Человек ИИ друг: как ИИ-агенты трансформируют проектную работу
Фото: Анна Горбань / Росконгресс
Старший вице-президент, руководитель блока «Технологии» Сбера Кирилл Меньшов — о том, как подход AI-Disrupt PDLC меняет управление проектами в эпоху генеративного ИИ (GenAI).
Ранее роль руководителя проекта подразумевала обязательный набор рутинных действий: расписания, таблицы, статусы и так далее. Сегодня изменились не просто инструменты, но и сама операционная логика. Генеративный искусственный интеллект взял производство артефактов на себя и поставил специалиста перед выбором: быть исполнительным мастером процессов или архитектором смыслов.
AI-Disrupt PDLC: новая логика построения продуктов и процессов
Это смещение — не изолированное явление в отдельно взятой профессии, а часть более широкого подхода, который в Сбере получил название AI-Disrupt PDLC. Подход перестраивает разработку продуктов вокруг искусственного интеллекта: меняются процессы, архитектура систем и роли сотрудников. Ключевая идея в том, что ценность создает не сама нейросеть, а среда ее применения — то, как выстроены контекст, правила и контроль вокруг модели. ИИ-агенты берут на себя рутину, код и проверку, а люди ставят задачи, задают смыслы и контролируют качество.
AI-Disrupt PDLC как подход применим в первую очередь к практикам разработки с использованием ИИ, но те же принципы находят применение и в других областях. Внедряются контекстная настройка ИИ, автоматические правила безопасности и автономные помощники. В итоге получаем эффект в виде ускоренного выхода на рынок, роста продуктивности и гибкости бизнеса. Одно из таких направлений — то, как ИИ-трансформация меняет управление проектами.
Что это значит для управления проектами
Такой путь уже пройден в смежных областях: от Vibe Coding, где разработчик делегирует написание кода ИИ, забывая о коде как таковом, до Vibe Working, расширяющего этот принцип на любые профессии. В основе Vibe Working лежит несколько классических практик управления (зачем / что / кто / как / критерии приемки / обратная связь), разделенных на две петли: петля намерения (Intent Loop) — за человеком (видение, цели, стандарты) и петля реализации (Implementation Loop) — за ИИ-агентами (исполнение, план, контроль).
В проектном контексте эта логика выглядит так: руководитель остается в петле намерения, задавая смыслы и критерии приемки результата, а ИИ-агенты закрывают петлю реализации (расписания, отчеты, риски, коммуникации). Менеджер освобождается от рутины и сосредотачивается на лидерстве и стратегических решениях, тогда как ИИ берет на себя предсказуемую исполнительскую логистику. Руководитель проекта управляет преимущественно через постановку намерений, контекста и направления, делегируя искусственному интеллекту рутинные аналитические и операционные задачи, и фокусируется на суждении, стейкхолдерах и смыслах.
Трансформация роли руководителя проектов
Еще недавно большое количество рабочего времени руководителя проектов уходило на сбор данных, подготовку статус-отчетов и координацию задач. Сейчас искусственный интеллект генерирует сводки по статусу из данных в реальном времени, протоколы рождаются из транскриптов встреч, риски анализируются на основе исторических паттернов. Эксперты отмечают: его работа сдвигается «от операционного исполнения к стратегическому лидерству».
Все это не конец профессии, а ее глубокая реструктуризация. GenAI перестраивает саму операционную модель. Человек отвечает на вопросы «что и зачем мы строим» и «каковы критерии приемки результата». Искусственный интеллект отвечает на вопрос «как именно строим», а также дает обратную связь по исполнению.
Поэтому руководитель проектов будущего не тот, кто все делает руками, а тот, кто знает, как сформулировать цели, какие задачи доверить агентам, как сконструировать контекст, в котором они будут эффективно работать, и как валидировать результаты.
Какие навыки выходят на первый план
В результате навыки технического планирования, формирования документации, ручного трекинга становятся не такими актуальными, как прежде. На передний план выходят этическое суждение в условиях неопределённости, построение доверия со стейкхолдерами, регуляторный комплаенс и умение управлять гибридными командами из людей и ИИ-агентов. В фокусе оказывается контекстная инженерия: не «написать промпт», а спроектировать, что должен знать агент, какие данные ему нужны и где требуется человеческая верификация. Архитектура работы тоже меняется: мы приходим к агентным системам, которые получают намерение, планируют шаги, вызывают инструменты и других агентов, проверяют результаты и возвращают исполнение.
Представьте себе рабочее утро, которое руководитель проекта начинает не с разбора почты, а с дашборда своего ИИ-агента. За ночь агент собрал три сводки по активным проектам, объяснил причину отклонения по одному из них и предложил три сценария, из которых надо выбрать оптимальный. Рутина отдана агентам, но человек по-прежнему лидирует то, в чём он незаменим: отвечает за доверие, контроль и смыслы.
Какие вызовы появляются
Однако, у этой трансформации есть подводные камни:
слепое доверие к искусственному интеллекту: руководитель теряет чутье и не может распознать ошибку агента;
межагентный каскад: один агент передает непроверенное сообщение другому, вызывая масштабную ошибку прежде, чем человек успевает отреагировать;
атрофия навыков: если реестры рисков составляет искусственный интеллект, руководитель перестает замечать нетипичные риски.
Что же делать?
На первом этапе необходимо выделить 5–7 задач, которые отнимают время и не требуют участия человека, и делегировать их ИИ-агентам. На втором — внедрить фоновый мониторинг, контекстную инженерию и валидацию результатов. На третьем — обозначить границы автономии каждого агента: что он делает сам, а что согласовывает с человеком. Менеджеру, который управляет портфелем проектов, нужно создать библиотеку ролевых архетипов агентов, ввести роль агента-оркестратора и инвестировать в управление данными.
Какие задачи оставить себе, а какие отдать машине, человек должен выбрать самостоятельно. Полезной будет практика «периодов без агентов» и ротации задач: регулярная практика ручного управления сохранит критическое мышление и эмпатию в командах. При этом ответственность за результат по-прежнему лежит на человеке. Компания может делегировать ИИ-агентам исполнение, но не моральные и юридические риски. Бизнес, регуляторика и человеческие отношения сходятся на руководителе проектов, который выступает медиатором смыслов: переводит данные в доверие, алгоритмы — в политики, рекомендации — в решения.
Что дальше
Будущее управления проектами — это не борьба человека против машины, а перераспределение труда, когда человек возвращается к истинно человеческому: ставит цели, обозначает ценности и отвечает за последствия. Искусственный интеллект многое делает быстрее и дешевле, но есть вещи, которые не надо автоматизировать. Новая задача руководителя проектов — максимально чётко формулировать намерение, чтобы система могла действовать, но при этом быть готовым вмешаться там, где цена ошибки слишком высока.
Готовность к этому переходу обеспечивают зрелость данных, культура эксперимента и институциональные рамки: конституции агентов, Agent-2-Agent протоколы взаимодействия, программы защиты навыков РП. В эпоху, когда машины берут на себя рутину, мышление остается самым ценным ресурсом. Ключевой вопрос в том, как делать быстрее, сохраняя осмысленность. Потому что скорость не может быть самоцелью, она лишь прикладывается к качеству, которое есть и будет во главе угла.
Направление трансформации проектного управления развивается в общей логике AI-Disrupt PDLC усилиями команд и экспертов, которые формируют новые практики в своих областях. Логика намерения и исполнения, показанная здесь на уровне отдельного проекта, — часть более полной концепции, которую команда Сбера продолжает развивать для программ и портфелей проектов, а не только для отдельных инициатив.
Еще по теме
