Нейросети для российского РП: как выжать максимум из ИИ

Рутина — ИИ. Решения — вам. На первом месте стоят отечественные инструменты: GigaChat, Яндекс GPT и китайский DeepSeek.
Для работы с проектами вместо Jira и Confluence переходят на Kaiten, WEEEK, Yandex Tracker — они уже интегрируют ИИ-помощников.

Где применять:
1. GigaChat, Яндекс GPT, DeepSeek - черновики писем, протоколы, отчёты, аналитика, извлечение требований, быстрый поиск.
2. CatBoost, LightAutoML - фреймворки помогают с прогнозом загрузки, оценкой рисков.
3. Kaiten, ADVANTA - управление проектами с ИИ-ассистентами.
4. VK AutoML, Yandex DataSphere - автоматизация работы с данными. Помогают быстрее запускать проекты, снижая нагрузку на аналитиков и специалистов по данным.

Практика: внедряйте AI по одному процессу, измеряйте пользу, ведите журнал решений вручную. ИИ ускоряет, но ответственность и финальное слово — за человеком.

Скачать и использовать.

ИИ в управлении проектами: что показал опрос наших подписчиков

Мы спросили у вас, как часто вы применяете нейросети в управлении проектами. Результаты показывают чёткое разделение аудитории по степени вовлечённости в работу с ИИ.

44% используют ИИ регулярно — это уже не ранние последователи, а массовый сегмент. Причём 18% работают с ИИ ежедневно. Инструмент перешёл из категории «интересно попробовать» в «без этого сложнее работать».

23% в процессе освоения — критическая масса для роста. Эти люди уже видели пользу, но не автоматизировали применение. Им нужны готовые сценарии, а не теория возможностей.

Главное открытие: скептиков и тех, кто не видит применения, всего 11%. Это говорит о том, что основной барьер — не недоверие к технологии, а отсутствие знакомства с конкретными рабочими кейсами. Ещё 7% хотели бы использовать ИИ, но сталкиваются с корпоративными ограничениями.

Вывод: запрос сместился от «зачем» к «как именно». Те, кто освоит практическое применение ИИ в ближайшие месяцы, получат конкурентное преимущество.

Коллеги, как вы планируете осваивать ИИ в работе — через эксперименты или ищете готовые проверенные сценарии?

Шаблоны рабочих промптов для управленческого коучинга в проектах

Хотите научиться создавать эффективные промпты для решения реальных управленческих задач?

На нашем курсе "Управление проектом с использованием искусственного интеллекта" вы освоите практическое применение генеративного ИИ через решение сквозного кейса — от инициирования до закрытия проекта. 80% времени — практические упражнения.
Вы научитесь формулировать запросы так, чтобы ИИ генерировал не шаблонные ответы, а адаптированные решения под контекст вашего проекта.

А пока – несколько примеров промптов для управления проектами из руководства PMI AI Essentials for Project Professionals:

Сформируй отчет по оценке рисков для проекта: [Загрузить план управления проектом и исторические данные по проектам]. Включи подробный анализ выявленных рисков, их потенциального влияния и рекомендуемых стратегий работы с ними.

Сформируй расписание проекта с учетом работы нескольких команд из разных бизнес-подразделений, исключив конфликты по ресурсам. [Укажите названия команд, их доступность, список общих ресурсов, контрольные точки проекта и сроки выполнения.]

Ты - руководитель проекта и тебе необходимо выбрать подрядчика для [вид деятельности]. В настоящее время рассматриваются два варианта. Предложения от каждого из подрядчиков прилагаются.
Предоставь сравнительный анализ этих двух подрядчиков в табличной форме.

Создай дашборд, визуализирующий ключевые показатели эффективности (КРІ), такие как прогресс проекта, использование ресурсов, соблюдение бюджета и факторы риска. [Загрузите соответствующие данные.] Предоставь аналитические выводы по зонам, требующим внимания.

Сформируй кейс по [клиенту] и его партнерству с [партнер]. Укажи детали сотрудничества, процессов, вызовов, выгоды для каждой стороны и ожидаемые результаты.

👉 Переходите по ссылке, чтобы узнать подробности о курсе

📽 Как в СССР организовывали большие проекты: смотрим редкий фильм

Иногда самые ценные открытия находятся там, где их никто не ищет. Сегодня мы делимся с вами настоящей редкостью — фильмом 1976 года о том, как управляли проектами в СССР.
Да, именно — полвека назад уже думали о планировании и организации, просто под другим углом.

Интересно сравнить, что тогда казалось инновационным, а что актуально и сейчас?

Управление проектами в СССР» (1976)

Почему интересен: Любопытный исторический взгляд на то, как развивалась управленческая мысль. Можно сравнить, что изменилось за 50 лет, а что осталось актуальным. Это отличный повод обсудить, как выглядел «проектный менеджмент» в условиях советской экономики.

Сюжет: Редкий и малоизвестный фильм, его назвать настоящей находкой для всех, кто интересуется темой управления проектами. Он снят ещё в 1970-е годы и показывает, как в Советском Союзе пытались внедрять современные подходы к планированию и организации больших проектов — от строительства до науки.

📺 Где смотреть

Комментарий бизнес-тренера PM Expert Дмитрия Иванова:

Фильм "Управление проектами в СССР" вызывает уважение хотя бы потому, что обучающая анимация сделана БЕЗ генеративного ИИ, без 3D графики, только настоящие рисунки и схемы! Столько кропотливого труда вложено. А сам подход немного отличается от привычного нам метода критического пути, но суть остается прежней.

Вы когда-нибудь сталкивались с проектами, где "старые" методы планирования работали лучше, чем новомодные инструменты?

Эффект от применения ИИ для руководителя проекта: как измерить?

Внедрили ИИ в работу? Теперь докажите руководству, что это не игрушка, а инструмент.

Точность прогнозов (Forecast Accuracy)
Сравните «до/после». Например, прогноз бюджета проекта: отклонение от факта было 18%, стало 5% — точность выросла на 13 п.п. Или прогноз сроков: раньше ошибались на ±4 дня, теперь на ±1 день.

Экономия трудозатрат (Effort Saved)
Подготовка отчёта вручную — 2 человеко-часа, с ИИ — 20 минут. За месяц при 20 отчётах это 30 сэкономленных человеко-часов (~4 человеко-дня). В масштабе команды из 10 человек — высвобождение 0,4 ставки для стратегических задач (или оптимизация штата).

Влияние на сроки (Schedule Impact)
Задача планировалась на 7 дней, закрыли за 4 благодаря ускоренному анализу рисков ИИ: минус 3 дня. Отслеживайте среднюю дельту по нескольким задачам.

Качество (Quality Improvement)
Фиксируйте конкретику: замечания от заказчика, процент доработок, Доля без доработок, %. Было 8 замечаний на ревью, стало 2 — качество выросло.

Главное: не «ИИ классный», а цифры. Руководство понимает язык метрик, а не эмоций.

Бонус. Добавьте и эти расчеты:
• Стоимость: покажите прямые расходы (лицензии, инфраструктура, обучение) и вычтите экономию труда. Полезно считать «стоимость результата» (стоимость одной выполненной задачи/единицы работы).
• Окупаемость и срок возврата вложений: окупаемость = (Сэкономлено − Затраты) / Затраты. Срок окупаемости = Затраты / Ежемесячная экономия.
• Принятие и использование: доля задач и сотрудников, которые регулярно применяют ИИ, и как часто они это делают. Без реального использования эффект останется «на бумаге».
• Риски и соответствие требованиям: количество инцидентов и эскалаций, соблюдение правил работы с данными, доля материалов, прошедших проверку по внутренним политикам.