Проектное Управление

Оркестрация агентов: навык ИИ с самым долгим сроком годности

12 мин чтения

Представьте менеджера, который уверен, что освоил ИИ. У него открыто тридцать вкладок ChatGPT. В одной он полчаса назад разбирал риски по контракту, в другой сводил статус проекта, в третьей просил переписать письмо стейкхолдеру. Каждую новую задачу он начинает одинаково: заново объясняет, что за проект, кто в команде, какие сроки, копирует кусок выгрузки из Jira, вставляет переписку из Slack. Получил ответ – скопировал обратно, вкладку закрыл. Завтра всё сначала.

Он честно пользуется ИИ каждый день и искренне считает, что находится на переднем крае. На самом деле он застрял на первой ступени и таскает контекст руками, как курьер таскает коробки. Инструмент у него мощный, а режим работы – самый примитивный из возможных.

Разница между этим менеджером и тем, кто выигрывает от ИИ по-настоящему, не в том, кто быстрее печатает промпты. Она в одном навыке, который почти никто не ставит явно, – в умении не чатиться, а делегировать задачу агенту. Этот навык, как ни странно, самый долгоживущий из всего, что даёт обучение работе с ИИ. И одновременно – самый недопоставленный.

Читать полностью
Оркестрация агентов: навык ИИ с самым долгим сроком годности
Токены в договоре: кто платит за ИИ в IT-консалтинге
11 мин

Токены в договоре: кто платит за ИИ в IT-консалтинге

Клиент смотрит в счёт и видит строку «AI API usage – $3 200». Вопрос немедленный: «Это что вообще такое?» Консультант объясняет: токены, запросы к Claude API, стоимость инференса. Клиент кивает и уходит разбираться с финансовым директором. Через неделю юрист присылает письмо: «В договоре такой статьи расходов нет».

Именно так начинается большинство конфликтов вокруг AI-затрат в IT-консалтинге. Договор писался до того, как токены стали реальными деньгами – и ни одна из сторон не подумала зафиксировать эту статью расходов.

Как внедрить ИИ в работу команды: пошаговый план для IT-менеджера
11 мин

Как внедрить ИИ в работу команды: пошаговый план для IT-менеджера

Допустим, вы уже решили попробовать ИИ с командой. Читали исследования, видели демо, слышали истории успеха коллег. Понедельник. Что конкретно делать?

Именно здесь большинство менеджеров застревает. Общих советов «начните с простых задач» и «экспериментируйте» хватает. Конкретного плана – нет. Эта статья – для IT-менеджеров, проектных менеджеров и продуктовых руководителей: примеры, промпты и ссылки ниже – из мира проектов, спринтов, отчётности и работы с командами разработки. Если вы управляете производством, логистикой или продажами – общая структура из пяти шагов применима, но конкретные задачи и инструменты будут другими.

5 сигналов срыва спринта за 2–3 спринта раньше: готовые промпты для ChatGPT и Gemini
44 мин

5 сигналов срыва спринта за 2–3 спринта раньше: готовые промпты для ChatGPT и Gemini

Статус-митинг по пятницам. PM открывает слайд: «Мы на две недели отстаём от плана». Руководитель спрашивает: «Когда стало понятно?» PM честно отвечает: «Неделю назад, когда собрал данные для отчёта».

Проблема системная. Статус-отчёты описывают прошлое. К моменту, когда отклонение попадает в слайд, команда уже живёт с ним несколько дней, заинтересованные стороны уже слышат тревожные сигналы в коридорах, а окно для дешёвого реагирования закрылось.

Данные, которые могли бы предупредить о проблеме, всё это время лежали в Jira и GitHub. Просто никто не смотрел на них под нужным углом.

Эта статья – для PM, работающих с Jira, Asana и GitHub. Если вы управляете строительными проектами и ваши данные в 1С:ERP, ЦУС или Spider Project – версия для строительства выйдет отдельно: субподрядчики, поставки, КС-формы и календарный план вместо спринтов и коммитов.