ИИ в управлении проектами: +25% скорости, но −19% на сложных задачах

Разбор новинки простыми словами: что это, кому нужно и брать ли.

ИИ-ассистент ускоряет рутину РП и сбор статусов, но на сложных управленческих задачах даёт уверенные ошибки — полный автопилот без проверки человеком повышает риск срыва сроков.

Связанные услуги: каталог, AI Boost Team, стать клиентом.

Зелёный отчёт и красная зона за кулисами

Руководитель проекта выходит к топам с отчётом. Задачи выполняются, бюджет под контролем, критических рисков нет. А ключевой разработчик неделю ждёт доступы от заказчика, тестирование не началось, команда планирует дальше так, будто ничего не произошло.

Так выглядит типовой проект, где статус в системе и реальное положение дел живут отдельно друг от друга. Пропасть растёт тихо: день просрочки здесь, два там, в отчёте всё ещё жёлтое, иногда зелёное. Пока цепочка не сходится в одну точку и дата готовности не уезжает.

В блоге Directum Projects разобрали, как эту пропасть пытаются закрыть ИИ-помощником. Ценность разбора не в описании кнопок, а в двух исследованиях, на которые он опирается. Цифры там отрезвляют быстрее любого маркетинга.

Два замера, которые надо читать вместе

Первый: в 2025 году в Creativity and Innovation Management вышла работа о генеративном ИИ в задачах планирования проектов. Сравнивали новичков и опытных. Помощник улучшил результат в обеих группах, а участники без опыта с ИИ выдавали качество на уровне ведущих специалистов, работавших без него.

Звучит как хорошая новость для бизнеса. Найм junior-ов дешевеет, скорость планирования растёт. Дальше начинается вторая часть.

Второй замер: 758 консультантов работали над задачами с доступом к GPT-4 и без. На простых заданиях картина предсказуемая.

при выполнении простых заданий участники с использованием ИИ выполняли на 12,2% больше и работали в среднем на 25% быстрее

А на одной сложной управленческой задаче всё перевернулось.

на одной из сложных управленческих задач испытуемые, которые применяли нейропомощников, на 19% реже давали правильные ответы, чем участники без них

Авторы называют это «jagged technological frontier». Неровная граница: модель отлично берёт одну задачу и проваливает другую, хотя человеку обе кажутся одинаково трудными. Для собственника это значит простую вещь. Нельзя построить правило «ИИ у нас на управленческих задачах» и успокоиться. Граница проходит внутри одной должности и одного рабочего дня.

Что реально умеет помощник в СУП

В Directum Projects ассистент вызывается прямо из карточки проекта. Отдельно просить сводку не нужно: он уже настроен на эту работу и сразу отдаёт краткий обзор, рекомендации для руководителя и план дальнейших действий. Дальше с ним можно говорить, уточняя детали.

Сценарии, которые вендор описывает как рабочие:

• Сводка по проекту. Переписка на сто сообщений, комментарии в задачах, протоколы и таблицы превращаются в структурированную выжимку. Руководитель не собирает факты по кускам, а проверяет готовый черновик.
• Поиск противоречий в документах. В запросе на изменение одна сумма бюджета, в финансовом обосновании другая. В уставе сроки обновили, в итоговом отчёте остались прежние. Шаблон такое не ловит, внимательный человек ловит не всегда.
• Протокол встречи. Расшифровка разговора превращается в документ с решениями, задачами, сроками, ответственными и списком вопросов, по которым договорённости не достигли.
• Проверка гипотезы. Заказчик просит минус две недели при том же бюджете. Ассистент разбирает последствия до того, как РП согласится и уйдёт жонглировать задачами в плане.

Ничего экзотического. Это работа, которую руководитель проекта и так делает, только ночью и в пятницу.

Чем это отличается от «умных» подсказок

Предыдущее поколение ИИ в системах управления проектами сидело на вводе. Автозаполнение полей, подсказки по типовым задачам, автоматическая сумма в бюджете, напоминание о просрочке. Механика полезная, но она не претендует на суждение.

Новый виток претендует. Ассистент читает разнородные данные и формулирует вывод, а не показывает цифру в поле. Это сдвиг от ввода к интерпретации, и он же источник главного риска. Пока система подсказывает, ошибка стоит одной правки. Когда система делает вывод, ошибка уходит в отчёт топам.

Где ломается

Первое. Данные. Даже при интеграции с СУП существенная часть картины живёт в переписках, файлах на диске и устных договорённостях. Модель видит систему, а не проект. Значит, её сводка точна ровно настолько, насколько полон контур данных, а он почти никогда не полон.

Второе. Расшифровка. Протокол встречи наследует все ошибки распознавания. Неверно распознанное имя, дата или отрицание уезжает в документ, а оттуда в задачи.

Третье и самое неприятное. Уверенность.

ИИ способен создавать ложное чувство уверенности: если сотрудник (в том числе и РП) принимает убедительно сформулированный вывод за проверенный факт, то технология может привести к ошибочному решению

Формулировка гладкая, структура аккуратная, рекомендации по делу. Проверять такое не хочется. Именно поэтому −19% на сложной задаче важнее +25% на простой: провал происходит там, где цена ошибки выше.

Брать или подождать

Брать на рутине сбора и упаковки информации: сводки, протоколы, сверка документов, черновики отчётов. Здесь вы получаете часы РП обратно и почти не рискуете.

Подождать с автономными решениями: перепланирование сроков, приоритизация, оценка рисков без человека в контуре. Здесь модель уверенно выдаёт правдоподобное и ошибается.

Проверять обязательно. Правило простое: любой вывод ассистента, который уходит за пределы команды, проходит через человека, знающего контекст. Это не недоверие к технологии, это описание её текущей границы.

Вердикт

Инструмент рабочий, но узкий. Он экономит время на том, что и так не требовало таланта, и не заменяет управленческое суждение. Если вендор обещает автономного руководителя проекта, вы покупаете красивый отчёт, а не управление. Отчёт будет убедительным. Сроки всё равно сорвутся.

Практический шаг на месяц: взять один проект, замерить, сколько времени РП тратит на сбор статуса и протоколы, включить ассистента и сравнить. Заодно проверить, сколько его выводов вы отправили в стол после проверки. Вторая цифра важнее первой.

Частые вопросы

ИИ заменит руководителя проекта?

Нет. Он забирает сборку информации и черновики, а решение остаётся у человека. Управленческая задача как раз в том слое, где замер показал минус 19%.

Почему на простых задачах рост, а на сложных провал?

Неровная граница возможностей. Модель сильна там, где есть образец и структура, и слабее там, где нужно взвесить противоречивые ограничения. Внешне задачи могут выглядеть одинаково трудными.

Можно ли доверять сводке по проекту?

Как черновику, который кто-то подготовил за вас. Сверяйте критичные сроки, суммы и зависимости с первоисточниками. Помните, что часть данных в систему не попала вообще.

С чего начать, чтобы не пожалеть?

С одного сценария и одного проекта. Сводка по статусу или протокол встречи. Дальше решайте по факту сэкономленных часов, а не по демо.

Что делать дальше

Выберите проект, где статус в системе регулярно расходится с реальностью. Это ваш тест-полигон: там эффект виден быстро, а цена ошибки уже знакома. Зафиксируйте baseline по времени на отчётность, включите ассистента на месяц, сравните. И держите в голове главное: помощник ускоряет дорогу, но не проверяет, туда ли вы едете.