Логотип
ИЭА СТР
УДК [004.03+004.04]:004.58 • EDN: YFRXLB • e-Library ID: 82707603

ИНТЕЛЛЕКТУАЛЬНАЯ ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ В ПРОЕКТНЫХ КОМАНДАХ

• С. 31-38
Скачать JATS XML Скачать PDF
🇷🇺 На русском

Для цитирования

Бурый А.С., Цаплина О.С. Интеллектуальная поддержка принятия решений в проектных командах // Информационно-экономические аспекты стандартизации и технического регулирования. 2025. № 4(85). С. 31–38.

Аннотация

Статья посвящена анализу и оценке возможностей коллективного интеллекта для информационной поддержки принятия решений в ходе работы проектных команд на базе разработки инструментария в составе больших языковых моделей и интеллектуальных агентов. Целью исследования является разработка концептуального подхода в развитии идей интеграции больших языковых моделей (LLM) в контексте обработки естественного языка с моделями интеллектуальных агентов для обеспечения качественного взаимодействия участников проектных команд в ходе решения своих целевых задач. Методы: компаративный анализ научных публикации в области интеграции больших языковых моделей с многоагентными системами на основе интеллектуальных агентов; исследование коллективного интеллекта с позиций системного подхода в части свойств эмерджентности, самоорганизации и сложности. Результаты: предложен концептуальный подход применения LLM-агентов в ходе работы проектных команд для повышения обоснованности принимаемых решений, за счет повышения качества мониторинга информационного пространства разнотипными LLM-агентами в соответствии с ролевыми функциями членов проектной команды, а также путем эффективного контроля и планирования взаимодействия LLM-агентов в ходе информационной поддержки работы проектной команды, на основе разработки UML-диаграмм.

Ключевые слова

ИНТЕЛЛЕКТУАЛЬНЫЕ АГЕНТЫ МУЛЬТИАГЕНТНОЕ ВЗАИМОДЕЙСТВИЕ БОЛЬШИЕ ЯЗЫКОВЫЕ МОДЕЛИ КОЛЛЕКТИВНЫЙ ИНТЕЛЛЕКТ ГЕНЕРАТИВНЫЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ UML-ДИАГРАММЫ

Об авторах

Бурый Алексей Сергеевич

Бурый Алексей Сергеевич — Доктор технических наук, ФГБУ «Институт стандартизации», ( Москва, Россия )

Цаплина О. С.

Цаплина О. С. — аспирант, Российский институт стандартизации, ( Москва, Россия )

Список литературы

  1. 1. Минченков А.К. «Цифровые помощники» как инструмент управления персоналом государственного учреждения // Экономика: вчера, сегодня, завтра. 2023. Т. 13, № 10А. С. 793–799.
  2. 2. Crowder R.M. , Robinson M.A. , Hughes H.P. , Sim Y.W. The development of an agent-based modeling framework for simulating engineering team work. IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans. 2012;42(6): 1425-1439.
  3. 3. Филатова А.В. Методы и инструменты, используемые в управлении информационно-знаниевыми ресурсами // Вестник Самарского государственного университета. Серия: Экономика и управление. 2012. № 4(95). С. 67–72.
  4. 4. Бурый А.С., Цаплина О.С. Анализ и оценка возможностей цифровых инструментов для построения процессов информационного взаимодействия // Информационно-экономические аспекты стандартизации и технического регулирования. 2025. № 2(83). С. 82–89. https://doi.org/10.24412/2311-1348-2025-2-82-89
  5. 5. Арифуллин А., Маркин В. Перспективы применения генеративного искусственного интеллекта в нефтегазовой отрасли // Энергетическая политика. 2024. № 5(196). C. 50–59. https://doi.org/10.46920/2409-5516_2024_5196_50
  6. 6. Иванов Ф.Д. Возможности использования искусственного интеллекта при управлении цепями поставок // Экономика и управление. 2024. Т. 30, № 9. С. 1121–1129. http://doi.org/10.35854/1998- 1627-2024-9-1121-1129
  7. 7. Кириков И.А. , Колесников А.В. , Листопад С.В. , Румовская С.Б. Виртуальные гетерогенные коллективы, поддерживающие принятие решений // Системы и средства информатики. 2015. Т. 25, № 3. С. 126–149. https://doi. org/10.14357/08696527150308.
  8. 8. Трахтенгерц Э.А. Компьютерные системы поддержки принятия управленческих решений // Проблемы управления. 2003. № 1. С. 13–28.
  9. 9. Аронов И.З., Максимова О.В. Теоретическое моделирование достижения консенсуса в условиях коалиций на основе регулярных марковских цепей // Компьютерные исследования и моделирование. 2020. Т. 12, № 5. С. 1247–1256. https://doi.org/10.20537/2076-7633-2020-12-5-1247-1256.
  10. 10. Бурый А.С., Цаплина О.С. Агентные модели принятия решений на основе генеративного искусственного интеллекта // Правовая информатика. 2025. № 1. С. 101–109. http://doi.org/10.24412/1994-1404-2025-1-101-109.
  11. 11. Городецкий В. И. Самоорганизация и многоагентные системы. I. Модели многоагентной самоорганизации // Известия РАН. Теория и системы управления. 2012. № 2. С. 92–120.
  12. 12. Смирнов А.В., Левашова Т.В., Пономарев А.В. Поддержка принятия решений на основе человеко-машинного коллективного интеллекта: современное состояние и концептуальная модель // Информационно-управляющие системы. 2020. № 2(105). С. 60–70. https://doi.org/ 10.31799/1684-8853-2020-2-60-70
  13. 13. Бурый А.С., Костылева К.В. Коллективный интеллект в сетевой когнитивной среде // Информационно-экономические аспекты стандартизации и технического регулирования. 2025. № 3(84). С. 39–45. https://doi.org/10.24412/2311- 1348-2025-3-39-45
  14. 14. Бурый А.С. Структуризация систем мониторинга информационных ресурсов // Правовая информатика. 2023. № 1. С. 52–61. https://doi.org/10.21681/1994-1404-2023-1-52-61
  15. 15. Массель Л.В., Массель А.Г. Интеллектуальные вычисления в исследованиях направлений развития энергетики // Известия Томского политехнического университета. 2012. Т. 321, № 5. С. 135–140.
  16. 16. Händler T. Balancing autonomy and alignment: a multi-dimensional taxonomy for autonomous LLM-powered multi-agent architectures. arXiv preprint arXiv:2310.03659. 2023.
  17. 17. Бойцов А.К., Колмогорова С.С. Практическое моделирование на UML: монография. – СПб.: Реноме, 2023. – 684 с.
  18. 18. Jahan M., et al. Automated derivation of UML sequence diagrams from user stories: Unleashing the power of generative AI vs. a rule-based approach. Proceedings of the ACM/IEEE 27th International Conference on Model Driven Engineering Languages and Systems. 2024, pp. 138–148.
🇬🇧 In English

INTELLIGENT DECISION SUPPORT IN PROJECT TEAMS

For citation

Buryi A.S., Tsaplina O.S. Intelligent decision support in project teams. Information and Economic Aspects of Standardization and Technical Regulation. 2025; 4(85): 31–38. (In Russ.).

Abstract

The article is devoted to the analysis and evaluation of the capabilities of collective intelligence for information support of decision-making during the work of project teams based on the development of tools consisting of large language models and intelligent agents. The aim of the research is to develop a conceptual approach to the development of ideas for integrating large language models (LLM) in the context of natural language processing with intelligent agent models to ensure high-quality interaction between project team members in the course of solving their objectives. Methods: comparative analysis of scientific publications in the field of integration of large language models with multi-agent systems based on intelligent agents; research of collective intelligence from the perspective of a systematic approach in terms of the properties of emergence, self-organization and complexity. Results: a conceptual approach is proposed to apply LLM agents during the work of project teams to increase the validity of decisions made by improving the quality of monitoring the information space by different types of LLM agents in accordance with the role functions of project team members, as well as by effectively monitoring and planning the interaction of LLM agents during information support for the work of the project team, based on the development of UML diagrams.

Keywords

INTELLIGENT AGENTS MULTI-AGENT INTERACTION LARGE LANGUAGE MODELS COLLECTIVE INTELLIGENCE GENERATIVE ARTIFICIAL INTELLIGENCE UML DIAGRAMS

About the authors

Buryi A. S.

Buryi A. S. — Doctor of Science in Technology, Russian Standardization Institute, ( Moscow, Russia )

Tsaplina O. S.

Tsaplina O. S. — graduate student, Russian Standardization Institute, ( Moscow, Russia )

References

  1. 1. Minchenkov A.K. «Cifrovye pomoshchniki» kak instrument upravleniya personalom gosudar-stvennogo uchrezhdeniya. Ekonomika: vchera, segodnya, zavtra. 2023;13(10A):793–799. (In Russ.)
  2. 2. Crowder R.M. , Robinson M.A. , Hughes H.P. , Sim Y.W. The development of an agent-based modeling framework for simulating engineering team work. IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans. 2012;42(6): 1425-1439.
  3. 3. Filatova A.V. Metody i instrumenty, ispol’zuemye v upravlenii informacionno-znanievymi resursami. Vestnik Samarskogo gosudarstvennogo universiteta. Seriya: Ekonomika i upravlenie. 2012; 4(95): 67–72. (In Russ.).
  4. 4. Buryi A.S., Tsaplina O.S. Analiz i ocenka vozmozhnostej cifrovyh instrumentov dlya postroeniya processov informacionnogo vzaimodejstviya. Information and Economic Aspects of Standardization and Technical Regulation. 2025;2(83): 82–89. (In Russ.)
  5. 5. Arifullin A., Markin V. Perspektivy primeneniya generativnogo iskusstvennogo intellekta v neftegazovoj otrasli. Energeticheskaya politika. 2024;5(196): 50-59. (In Russ.).
  6. 6. Ivanov F.D. Opportunities for the use of artificial intelligence in supply chain management. Ekonomika i upravlenie = Economics and Management. 2024; 30(9): 1121–1129. (In Russ.).
  7. 7. Kirikov I.A., Kolesnikov A.V., Listopad S.V., Rumovskaya S.B. Virtual’nye geterogennye kollektivy, podderzhivayushchie prinyatie reshenij. Sistemy i sredstva informatiki. 2015; 25(3): 126–149. https://doi. org/10.14357/08696527150308. (In Russ.).
  8. 8. Trakhtengerts E.A. Komp’yuternye sistemy podderzhki prinyatiya upravlencheskih reshenij. Problemy upravleniya. 2003; 1:13–28. (In Russ.).
  9. 9. Aronov I.Z., Maksimova O.V. Teoreticheskoe modelirovanie dostizheniya konsensusa v usloviyah koalicij na osnove regulyarnyh markovskih cepej. Komp’yuternye issledovaniya i modelirovanie. 2020; 12(5): 1247–1256. (In Russ.).
  10. 10. Buryi A.S., Tsaplina O.S. Agentnye modeli prinyatiya reshenij na osnove generativnogo iskusstvennogo intellekta. Legal informatics. 2025; 1: 101-109. (In Russ.).
  11. 11. Gorodetsky V.I. Samoorganizaciya i mnogoagentny`e sistemy. I. Modeli mnogoagentnoj samoorganizacii. Izvestiya RAN. Teoriya i sistemy` upravleniya. 2012; 2: 92–120. (In Russ.).
  12. 12. Smirnov A.V., Levashova T.V., Ponomarev A.V. Decision support based on human-machine collective intelligence: stateof-the-art and conceptual model. Informatsionnoupravliaiushchie sistemy [Information and Control Systems]. 2020; 2: 60–70. (In Russ.). doi:10.31799/1684-8853-2020-2-60-70
  13. 13. Buryi A.S., Kostyleva K.V. Kollektivnyj intellekt v setevoj kognitivnoj srede. Information and Economic Aspects of Standardization and Technical Regulation. 2025; 3(84): 39–45. (In Russ.).
  14. 14. Buryi A.S. Strukturizaciya sistem monitoringa informacionnyh resursov. Legal informatics. 2023; 1: 52–61. https://doi.org/10.21681/1994-1404-2023-1-52-61 (In Russ.).
  15. 15. Massel L.V., Massel A.G. Intellektual’nye vychisleniya v issledovaniyah napravlenij razvitiya energetiki. Izvestiya Tomskogo politekhnicheskogo universiteta. 2012; 321(5): 135–140. (In Russ.).
  16. 16. Händler T. Balancing autonomy and alignment: a multi-dimensional taxonomy for autonomous LLM-powered multi-agent architectures. arXiv preprint arXiv:2310.03659. 2023.
  17. 17. Boytsov A.K., Kolmogorova S.S. Prakticheskoe modelirovanie na UML: monografiya. St. Petersburg: Renome Publ., 2023, 684 p. (In Russ.).
  18. 18. Jahan M., et al. Automated derivation of UML sequence diagrams from user stories: Unleashing the power of generative AI vs. a rule-based approach. Proceedings of the ACM/IEEE 27th International Conference on Model Driven Engineering Languages and Systems. 2024, pp. 138–148.