Менеджмент

5 сигналов срыва спринта за 2–3 спринта раньше: готовые промпты для ChatGPT и Gemini

Статус-митинг по пятницам. PM открывает слайд: «Мы на две недели отстаём от плана». Руководитель спрашивает: «Когда стало понятно?» PM честно отвечает: «Неделю назад, когда собрал данные для отчёта».

Проблема системная. Статус-отчёты описывают прошлое. К моменту, когда отклонение попадает в слайд, команда уже живёт с ним несколько дней, заинтересованные стороны уже слышат тревожные сигналы в коридорах, а окно для дешёвого реагирования закрылось.

Данные, которые могли бы предупредить о проблеме, всё это время лежали в Jira и GitHub. Просто никто не смотрел на них под нужным углом.

Эта статья – для PM, работающих с Jira, Asana и GitHub. Если вы управляете строительными проектами и ваши данные в 1С:ERP, ЦУС или Spider Project – версия для строительства выйдет отдельно: субподрядчики, поставки, КС-формы и календарный план вместо спринтов и коммитов.

P5.express и агентный ИИ: где помогает, где ломает

В PMI-мире принято думать о портфельном управлении как о чём-то монументальном: комитеты, Tableau, сотни полей в Jira, еженедельные статус-митинги с колодой слайдов. P5.express предлагает другое. Три цикла, пять документов, две роли. Система умещается на одном листе.

Именно к такой системе разумно приставить агентный ИИ: минималистичная архитектура понятна, роли чёткие, данные структурированы. Но «разумно» не значит «везде». Некоторые части P5.express при автоматизации перестают работать – не потому что ИИ плохой, а потому что смысл этих частей именно в человеческом процессе.

Ниже – разбор по каждому циклу. Что стоит делегировать агенту, что лучше оставить людям, и какая модель для этого подходит в реалиях России.

ИИ и ритм проекта: как менеджеру освободить 300 часов в год

Двенадцать часов в неделю. Столько времени типичный проектный менеджер тратит на отчёты, обновления планов, переписку со стейкхолдерами и отслеживание рисков. Это почти треть рабочего времени, которая уходит не на принятие решений, а на их оформление.

С ИИ это время сокращается до трёх часов. Но только при одном условии: ИИ должен быть встроен в операционный ритм работы, а не использоваться эпизодически – «когда вспомнишь».

9 вопросов к себе: вы используете AI или AI – вас?

Недавно я составлял коммерческое предложение для нового клиента. Сумма была нестандартная, условия – тоже. Внутренний голос говорил: ставь X, ты знаешь этот рынок. Но я решил «проверить» через Claude. Модель выдала аргументированный ответ с другой цифрой – на 15% ниже моей оценки. Звучало убедительно. Я поменял цифру.

Через неделю клиент подписал без торга. И вместо удовлетворения я почувствовал раздражение: а что, если моя первоначальная цифра тоже прошла бы? Я никогда не узнаю – потому что в момент принятия решения подавил собственное суждение ради «статистически обоснованного» ответа алгоритма.

Это и есть тот самый паттерн, который исследователи Anthropic называют Disempowerment – потеря контроля. Не драматичная, не очевидная. Просто тихая замена «я решил» на «AI подсказал».

AI не экономит время – он его уплотняет: 8 месяцев наблюдений

Компании беспокоятся, как заставить сотрудников использовать AI. Обещание соблазнительное: AI возьмёт на себя рутину – черновики документов, суммаризацию информации, отладку кода, – освободит время для высокоценных задач.

Но готовы ли компании к тому, что произойдёт, если они в этом преуспеют?

Исследователи из Стэнфорда провели 8-месячное наблюдение за примерно 200 сотрудниками американской технологической компании, которая внедрила генеративный AI. Компания не требовала использовать AI принудительно, просто предоставила корпоративные подписки на коммерческие инструменты. Сотрудники сами решали, применять AI или нет.

Результат оказался парадоксальным. AI не сократил работу. Он её интенсифицировал. Работники стали работать быстрее, брать на себя больший объём задач, распространять работу на большее количество часов в день – часто без явных внешних требований. AI сделал “делать больше” возможным, доступным и во многих случаях внутренне награждающим.

Удивительно, но тот же паттерн прослеживается в других исследованиях. Microsoft обнаружил, что 62% продакт-менеджеров используют Gen AI ежедневно, но 81% говорят, что AI экономит время, при этом 56% отрицают, что усилий стало меньше. Парадокс? Нет, закономерность.

Делегирование AI: почему ответственность остаётся за человеком

Один продакт-менеджер из исследования Microsoft сказал примечательную фразу: “Я делегировал эту задачу Gen AI, и теперь он за неё отвечает, но я всё равно остаюсь подотчётным”. На первый взгляд звучит как классический корпоративный double-speak – передать ответственность, но на всякий случай оставить страховку.

Но исследователи докопались глубже, опросив 885 PM из Microsoft, проанализировав телеметрию 731 человека и взяв 15 углублённых интервью. И обнаружили парадокс: 62% используют генеративный AI ежедневно – для документов, анализа данных, брейнстормов, – но формулируют железное правило: “ответственность нельзя делегировать нечеловеческим акторам”.

Казалось бы, либо делегируешь, либо нет. Но реальность сложнее.

Почему ИИ решает задачи, которые не могут решить математики – и при чем здесь менеджеры

Представьте: вы решаете, стоит ли доверить ИИ-инструменту подготовку стратегического отчета для совета директоров. Модель уверенно генерирует 15 страниц анализа с графиками и выводами. Вы чувствуете легкое беспокойство – насколько можно доверять этим рекомендациям? Способна ли система на глубокий анализ, или это просто статистически правдоподобная имитация?

Недавно группа исследователей из Epoch AI выпустила бенчмарк FrontierMath: Open Problems – набор математических задач, которые профессиональные математики пытались решить и потерпели неудачу. На момент публикации ни один человек и ни одна ИИ-система не решили эти задачи. Если ИИ справится, это будет реальный вклад в человеческое знание.

Вопрос для менеджера: почему это важно для вашей работы?

Не решать, а проектировать выбор: как AI меняет работу менеджера

Представьте: вы – менеджер по закупкам. Каждую неделю выбираете поставщиков из списка, который сами же и составили. Три-четыре знакомых компании. Привычные условия. Понятные риски.

А теперь представьте другую картину: AI анализирует рынок и предлагает вам 12 вариантов, включая поставщиков, о которых вы даже не слышали. С прогнозом цен на полгода вперёд. С оценкой рисков по каждому. С рекомендацией оптимальной комбинации.

Вы по-прежнему принимаете решение. Но выбираете из меню, которое не вы составляли.