REVIEW PAPER
New work models and technologies in organizational management under uncertainty and a changing environment
More details
Hide details
1
Wojskowa Akademia Techniczna, Warszawa, Polska
Online publication date: 2025-09-30
Publication date: 2025-09-30
NSZ 2025;20(3):99-112
KEYWORDS
ABSTRACT
Research objectives and hypothesis/research questions:
The paper focuses on four key areas influencing organizational resilience: hybrid and remote work models, business continuity management (BCM) strategies, applications of artificial intelligence (AI), and investments in cybersecurity. The aim of the analysis is to examine how these factors support organizations in adapting to changing conditions by enhancing flexibility, crisis resilience, and management effectiveness.
Research methods:
The research method applied was theoretical analysis based on a review of relevant literature and industry reports. The findings indicate that flexible work models promote organizational adaptability in volatile conditions, while effectively implemented BCM strategies enhance operational resilience. AI improves adaptability and operational performance but requires ongoing risk monitoring related to its implementation. Cybersecurity, as a crucial component of organizational stability, is gaining significance in the face of increasing digital threats.
Main results:
The conclusions drawn from the analysis emphasize the need to integrate traditional management models with modern technologies, as well as the importance of continued research into trust in AI-based solutions, their transparency, and ethical implications. Organizations should strive to build structures that are resistant to disruption by developing robust crisis management strategies and investing in intelligent systems that support decision-making and protect informational assets.
Implications for theory and practice:
The publication highlights the growing importance of organizational flexibility and adaptability. Effective management requires integrating traditional models with modern technologies. AI not only automates processes but also influences decision-making. This necessitates further research on algorithmic trust, transparency, and AI ethics. Organizations should invest in advanced risk analysis tools and automated data recovery systems. Strategic planning and the implementation of contingency procedures enable rapid crisis response and minimize their impact.
REFERENCES (29)
1.
ADAMKIEWICZ, K., 2024. Metody i techniki doboru kandydatów do pracy stosowane w nowoczesnych organizacjach, praca licencjacka, Warszawa: Wojskowa Akademia Techniczna.
2.
AHLSTROM, D., WANG, L.C., 2021. Temporal Strategies and Firms’ Speedy Responses to COVID-19, Journal of Management Studies, nr 58 (2).
5.
BALCERAK, A., WOŹNIAK, J., 2023. Praca hybrydowa po pandemii jako benefit i jego konsekwencje, Przegląd Organizacji, nr 3 (998).
7.
CHEN, Z., He, N., Zhang, Ch., 2022. Risk Management and Uncertainty, [w:] Proceedings of the 2022 2nd International Conference on Enterprise Management and Economic Development (ICEMED 2022),
https://www.atlantis-press.com... (dostęp: 15.08.2025).
8.
D’ARTIS, K., 2024. Uncertainty of Supply Chains, Directorate-General Joint Research Centre, Brussels: European Commission.
9.
DĘBOWSKI, T. (red.), 2019. Cyberbezpieczeństwo wyzwaniem XXI wieku, Starowa Góra: Wydawnictwo Naukowe ArchaeGraph.
10.
FUNDACJA MOJE PAŃSTWO, 2021. Sztuczna inteligencja i automatyczne podejmowanie decyzji w zamówieniach publicznych – wytyczne dla sektora publicznego,
https://mojepanstwo.pl/aktualn... (dostęp: 14.08.2025).
11.
GŁODZIŃSKI, E., 2014. Zarządzanie projektami w warunkach niepewności – zakres i metodyka, Przegląd Organizacji, nr 7 (894).
12.
GÓRKA, M., 2017. Systemy wspomagania w inżynierii produkcji, [w:] Midor, K. (red.), Technology Assessment w ujęciu teoretycznym i praktycznym, Gliwice: Wydawnictwo P.A. Nova.
13.
JANASZ, K., 2009. Ryzyko i niepewność w gospodarce – wybrane aspekty teoretyczne, Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania, nr 14.
14.
LISTWAN, T. (red.), 2012. Słownik zarządzania kadrami, Warszawa: Wydawnictwo C.H. Beck.
15.
MATEJUN, M., NOWICKI, M., 2013. Organizacja w otoczeniu – od analizy otoczenia do dynamicznej lokalizacji, [w:] Adamik, A. (red.), Nauka o organizacji. Ujęcie dynamiczne, Warszawa: Wolters Kluwer.
17.
PASŁAWSKI, J., 2023. Od tradycyjnego do zwinnego zarządzania procesami budowlanymi – podejście multihybrydowe, Materiały Budowlane, nr 1.
19.
RADZEWICZ, A., WIŚNIEWSKI, R., 2011. Niepewność rynku nieruchomości, Studia i Materiały Towarzystwa Naukowego Nieruchomości, nr 1.
20.
REDZIAK, Z., 2013. Niepewność w podejmowaniu decyzji, Zeszyty Naukowe AON, nr 2 (91).
22.
SOMANATHAN, S., 2023. Artificial Intelligence Driven Agile Project Management: Enhancing Collaboration, Productivity, and Decision-Making in Virtual Teams, Nanotechnology Perceptions, nr 19 (2).
23.
SOROKA-POTRZEBNA, H., 2019. Zarządzanie projektami – podejście tradycyjne czy zwinne?, Zeszyty Naukowe Wyższej Szkoły Humanitas. Zarządzanie, nr 1.
24.
TWOREK, P., 2023. Standaryzacja zarządzania ryzykiem w kierowaniu organizacjami w warunkach niepewności, Zeszyty Naukowe Akademii Górnośląskiej, nr 5.
25.
WALARUS, J., 2023. Korzyści i ryzyka związane z wprowadzeniem sztucznej inteligencji. Ryzyka rozwiązań opartych o AI,
https://www.ey.com/pl_pl/cyber... (dostęp: 23.08.2025).
27.
ZASKÓRSKI, P., WOŹNIAK, J., SZWARC, K., TOMASZEWSKI, Ł., 2015. Zarządzanie projektami w ujęciu systemowym, Warszawa: Wojskowa Akademia Techniczna.
29.
ZIÓŁKOWSKA, E., 2023. Wpływ sztucznej inteligencji na rynek finansowy w procesie podejmowania decyzji ekonomicznych – szanse, wyzwania i rekomendacje, Studia i Prace Kolegium Zarządzania i Finansów, nr 192.