Методы принятия решений в цифровых экосистемах управления проектами с применением аналитики и ИИ
Автор: Ершова А.Д.
Статья в выпуске: 1 (70) т.22, 2026 года.
Бесплатный доступ
В статье представлен критический анализ ключевых инструментов поддержки принятия решений в цифровых экосистемах управления проектами: архитектур интеграции разнородных данных и технологии цифрового двойника проекта. На основе систематического обзора публикаций и документированных кейсов (2020–2025 гг.) показано, что основная причина массовых неудач внедрений — не технологическая незрелость, а системный разрыв между технологическим потенциалом и организационной готовностью. Выявлены четыре главных барьера: семантические разрывы при интеграции, деградация озёр данных в «болота данных», непрозрачность алгоритмов ИИ и организационное сопротивление. Даны практико-ориентированные рекомендации по смещению акцентов внедрения — от инструментов к управлению данными, объяснимости моделей и развитию организационной культуры.
Цифровая экосистема, управление проектами, архитектура данных, цифровой двойник проекта, интеграция систем, искусственный интеллект, семантическая интеграция
Короткий адрес: https://sciup.org/14135053
IDR: 14135053 | УДК: 004.65
Decision-making methods in digital project management ecosystems using analytics and AI
This paper presents a critical analysis of the limitations of two key decision support tools in digital project management ecosystems: heterogeneous data integration architectures and digital twin technology. Based on a systematic review of publications and documented case studies (2020–2025), we demonstrate that the primary cause of widespread implementation failures is not technological immaturity but a systemic gap between technological potential and organizational readiness. Four major barriers are identified: semantic gaps in integration, data lake degradation into “data swamps,” opacity of AI algorithms, and organizational resistance. Practice-oriented recommendations are provided for shifting implementation priorities from tools to data governance, model explainability, and organizational culture development.
