, E. L., & Bamforth, K. W. (1951). Some social and psychological consequences of the longwall method of coal-getting. Human Relations, no. 4(1), pp. 3–38.
Wilson, H. J., & Daugherty, P. R. (2018). Collaborative intelligence: Humans and AI are joining forces. Harvard Business Review, no. 96(4), pp. 114–123.
World Economic Forum. (2025). Future of jobs report 2025. World Economic Forum.
Center for Strategic and International Studies (CSIS). (2025, January 21). Understanding the Military AI ecosystem of Ukraine. Available at: https://www.csis.org/analysis/understanding-military-ai-ecosystem-ukraine
NATO Communications and Information Agency (NCIA). (2024, December). Ukraine showcases battlefield technology at NATO Edge 24. Available at: https://www.ncia.nato.int/newsroom/news/ukraine-showcases-battlefield-technology-at-nato-edge-24
Center for Strategic and International Studies (CSIS). (2025, March). Ukraine’s future vision and current capabilities for waging AI-enabled autonomous warfare. Available at: https://www.csis.org/analysis/ukraines-future-vision-and-current-capabilities-waging-ai-enabled-autonomous-warfare
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 В. В. Дергачова, Ф. Д. Кавун
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Авторські права належать авторам статей.
Розміщуючи матеріали у збірнику наукових праць, автори погоджуються з правом редакції збірника розміщувати матеріали збірника в електронному вигляді на офіційному сайті збірника та інших електронних ресурсах відповідно до законодавства України.
