Project-менеджмент с AI: как меняется роль project-менеджера в эпоху генеративного искусственного интеллекта

Лишь 35% проектов, которые запускаются по всему миру, приводит к успеху. Такие данные получили в Standish Group на основе недавнего исследования. Жан Клушке, project-менеджер с успешной реализацией ключевых проектов в технологических компаниях и стартапах, объясняет большой процент неудач отставанием с внедрением AI и ML в project-менеджменте. Жан выступил нашим консультантом из числа практиков отрасли при подготовке статьи. Вместе с экспертом, мы разберемся в тех изменениях, которые «проджектам» приносит экспансия в профессию «искусственного интеллекта».

Аймира Куаныш, редактор The Tech media

Жан Клушке — опытный практик. В его портфолио проекты, принесшие заказчикам миллионы долларов. Среди них: Demo Day и Pitch Deck для инвесторов, ежемесячные follow-up-ы и систематизация документации по проектам. Для части процессов, связанных с этой работой, с успехом был применен генеративный AI.

Использование новых IT-инструментов для повышения эффективности project-менеджмента может сэкономить бизнесу гигантские суммы. Есть цифры, что каждый год по всему миру в проекты поступают инвестиции в размере $48 триллионов. Если 65% от этих сумм, как следует из статистики Standish Group, просто пропадает, то у компаний есть веские причины поскорее внедрить в работу любые инструменты, которые гарантируют в проектах результат. Именно повышению результативности может способствовать AI.

Будущее project-менеджмента: каким он будет

По данным исследовательского агентства Gartner, к 2030 году 80% задач в сфере project-менеджмента будет выполняться AI. Как это будет выглядеть? Представим себе специалиста, например, телекоммуникационной компании. Статус проекта, прогресс достижения целей по семи ключевым стратегическим проектам компании, он проверяет в приложении на смартфоне. Два «тапа» и руководитель получает информацию об уставах проекта, степени участия ключевых заинтересованных сторон и даже уровне морального состояния команды, работающей по этому проекту. Фантастика?

Но наиболее востребованные платформы на основе искусственного интеллекта, в частности, ClickUp AI, Asana AI, Notion AI, Jadve, Trello c AI уже умеют многое из того, что было перечислено. Ситуация в project-менеджменте такова, что многие AI-инструменты для самоанализа, автоматизации управления командой, обработки документов уже появились. Тем временем, большинство менеджеров проектов все еще полагаются на слайды и таблицы, опасаясь новых технологий или не зная, как правильно их внедрить в свою работу.

Проблема со слайдами и таблицами в том, что они работают только тогда, когда производительность в проекте измеряется только дедлайнами и результатами к определенному моменту времени. С современными адаптивными методами работы, тем же Agile, подобные инструменты совместимы слабо. Из актуальных инструментов проектного управления достаточно широкое распространение получили лишь AI-системы управления портфелем проектов.

AI-инструменты в сфере project-менеджмента на сегодняшний день могут:

— сопоставлять текущие показатели проекта с критериями результативности, установленными project-менеджером и командой на этапе запуска

— информировать в мобильном или веб-приложении CEO о любых изменениях, которые требуют внимания, а также об обнаруженных нейросетью в автоматическом режиме рисках

— приоритизировать мероприятия проекта по важности и предлагать руководителю решения

— умные ассистенты, работающие по принципу чат-бота, помогут на встречах: сформируют план проекта и обновят его, если приняты решения об изменениях. Отправят информацию об этом всем членам команды и заинтересованным лицам. 

В таких условиях project-менеджер сможет сосредоточиться на обучении команды, разработке мер поддержки проектов и сотрудников, общении с внешними стейкхоледрами. Если в проекте возникнет спад результативности, AI-инструмент сам активизируется и выдаст заинтересованным членам команды рекомендацию начать новый «виток» цикла Agile, чтобы процесс достижения целей проекта был быстрее проанализирован и пересмотрен, а затем улучшен.  

Пять аспектов project-менеджмента, на которые оказывают влияние AI-инструменты  

Искусственный интеллект повышает эффективность project-менеджмента, прежде всего за счет приоритизации, более эффективного информирования руководства о статусе проектов, их документирования, тестирования, уникальных возможностей генеративного AI и «умных» ассистентов project-менеджера.

1. Приоритизация  

Какой проект следует реализовать в первую очередь, а какой — потом? Алгоритмы машинного обучения и нейросети имеют преимущество перед project-менеджером-человеком в этом вопросе, потому что быстро и в полном объеме могут «обходить» всю, имеющую к проекту отношение информацию. Также искусственный интеллект лучше справляется с другими задачами, которые связаны с приоритезацией проектов:

— лучше идентифицирует проекты, для которых многое у компании уже есть
— не вносит в анализ человеческих предрассудков или ошибок восприятия
— за счет всеобъемлющего, а не выборочного анализа информации, лучше балансирует между портфелем проектов и оценкой рисков для организации.

Свои преимущества AI демонстрирует только в том случае, если ему доступны качественные наборы данных, имеющих отношение к проекту. Если в данных много ошибок, они недоступны или не отформатированы, то качество анализов и рекомендаций от ИИ резко снижается.

2. Информирование руководства 

Результативность в проектах нередко страдает по причине неполноты информации, которую получает менеджмент от отделов, отвечающих за PMO. С AI гораздо легче наладить эффективную циркуляцию информации о прогрессе в достижении целей проекта.

Самый известный современный пример проект во французском госсекторе. С его помощью президент страны, Эммануэль Макрон может буквально в реальном времени следить за метриками в ключевых государственных проектах. Умные инструменты радикально преобразовали то, как работают PMO:

— мониторинг по критериям результативности с AI лучше
— AI можно передать автоматическое составление отчетов и их распространение среди членов команды, также «умное» программное обеспечение может самостоятельно собирать обратную связь по присланным отчетам
— более полный анализ информации с нейросетями позволяет принимать более компетентные решения по выборе методологии проекта
— машине можно почти полностью передать мониторинг соответствия политикам и процедурам компании.

PMO с помощью AI может достичь повышения эффективности в десятки раз.

3. Описание проекта, планирование, отчетность, риски

Новые приложения на основе AI для project-менеджмента используют для анализа и рекомендаций Big Data, машинное обучение. Тем самым удается более эффективно учитывать риск, планировать и описывать проекты. Если говорить о рисках, уже AI-системы могут давать рекомендации по решению найденных проблем.

Вскоре такое программное обеспечение будет способно самостоятельно редактировать планы и описание проекта, редактируя их с целью устранения рисков некоторых типов еще на этапе проектирования работы. Улучшения, связанные с описанием проекта, планированием, отчетностью и рисками в проекте, обусловленные AI обеспечиваются тем, что он лучше:

— определяет область применения проекта, так как может учитывать всю обратную связь от пользователей, ничего не пропуская
— детализирует планы и выделяет ресурсы, так как «не забывает» ни об одной детали из документации к проекту. 

На практике, подготовка многих видов отчетности по проекту может быть полностью автоматизирована. Например, при правильном внедрении AI, в проектах отпадает необходимость в подготовке ежемесячных отчетов вручную.

4. Виртуальные ассистенты в проекте

Большие языковые модели, чат-боты на AI и технологии синтеза речи преобразили многие сферы. В project-менеджменте так же появляются умные помощники. Например, Oracle недавно выпустила AI-ассистента PMOtto.

Если дать боту задание: «Пусть сотрудник создаст сайт-визитку к следующей неделе, выдели ему нужные для этого ресурсы», то ответ бота может выглядеть так: «Исходя из практики предыдущих проектов выбранного сотрудника на реализацию проекта, который вы хотите ему поручить уйдет две недели. Внести исправления в план проекта?».

5. Продвинутые системы тестирования

На данный момент трудно найти крупную компанию, не использующую в разработке системы тестирования. С AI их эффективность и круг задач в сфере проверки, которые можно автоматизировать — существенно возрастают.

Новая роль project-менеджера 

Для многих project-менеджеров автоматизация в эру генеративного AI становится одной из главных задач. Настоящие профессионалы не боятся «умных» инструментов, а учатся применять для достижения преимуществ перед конкурентами.

В будущем, возможно, команды, занимающиеся project-менеджментом будут мыслится не как группы специалистов, а как единство специалистов-людей и роботизированных систем. Специалистам в этой ситуации нужно развивать то, что AI на себя взять не в состоянии: soft skills, лидерство, стратегическое мышление. Project-менеджеры будущего отвечают за стратегию, оставляя рутину нейросетям.

Важность подготовки данных 

Стоит поговорить и о данных для машинного обучения. Любой AI-инструмент, умные ассистенты, в частности, опираются на предварительно обучение AI на качественных наборах данных. Без них у нейросети, способной генерировать решения и предлагать рекомендации нет контекста и «опыта», чтобы выработать какую-либо оценку происходящего. Возможно, у организации, запускающей проект, есть терабайты данных о предыдущих проектах или связанные с проектом, но эффективно обучить на них AI-помощника или другое нейросетевое программное обеспечение не получится. Быть может, эта информация рассредоточена по разным файлам, представлена в сотнях форматов, имеет разные таксономии и содержит много аномалий, то есть непонятных мест, которые нейросеть не может обработать, потому что данные нестандартны. Практика показывает: примерно 80% времени, которое занимает внедрение AI, уходит именно на подготовку данных для машинного обучения. Наборы данных перед ML проходят много стадий обработки, в том числе сбор и очистку. Если вы, как project-менеджер, твердо решили внедрить те или иные AI-инструменты в свою практику, то вам нужно трезво ответить на ряд вопросов.

1. Готовы ли вы потратить время, возможно, месяцы на реорганизацию данных для машинного обучения?
2. Готовы ли отказаться от предубеждений или консервативных привычек в project-менеджменте вроде ежемесячных отчетов результативности?
3. Позволите ли вы AI-окружению ошибаться, пока идет «притирка» созданного программного комплекса к вашему контексту?
4. Готовы ли вы ждать до года, пока AI-инструменты начнут по-настоящему «возвращать инвестиции»?

Если на все вопросы вы ответили «да», то готовы к применению инструментов project-менеджмента на основе искусственного интеллекта.

Project-менеджер — робот?

Специалисты по нейросетевым технологиям, занимающиеся созданием средств автоматизации бизнес-процессов project-менеджмента, нередко прогнозируют появление AI-инструментов, которые смогут сами руководить проектами даже без участия человека. Но такие прогнозы делаются в отношении многих профессий.

В действительности, большие языковые модели, ставшие в project-менеджменте наиболее востребованным инструментом, представляют собой, скорее высокотехнологические анализаторы речи, чем искусственный интеллект в том смысле, в котором его видят фантасты.

Это значит, что решения по-прежнему за человеком, а роль AI пока — роль инструмента. Правда настолько важного, что умение работать с ним определит: кто уйдет, а кто останется на рынке профессионалов project-менеджмента.