AI Project Manager Assistant: Как я за 600 страниц диалога с Gemini научил ИИ делать работу IT Project Manager
Хочу поделиться реальным опытом работы с нашумевшим ИИ. Без красивых сказок, only real shit на практике. Знакомство с этой технологией далось мне не сразу, сначала пришлось на своей шкуре пройти все классические 5 стадий от отрицания и гнева до депрессии и итогового принятия
Кризисное время и тренд на урезание костов подталкивают бизнес внедрять нейросети. Меня эта волна тоже накрыла
К концу 2025 года в продукте, где я работаю IT Project Manager-ом, началась жесткая оптимизация расходов. Если говорить как есть, то пошли сокращения рабочих рук. Я не буду говорить про отделы саппорт, сейлзов или аккаунтов, расскажу исключительно про свою боль и оптимизацию роли PM-а.
В лучшие времена в продукте нас ПМ-ов было трое. На сегодняшний день я остался один и тренд на «growth at all costs» сменился на тренд с оптимизацией .Объем работы никуда не делся, а ресурсов, временных и банальной оперативной памяти в моей голове, стало катастрофически не хватать.
Нужно было срочно как-то выживать, чтобы кран не потек окончательно. Я решил, что начну оптимизировать свою работу с автоматизации самой душноты: сбора требований, описания и постановки задач в таск-трекер (старую добрую Jira).
Иллюзии из рилсов и столкновение с реальностью
Как я решился перейти на темную сторону? Признаюсь честно: меня забайтили шортсы и рилсы, где крипто-бро и инфобизнесмены рассказывают, как они наняли ИИ-агентов и теперь пьют кофе на Бали, пока GPT управляет их бизнесом. Ничего, кроме агрессии, эти видео у меня не вызывали. Но однажды я подумал: хрен с вами, давайте попробуем, что вы там так усиленно продаете.
Спойлер: я не покупал курсы и не проходил дополнительных обучений. На всё про всё мне понадобилось примерно 600 страниц любовного диалога с Gemini. Так что, если получилось у меня, то и у вас проблем быть не должно (а если что я подскажу).
Итак, с чего всё началось. Моя изначальная задумка была до наивного простой: сейчас я подключу Claude или Gemini, буду кидать ему текст прямо в терминал, он сам попросит у меня аппрув в диалоге и пойдет создаст таску в Джире.
Но сам же Gemini меня практически сразу и приземлил.
Оказалось, что голая нейросеть сама по себе ничего не может. "Это просто «мозг в банке», который оживает на секунду, когда получает токен, и так же умирает, ничего не запоминая. Тем более, он не умеет сам нажимать на кнопочки, ходить в корпоративную Jira и заводить тикеты"
Чтобы собрат реально работал и приносил пользу, ему нужна среда исполнения (оркестратор). ИИ -_- это только мозг. Ему нужны «руки».
Сборка MVP: первые шаги моего искусственного собрата
В качестве оркестратора Gemini посоветовал мне использовать Make.com, так как там отлично проработаны модули интеграции со сторонними сервисами, это не реклама, а то что использовал я)
Так начала рождаться первая MVP-версия моего ИИ-агента. Архитектура выглядела до смешного просто: Slack (Уши) ➔ Gemini (Мозг) ➔ Jira (Руки)
Логика была следующей. Раньше я открывал в соседнем окне браузера ChatGPT, чтобы уточнить технические нюансы, вплести их в задачу на основе моего контекста, а потом руками копировал это в Jira.
Теперь я просто пишу в рабочий Slack: !task Добавь кнопку регистрации. Вебхук ловит это сообщение, нейросеть переваривает его под мои требования и автоматически ставит задачу в Джире. Дальше я выступаю исключительно в роли ревьюера: иду в созданный тикет, проверяю за своим искусственным собратом, вношу коррективы и отдаю в разработку. Я полностью скипнул рутинный этап ручного переноса информации из одного окна в другое.
Победа? Как бы не так.
Магия действительно сработала, и физические трудозатраты на создание карточек сократились. Но радость была недолгой.
Когда я сам начал анализировать первые сгенерированные тикеты, стало понятно: хоть эту штуку и называют искусственным "интеллектом", до реального интеллекта там как до Китая раком. Полагаться на такого постановщика задач было просто небезопасно, да и показать эти тикеты разработчику без редактирования я не мог и не хотел. Нейросеть была абсолютно лишена контекста и заливала описание беспросветной «водой» везде, где не понимала своих границ.
Тут мне приходит в голову отсылка к аниме «Евангелион». Помните концепцию комплементации человечества? Когда стираются личные границы (A.T.-поля) и наступает абсолютная свобода, все люди растворяются, сливаясь в единую бесформенную лужу первичного бульона (LCL). Никакой формы, никакой индивидуальности -_- просто бесконечная оранжевая жижа.
С нейросетями работает тот же самый закон. Голая LLM без жестких рамок это и есть тот самый первичный бульон. Абсолютная свобода приводит к слепой генерации водянистого бреда, потому что ИИ пытается угодить всем и сразу, размазывая мысль. Настоящая ясность ума и способность к глубокому анализу появляются у нейросети только тогда, когда ты возводишь вокруг нее глухие стены из ограничений и контекста.
Более того, в нашей Jira настроена жесткая структура с необязательными контекстными полями, которые по сути составляют наши DoR (Definition of Ready) и DoD (Definition of Done). И вот, не имея этих самых A.T.-полей в промпте, собрат не мог показаться себя во всей красе. Не зная нашего продукта, он выдавал абсолютно оторванные от реальности придумки, лишь бы просто заполнить пустоту. Практически каждая сгенерированная задача требовала ручного редактирования. Получилось, что я снова тратил кучу времени, только теперь не на тупые Ctrl+C/Ctrl+V, а на мучительное вычитывание описания задачи, осмысление и исправление ошибок.
Я стал думать, как вытащить моего искусственного собрата из этого «первичного бульона» и сделать по-настоящему умным, отталкиваясь исключительно от того, что реально нужно мне для постановки корректных задач
В следующих частях я расскажу, как помимо базового «мозга» мой ИИ-братишка обрел зрение и долговременную память. Как он научился понимать контекст, осознавать, кто он такой и на каком этапе разработки находится. Я покажу, как научил его не только ставить задачи, но и задавать мне встречные уточняющие вопросы, если вводных не хватает.
А в самом финале этого цикла я раскрою наш итоговый пайплайн полноценной автоматизации, где ИИ не только описывает тикеты, но и сам пишет по ним код. Сразу спойлер: живой разработчик из этого процесса не исчезает, но его роль меняется кардинально -_- из простого «писателя кода» он превращается в архитектора-ревьюера.
Но обо всем по порядку. Во второй части будем вкачивать в ИИ архитектуру компании, отдавать ему контекст и отучать лить воду.