ИИ для руководителей проектов

На фоне ажиотажа, который возник вокруг ИИ, решил обдумать - можно ли в реальности использовать ИИ для нужд своей команды.

Я работаю в вендоре. Моя команда относится к сервисному департаменту. Мы отвечаем за сопровождение и успех наших продуктов в премиальных заказчиках, а также за реализацию проектов внедрения разрабатываемого компанией ПО.

Сначала пара слов о том, какое место ИИ занимает в моей жизни. Я определённо не тот человек, жизнь которого строится вокруг ИИ. Восторги от использования ИИ мне напоминают восторг человека, который купил свой первый шуруповёрт и, внезапно для себя, нашёл ему тысячу бытовых применений. Однако я стал замечать, что взаимодействую с ИИ каждый день, и тому есть две основных причины:

В начале года я прошёл пару обучающих курсов по ИИ для руководителей проектов. Для решения кейсов необходимо было использовать одну из больших языковых моделей на выбор. Я использовал DeepSeek.Сами курсы в этой статье затрагиваться не будут, но я поделюсь выводами относительно использования ИИ для нужд руководителя проектов.

Обучение проходило на примере проекта из лишь поверхностно знакомой мне предметной области. Если бы я выполнял задания самостоятельно, без использования ИИ, то для получения результата сопоставимого качества мне пришлось бы потратить огромное количество времени. При этом, бОльшая его часть была бы потрачена на восполнение недостающих знаний и только меньшая часть - на выполнение самого задания. Вероятно, некоторые задания я бы в принципе не смог выполнить в одиночку, без помощи людей, имеющих релевантную экспертизу.

Использование ИИ, несмотря на достаточно базовый навык промпт-инжиниринга, позволило:

С ИИ знания становятся более доступными, чем когда-либо. То, что возможно ввести запрос и получить ответ, построенный на результатах анализа десятка сайтов и PDF на десятки и сотни листов, одно это ускоряет процесс обучения в разы.

В добавление к этому каждый из нас получает консультанта по широкому спектру вопросов и собеседника, об которого можно “обстучать” идею.

ИИ доступен в любое время, а значит процесс обучения можно не откладывать и погружаться в предмет сразу, когда возник запрос/интерес.

Однако использовать ИИ для обучения стоит, только если вы умеете работать с информацией. Я хочу сказать, что сгенерированные нейросетью ответы нельзя принимать как безоговорочную истину и просто укладывать себе в голову. При взаимодействии с ИИ на первый план выходят навыки критического мышления.

Каждый из нас хочет иметь сотрудников и коллег, которые с полуслова понимают нашу потребность и что нужно сделать для её реализации, коллег, результаты работы которых не нужно будет перепроверять. Добавим сюда, что такому человеку нужно обладать релевантной экспертизой и знаниями, и станет очевидно, что найти такого коллегу может быть очень непросто.

ИИ-ассистент может восприниматься как эксперт во многих областях знаний, но быть коллегой, с которым вы “на одной волне”, он не может, по крайней мере сейчас, по следующим причинам:

Галлюцинации ИИ - ситуация, когда генеративная модель выдаёт в качестве результата вымышленную информацию. Даже поверхностное знание предметной области создавало у меня чувство, что с результатами что-то не так. Поэтому каждый ответ приходилось ставить под сомнение. И не напрасно: часто находились выдуманные факты и результаты, не поддающиеся критическому анализу. Это ещё больше снижало степень доверия к ИИ.

У ИИ своё чувство прекрасного. Например, если попросить его сгенерировать перечень всех рисков по категориям, то в результате будет одинаковое количество пунктов под каждую категорию. ИИ сам признаётся, что выкидывает часть пунктов, чтобы в каждой категории их было одинаковое количество. Потому что так “красивее”. У каждого своё понятие о красоте.

Я спросил у DeepSeek, что для него “красота”:

Есть некоторый шанс, что ваше понимание красоты именно такое, но если нет, то вам придётся проделать некоторое количество дополнительной работы, чтобы привести результаты работы ИИ в соответствие с вашим чувством прекрасного.

Развивая мысль из предыдущего пункта, к результату, который выдал ИИ, нужно подходить предельно критически.

Что руководителю проекта в первую очередь нужно от ИИ? Результаты, которые:

Чтобы убедиться, что пункты 1 и 2 выполняются, придётся заставить нейросеть подвергать сомнению свои же ответы, задавать себе и вам уточняющие вопросы, а также самому предельно критически оценивать полученный результат.

Для того, чтобы получить результат одной атомарной задачи, мне приходилось писать подробный промпт-инструкцию и делать ещё порядка пяти подходов для “доведения результата до ума”.

Такое взаимодействие с ИИ может быть неплохим тренажёром для руководителя, которому нужно погрузиться в задачу/проект сотрудника, используя тактику “задавай много вопросов”.

Если задать ИИ комплексный, сложный вопрос, то результат его работы будет слишком сложно доводить до ума. Это либо займёт слишком много времени, либо будет просто невозможно. Использовать ИИ станет нецелесообразным.

Если это возможно, разделите запрос на несколько маленьких, проработайте каждый и соберите результаты вместе при помощи дополнительных промптов.

Для получения качественного ответа от ИИ нужно:

На ИИ можно формировать навык постановки задачи стажёру (с той поправкой, что, в отличие от ИИ, стажёр обладает базовыми или нулевыми знаниями).

С ИИ можно проработать, например, неплохой план проекта. Однако при его реализации вы споткнётесь о то, что ИИ не в курсе тех нюансов, от которых зависит успех проекта:

Это нормальная ситуация в том смысле, что невозможно составить план и в неизменном виде пронести его через весь проект. Однако важно правильно оценивать выданный ИИ результат, чтобы изначально не заложить в проект его провал.

Суммируя описанное выше, я вывел для себя, что ИИ - это приглашённый консультант. У него большой багаж знаний, но он ничего не знает о вас, вашей компании, вашем заказчике/подрядчике и продукте. Он может знать только то, чем вы с ним поделитесь. В качестве приятного дополнения он может не только консультировать, но и делать задания по нашей просьбе. Полученный результат нужно будет вдумчиво проанализировать и адаптировать под реалии вашего бизнеса.

И точно так же, как и с внешним консультантом, ИИ имеет смысл использовать, если полученные выгоды перекрывают понесённые затраты.

Здравый смысл и регламенты информационной безопасности требуют, чтобы ИИ располагался внутри контура организации. В этом случае модель можно дообучить на данных компании: процессы, регламенты, базы знаний, текущие и архивные проекты и т.д. Такой помощник будет потенциально более полезен и сможет:

Если в вашей компании ещё нет ИИ-практики, то для её внедрения нужно будет понести ряд затрат:

При этом, в компании (вендоре) уже есть штат сотрудников, которые в деталях знают свои проекты, заказчиков и продукты компании. Выгоды, которые получат руководители проектов от внедрения ИИ, не слишком очевидны и зависят от команды к команде.

Тему внедрения ИИ часто пытаются представить как дилемму - во что вкладываться: в ИИ или в развитие команды и экспертизы отдельных её сотрудников? Считаю, что одно другого не отменяет. Главное понимать, что внедрение ИИ не отменяет задач по развитию сотрудников и формированию команд.

На рынке представлено множество ИИ-решений. Определённо нужно погрузиться в их различия, чтобы сделать какие-то общие выводы. Но если говорить исключительно о DeepSeek - можно развернуть его в контуре компании и доубучить его на корпоративных данных. Однако я бы не стал выбивать бюджет под LLM для нужд своей команды. Затраты очевидны, а преимущества слишком сомнительны. Текущее состояние рынка обязывает тратить бюджеты рационально. При текущем уровне развития технологии первый шаг должен быть сделан в рамках многолетней стратегии развития ИИ, но никак не по инициативе отдельных команд для закрытия локальных потребностей.