Скопировать ссылку
Разработчики уже активно используют ИИ-инструменты вроде GitHub Copilot, Cursor IDE и Tabnine для написания и рефакторинга кода. Дизайнеры генерируют концепты и референсы с помощью Midjourney, Recraft и Nana Banana. Аналитики используют инструменты вроде Power BI, Tableau и Perplexity, чтобы быстрее извлекать инсайты из данных и моделировать сценарии развития продуктов и сервисов.
Project-менеджеры подключились к этой трансформации позже других ролей. Однако именно эту профессию искусственный интеллект способен изменить наиболее существенно.
AI вершит судьбы: каков его вердикт относительно PM?
Главная задача project-менеджера — реализовать проект. Вторая по важности — сделать это максимально эффективно: минимизировать риски, затраты и выгорание команды, одновременно увеличивая ценность проекта для бизнеса.
В этом контексте ИИ меняет правила игры. В ближайшие годы он сможет взять на себя значительную часть операционных дел: планирование, распределение задач, подготовку отчетности, первичный анализ рисков — все это перейдет на стальные плечи искусственного интеллекта. Что же останется PM? Если сегодня project-менеджер часто погружен в операционные детали, то в ближайшие годы его роль будет смещаться в сторону стратегии, управления контекстом и работы с людьми.
По оценкам аналитиков, значительная часть операционных задач может быть автоматизирована в течение ближайших 5–7 лет. Однако без участия человека системы искусственного интеллекта остаются уязвимыми при нестандартных ситуациях: изменении приоритетов со стороны руководства, организационных конфликтах или внешних рисках. В этой модели PM постепенно эволюционирует из операционного координатора в стратега, который задает контекст и корректирует курс проекта.
Что ИИ забирает себе: операционная зона
Сегодня в России проектные менеджеры используют ИИ преимущественно как «умного помощника» для рутинных задач, анализа данных и коммуникаций. Массового системного внедрения пока не произошло. Согласно редакции Global CIO, лишь 12–20% компаний активно применяют искусственный интеллект в управлении проектами, преимущественно генеративные модели и базовую аналитику.
Наиболее перспективные зоны автоматизации:
- Подготовка отчетности — экономия до 70–80% времени.
- Формирование требований и документации — снижение трудозатрат на 50–60% при использовании языковых моделей вроде GigaChat.
- Планирование и анализ рисков — ускорение процессов до 40%.
При этом полностью передать управление проектами алгоритмам невозможно. ИИ обучается на исторических данных и не обладает интуицией, эмпатией, ответственностью и контекстным пониманием ситуации. Поэтому ряд задач по-прежнему остается в зоне ответственности человека: управление командой, принятие стратегических решений и готовность брать на себя ответственность за результат.
Новая роль PM: «человеческий контекст»
Сегодня ценность project-менеджера во многом определяется его способностью формировать контекст проекта. PM отвечает не только на вопрос «что нужно сделать», но и «зачем», «для кого» и «как это повлияет на людей и бизнес». Он считывает настроение команды, понимает ожидания стейкхолдеров и учитывает неформальные договоренности внутри организации.
Менеджер всегда был проводником между технической командой и бизнесом, данными и управленческими решениями, но теперь добавилась новая роль проводника между ИИ-алгоритмами и людьми.
В этой новой роли PM становится «человеком-контекстом» в системе «проект + искусственный интеллект». Он должен уметь правильно формулировать задачи для моделей: задавать контекст, ограничения и цели.
Возможные риски и ошибки
Одно из распространенных заблуждений при внедрении искусственного интеллекта — ожидание, что интеграция нескольких AI-инструментов автоматически повысит эффективность управления проектами.
Компании часто рассчитывают, что достаточно подключить модуль AI-аналитики к системе управления проектами, чтобы снизить нагрузку на команды и ускорить процессы.
На практике ИИ показывает высокий результат только при наличии выстроенной методологии, качественных данных, стандартизированных процессов и культуры постоянной корректировки алгоритмов. В противном случае внедрение может привести к обратному эффекту, увеличению количества ошибок и управленческой неопределенности.
Легаси-системы как точка риска
Еще одной проблемой при интеграции ИИ становятся устаревшие IT-архитектуры. Во многих компаниях проектные данные распределены между ERP-системами, CRM, таблицами Excel и другими источниками без единой модели данных и надежных API. В результате ИИ недополучает необходимую информацию, а интеграция требует создания нестабильных обходных решений, что повышает риски ошибок и сбоев.
Ограничения комплаенса
Отдельный вызов связан с требованиями законодательства о персональных данных.
Для корректной работы AI-инструментам требуется доступ к информации о сотрудниках (графикам работы, нагрузке, комментариям и коммуникациям внутри команды). Однако далеко не все компании обладают выстроенной системой контроля доступа и обработки таких данных. Даже при режиме read-only неправильно настроенные процессы могут создавать риск утечки информации.
Неидеальная машина
Существует ряд управленческих задач, которые нельзя делегировать искусственному интеллекту:
- определение стратегических приоритетов проекта;
- принятие решений о смене направления, или остановки проекта;
- управление конфликтами и мотивацией команды;
- этическая оценка решений (баланс оптимизации и эксплуатации);
- формирование коммуникативного контекста.
ИИ эффективен в обработке данных, но требует постоянного человеческого контроля в областях стратегии, этики и взаимодействия с людьми.
День из жизни PM в гипотетическом будущем
Можно представить рабочий день project-менеджера, где искусственный интеллект выступает не просто инструментом, а операционным партнером. Рутину он берет на себя, человеку же остаются стратегия, контекст и люди.
08:00 — AI-брифинг вместо проверки почты
День начинается с автоматического отчета: ключевые риски за сутки, отклонения по срокам и бюджету, перегруз команды и критические зависимости. Вместо ручной сборки контекста PM получает готовую картину и 2–3 приоритетных фокуса на день.
09:00 — сценарное моделирование
На стратегической встрече ИИ помогает быстро просчитать «what-if»-сценарии: сокращение бюджета, сдвиг дедлайна и изменение требований.
11:00 — встреча команды
Статусы задач уже собраны автоматически. Встреча посвящена обсуждению барьеров, рисков и новых идей. После встречи менеджер просматривает протокол, уточняет формулировки и корректирует приоритеты. Одновременно он дополняет систему обратной связью — по сути, «доучивает» модель, чтобы со временем она лучше различала действительно важные сигналы от информационного шума.
14:00 — коммуникация со стейкхолдерами
PM использует ИИ-генерацию слайдов с визуализацией основных метрик и динамикой проекта, и адаптирует ее под аудиторию, усиливая аргументацию.
17:00 — настройка ИИ-ассистента
В конце дня PM отводит время на работу с собственной ИИ-моделью: корректирует приоритеты, добавляет обратную связь и помогает системе учитывать специфику проекта и команды. По сути, менеджер обучает своего ИИ-ассистента, постепенно подстраивая его под рабочий язык, процессы и внутреннюю культуру компании.
В такой модели около четырех часов рабочего дня посвящено действительно важным задачам — стратегии, управлению людьми, мотивации, собеседованиям, принятию этически сложных решений, работе с контекстом и политикой. Вся операционная рутина — документация, статусы, отчеты, фильтрация рисков, анализ данных, протоколирование идеи — берет на себя ИИ.
Практический блок: c чего начать выстраивать партнерство с ИИ уже сегодня
Самый эффективный способ начать работу с ИИ — выбрать один конкретный процесс, который уже хорошо понятен и имеет четкую структуру, это может быть:
- еженедельный отчет для руководства;
- разбор ТЗ;
- подготовка плана спринта;
- формирование списка задач по проекту.
Важно не пытаться автоматизировать все процессы одновременно. Лучше начать с одной задачи, где результат легко измерить.
Чтобы сделать встречи по проектам в разы эффективнее, используйте ИИ-ассистентов для автоматических заметок — они фиксируют все на совещаниях и видеоконференциях, распознавая речь. Эти инструменты обеспечивают транскрибацию с идентификацией спикеров, создают краткие саммари с тезисами, выделяют задачи со сроками, а также, могут провести аналитику эффективности обсуждений. В итоге, PM тратит минуты на проверку, а не часы на конспекты, высвобождая время более важным задачам.
Можно протестировать доступные инструменты — например, Perplexity, DeepSeek или GigaChat — и попросить модель подготовить черновик отчета, структурировать документацию или сделать самари большого технического задания. В течение этого времени отслеживайте, сколько времени вы тратите на процесс до и после внедрения ИИ, фиксируйте, какие улучшения в результат внесла модель.
Параллельно можно начать использовать ИИ-инструменты прямо в существующих системах управления проектами, таких как Jira, Asana, Trello, Kaiten или Bitrix24, без необходимости менять привычный процесс работы. Встроенные функции помогают автоматизировать разбор задач, прогнозировать риски на основе истории спринтов, формировать саммари для ретроспектив и предлагать более эффективное распределение задач внутри команды.
Заключение
В итоге, каким же будет project-менеджер, который останется востребованным через 3–5 лет? Специалистом, который умеет эффективно использовать AI-инструменты, работать с данными и превращать их в понятные решения для проектов и команд.
Конкурентное преимущество в 2026 году получат не те, кто громче рассказывают об AI, а те, кто системно учится с ним работать. Начните с малого — и через год вы будете управлять уже не просто проектами, а системой «люди + алгоритмы».
