Агенты на базе ИИ в управлении проектами: полное руководство по полезным примерам использования

Основные моменты

• Агенты на базе ИИ для управления проектами берут на себя рутинные задачи по координации, освобождая время для стратегического планирования и принятия решений. 

• В отличие от базовой автоматизации или чат-ботов, ИИ-агенты обучаются на данных и адаптируются к меняющимся условиям проекта, работая в заданных рамках. 

• Агент работает вместе с менеджерами проектов как система поддержки, а не как замена человеческому опыту. 

• Для успешного применения требуется постановка четких целей, надлежащее обучение и начало работы на основе специализированных пилотных примеров использования. 

• В будущем ИИ-агенты будут брать на себя более сложные роли, а менеджеры проектов переключатся на общее стратегическое планирование и контроль.

Нет ли у вас ощущения, что проекты становятся только сложнее? Справляется ли ваш набор инструментов с нагрузкой?

А ведь слаженная организованная работа, казалось бы, должна быть простой.

Хотя инструменты для управления проектами немного облегчают работу, они порой требуют утомительных обновлений вручную, управления разрозненной информацией и постоянных усилий для получения значимой аналитики.

Именно тут на помощь приходят агенты на базе ИИ — кардинально новые инструменты для управления проектами, о которых вы не подозревали. Эти интеллектуальные помощники берут на себя повторяющиеся задачи по координации, заблаговременно отмечают риски, анализируя данные проекта, и без труда поддерживают документацию в актуальном состоянии. 

Когда рутинной работой занимаются ИИ-агенты для управления проектами, команды могут наконец сосредоточиться на стратегическом мышлении и творческом решении задач, которые обеспечивают реальный прогресс. 

Существует множество инструментов на базе ИИ, но в этой статье мы расскажем, как ИИ-агенты полностью интегрируются в рабочие процессы проекта и что нужно знать менеджерам проектов, чтобы использовать их потенциал в полной мере.

Что такое агенты на базе ИИ?

Агенты на базе ИИ — это системы, которые могут воспринимать окружающую среду, принимать решения на основе данных и совершать действия для достижения определенных целей. Они существенно отличаются от средств традиционной автоматизации. 

Базовая автоматизация работает по строгим правилам «если-то»: когда происходит X, выполнить Y. Чат-боты отвечают на конкретные запросы, но обычно не обучаются в ходе взаимодействия и не принимают самостоятельных решений. 

Агенты на базе ИИ идут дальше. 

Они анализируют закономерности в данных проекта, учатся на результатах и со временем адаптируют свое поведение. Когда в проекте возникает заминка, ИИ-агент может порекомендовать решения, основываясь на том, что помогало в похожих ситуациях раньше. 

Автономность этих агентов находится на уровне, недоступном для традиционных инструментов, но они по-прежнему решают задачи в границах, установленных вашей командой. Практические преимущества агентного ИИ для управления проектами проявляются незамедлительно.

Этот инструмент позволяет сократить объем ручной работы по отслеживанию статусов, уточнению бэклога и обновлению документации благодаря таким возможностям, как управление задачами с помощью ИИ. Они улучшают прогнозирование, выявляя в больших наборах данных закономерности, которые человек может упустить. 

Как агенты на базе ИИ выполняют задачи по управлению проектами?

Агенты на базе ИИ выполняют задачи в непрерывном цикле: собирают данные, анализируют их и совершают действия. Они получают обновления из инструментов для управления проектами (например, Jira), программного обеспечения для обмена знаниями (например, Confluence), репозиториев кода и чатов, чтобы в реальном времени создавать сводку по проекту и действиям команды.

Их настоящая сила заключается в анализе. 

Агенты на базе ИИ выявляют закономерности в рабочих процессах, отмечают узкие места, прежде чем они замедлят работу, и отправляют оповещения, когда проекты начинают отклоняться от цели. По мере обработки все большего количества данных модели машинного обучения становятся точнее и адаптируются к целям вашей команды.

«Полное внедрение [ИИ Rovo] заняло примерно 8 недель. Его используют 70 % сотрудников нашей компании. Примерно за шесть недель мы создали 200 агентов Rovo, которые не только помогают сотрудникам, но также повышают производительность и предоставляют новые возможности. Преимущество некоторых функций ИИ заключается в том, как он встраивается в рабочие процессы и облегчает сотрудникам и другим пользователям переключение между самыми разными контекстами. Когда есть система, охватывающая весь стек, это дает невероятную силу».

Крис Берджесс, ИТ-директор, Expedia Group

Если вы менеджер проекта, агенты на базе ИИ могут порекомендовать следующие шаги или автоматически выполнить действие, например отметить спринт в зоне риска или сгруппировать связанные задачи, чтобы облегчить расстановку приоритетов. Они постоянно анализируют привычки команды и совершенствуют свои предложения по мере развития вашей рабочей среды.

Когда приоритеты проекта или рабочие процессы Agile меняются, агенты ИИ адаптируются мгновенно. Они быстро становятся незаменимыми для команд, которые работают в условиях постоянных изменений или экспериментируют с новыми подходами.

Как агенты на базе ИИ улучшают рабочие процессы управления проектами?

Агенты на базе ИИ встраиваются в существующие рабочие процессы как инструменты для совместной работы, которые помогают в планировании, выполнении и поставке. Агенты призваны работать вместе с менеджерами проектов, а не заменить их. 

Наиболее эффективно относиться к агентам как к участникам команды, обладающим специальными навыками. Агенты на базе ИИ хорошо справляются с конкретными задачами, но им все равно требуется контроль и указания со стороны человека. 

Вот как ИИ-агенты для управления проектами могут улучшить рабочие процессы.

Поддержка и оптимизация повседневных задач

Агенты помогают менеджерам проектов с рутинной координацией задач, которая каждую неделю отнимает несколько часов. Они отслеживают список задач в рамках различных обсуждений и собраний, ведут документацию и координируют обновления между разными инструментами и платформами.

Эти системы реагируют на вводимые данные и контекст в таких инструментах, как Jira, Confluence и Loom. При планировании спринта агент может находить связанные задачи, предоставлять сводку заявок или сообщать о прошлых решениях, которые могут повлиять на ваш выбор. 

Агент может получать актуальные показатели и добавлять их в обновление статуса проекта, используя при этом единообразное форматирование. Кроме того, агент работает в фоновом режиме и ищет возможности для сокращения объема ручных операций, пока вы сосредоточены на планировании проекта и принятии решений.

Действия в рамках четко определенных целей и границ

Агенты следуют заранее определенным целям, правилам и правам, установленным вашей командой или организацией. Такая структура гарантирует, что они будут действовать предсказуемо, в соответствии со стандартами и рабочими процессами проекта. 

Например, вы можете настроить агента так, чтобы он помогал вести бэклог, но запретить ему изменять уровни приоритета выше определенного порога без подтверждения со стороны пользователя. Или можно настроить агента, который будет предлагать изменения в расписании на основе запланированной производительности.

Кроме того, можно настроить работу так, чтобы менеджер проекта в обязательном порядке подтверждал все изменения, прежде чем они будут доведены до сведения заинтересованных сторон. Благодаря таким ограничениям агенты остаются полезными, не преподнося неприятных сюрпризов.

Сокращение количества повторяющихся задач, которые не всегда можно автоматизировать

Агенты могут автоматизировать выполняемые вручную задачи проекта, которые не требуют внимания человека, но все равно отнимают время. К этой категории относятся обновление статусов, организация задач, ведение бэклога и регулярная отчетность. 

В отличие от настроенной автоматизации, агент выполняет эти задачи последовательно, соблюдая стандарты, инструкции и установленные правила вашей команды, причем не отвлекается. Вместо того чтобы каждое утро тратить 30 минут на просмотр ночных обновлений и сортировку новых задач, достаточно посвятить 5 минут проверке того, что уже организовал агент, и принять окончательные решения по спорным случаям.

Сэкономленное время можно потратить на стратегические задачи, например на совершенствование подхода к жизненному циклу проекта, на улучшение процессов в команде или на работу с офисом управления проектами (PMO) над межпроектными зависимостями.

Глубокая концентрация на определенных областях для достижения лучших результатов

Агенты специализируются на определенных функциях проекта, таких как планирование спринта, отслеживание рисков или управление зависимостями. Эта специализация позволяет им развить уровень экспертных знаний, который менеджеру проектов широкого профиля было бы сложно поддерживать во всех аспектах каждого проекта.

Например, агент, специализирующийся на выявлении рисков, может одновременно отслеживать десятки индикаторов риска и отмечать проблемы в момент их возникновения. А агент, специализирующийся на управлении задачами, может оптимизировать их назначение с учетом навыков участников команды, их рабочей нагрузки и прошлых показателей производительности.

Выполнение специализированных действий для подтверждения человеком

Агенты могут выполнять подтвержденные действия, например создавать задачи Jira, обновлять поля или упорядочивать страницы Confluence на основе активности в проекте. Ключевое слово здесь — «подтверждение».

Вы определяете, какие действия требуют подтверждения человеком, а какие агент может выполнять автономно. Для плановых обновлений можно предоставить агенту полную автономию. 

Однако для более крупных изменений, которые влияют на объем работ по проекту или обязательства, потребуется проверка. Такая гибкость позволяет командам поддерживать баланс между эффективностью автоматизации и контролем со стороны человека. 

Вы можете легко просматривать действия агента в журналах, отменять любые нелогичные изменения и настраивать разрешения по мере роста уверенности вашей команды.

Как эффективно внедрить агентов на базе ИИ для управления проектами в организации?

Прежде чем применять агентов на базе ИИ, честно оцените свое текущее состояние. Команды, у которых уже есть отлаженные методы управления проектами и чистые данные в инструментах, увидят результаты быстрее, чем те, у кого есть проблемы с базовой дисциплиной в процессах. 

Агенты на базе ИИ расширяют ваши текущие возможности. Они не могут исправить в корне неверные рабочие процессы. Вот как можно подойти к реализации:

Шаг 1. Начните с пилотных примеров использования

Выберите одну или две важные области с низким уровнем риска для тестирования агентов на базе ИИ. Распространенные отправные точки— это автоматические отчеты о статусах, ведение бэклога или маркировка рисков. 

Проводите эти пилотные проекты достаточно долго, чтобы выявить закономерности, но не затягивайте с внесением корректировок, если что-то пойдет не так.

Шаг 2. Выберите инструменты, которые подходят для вашей экосистемы

Если ваша команда уже работает в Jira и Confluence, вам будут полезны такие агентные инструменты ИИ, как Rovo, поскольку они нативно интегрируются в ваш существующий рабочий процесс. 

Старайтесь не добавлять агентов, которым требуются отдельные интерфейсы или дублирование данных, чтобы не расширять без необходимости набор используемых инструментов.

Шаг 3. Установите четкие границы и определите показатели успеха

Решите, для чего вам нужен агент, какие действия он может выполнять самостоятельно, а для каких требуется подтверждение. Выберите показатели, которые позволят понять, насколько агент помогает экономить время и улучшать результаты.

Шаг 4. Инвестируйте в управление изменениями и обучение

Участникам команды нужно понимать, как агенты выполняют задачи и как с ними эффективно взаимодействовать. Кто-то сразу примет изменения, а кому-то потребуется время и поддержка, чтобы адаптироваться. 

Планируя внедрение, учитывайте оба варианта.

Шаг 5. Оптимизируйте выбранные инструменты

Отслеживайте производительность агентов и корректируйте их параметры с учетом собранных данных. Агенты ИИ для руководителей проектов совершенствуются благодаря обратной связи. Создавайте циклы обратной связи, которые помогут определить, что работает эффективно в вашем конкретном контексте.

Использование различных инструментов, таких как Jira, в сочетании с Rovo наглядно показывает, как все устроено на практике. Команды могут применять агентов ИИ для автоматизации рутинной работы, сохраняя при этом полную видимость и контроль. 

Агент выполняет механические задачи, в то время как менеджеры проектов занимаются стратегией и взаимодействием с заинтересованными сторонами.

Будущее агентов ИИ в управлении проектами

Пока что сложно сказать, как именно агенты ИИ будут использоваться в управлении проектами. Многие руководители только начинают изучать возможности этих инструментов. 

По мере того как агенты будут становиться все более автономными и функциональными, возможностей — как, впрочем, и вопросов — будет становиться все больше. Главная задача сейчас — сохранять любознательность, экспериментировать и учиться использовать эти постоянно развивающиеся инструменты, чтобы открывать новые способы работы.

Постепенно агенты ИИ будут обретать новые навыки, им будет выделяться все больше задач, а руководители проектов будут больше внимания уделять контролю и общей стратегии. Конечно, такой переход не произойдет в одночасье, но направление очевидно. 

Команды, которые начнут экспериментировать с агентами ИИ уже сейчас, разовьют навыки и понимание, необходимые для использования более сложных возможностей по мере их появления. Rovo добавляет в ваш рабочий процесс управления проектами полезные агентные возможности ИИ, которыми вы и ваша команда действительно будете пользоваться.

Узнайте, как это может улучшить вашу работу уже сегодня.