Практическое применение искусственного интеллекта в проектном управлении

Почему ИИ важен для менеджера проекта  

Давайте сначала успокоим большинство менеджеров проекта: искусственный интеллект (ИИ) вас не заменит.

Но ИИ уже здесь, внедрён в офисные инструменты, платформы для совместной работы и ПО для управления проектами, которое вы уже используете. Для практиков проектного менеджмента вопрос состоит не в том, повлияет ли ИИ на их работу, а в том, как использовать ИИ для усиления контроля, координации и поддержки принятия решений. К сожалению, иногда применение ИИ имеет обратный эффект и приводит к неверным решениям из-за использования непроверенной информации.

Вот что ИИ может сделать для вас: представьте, что можно сократить время подготовки черновика документации по инициации проекта с нескольких дней до нескольких часов и потратить это время на интенсивные встречи со стейкхолдерами для сбора обратной связи и поддержания вовлечённости. Или получить оповещение о том, что бюджет стадии рискует выйти за рамки допусков, на целый месяц раньше момента, когда это действительно произойдёт, и иметь возможность провести исследование и принять корректирующие меры без необходимости эскалаций. Это не гипотетические сценарии. Это происходит уже сейчас в проектах практиков, которые научились управлять ИИ-инструментами так же строго, как они управляют проектами.

Менеджер проекта постоянно переключается между контролем, координацией, поддержанием темпа и управлением людьми, часто в условиях временных ограничений и внимания со стороны вышестоящего руководства. ИИ предлагает практические способы снижения административной нагрузки, улучшения идей и повышения эффективности управления по исключениям, не ослабляя инструменты контроля. При мудром использовании ИИ помогает сэкономить время на составлении отчётов и посвятить больше времени взаимодействию с управляющим советом и командой проекта. При бездумном применении ИИ скрывает риски и размывает ответственность.

Существуют три типа ИИ-инструментов, которые вы можете начать использовать уже сегодня, а также новый класс ИИ-систем, за которым стоит понаблюдать. Большие языковые модели (LLM) помогают создавать черновики документов и анализировать информацию. Генерация с использованием дополненного поиска (RAG) создаёт улучшенные результаты за счёт понимания контекста и стандартов вашей организации. ИИ-агенты (AI Agents) могут проактивно отслеживать ход проекта и выполнять заранее описанные задачи. Наконец, агентный ИИ (Agentic AI) – это наметившийся тренд, который собирает множество агентов вместе для более комплексной поддержки проекта.

Основные методологии управления проектами уже отлично подходят для использования ИИ. И PMBOK, и PRINCE2 – оба подхода предоставляют чётко описанные роли, продукты, допуски и точки принятия решений, которые составляют структуру, необходимую ИИ-инструментам для того, чтобы безопасно приносить пользу. Менеджер проекта, который владеет одновременно и методами проектного управления, и ИИ, очень вероятно будет более эффективным, авторитетным и влиятельным. Это реальная возможность, и, для того чтобы ею воспользоваться, нужно понять, как инструменты ИИ работают на практике.

1. Большие языковые модели (LLM): мгновенная ценность с минимальным риском

Большие языковые модели – это ИИ-системы, обученные генерировать и редактировать текст (и не только). Среды ИИ с LLM могут быстро создавать черновики документов, обобщать информацию и проверять результаты, придерживаясь терминологии и структуры выбранного метода управления проектами, фактически являясь интеллектуальными ассистентами проектного менеджера.

Рассмотрим на примере метода управления проектами PRINCE2, что может взять на себя персональный ИИ-ассистент:

• Создание черновиков и обновление управленческих продуктов: документации по инициации проекта, планов стадий, отчётов о статусе проекта, отчётов о завершении стадии.
• Создание понятных описаний продуктов и набросков пакетов работ на основе верхнеуровневых требований.
• Обобщение сложных записей в реестре рисков, реестре инцидентов или журнале извлеченных уроков для передачи на уровень управляющего совета.
• Проверка экономического обоснования или подхода к управлению коммуникациями на понятность, непротиворечивость и логические пробелы.
• Переработка детальной информации о прогрессе команды в краткие формулировки, подходящие для управляющего совета.

Что это даёт:

• Ускорение разработки утверждаемых управленческих продуктов.
• Более последовательное использование терминологии и концепций проектного управления.
• Снижение когнитивной нагрузки от страха чистого листа, освобождение времени менеджера проекта для анализа результатов и работы с командой.

Что менеджер проекта всё равно должен делать сам:

• Валидировать все факты, цифры и допущения. ИИ – это механизм поиска закономерностей, не истина в последней инстанции.
• Адаптировать результаты к особенностям и контексту проекта, стандартам организации и специфике стейкхолдеров.
• Формировать профессиональное мнение и оставаться тем, кто владеет результатом и принимает итоговое решение.

Что управляющий совет и внутренний контроль проекта должны контролировать:

• Чрезмерно идеальные тексты, которые могут скрывать логические ошибки или отсутствие обоснования.
• Логические разрывы между обобщёнными выводами от ИИ и исходными данными в реестрах.
• Ситуации, в которых менеджер проекта становится пассивным проверяющим, а не активным автором и владельцем результатов.

Примеры из реальной жизни: история двух подходов использования ИИ

Позитивный пример. Для нового контракта по закупке оборудования менеджер проекта использовала персонального ИИ-ассистента, чтобы сформировать черновую версию документации по инициации проекта и плана первой стадии. Она загрузила краткое изложение проекта, набросок экономического обоснования и промпт, описывающий структуру документации по инициации проекта. Это позволило сэкономить около восьми часов, которые она инвестировала в интенсивные воркшопы со стейкхолдерами, направленные на валидацию планов и поддержание вовлечённости в проект. Управляющий совет получил хорошо структурированный, непротиворечивый документ для обсуждения, и было видно, что менеджер проекта хорошо владеет содержанием документа.

Негативный пример. Менеджер проекта в режиме жёсткого цейтнота использовал ИИ для генерации отчёта о ходе проекта. Он скопировал результат ИИ прямо в шаблон и отправил его без адекватной проверки. Отчёт был оптимистичным и не смог подсветить критическое отставание из-за зависимости, упомянутой в комментариях по статусу от команды. Отставание было выявлено позже и привело к переделкам и ослаблению доверия управляющего совета к способности менеджера проекта контролировать ход работ.

Обзор инструментов для персонального ИИ-помощника

* Здесь и далее перечисленные инструменты являются примерами доступных вариантов и представлены исключительно в иллюстративных целях. Их включение не является рекламой или рекомендацией.

2. Генерация с использованием дополненного поиска (RAG): встраивание ИИ в вашу бизнес-среду

Генерация с дополненной выборкой или генерация, дополненная поиском, обогащает LLM, дополняя её базой знаний вашей организации, которая включает шаблоны проектных документов, стандарты качества, корпоративные политики и извлечённые уроки. Она отвечает на вопросы и генерирует контент на основании проверенного источника информации, что делает её незаменимой для фокуса на принципе «адаптация к типу и условиям проекта» в управлении проектами. Таким образом, персональный ИИ-помощник становится более интеллектуальным, обладает знаниями о корпоративном окружении, бизнес-контексте, контексте проекта и установленных правилах.

Области практического использования в управлении проектами:

• Проверка первых версий планов или отчётов на соответствие адаптированному и принятому в организации подходу по проектному управлению, принятым стадиям жизненного цикла продуктов и пр.
• Улучшение кросс-проектной согласованности за счёт обеспечения всех менеджеров проекта одними и теми же актуальными и утверждёнными версиями шаблонов и руководств.
• Использование актуальных политик по использованию ИИ для обеспечения взаимодействия ИИ только с одобренными данными и предотвращения бесконтрольных изменений.

 Что это даёт:

• Результаты работы модели соответствуют вашему варианту использования проектного управления и бизнес-окружению, а не просто являются общей рекомендацией.
• Значительное снижение доработок из-за несоответствия документов обязательным требованиям.
• Возможность проследить связь управленческих продуктов со стандартами организации.

Что менеджер проекта всё равно должен делать сам:

• Удостовериться, что база знаний как источник шаблонов, политик, практик и извлечённых уроков актуальна, точна и утверждена.
• Принимать и документировать осознанные решения по адаптации и согласованным отклонениям от стандартных подходов.
• Обрабатывать предупреждения от RAG-моделей о нарушении соответствия требованиям обдуманно, понимая причину существования того или иного правила.

Примеры из реальной жизни: ценность единого источника правды

Позитивный пример. Офис управления проектами внедрил ИИ-систему, обученную на корпоративном адаптированном руководстве по управлению проектами, всех утверждённых шаблонах и проверенной базе извлечённых уроков. Менеджер проекта использовал эту систему для разработки экономического обоснования и планов для внедрения нового программного обеспечения. Инструмент отметил, что предлагаемый подход к управлению рисками был менее объёмным, чем требовалось для проектов такого бюджета, ссылаясь на релевантную политику и извлечённый урок из предыдущего проекта, касающийся рисков кибербезопасности. Эта упреждающая корректировка усилила план и ускорила его утверждение.

Негативный пример. Организация установила ИИ-инструмент, но не поддерживала свою базу знаний в актуальном состоянии. Менеджер проекта использовал инструмент для разработки подхода к управлению данными, полагаясь на заверения ИИ, что результат соответствует корпоративным стандартам. Во время аудита выяснилось, что инструмент ссылался на устаревшую технологическую политику и описанный подход проекта не соответствовал актуальным требованиям. Проект столкнулся с задержками и размыванием ответственности между менеджером проекта, офисом управления проектами и «ИИ-системой».

Обзор инструментов для использования RAG

3. Автоматизированный контроль для управления по исключениям

ИИ-агенты – это программные компоненты, которые отслеживают потоки данных, интерпретируют их с помощью ИИ и запускают оповещения или действия, основанные на заранее определённых правилах. ИИ-агенты обладают достаточной автономией, которая может устанавливаться директивно. Они могут выполнять ряд задач самостоятельно и передавать управление человеку в необходимых случаях.

Практическое использование в управлении проектами на примере практик PRINCE2:

• Практика «Прогресс»: ежедневный мониторинг сроков и бюджета относительно допусков стадии и прогнозирование превышений.
• Практика «Качество»: отслеживание реестра качества, подсвечивание просроченных активностей по управлению качеством или неуспешно завершившихся тестов.
• Практика «Риск»: анализ обновлений реестра рисков и коммуникаций команды для выявления категорий угроз или трендов.
• Практика «Инциденты»: отслеживание времени жизни и статуса инцидентов, выявление возможных превышений допусков.
• Автоматизация создания первых версий стандартных отчётов о статусе проекта из хранилища агрегированных данных.

Что это даёт:

• Предоставляет доступ к информации о потенциальных отклонениях в режиме реального времени, что позволяет перейти от периодического к постоянному контролю.
• Снижает нагрузку от ручных проверок множества дашбордов и реестров.
• Даёт возможность команде и менеджеру проекта принимать корректирующие меры до того, как допуск будет официально превышен.

Что менеджер проекта всё равно должен делать сам:

• Искать корневые причины любых алертов и принимать решения по корректирующим действиям.
• Официально эскалировать исключения на уровень управляющего совета с помощью отчёта об исключениях, когда прогнозируется превышение допусков.
• Вносить записи об алертах, поступивших от ИИ, и принятых по ним решениях в оперативный журнал.

Примеры из реальной жизни: проактивный и реактивный мониторинг

Позитивный пример. В строительном проекте был настроен ИИ-агент для мониторинга данных об обязательствах по затратам в сравнении с планом стадии. ИИ-агент обнаружил, что показатель оформления заказов на закупку был на 15% выше прогноза, и сообщил об этом менеджеру проекта на целый месяц раньше, чем было спрогнозировано нарушение допуска по стоимости. Раннее оповещение позволило менеджеру проекта исследовать проблему, обнаружить недопонимание с поставщиком по спецификации и договориться о корректировке без необходимости эскалации исключения.

Негативный пример. Менеджер проекта настроил ИИ-агента для мониторинга рисков, но не выставил достаточно значимые пороги критических значений и не разобрался в логике работы агента. Последний создавал постоянные, неконкретные оповещения о «повышении отношения к риску», основываясь на ключевых словах из командного чата. Перегруженный информационным шумом менеджер проекта начал игнорировать эти оповещения. Тем временем участник команды озвучил конкретный и важный риск, связанный с доступностью ключевого контрагента, но это событие не отразилось в оповещениях из-за некорректной настройки ИИ-агента и осталось неизвестным до момента, когда риск превратился в реальную проблему.

Обзор ИИ-агентов

4. Агентный ИИ: будущее интегрированной поддержки проекта

Агентный ИИ включает множество специализированных ИИ-агентов (например, для управления рисками, выгодами, расписанием, качеством), работающих скоординированно и направляемых оркестратором. Это создаёт функцию «цифровой поддержки проекта», которая формирует интегрированные представления для менеджера проекта и управляющего совета.

Вероятные способы применения в управлении проектами (на горизонте 12-24 месяцев):

• Управление границами стадии с поддержкой ИИ: агент-оркестратор готовит черновики отчёта о завершении стадии и плана следующей стадии в соответствии с корпоративными шаблонами, поручая специализированным агентам проанализировать данные по производительности, тренды рисков, прогнозы по выгодам и записи о качестве.
• Динамический мониторинг экономического обоснования: выделенный агент постоянно оценивает жизнеспособность экономического обоснования, сопоставляя реальные данные по затратам, обновлённые прогнозы выгод и актуальные риски, чтобы обеспечить непрерывную проверку целесообразности проекта.
• Интегрированный контроль: комплаенс-агент проводит постоянные проверки всех управленческих продуктов и задач проекта на соответствие корпоративным стандартам, предоставляя сводную информацию почти в реальном времени.

На примере PRINCE2 рассмотрим практическую применимость структуры управления проектами для агентного ИИ

Чёткое распределение ответственности в PRINCE2 обеспечивает отличную модель координации для агентного ИИ:

• Агент по выгодам поддерживает менеджера проекта.
• Агент по рискам поддерживает менеджера проекта и внутренний контроль.
• Комплаенс-агент поддерживает внешнее окружение проекта (например, проектный офис) и внутренний контроль.

Цифровые агенты обрабатывают и анализируют информацию, но полномочия по принятию решений безоговорочно остаются у «человеческих» ролей: менеджер проекта предлагает, управляющий совет утверждает.

Ожидаемый пример использования: переход на следующую стадию с поддержкой ИИ

Большая корпоративная программа по внедрению изменений провела пилот по использованию агентного ИИ. Когда первая стадия близилась к завершению, менеджер проекта запросил «комплект документов для границы стадии». Агент-оркестратор поручил специализированным агентам проанализировать данные. Агент по рискам выявил кластер взаимосвязанных рисков, связанных с человеческим фактором. Агент по выгодам обновил прогнозы по метрикам раннего внедрения. Агент по расписанию подтвердил, что все необходимые активности завершены. Оркестратор объединил эту информацию в структурированный отчёт о завершении стадии с чёткими вариантами дальнейших действий для управляющего совета (продолжить проект, отложить, скорректировать). Менеджер проекта использовал этот качественный черновик как основу для своей оценки и рекомендаций. Решение управляющего совета опиралось на надёжную информацию, а менеджер проекта сэкономил дни на формировании отчёта.

Обзор агентных ИИ

5. ИИ и люди

Проекты создаются и реализуются людьми ради людей. Человекоцентричная философия – это необходимая линза для оценки внедрения любого ИИ-инструмента. Принцип распределения обязанностей и закрепления ролей подчёркивает необходимость прозрачной ответственности участников. Элемент «люди» фокусируется на развитии системы взаимодействия, необходимой для достижения успеха. ИИ необходимо применять для укрепления взаимоотношений, усиления человеческих решений и поддержки необходимых связей в проектной экосистеме.

Основополагающие принципы: использование ИИ для усиления человеческих отношений

1. Прозрачность создаёт доверие. Включите ИИ в подход к управлению коммуникациями. Например, чётко укажите: «ИИ-инструменты будут использоваться для создания черновиков и анализа данных с целью повышения эффективности. Все результаты будут проверены человеком, и ключевые решения остаются ответственностью участников, назначенных на проектные роли». На практике это означает включение в отчёты аннотации вида «первая версия документа разработана с помощью ИИ, проверена и одобрена менеджером проекта». Это превращает ИИ из секрета в видимый инструмент повышения эффективности, который не размывает ответственность.

2. Обогащение, а не замена диалога. Цель коммуникации – обоюдное понимание. Используйте ИИ для анализа обратной связи от заинтересованных сторон из опросов, переписки и протоколов встреч. Таким образом можно выявить тренды настроения и общие темы. Однако этот анализ должен быть стартовой точкой для вовлечения людей, а не финальным выводом. Менеджер проекта должен затем провести обсуждения для понимания причин, скрывающихся за трендами. Через прямой эмпатичный диалог создаются сильные взаимоотношения.

3. Управление человеческой стороной изменений. Подход к управлению изменениями обращается к людям, на которых повлияют результаты проекта. ИИ может помочь смоделировать возможное влияние или подготовить черновики материалов для коммуникаций, но он не может получить поддержку или помочь преодолеть страх. Используйте время, сэкономленное на административных задачах, для того чтобы проявить больше проактивного лидерства в управлении изменениями. Сюда входит коучинг, активное слушание и фасилитация обсуждений. Самое главное – открыто транслируйте информацию о том, как ИИ меняет работу команды проекта. Уделяйте внимание беспокойству по поводу сокращения сотрудников, позиционируя ИИ как средство избавления от рутины. Это инструмент, который позволяет освободить время команды для более ценной совместной творческой работы.

Примеры из реальной жизни: важность человеческого участия

Позитивный пример. Менеджер проекта по переезду офиса использовала ИИ-помощника для создания черновика комплексного опроса для оценки вовлечённости. ИИ предложил план коммуникаций, сконцентрированный исключительно на цифровых обновлениях. Понимая, что это оттолкнет менее технически подкованных сотрудников, менеджер проекта скорректировала это предложение. Она использовала сэкономленное время на составление черновика для того, чтобы лично посетить каждое подразделение, провести ознакомительные встречи и ответить на вопросы. Такая человекоцентричная адаптация плана, сгенерированного ИИ, обеспечила намного более сильное вовлечение и снизила сопротивление изменениям.

Негативный пример. В проекте слияния компаний менеджер проекта использовал ИИ-помощника для разработки черновиков всех объявлений для сотрудников на основе безэмоциональных, основанных на фактах новостях. Коммуникации были технически точны, но выглядели обобщёнными и бездушными. Они не отражали признания широко распространённой тревожности. Сотрудники ощущали, что с ними общается система, а не лидеры. Недостаток человеческой эмпатии в подходе к управлению коммуникациями заметно повлиял на моральное состояние и затруднил принятие изменений. Это создало новый риск, связанный с персоналом, который ИИ был абсолютно неспособен ни выявить, ни снизить.

Подведём итоги: так что же делать менеджерам проектов с ИИ?

ИИ сейчас – полезный инструмент для менеджера проекта. ИИ может ускорить создание и проверку управленческих продуктов, сопоставляет результаты с организационными стандартами, обеспечивает раннее оповещение о рисках нарушения допусков. Агентный ИИ обещает будущее, в котором в любой момент будет доступен интегрированный статус по рискам, выгодам, качеству и прогрессу проекта. Главное – осознанное использование. Применяйте ИИ там, где это поддержит существующие практики управления проектом и точки принятия решений, относитесь к результатам работы моделей как к материалам для профессиональной оценки. Начните с малого и фиксируйте извлечённые уроки.

Передовые методы проектного управления, например PRINCE2, дают полный набор необходимых артефактов и правил для безопасного и эффективного использования ИИ: роли, продукты проектного управления, допуски и границы стадий составляют готовый фреймворк.

Начинайте с простого

1. Создайте черновик одного управленческого продукта

Используйте ИИ для создания черновика одного управленческого продукта, например, отчёта о ходе проекта или описания продукта по текущему проекту. Каждый факт и цифру необходимо проверить вручную и сравнить с тем, что было бы написано без использования ИИ.

2. Обобщите ключевые риски для управляющего совета

Выберите от трёх до пяти детальных записей о рисках и попросите ИИ перефразировать их в терминах, понятных управляющему совету. Проверьте, что причины, влияние и меры реагирования чётко сформулированы, и не потерялось ли что-то важное.

3. Протестируйте ИИ на существующих шаблонах

Если у вас есть корпоративные шаблоны или адаптированные рекомендации по управлению проектами, загрузите их в ИИ и попросите составить часть документации по инициации проекта с использованием корпоративной структуры и терминологии. Оцените, насколько результат соответствует принятой практике.

И главное, экспериментируйте открыто, документируйте выученные уроки и коммуницируйте с заинтересованными сторонами. Самыми успешными будут не те менеджеры проектов, которые используют ИИ по максимуму, а те, кто делает это осознанно, этично и в интересах принятия более качественных решений.