Управление персоналом и интеллектуальными ресурсами в России, 2024, № 2 (71)

ISSN 2305–7807
Издается с 2012 года
№ 2 (71)/2024
DOI 10.12737/issn.2305–7807
Управление персоналом  
и интеллектуальными  
ресурсами в России
Научно-практический журнал 
СОДЕРЖАНИЕ
Свидетельство о регистрации средства  
массовой информации
ПИ № ФС77–47122 от 28 октября 2011 г.
Учредитель: Национальный союз организаций 
по подготовке кадров в области управления персоналом 
(Национальный союз «Управление персоналом» (НаСОУП)) 
www.nasoup.com 
е-mail: nasoup-2011@mail.ru
Краев В.М., Тихонов В.А.
Особенности опросного подхода  
выявления конфликтов в организации  
с помощью искусственного интеллекта . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 5
Издается в сотрудничестве с кафедрой «Управление
персоналом» ФГБОУ ВО «Государственный университет
управления»
www.hr.guu.ru
e-mail: personal.guu@mail.ru
Илларионова Е.С.
Исследование влияния обратной связи  
на мотивацию и результаты деятельности.
 .  .  .  .  .  .  .  .  .  .  .  .  .  . 10
Каштанова Е.В., Лобачёва А.С., 
Ашурбеков Р.А.
Современные инструменты мониторинга  
состояния вовлеченности персонала.
 .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 13
Издатель:
ООО «Научно-издательский центр ИНФРА-М»
127282, Москва, ул. Полярная, д. 31В, стр. 1
Тел.: (495) 280-15-96, 280-33-86 (доб. 501)
Факс: (495) 280-36-29
e-mail: books@infra-m.ru
http://www.infra-m.ru
главный редактор:  Свистунов В.М.
Отдел подписки: Травкина А.Ю.
Тел.: (495) 280-15-96, доб. 222
e-mail: podpiska@infra-m.ru
Митрофанова А.Е., Береговская Т.А.
Эффективность управленческих команд:  
современные тенденции. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 18
Орлова Л.В., Иванов И.Н., 
Сундукова Г.М.
Проблемы кадрового менеджмента  
в организациях малого и среднего бизнеса. .  .  .  .  .  .  .  .  .  .  .  . 25
Романова И.А.
Проектное обучение — от «метода проектов» 
до современной эффективной технологии 
профессиональной подготовки (опыт ГУУ). .  .  .  .  .  .  .  .  .  .  .  .  . 29
Статьи направлять по адресу: nasoup-2011@mail.ru
Присланные рукописи не возвращаются.
Точка зрения редакции может не совпадать с мнением авторов публикуемых материалов.
Редакция оставляет за собой право самостоятельно подбирать к авторским материалам иллюстрации, менять заголовки, сокращать тексты 
и вносить в рукописи необходимую стилистическую правку без согласования с авторами. Поступившие в редакцию материалы будут 
свидетельствовать о согласии авторов принять требования редакции.
Перепечатка материалов допускается с письменного разрешения редакции.
При цитировании ссылка на журнал «Управление персоналом и интеллектуальными ресурсами в России» обязательна.
Редакция не несет ответственности за содержание рекламных материалов.
Подписной индекс агентства «Роспечать» 25181
Сергушкина В.В.
Использование компетентностного подхода 
при формировании кадрового резерва. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 37
© ИНФРА-М, 2024
Опубликовано 25.04.2024
Скрипниченко Л.С., Передерий В.А.
Методы профилактики межличностных  
конфликтов в организации. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 43
www.naukaru.ru  
e-mail: mag1@naukaru.ru

СОСТАВ РЕДАКЦИОННОГО СОВЕТА
Сувалова Т.В., Сувалов О.С.
Инвестирование в человеческий капитал  
как фактор развития системы высшего  
образования. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Таганова Е.Н.
Факторы кризиса персонала в управлении  
современной компанией . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 54
Фетюков А.В.
Методологические подходы к оценке  
развития профессиональных компетенций. .  .  .  .  .  .  .  .  .  .  .  . 59
Ашурбеков Р.А., Черникова Я.В., 
Журавлева О.В.	
Процесс интеграции возможностей  
искусственного интеллекта в работе  
с персоналом. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 67
Щегулина О.В., Лобачева А.С.
Особенности коммуникации выпускающей  
кафедры с потенциальными абитуриентами. .  .  .  .  .  .  .  .  .  .  . 71
Свистунов Василий Михайлович — Доктор экономических наук, профессор, 
Почетный работник Высшего профессионального образования, 
Председатель правления Национального союза «Управление 
персоналом», профессор кафедры управления персоналом  
ФГБОУ ВО «Государственный университет управления»,  
Председатель редакционного совета
Волков Андрей Тимофеевич — Доктор экономических наук, профессор, 
эксперт Центра научной и экспертной аналитики ФГБОУ ВО «Российская 
государственная академия интеллектуальной собственности»
Вучкович Алла Александровна — Кандидат экономических наук, 
Председатель Совета по профессиональным квалификациям в области 
управления персоналом, Член Национального Совета при Президенте 
РФ по профессиональным квалификациям
Геворкян Рита Николаевна — Кандидат экономических наук, доцент, 
Заведующая кафедрой экономики и управления, Армянский 
государственный педагогический университет имени Х. Абовяна
Захаров Николай Львович — Доктор социологических наук, профессор, 
Российский государственный педагогический университет 
им. А.И.Герцена 
Звягин Александр Анатольевич — Доктор экономических наук, 
профессор, директор АНО «Содействие и развитие инноваций  
в научно-производственной сфере»
Кириллов Андрей Владимирович — Доктор исторических наук, профессор, 
заместитель Проректора по ДПО ФГБОУ ВО «Финансовый университет 
при Правительстве Российской Федерации», Первый заместитель 
Председателя правления национального союза «Управление 
персоналом»
Маргаров Геворг Иванович — Кандидат технических наук, профессор, 
Заведующий кафедрой информационной безопасности и программного 
обеспечения, Национальный политехнический университет Армении
Минченкова Ольга Юрьевна — Доктор экономических наук, профессор, 
профессор кафедры теории и систем отраслевого управления 
Факультета инженерного менеджмента ФГБОУ ВО «Российская академия 
народного хозяйства и государственной службы при Президенте 
Российской Федерации»
Тихонов Алексей Иванович — Кандидат технических наук, Доцент, 
Заведующий кафедрой управления персоналом, Московский 
авиационный институт (Национальный исследовательский университет)
Токарев Олег Павлович — Кандидат экономических наук, доцент, 
генеральный директор ООО «ОДК — Турбины большой мощности»
Черепов Виктор Михайлович — Доктор медицинских наук, профессор, 
Заслуженный врач РФ, Председатель Комиссии по индустрии 
здоровья, Вице-президент РСПП по социальной политике и трудовым 
отношениям, член Правления РСПП, заведующий кафедрой управления 
в здравоохранении и индустрии спорта ФГБОУ ВО «Государственный 
университет управления» 
СОСТАВ РЕДАКЦИОННОЙ КОЛЛЕГИИ
МОЛОДОЙ УЧЕНЫЙ
Гаспарович Е.О., Дудина А.Н. 
Оценка соискателя с помощью профайлинга  
страницы в социальной сети.
 .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 77
Гаспарович Е.О., Кузнецова Д.О.
Технология диагностики организацонной  
культуры предприятия в период  
ее реструктуризации.
 .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 83
Каштанова Е.В., Бир Е.В.
Организация процесса обучения кадрового  
резерва. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 88
Мухаметшина Г.Р., Миннибаева Л.Р.
Self-branding как условие успешности 
в профессиональной карьере. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 93
Свистунов Василий Михайлович — Доктор экономических наук, 
профессор, Почетный работник Высшего профессионального 
образования, Председатель правления Национального союза 
«Управление персоналом», профессор кафедры управления  
персоналом ФГБОУ ВО «Государственный университет управления», 
Председатель редакционной коллеги, главный редактор
Коновалова Валерия Германовна — Кандидат экономических наук
Доцент, доцент кафедры управления персоналом,  
ФГБОУ ВО «Государственный университет управления»,  
заместитель главного редактора
Митрофанова Елена Александровна — Доктор экономических наук, 
профессор, профессор кафедры управления персоналом,  
ФГБОУ ВО «Государственный университет управления»,  
заместитель главного редактора
Лобачева Анастасия Сергеевна — Кандидат экономических наук, доцент, 
доцент кафедры управления персоналом ФГБОУ ВО «Государственный 
университет управления», Помощник Председателя Правления, 
Национальный союз «Управление персоналом», ответственный 
секретарь, член редакционной коллегии
Ашурбеков Рафик Ашурбекович — Кандидат экономических наук, 
доцент, Заведующий кафедрой управления персоналом  
ФГБОУ ВО «Государственный университет управления»,  
член редакционной коллегии
Гагаринская Галина Павловна — Доктор экономических наук, 
профессор, Заведующая кафедрой экономики и управления 
организацией ФГБОУ ВО «Самарский государственный технический 
университет», член редакционной коллегии
Дуракова Ирина Борисовна — Доктор экономических наук, профессор, 
заведующий кафедрой Управления персоналом ФГБОУ ВО «Воронежский 
государственный университет», член редакционной коллегии
Калюгина Светлана Николаевна — Доктор экономических наук, профессор, 
зав. кафедрой государственного, муниципального управления 
и экономики труда, член редакционной коллегии
Митрофанова Александра Евгеньевна — кандидат экономических 
наук, доцент, доцент кафедры управления персоналом,  
ФГБОУ ВО «Государственный университет управления»,  
член редакционной коллегии
Пугачев Василий Павлович — Доктор философских наук, 
профессор, заведующий кафедрой управления персоналом,  
МГУ им. М.В. Ломоносова, член редакционной коллегии 
Сотникова Светлана Ивановна — Доктор экономических наук, профессор, 
заведующая кафедрой экономики труда и управления персоналом 
ФГБОУ ВО «Новосибирский государственный университет экономики 
и управления», член редакционной коллегии
Софиенко Алла Викторовна — Кандидат экономических наук, директор 
по персоналу ООО «Управляющая компания «Бизнес-Логистик», 
менеджер по кадровому делопроизводству ООО «Контейнерный 
терминал Купавна», член редакционной коллегии
Суркина Фяргия Жафяровна — Кандидат политических наук, доцент, 
доцент кафедры государственного и муниципального управления,  
Коми республиканская академия государственной службы  
и управления ФГАОУ ВО «Северо-Кавказский федеральный университет», 
член редакционной коллегии
Шаталова Нина Ивановна — Доктор социологических наук, профессор, 
Профессиональный консультант в области управления персоналом, 
член редакционной коллегии

Published since 2012
№ 2 (71)/2024
DOI 10.12737/issn.2305–7807
ISSN 2305–7807
Human Resources  
and Intellectual Resources 
Management in Russia
Scientific and practical journal
CONTENTS
Registration mass-media license  
PI No. FS77–47122
October 28, 2011.
Founder: National Union of Organizations 
for Personnel Training in Personnel Management  
(National Union “Personnel Management”) 
www.nasoup.com 
e-mail: nasoup-2011@mail.ru
Kraev V.M., Tikhonov V.А.
Features of the Survey Approach to Identifying  
Conflicts in the Organization Using Artificial  
Intelligence.
 .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 5
Published in cooperation with the Department  
“Personnel Management”
of the State University of Management
www.hr.guu.ru
e-mail: personal.guu@mail.ru
Illarionova E.S.
Studying the Influence of Feedback on Motivation  
and Performance Results. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 10
Kashtanova E.V., Lobacheva A.S., 
Ashurbekov R.A.
Modern Tools for Monitoring the State  
of Staff Engagement . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 13
Publishing office:
Scientific and Publishing Center “INFRA-M”
31B Building 1 Polyarnaya st., Moscow, 127282
Tel.: (495) 280-15-96, 280-33-86; Fax: (495) 280-36-29
e-mail: books@infra-m.ru
http://www.infra-m.ru
Editor-in-Chief:  Svistunov V.M.
Mitrofanova A.E., Beregovskaya T.A.
Effectiveness of Management Teams:  
Modern Trends. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 18
Subscription office: Travkina A.Yu.
Tel.: (495) 280-15-96, ext. 222
e-mail: podpiska@infra-m.ru
Sundukova G.M.
Problems of Personnel Management  
in Small and Medium Business Organizations . .  .  .  .  .  .  .  .  .  .  .  . 25
Orlova L.V., Ivanov I.N., 
Romanova I.A.
Project-Based Learning — from the “Project Method”  
to Modern Effective Technology of Professional  
Training (Experience Of State University  
Of Education) . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 29
Papers are submitted through e-mail: nasoup-2011@mail.ru
The opinion of  the Editorial Board may not coincide with the 
opinion of the authors of publications.
Submitted manuscripts will not be returned.
The Editor reserves the right to supply materials with illustrations, 
to change the titles, cut text and make the necessary restyling 
in manuscripts without the consent of the authors.
Submission of  materials indicates that the author accepts the 
demands of the Publisher.
Reprinting of materials is allowed with the written permission 
of the Publisher.
While quoting the reference to the journal “Human Resources 
and Intellectual Resources Management in Russia” is required.
The Editor does not account for the content of the advertising.
Subscription index of agency “Rospechat” 25181
Sergushkina V.V.
Using a Competence-Based Approach  
in Forming a Personnel Reserve. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 37
© “INFRA-M”, 2024
Published 25.04.2024
Skripnichenko L.S., Perederiy V.A.
Methods for Prevention of Interpersonal Conflicts  
in the Organization. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 43
www.naukaru.ru
e-mail: mag1@naukaru.ru

EDITORIAL COUNCIL
Suvalova T.V., Suvalov O.S.
Investing in Human Capital As a Factor  
in the Development of the Higher Education  
System. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 48
Taganova E.N.
Factors of the Personnel Crisis  
in the Management of a Modern Company.
 .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 54
Fetyukov A.V.
Methodological Approaches to Assessing  
the Development of Professional Competencies.
 .  .  .  .  .  .  .  .  .  . 59
Ashurbekov R.A., Chernikova Ya.V., 
Zhuravleva O.V.
The Process of Integrating the Capabilities  
of Artificial Intelligence in Working With Staff. .  .  .  .  .  .  .  .  .  .  .  .  . 67
Shchegulina O.V., Lobacheva A.S.
Features of Communication of the Graduating  
Department With Potential Applicants . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 71
Svistunov Vasily Mikhailovich — Doctor of Economic Sciences, Professor, 
Honorary Worker of Higher Professional Education, Chairman of the Board 
of the National Union «Management personnel”
, professor of the department 
of personnel management of the Federal State Budgetary Educational 
Institution VO «State University of Management», Chairman editorial board
Volkov Andrey Timofeevich — Doctor of Economic Sciences, Professor, expert 
of the Center for Scientific and Expert Analytics of the Federal State 
Budgetary Educational Institution of Higher Education «Russian State 
Academy of Intellectual Property»
Vuchkovich Alla Alexandrovna — Candidate of Economic Sciences, Chairman 
of the Council for Professional Qualifications in the field personnel 
management, Member of the National Council under the President Russian 
Federation for Professional Qualifications
Gevorkyan Rita Nikolaevna — Candidate of Economic Sciences, Associate 
Professor, Head of the Department of Economics and Management, 
Armenian State Pedagogical University after Kh. Abovyan
Zakharov Nikolay Lvovich — Doctor of sociological sciences, professor, Professor, 
Russian State Pedagogical University them. A.I. Herzen 
Zvyagin Alexander Anatolyevich — Doctor of Economics, Professor, director 
of ANO «Promotion and development of innovations in scientific and 
production area»
Kirillov Andrei Vladimirovich — Doctor of Historical Sciences, Professor, Deputy 
Vice-Rector for FGBOU HE «Financial University» under the Government 
of the Russian Federation”
, First Deputy Chairman of the Board of the 
National Union «Management staff»
Margarov Gevorg Ivanovich — Candidate of Technical Sciences, Professor, 
Head of the Department of Information Security and Software provision, 
National Polytechnic University of Armenia
Minchenkova Olga Yurievna — Doctor of Economics, Professor, Professor 
of the Department of Theory and Systems of Sectoral Management Faculty 
of Engineering Management FSBEI HE «Russian Academy of national 
economy and public service under the President Russian Federation»
Tikhonov Aleksey Ivanovich — Candidate of Technical Sciences, Associate 
Professor, Head of the Department of Personnel Management, Moscow 
Aviation Institute (National Research University)
Tokarev Oleg Pavlovich — Candidate of Economic Sciences, Associate Professor, 
General Director of UEC — High Power Turbines LLC
Cherepov Viktor Mikhailovich — Doctor of Medical Sciences, Professor, 
Honored Doctor of the Russian Federation, Chairman of the Industry 
Commission Health, RSPP Vice President for Social Policy and Labor  
Relations, Member of the Board of the RSPP, Head of the Department 
of Management in health care and sports industry  
FSBEI HE «State University of Management»
EDITORIAL BOARD
YOUNG SCIENTIST
Gasparovich Е.O., Dudina A.N.
Evaluation of the Applicant by Profiling  
a Page on a Social Network.
 .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 77
Gasparovich E.O., Kuznetsova D.O.
Technology for Diagnostics of Organizational  
Culture of an Enterprise During Restructuring. .  .  .  .  .  .  .  .  .  .  .  . 83
Kashtanova E.V., Bir E.V.
Organization of the Personnel Reserve  
Training Process. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 88
Mukhametshina G.R., Minnibayeva L.R.
Self-Branding As a Condition For Success  
in a Professional Caree.
 .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 93
Svistunov Vasily Mikhailovich — Doctor of Economic Sciences, Professor, 
Honorary Worker of Higher Professional Education, Chairman of the Board 
of the National Union “Management personnel”
, professor of the department 
of personnel management of the Federal State Budgetary Educational 
Institution VO “State University of Management”
, Chairman editorial 
colleague, chief editor
Konovalova Valeria Germanovna — Candidate of Economic Sciences Associate 
Professor, Associate Professor of the Department of Human Resources 
Management, Federal State Budget Educational Institution of Higher 
Education State University of Management, Deputy Chief editor
Mitrofanova Elena Alexandrovna — Doctor of Economics, Professor, 
Professor of the Department of Human Resources Management,  
FSBEI HE State University of Management, Deputy Chief editor
Lobacheva Anastasia Sergeevna — Candidate of Economic Sciences, Associate 
Professor, Associate Professor of the Department of Personnel Management 
of the Federal State Budgetary Educational Institution of Higher Education 
“State University of Management”
, Assistant to the Chairman of the Board, 
National Union “Personnel Management”
, responsible secretary, member 
of the editorial board
Ashurbekov Rafik Ashurbekovich — Candidate of Economic Sciences, 
Associate Professor, Head of the Department of Human Resources 
Management, Federal State Budget Educational Institution of Higher 
Education “State University of Management”
, member of the editorial 
colleges
Gagarinskaya Galina Pavlovna — Doctor of Economics, Professor, 
Head of the Department of Economics and Organizational Management, 
FGBOU VO “Samara State Technical University”
, member editorial board
Durakova Irina Borisovna — Doctor of Economics, Professor, Head of the 
Department of Human Resources Management, Voronezh State University”
, 
member of the editorial board
Kalyugina Svetlana Nikolaevna — Doctor of Economics, Professor, head 
Department of State, Municipal Administration and labor economics, 
member of the editorial board
Mitrofanova Aleksandra Evgenievna — Candidate of Economics Sci., 
Associate Professor, Associate Professor of the Department of Human 
Resources Management, FSBEI HE “State University of Management”
,  
member of the editorial colleges
Pugachev Vasily Pavlovich — Doctor of Philosophical Sciences, Professor, 
Head of the Department of Human Resources Management, Lomonosov 
Moscow State University M.V. Lomonosov, member of the editorial board
Sotnikova Svetlana Ivanovna — Doctor of Economics, Professor, 
Head of the Department of Labor Economics and Personnel Management 
FGBOU VO “Novosibirsk State University of Economics and management”
, 
member of the editorial board
Sofienko Alla Viktorovna — Candidate of Economic Sciences, Director 
of personnel of Management Company Business-Logistic LLC,  
manager for HR records management of Container Terminal LLC Kupavna”
, 
member of the editorial board
Surkina Fyargiya Zhafyarovna — Candidate of Political Sciences, Associate 
Professor, Associate Professor, Department of State and Municipal 
Administration, Komi republican academy of public service and 
management Federal State Autonomous Educational Institution of Higher 
Education “North Caucasian Federal University”
, Member editorial board
Shatalova Nina Ivanovna — Doctor of sociological sciences, professor, 
Professional consultant in the field of personnel management, member 
of the editorial board

Управление персоналом и интеллектуальными ресурсами в России (№ 2 (71, 2024) 96:5–9
ОСОБЕННОСТИ ОПРОСНОГО ПОДхОДА ВыЯВЛЕНИЯ 
КОНФЛИКТОВ В ОРГАНИЗАЦИИ С ПОМОЩьЮ 
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
FEATURES OF THE SURVEY APPROACH TO IDENTIFYING CONFLICTS 
IN THE ORGANIZATION USING ARTIFICIAL INTELLIGENCE
ПОЛУЧЕНО 19 .02 .2024 ОДОБРЕНО 22 .02 .2024 ОПУБЛИКОВАНО 25 .04 .2024 
УДК 331 .08 DOI 10 .12737/2305-7807-2024-13-2-5-9
КРАЕВ В.М.
Д-р техн. наук, доцент, профессор 
кафедры «Управление персоналом», 
ФГБОУ ВО «Московский авиационный 
институт», г. Москва 
ТИхОНОВ В.А. 
Аспирант кафедры 
«Управление персоналом», 
ФГБОУ ВО «Московский авиационный 
институт», г. Москва 
TIKHONOV V.А.
Postgraduate Student, 
Department of Human Resource 
Management, Moscow Aviation 
Institute, Moscow
KRAEV V.M. 
Doctor of Technical Sciences, 
Associate Professor, Professor 
of Department of Human Resource 
Management, Moscow Aviation 
Institute, Moscow
е-mail: vlatih@mail .ru
е-mail: kraevvm@mail .ru
Аннотация
Современные тенденции развития общества и возможности информационной инфраструктуры требуют устойчивой работы существующих 
моделей по выявлению конфликтов среди сотрудников в организации, а также применения новых подходов. В исследовательской работе 
рассмотрены отдельные слабые стороны существующих опросных методов, которые могут существенно снизить качество результатов 
модели. Применение искусственного интеллекта позволяет минимизировать выявленные недостатки опросных методов, обрабатывать 
большие объемы информации различных типов, открывая новые возможности для его использования в области управления персоналом. 
В данной работе исследуются актуальные проблемы опросных методов и хорошая перспектива использования искусственного интеллекта 
для выявления конфликтов между сотрудниками организации.
Ключевые слова: конфликтология, управление кадровыми конфликтами, скрытый конфликт, опросные данные, искусственный интеллект.
Abstract
Modern trends in the development of society and the capabilities of information infrastructure require the sustainable operation of existing models for 
identifying conflicts among employees in an organization, as well as the use of new approaches. The research work examines certain weaknesses of existing 
survey methods, which can significantly reduce the quality of the model’s results. The use of artificial intelligence makes it possible to minimize the identified 
shortcomings of survey methods, process large volumes of information of various types, opening up new opportunities for its use in the field of personnel 
management. This paper examines current problems of survey methods and the good prospects of using artificial intelligence to identify conflicts between 
employees of an organization.
Keywords: conflictology, personnel conflict management, hidden conflict, survey data, artificial intelligence.
ВВЕДЕНИЕ
СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМы 
ВыЯВЛЕНИЯ КОНФЛИКТНых СИТУАЦИЙ
Конфликтные ситуации могут варьировать от пси 
хологических напряженностей и неудобств во взаимоотноше 
ниях до официальных противоречий и разногласий 
на профессиональном уровне, которые могут нанести ущерб 
бизнес-процессу в целом. Риск-менеджмент рассматривает 
такие конфликты как потенциальные риски, которые могут 
привести к финансовым, юридическим и репутационным 
убыткам для компании [1]. Поскольку компенсация таких 
потерь осуществляется за счет резервных фондов компании, которые формируются из прибыли, ущерб от конфликтов может негативно сказываться на прибыли компании. 
Поэтому выявление конфликтов на ранней стадии, когда 
ущерб еще незначителен, позволит значительно снизить потери. Существуют различные методы обнаружения скрытых 
конфликтов. Наиболее распространенным инструмен 
том 
является использование технических средств для проведения индивидуальных психофизиологических исследований, 
Современные подходы выявления конфликтных ситуаций среди сотрудников организации направлены на определение сторон конфликта на ранних стадиях его развития. 
Это позволяет снизить риск негативных последствий для 
бизнес-процессов, по сравнению с открытым конфлик 
том. 
В качестве источника информации обычно используются 
данные опросов сотрудников. Однако по результатам последних опросов можно сделать вывод о существующих 
серьезных недостатках этого метода для кросс-корреляционного подхода выявления скрытых конфликтов. В качестве 
источника данных предполагается использовать большие 
возможности искусственного интеллекта. Такой современный подход может существенно повысить скорость и надежность сбора данных, снизить количество ошибок, уменьшить ручную работу и ускорить принятие управленческих 
решений. В будущем такая система потребует только настройки искусственного интеллекта, без необходимости 
активного участия человека.
5

Управление персоналом и интеллектуальными ресурсами в России (№ 2 (71, 2024)  96:5–9
данные. Под корректными опросными данными мы понимаем наличие идентификатора (номера) респондента, наличие оценок им всех коллег, участвующих в исследовании. 
Среди выявленных некорректных данных можно выделить 
несколько групп. Первая группа — 11 респондентов — отказались участвовать в опросе. Вторая группа — 8 респондентов — намеренно или умышленно не указали свои идентификаторы. Третья группа — 3 респондента — допустили 
пропуски в оценках своих коллег. 
Так как для получения корректных результатов при использовании формулы (1) требуются значения аргументов 
aij  и  aji, представляющие собой однозначное значение 
оценки одного сотрудника другим, то приведенные выше 
ошибки в исходных данных приводят к невозможности использования таковых. В результате проведенного анализа 
можно сделать вывод о сильной зависимости успешного 
применения разработанной модели от качества данных при 
практическом использовании. 
Полученные в процессе проведенного исследования результаты позволили сформулировать требования к системе 
выявления скрытых конфликтов: однозначная идентификация респондента, получение данных оценок желательно 
в автоматическом режиме и независимость формирования 
таких данных от желания или нежелания сотрудника. Рассмотрим достоинства применения искусственного интеллекта в решении описанной выше проблемы.
Возможности искусственного 
интеллекта для выявления скрытых 
конфликтов
таких как «полиграф» или «детектор лжи». Преимущества 
таких методов: является возможность оценки психофизиологического состояния человека и выявление конфликтов 
на ранней стадии [2, 3]. Несмотря на относительно высокую 
точность таких исследований, массовое использование «полиграфа» ограничено из-за необходимости ручной работы 
без автоматизации процесса. Статистические традиционные 
методы обнаружения конфликтов могут быть применены 
в крупномасштабных исследованиях, но их использование 
ограничено невысокой чувствительностью к скрытым конфликтам. Другими словами, статистические методы не способны выявлять конфликтные ситуации, когда риски конфликтов еще не проявились в полной мере и ущерб от них 
незначительный [4].
В наших исследованиях [5–7] были разработаны модели, 
способные выявлять скрытые конфликты между сотрудниками. В отличие от традиционных статистических моделей, 
они способны идентифицировать именно конфликтные 
пары. Это означает, что мы определяем как конфликтные 
пары сотрудников, отношения которых вызывают негативные эмоции не у большинства окружающих, а именно у самих сотрудников.
Для проведения расчетов предлагается использовать опросные данные, в которых каждый сотрудник оценивает 
своих коллег. Оценка основана на простом принципе: нравится этот коллега или нет. Такая простая формулировка 
позволяет, с одной стороны, упростить опросный лист и сократить количество оценок до минимума — числа коллег 
каждого сотрудника. Другая особенность опросного метода — качество данных — представляет негативный фактор, который существенно снижает эффективность модели. 
Уровень конфликтности пар сотрудников может быть определен с использованием формулы (1), которая разработана 
в рамках метода выявления скрытых конфликтных отношений между субъектами бизнес-процессов на основе парных 
корреляций взаимных оценок [6]
	
R
a a
a
a
ij
ij
ji
ij
ji
2
2
=
+
−
(
) ,
(1)
где aij и aji — значения взаимных оценок сотрудников компании, a
a
ij
ji
−
(
)
2 — функция штрафа, которая отражает неравномерность оценок. 
Минимальные показатели функции Rij
2 демонстрируют 
взаимно низкую оценку сотрудников и является маркером 
латентной конфликтной ситуации между ними. Проведенные расчеты на тестовой группе [6] показали, что результаты 
представленной кросс-корреляционной модели значительно 
отличаются от традиционной статистической модели. Конкретно, были выявлены две пары сотрудников, находящихся 
в состоянии латентного конфликта. Однако последние исследования выявили ряд проблем опросного метода.
Трудности выявления скрытых 
конфликтов при использовании 
опросного подхода
Современное понимание термина «искусственный интеллект» (ИИ) подразумевает его определение как системы, 
обладающей набором технологических решений, которые 
позволяют имитировать когнитивные функции человека 
(включая самообучение и поиск решений без заранее заданного алгоритма) и достигать результатов, которые как 
минимум сопоставимы с результатами интеллектуальной 
деятельности человека [8–10].
В.К. Финн [11] описал признаки искусственного интеллекта, среди которых выделены следующие: обнаружение 
существенной информации в данных, установление целей, 
разработка целесообразных планов и последующих действий, отбор и формирование знаний для рассуждений, способность аргументировать и принимать решения, реакция 
на собственные знания и действия с их оценкой, способность к распознаванию явлений окружающего мира (ответ 
на вопрос «что это?»), способность к объяснению (ответ 
на вопрос «почему?») и возможность обучения.
Мы считаем, что искусственный интеллект представляет 
собой область исследований, включающую моделирование 
познавательных функций человека с использованием вычислительных средств. Результатом работы в области искусственного интеллекта является процесс преобразования 
исходных данных в желаемый результат. Этот процесс включает поиск оптимальной последовательности шагов для достижения поставленной цели.
Проведенные ранее в МГУ исследования [12] показывают, что принятие совместных управленческих решений 
человеком и искусственным интеллектом становится особенно упрощенным в условиях повышенного риска.
Использование искусственного интеллекта для изучения поведения людей нашло применение в различных областях, включая системы выявления лжи [13] и криминалистику [14]. Этот подход позволяет создавать психологические и криминологические портреты, что способствует 
Как упоминалось ранее, опросные данные являются основой для расчета модели, что является значительным недостатком статистических методов, ввиду возможно низкого 
качества опросных данных. К ним стоит отнести намеренный или случайный пропуск респондентами заполнения 
опросных анкет, влияние эмоционального состояния на результаты опроса и необходимость проведения новых опросов для получения актуальных данных. 
Так, например, при проведении опроса среди 45 сотрудников, только по 23 были получены корректные опросные 
6

Управление персоналом и интеллектуальными ресурсами в России (№ 2 (71, 2024)  96:5–9
условиях большая часть деловой переписки ведется в электронном виде, что значительно упрощает процесс ее анализа. Кроме того, в деловой переписке уже указаны адресат 
и автор сообщения. Для составления оценки необходимо 
проанализировать содержание переписки, т.е. провести 
лингвистический анализ использованных сотрудниками 
выражений.
Судя по всему
, работы в области лингвистического анализа 
стали возможны благодаря развитию автоматического разбора текстов на слова и словосочетания. В последнее время 
появились исследования, направленные на разработку методов идентификации языковой личности (далее — ЯЛ) [15], 
то есть создание языкового портрета пишущего. Эта модель 
основана на уникальных характеристиках автора сообщения и позволяет решать задачи идентификации личности. 
Создание модели языковой личности осуществляется с использованием словаря и лексикона автора, а также анализа 
его стилистических данных, разработки и сопоставления 
математических моделей текстов для сравнения. Авторы [15] 
провели исследование различных жанров интернет-коммуникаций, включая корпоративную переписку, и обнаружили, что анализ текстов данного жанра в рамках массива 
текстов позволяет выявить уникальные стили авторов. Они 
также выявили высокую корреляцию языковых характеристик авторов в рамках данного жанра и пришли к выводу, 
что объем текстового материала в корпоративных письмах 
достаточен для создания объективно имитирующей модели 
языковой личности.
Ниже приведены используемые в модели [15] параметры.
1.  Индекс удобочитаемости Флеша-Кинкейда. 
2.  Индекс туманности Г
аннинга.
3.  Средняя длина слова (в буквах).
4.  Средняя длина предложения (в словах).
5.  Количество предложений длиннее 8 слов.
6.  Коэффициент предметности (Pr).
7.  Коэффициент качественности (Qu). 
8.  Коэффициент активности (Ас). 
9.  Коэффициент динамизма (Din). 
10.  Коэффициент связности текста (Con).
11.  Количество слов несловарного написания. 
12.  Предложения с однородными рядами. 
13.  Предложения с обособленными приложениями. 
14.  Вводные слова и конструкции. 
15.  Целевые и выделительные обороты. 
16.  Конструкции с семантикой сравнения. 
17.  Синтаксические сращения. 
18.  Сравнительные придаточные. 
19.  Конструкции с сопоставительными союзами. 
20.  Вставные конструкции. 
21.  Сложные синтаксические конструкции. 
22.  Глагольные односоставные предложения. 
23.  Обращения. 
24.  Местоимения «я, мы»-группы. 
25.  Местоимения «ты, вы»-группы. 
26.  Сложные слова полуслитного написания. 
27.  Модальные частицы. 
28.  Междометия. 
29.  Наличие / отсутствие модального постфикса «-то».
Каждый участник корпоративной переписки имеет свой 
уникальный набор значений этих параметров, которые 
определяют языковую личность работника компании. Исследователи [15, 16] также пришли к выводу, что минимальный объем слов в переписке должен составлять не менее 
500 слов.
Исследование, проведенное в [17], включало численную 
оценку тональности общения, где отмечается, что учет ноболее эффективной профилактике преступлений. Подход, 
описанный в [14], может быть использован для разработки 
алгоритмов расследования, которые позволят оперативнее 
выявлять следы преступлений и конкретных подозреваемых.
Искусственный интеллект обладает способностью к самообучению, что позволяет ему создавать новые связи 
и адаптироваться к изменяющейся ситуации для получения 
правильных результатов. В современном мире ИИ стал доступным инструментом, который применяется в различных 
сферах, таких как транспорт, медицина и экономика. Многие пользователи ежедневно взаимодействуют с результатами работы ИИ, не подозревая его участие. Это привлекло 
внимание специалистов из различных областей, таких как 
психология и социальный менеджмент.
Мы можем рассмотреть возможность создания системы, 
использующей искусственный интеллект для обнаружения конфликтных ситуаций с учетом указанных условий. 
Первоочередная задача заключается в вычислении уровня 
конфликтности пар с использованием модели (1) или аналогичной. Следующим этапом будет выявление самых конфликтных пар.
В исследовании [6] была определена граница неконфликтности на основе эмпирических данных, и лишь две пары 
были выявлены как конфликтные из-за наивысшего уровня 
конфликтности. Другими словами, уровень неконфликтности был установлен таким образом, что только две пары 
с одинаковым уровнем конфликтности были признаны 
конфликтными. При использовании искусственного интеллекта такая граница будет определяться заранее заданными внешними условиями. Например, это может быть 
условие выбора конфликтных пар с максимальным уровнем конфликтности или выбор n наиболее конфликтных 
пар и так далее. Самой сложной задачей является сбор данных для расчета по модели. Как уже обсуждалось ранее [6], 
в настоящее время источником данных являются опросы 
сотрудников. Для искусственного интеллекта не так важен способ получения данных, как сами оценочные данные сотрудников. При этом источники данных могут быть 
разнообразными: цифровыми, полученными в результате 
опросов, текстовыми, устными и так далее. Очевидно, что 
проведение опросов с помощью искусственного интеллекта 
возможно, однако недостатками являются необходимость 
заполнения опросных листов и определенная психологическая подготовленность респондентов при формировании оценок. Более эффективным способом сбора данных 
кажется их автоматический сбор во время взаимодействия 
двух сотрудников для измерения психологического напряжения. Это напряжение, которое отличается от обычного 
состояния, уникально для каждого человека. Необходимо 
определить «средний» или «нормальный» уровень психологического напряжения для каждого респондента во время 
общения с коллегами. Разницу в уровне психологического 
напряжения можно рассматривать как потенциальное проявление личной симпатии или антипатии к коллеге.
Необходимо выбрать источник первичных данных для 
расчета индивидуального уровня психологического напряжения. Анализ вербальных взаимоотношений сотрудников 
имеет значительные недостатки. Технически все корпоративные помещения должны быть оборудованы звукозаписывающим оборудованием и системами распознавания 
речи для ее цифровизации. Кроме того, необходимо однозначно определить адресата каждого высказывания, чтобы 
избежать ошибок, которые могут привести к некорректной 
работе искусственного интеллекта и ложным результатам.
Мы считаем, что самым удобным способом будет анализ 
деловой переписки между сотрудниками. В современных 
7

Управление персоналом и интеллектуальными ресурсами в России (№ 2 (71, 2024)  96:5–9
ний к системе выявления скрытых конфликтов. Применение 
искусственного интеллекта позволит однозначно идентифицировать респондента и сотрудника, которого он «оценивает» по адресам корпоративной почты. Данные по оценкам для расчета уровня конфликтности будут поступать 
и обрабатываться в автоматическом режиме. Также выполняется условие невозможности сотрудника влиять на поток 
данных оценок. Единственный способ сотрудника повлиять 
на функционирование системы представляет собой прекращение деловой переписки в принципе, что нереально 
в рамках функционала сотрудника большой компании.
Выводы
В проведенном исследовании были рассмотрены сложности применения опросного подхода для выявления 
конфликтных отношений между сотрудниками, а также 
возможность применения искусственного интеллекта для 
существенного повышения качества данных с целью выявления конфликтных отношений в организации. Предыдущие исследования, основанные на опросных данных, показали, что модель, с одной стороны, обладает высокой чувствительностью к выявлению конфликтов на ранней стадии 
развития, а с другой — высокими требованиями к качеству 
данных. 
Исследования других авторов показали, что для создания 
модели можно использовать не только опросы, но и автоматический анализ текстов корпоративной переписки. Существующие модели позволяют создавать индивидуальный 
языковой профиль каждого сотрудника, который может быть 
обновлен в любое время. Изменения в языковом профиле 
в рабочей переписке с определенным коллегой могут указывать на особые отношения к нему, отличные от среднестатистических. Регулярное обновление данных и получение 
актуальной информации позволяют выявлять усиление 
«конфликтной составляющей» в переписке между сотрудниками. Применение искусственного интеллекта и его самообучение полностью автоматизирует процесс сбора данных 
и поддерживает актуальность языкового профиля сотрудника.
ЛИТЕРАТУРА
1.	 Kraev V.M., Tikhonov A.I. Risk management in human resource management. TEM Journal, 2019, 8(4), P
. 1185–1190.
2.	 Jan Widacki, First Attempts at Practical Use of Instrumental 
Lie Detection. European Polygraph. December 2019 13 (4): 
203–222. DOI: 10.2478/ep-2019-0014
3.	 Mashtakov V.A., Belov V.M. Modeling of a hardware and software complex “Poligraf” based on freely distributable microcontroller platforms // Безопасность цифровых технологий. — 2021. — № 4 (103). — P. 9–19. — DOI: 10.17212/ 
2782-2230-2021-4-9-19
4.	 Краев В.М., Тихонов А.И. Риск-менеджмент в управлении 
кадрами // Конкурентоспособность в глобальном мире: 
экономика, наука, технологии. 2016. № 8-2 (21). С. 22–25.
5.	 Алексеева П.А., Краев В.М. Современные модели снижения конфликтности персонала предприятий аэрокосмического комплекса // Московский экономический журнал. 2021. № 1. С. 28.
6.	 Краев В.М., Масич И.С., Тихонов А.И. Метод выявления 
скрытых конфликтных отношений между субъектами бизнес-процессов на основе парных корреляций взаимных 
оценок // Бизнес-информатика. 2022. Т
. 16. № 3. С. 85–97.
7.	 Тихонов В.А., Краев В.М. Метод выявления скрытых конфликтов среди сотрудников организации // Московский 
экономический журнал. 2023. Т
. 8. № 1.
вых слов в текстах играет важную роль при анализе. В этой 
работе [17] была изучена задача определения уровня толерантности в блогах политиков. Полученные данные показывают, что можно сделать вывод об уровне этнической, 
социальной и личностной толерантности участников. Кроме 
того, на основе принадлежности участников к различным 
социальным группам были сделаны предположения о ранжировании этих групп с учетом степени социальной дистанции [17].
В прежних исследованиях [18] было отмечено, что определение стороны «свой» или «чужой» представляет собой 
основную двоичную противопоставленность как в глобальной, так и в русской культуре, являющуюся основополагающей категорией сознания, выработанной в процессе 
осмысления реальности. Однако такая задача, как идентификация позиции собеседника, все же возможна.
Таким образом, предыдущие исследования указывают 
на возможность использования математических моделей 
для автоматического анализа текстового материала, выявления набора критериев и создания «языкового портрета» — 
уникального языкового образа человека. Более того, такой 
подход соответствует принципам применения искусственного интеллекта.
Подчеркнем основные этапы выявления конфликтов: 
сбор необходимых данных, выделение ключевой информации из анализируемых данных, способность идентифицировать закономерности, сравнение новых результатов с существующими, выработка оценки таких различий, принятие 
решений и способность к обучению на новых данных.
В современных условиях используемые информационные технологии предоставляют широкий спектр возможностей для внедрения искусственного интеллекта. В нашем 
случае мы можем полностью автоматизировать сбор данных в виде слов и фраз из корпоративной переписки сотрудников. Проведение анализа собранных данных позволит 
создать лингвистический портрет каждого сотрудника. Другими словами, это означает формирование языкового портрета сотрудника на основе его типичного эмоционального 
состояния. Учитывая, что для формирования языкового 
портрета требуется не менее 500 слов [15, 16], и учитывая, 
что электронные письма обычно бывают короче обычного 
[19, 20], такой объем слов в переписке каждого сотрудника 
накопится менее чем за неделю. Это и определит тот период 
времени, за который можно создать языковой портрет каждого сотрудника.
Используя данные, ИИ будет создавать индивидуальные 
языковые профили для каждого сотрудника во время их 
письменного общения. Это позволит ИИ сравнивать средний языковой профиль каждого сотрудника и их общение 
с коллегами, выявляя отклонения и индивидуальные особенности в коммуникации. Отличия могут указывать на различные виды конфликтов, дальнейшее исследование должно 
определить маркеры, связанные с латентными конфликтами. 
Когда ИИ выявляет отличия в языковых профилях, указывающих на конфликт, он проводит количественную оценку 
этих отличий. Полученные данные используются ИИ для 
расчета уровня конфликтности между парами сотрудников 
по формуле (1). Когда речь идет о способности искусственного интеллекта к самообучению, это означает, что он обновляет языковую модель на регулярной основе, используя 
актуальные данные о словах и фразах, которые произносит 
сотрудник. Такой подход к функционированию искусственного интеллекта позволяет всегда использовать актуальную 
языковую модель каждого сотрудника как динамическую.
Рассмотрим предложенный подход применения искусственного интеллекта на предмет изложенных выше требова8

Управление персоналом и интеллектуальными ресурсами в России (№ 2 (71, 2024)  96:5–9
8.	 Национальная стратегия развития искусственного интеллекта на период до 2030 года. Указ Президента РФ № 490 
от 10.10.2019. — URL: http://www.kremlin.ru/acts/bank/ 
44731
9.	 ГОСТ Р 59277–2020. Системы искусственного интеллекта. 
Классификация систем искусственного интеллекта.
10.	ГОСТ Р 59276–2020. Системы искусственного интеллекта. 
Способы обеспечения доверия. Общие положения.
11.	Финн В.К. Интеллект, информационное общество, гуманитарное знание и образование: понятийные и логические 
основания искусственного интеллекта, гуманитарное знание и когнитивные исследования в информационном обществе, образовательные программы для искусственного 
интеллекта. М.: Ленанд, 2021, 463 с.
12.	Фоломеева Т.В., Садовская Е.Д., Винокуров Ф.Н., Федотова С.В. Роль цифровых технологий в экономических решениях: искусственный интеллект и склонность к риску // 
Вестник Московского университета. Серия 14: Психология. 2022. № 3. С. 40–64. 
13.	Шапошников А.А. Перспективы использования искусственного интеллекта при проведении психофизиологических исследований // Вестник Санкт-Петербургского 
военного института войск национальной гвардии. 2022. 
№ 1 (18). С. 29–32.
14.	Бессонов А.А. Использование алгоритмов искусственного 
интеллекта в криминалистическом изучении преступной 
деятельности (на примере серийных преступлений) // 
Вестник МГЮА имени О.Е. Кутафина. 2021. № 2 (78). 
С. 45–53.
15.	Романова Т.В., Хоменко А.Ю. Идентификация автора 
-
текста в сетевой коммуникации // Вестник Волгоградского 
государственного университета. Серия 2: Языкознание. 
2022. Т
. 21. № 3. С. 143–157.
16.	Хоменко А.Ю. Лингвистическое моделирование как основа для создания полуавтоматического атрибуционного 
алгоритма // Политическая лингвистика. 2022. № 3 (93). 
С. 90–100.
17.	Хоменко А.Ю. Проблема формализации структуры языковой личности для компьютерного представления // Вопросы когнитивной лингвистики. 2021. № 2. С. 111–117.
18.	Романова Т.В. Язык политкорректности: свой-чужой //
Мир русского слова. 2015. № 4. С. 21–26.
19.	Зверева Е.Б. Этикет деловой переписки // Инновации. 
-
Наука. Образование. 2020. № 24. С. 1986–1990.
20.	Хоменко А.Ю. Лингвистическое моделирование как инструмент выявления искажений речевых навыков автора 
письменного речевого произведения: опыт практического 
исследования // Вопросы психолингвистики. 2018. № 36. 
С. 209–226.
21.	Митрофанова Е.А., Свистунов В.М., Лобачев В.В. Цифровизация экономики как важный фактор формирования новых трендов рынка труда // Управление персоналом 
и интеллектуальными ресурсами в России. — 2019. — Т
. 8, 
№ 6. — С. 59–70. 
REFERENCES
rocontroller platforms // Security of digital technologies. — 
2021. — No. 4 (103). — P
. 9–19. — DOI: 10.17212/2782-22302021-4-9-19
4.	 Kraev V.M., Tikhonov A.I. Risk management in personnel 
management // Competitiveness in the global world: economics, science, technology. 2016. No. 8-2 (21). Pp. 22–25.
5.	 Alekseeva P
.A., Kraev V.M. Modern models for reducing conflict among personnel at aerospace enterprises. Moscow Economic Journal. 2021. No. 1. P
. 28.
6.	 Kraev V.M., Masich I.S., Tikhonov A.I. A method for identifying hidden conflict relationships between subjects of business 
processes based on paired correlations of mutual assessments. 
Business Informatics. 2022. T
. 16. No. 3. P
. 85–97.
7.	 Tikhonov V.A., Kraev V.M. A method for identifying hidden 
conflicts among employees of an organization. Moscow Economic Journal. 2023. T
. 8. No. 1.
8.	 National strategy for the development of artificial intelligence 
for the period until 2030. Decree of the President of the Russian 
Federation No. 490 of October 10, 2019. — URL: http://www.
kremlin.ru/acts/bank/44731
9.	 GOST R 59277–2020. Artificial intelligence systems. Classification of artificial intelligence systems.
10.	GOST R 59276–2020. Artificial intelligence systems. Ways 
to ensure trust. General provisions.
11.	Finn V.K. Intelligence, information society, humanitarian 
knowledge and education: conceptual and logical foundations 
of artificial intelligence, humanitarian knowledge and cognitive 
research in the information society, educational programs for 
artificial intelligence. M.: Lenand, 2021, 463 p.
12.	Folomeeva T.V., Sadovskaya E.D., Vinokurov F.N., Fedotova S.V. The role of digital technologies in economic decisions: artificial intelligence and risk appetite. Bulletin of Moscow University. Episode 14: Psychology. 2022. No. 3. P
. 40–64.
13.	Shaposhnikov A.A. Prospects for the use of artificial intelligence in psychophysiological research. Bulletin of the St. Petersburg Military Institute of National Guard Troops. 2022. 
No. 1 (18). Pp. 29–32.
14.	Bessonov A.A. The use of artificial intelligence algorithms 
in the forensic study of criminal activity (using the example 
of serial crimes). Bulletin of the Moscow State Law Academy 
named after O.E. Kutafina. 2021. No. 2 (78). Pp. 45–53.
15.	Romanova T
.V., Khomenko A.Yu. Identification of the author 
of a text in network communication. Bulletin of Volgograd 
State University. Series 2: Linguistics. 2022. T. 21. No. 3. 
P
. 143–157.
16.	Khomenko A.Yu. Linguistic modeling as a basis for creating 
a semi-automatic attribution algorithm. Political linguistics. 
2022. No. 3 (93). Pp. 90–100.
17.	Khomenko A.Yu. The problem of formalizing the structure 
of linguistic personality for computer representation. Issues 
in cognitive linguistics. 2021. No. 2. Pp. 111–117.
18.	Romanova T.V. The language of political correctness: friend 
or foe. The world of the Russian word. 2015. No. 4. Pp. 21–26.
19.	Zvereva E.B. Business correspondence etiquette. Innovation. 
The science. Education. 2020. No. 24. P
. 1986–1990.
20.	Khomenko A.Yu. Linguistic modeling as a tool for identifying 
distortions in the speech skills of the author of a written speech 
work: experience of practical research. Questions of psycholinguistics. 2018. No. 36. Pp. 209–226.
21.	Mitrofanova E.A., Svistunov V.M., Lobachev V.V. Digitalization of the economy as an important factor in the formation 
of new trends in the labor market // Personnel and intellectual 
resources management in Russia. — 2019. — T. 8, No. 6. — 
P
. 59–70.
1.	 Kraev V.M., Tikhonov A.I. Risk management in human resource management. TEM Journal, 2019, 8(4), P
. 1185–1190.
2.	 Jan Widacki, First Attempts at Practical Use of Instrumental 
Lie Detection. European Polygraph. December 2019 13 (4): 
203–222. DOI: 10.2478/ep-2019-0014
3.	 Mashtakov V.A., Belov V.M. Modeling of a hardware and software complex “Poligraf” based on freely distributable mic-
9

Управление персоналом и интеллектуальными ресурсами в России (№ 2 (71, 2024) 96:10–12
ИССЛЕДОВАНИЕ ВЛИЯНИЯ ОБРАТНОЙ СВЯЗИ НА МОТИВАЦИЮ 
И РЕЗУЛьТАТы ДЕЯТЕЛьНОСТИ
STUDYING THE INFLUENCE OF FEEDBACK ON MOTIVATION AND PERFORMANCE RESULTS
ПОЛУЧЕНО 29 .02 .2024 ОДОБРЕНО 04 .03 .2024 ОПУБЛИКОВАНО 25 .04 .2024 
УДК 331 .445 DOI 10 .12737/2305-7807-2024-13-2-10-12
ИЛЛАРИОНОВА Е.С.
Ассистент кафедры управления персоналом, 
ФГБОУ ВО «Государственный университет управления»; 
Консультант по управлению персоналом, ООО «Смарт Сервисез», г. Москва
ILLARIONOVA E.S.
Assistant of the Department of Human Resource Management, 
State University of Management; HR-Consultant, Smart Services LLC, Moscow
e-mail: es_illarionova@guu .ru
Аннотация
В статье исследуется влияние обратной связи на результат и мотивацию деятельности. Большое место в работе занимает рассмотрение обратной связи как ресурса управленческого воздействия в условиях неопределенности и экономии ресурсов. В основной части статьи 
приводится исследование мнения студентов как будущих молодых специалистов, в котором раскрываются вопросы их отношения к формату 
обратной связи по итогам рабочей и учебной деятельности. В заключение кратко разбираются перспективы и возможности использования 
обратной связи как инструмента мотивации в современных организациях. 
Ключевые слова: корпоративная культура, мотивация, обратная связь, вовлеченность персонала, управление в условиях неопределенности.
Abstract
The article examines the influence of feedback on the result and motivation in the activity. A large place in the work is occupied by the consideration 
of feedback as a resource of managerial influence in conditions of uncertainty and resource savings. The main part of the article contains a study of the 
opinion of students as future young professionals, which reveals the issues of their attitude to the feedback format based on the results of work and 
educational activities. In conclusion, the prospects and possibilities of using feedback as a motivation tool in modern organizations are briefly discussed.
Keywords: corporate culture, motivation, feedback, staff involvement, management in conditions of uncertainty.
и единства среди сотрудников, что является ключевым фактором в создании благоприятной рабочей атмосферы и успешной корпоративной культуры[1]. Также исследования 
акцентируют внимание на важности корпоративной культуры для повышения мотивации сотрудников, их вовлеченности и лояльности к организации [3]. Кроме того, обратная 
связь позволяет руководству оценить работу сотрудников, 
определить их вклад в достижение общих целей и учесть 
их мнение при принятии решений.
Отсутствие обратной связи может привести к снижению 
мотивации сотрудников. Не имея информации о своих успехах или слабых сторонах, сотрудник может испытывать 
неуверенность в своей работе и потерять интерес к выполнению своих обязанностей. Напротив, наличие регулярной обратной связи позволяет сотруднику понимать, какие 
результаты он достигает, видеть свои достижения, что способствует повышению мотивации и заинтересованности 
в работе.
Культура обратной связи может помочь с возникновением 
у сотрудников ощущения признания, которое является одним из основных факторов, влияющих на мотивацию сотрудников.
Интересным является исследование Гнеппа и соавторов 
о важности формата предоставления обратной связи, в котором, проведя ряд экспериментов, авторы выяснили, что 
наиболее благоприятной формой предоставления обратной 
связи является ориентированная на будущее обратная связь, 
которая помогает сотрудникам видеть свои цели и задачи 
в перспективе и мотивирует их на достижение лучших результатов [11].
В условиях изменчивости внешней среды и высокой конкуренции предприятиям приходится постоянно адаптироваться и искать новые подходы к управлению. В этом контексте обратная связь становится важным ресурсом, позволяющим анализировать изменения, определять проблемные 
зоны и предлагать решения для их преодоления. Обратная 
связь помогает предприятиям оценить свои возможности, 
определить приоритеты и сосредоточиться на наиболее важных задачах, что способствует повышению их конкурентоспособности.
В данной статье будет рассмотрена значимость обратной 
связи, ее взаимосвязь с корпоративной культурой и мотивацией, а также ее роль в условиях ограниченных ресурсов 
и изменяющегося окружения.
Обратная связь — это процесс передачи информации о достижениях или недостатках в работе сотрудника, позволяющий ему анализировать свою деятельность и корректировать ее. Важным аспектом обратной связи является ее конструктивность и полезность, что позволяет сотруднику видеть 
свои успехи и определять области для совершенствования. 
Таким образом, обратная связь способствует развитию профессиональных навыков и компетенций, а также формированию благоприятной рабочей атмосферы.
Эффективная система обратной связи является неотъемлемым элементом корпоративной культуры. Она способствует формированию доверия между сотрудниками и руководством, позволяя им обсуждать возникающие проблемы 
и находить оптимальные решения.
Ряд авторов подчеркивают, что эффективные коммуникации способствуют формированию чувства сопричастности 
10