Просматриваю телеграм-канал Павла Алферова. Из последних интересных тем вырисовывается новый тренд под названием ИИ-агент или ИИ-помощник или ИИ-член команды. Даю несколько абзацев из канала Павла.

Продолжаю копать тему ИИ-агентов. Пока все никак не определиться их место в проектном управлении. То, что без них теперь никак тут уже понятно. И если у ИТ-шников понятно прямо всем, то вне ИТ многие сомневаются. Не сомневайтесь — все там будем 🙃

Mastt, State of AI in Construction PM 2026 (июль — свежак!). Это стройка, не разработка. Агентов в капстрое уже используют 9,3%, планируют 46,3%; барьер №1 — не сложность использования и не стоимость, а доверие. Ну не слишком пока им доверяют. И правильно делают.

Барьер №1 использования ИИ-агента — доверие

На следующей неделе выступаю на закрытом мероприятии с провокационным выступлением «Принимаем седьмого: ИИ как новый член команды» — посмотрим на ИИ именно как на члена команды.

Но не все согласны, что стоит так смотреть. Вот Harvard Business Review в мае опубликовал статью с ровно противоположной мыслью: «Почему вы не должны считать ИИ-агентов членами команды»(Why You Shouldn’t Treat AI Agents Like Employees). Основная идея — работу «ИИ-сотрудника» проверяют хуже, чем работу «инструмента» (на 18% меньше находят ошибок, на 44% чаще пропускают сомнительные случаи).

В чем-то я с ними согласен, поэтому сразу подстраховываюсь. Давайте попробуем смотреть на ИИ как на инструмент. Хотя и очень специфический. Как на часть общей системы управления проектом.

А вообще на эту тему написано немало. Вот варианты ИИ-агентов в команде управления проектом.

ИИ‑агенты в команде управления проектом могут брать на себя разные роли и закрывать множество типовых задач. Вот несколько наглядных примеров их использования.

Автоматизация рутины и планирования

Агент‑планировщик автоматически распределяет задачи по исполнителям с учётом загрузки, срочности и компетенций. Например, при поступлении новой задачи он проверяет календарь участников, смотрит текущие статусы в трекере (Jira, Trello, YouTrack) и предлагает, кому её назначить, а также ставит дедлайн с буфером на риски.

Агент‑секретарь встреч записывает, транскрибирует и структурирует итоги созвонов: выделяет решения, фиксирует новые задачи и ответственных, формирует постмит и сразу создаёт карточки задач в трекере. Такие агенты уже есть в инструментах вроде tl;dv, а также в виде интеграций с корпоративными мессенджерами.

Контроль сроков и рисков

Агент‑контролёр сроков ежедневно сканирует статусы задач, подсвечивает задачи с риском просрочки, прогнозирует сдвиг даты релиза на основе текущей скорости команды (velocity) и предлагает меры: перераспределить нагрузку, разбить задачу, привлечь внешнего исполнителя.

Агент по управлению рисками на основе истории проектов и текущих метрик (задержки, переработки, количество багов) строит матрицу рисков, ранжирует их по вероятности и ущербу, предлагает план реагирования и обновляет реестр рисков.

Коммуникация и онбординг

Агент‑помощник по FAQ отвечает на типовые вопросы команды: где лежат шаблоны, как оформить заявку, какие правила согласования. Это снижает нагрузку на PM и лидов и ускоряет адаптацию новичков.

Агент для синхронизации удалённых команд в асинхронных чатах резюмирует обсуждения, выделяет ключевые решения и изменения, фиксирует, кто что обещал, и отправляет краткую сводку раз в день. Это особенно полезно, если команда работает в разных часовых поясах.

Аналитика и отчётность

Агент‑аналитик собирает данные из трекера, CI/CD, баг‑трекера и чатов, считает метрики (доля просроченных задач, среднее время выполнения, количество возвратов), формирует еженедельные отчёты для стейкхолдеров в нужном формате (PDF, Google Slides, дашборд).

Агент для ретроспектив обрабатывает ответы команды, группирует проблемы по темам (процессы, коммуникации, инструменты), выделяет повторяющиеся боли и формирует черновик плана улучшений.

Мультиагентные команды (ролевая модель)

В сложных проектах используют не одного агента, а «команду» агентов с разными ролями, которые общаются между собой:

PM‑агент (менеджер проекта) — ставит цели, следит за вехами, координирует остальных.
Аналитик‑агент — уточняет требования, формализует задачи, пишет ТЗ и критерии приёмки.
Архитектор‑агент — проверяет, насколько задача согласуется с архитектурой, предлагает варианты реализации и риски.
Тестировщик‑агент — генерирует чек‑листы и тест‑кейсы, приоритизирует проверки.
Интегратор‑агент — собирает результаты всех агентов, устраняет противоречия, формирует единый артефакт (например, описание задачи или релиз‑ноутс).

Пример: в проекте разработки ПО цепочка может выглядеть так: аналитик уточняет требования → архитектор проверяет совместимость → тестировщик готовит кейсы → PM‑агент согласовывает приоритеты и ставит задачи в трекере.

Такие мультиагентные системы реализуют на платформах вроде AutoGen, CrewAI, Swarm, а в прототипах — через связку LLM + инструменты (поиск, трекер, календарь).

Специфические сценарии по типам проектов

IT‑разработка: агент‑ревьюер автоматически проверяет код на соответствие стандартам, ищет дубли, предлагает правки и ставит метки для ручного ревью.
Маркетинговые проекты: агент‑контент‑менеджер собирает бриф, генерирует черновики текстов, подбирает референсы, согласовывает версии и ведёт историю правок.
Строительные и инженерные проекты: агент анализирует графики работ, сопоставляет их с поставками материалов, сигнализирует о рисках срыва из‑за задержек поставок.
Интеграции и инструменты
ИИ‑агенты работают не «в вакууме», а как часть экосистемы:

• Трекеры задач (Jira, YouTrack, Kaiten): создание и обновление задач, изменение статусов, добавление меток.
• Мессенджеры (Slack, MS Teams, Telegram): уведомления, быстрые ответы на вопросы, сбор статусов.
• Календари (Google, Outlook, Яндекс): бронирование слотов, напоминания, согласование времени встреч.
• Репозитории (GitHub, GitLab): работа с issue, PR, комментариями, CI‑статусами.

Важные нюансы

Человек остаётся в контуре принятия решений: агент предлагает варианты, но финальное решение и ответственность — за PM и командой.
Контекст и память: для стабильной работы агенту нужна единая база знаний проекта (wiki, документы, требования), иначе он будет делать ошибки из‑за неполных данных.
Безопасность и доступы: у агентов должны быть чётко ограниченные права (только чтение, или только в определённых проектах), чтобы исключить случайное изменение критичных данных.

В качестве резюме цитата от Александра Сергеевича Кутузова:

Все ключевые решения рекомендуется принимать по принципу Human in the Loop — человек всегда проверяет и утверждает выводы ИИ