Современные коммерческие и государственные организации все активнее внедряют искусственный интеллект (ИИ) в процессы управления проектами, получая значительные преимущества в эффективности, скорости и качестве принимаемых решений. Тема применения ИИ в разных форматах – генеративные модели, машинное обучение и др. – в прошлом году активно начала получать практическое отражение в реальных процессах организации.
Уже становится понятно, что внедрение ИИ в реальную практику происходит не так просто, как об этом мечтали исследователи и методологи проектного управления в начале пути. В организации должны быть:
- структурированные массивы данных,
- накопленная история,
- продуманные подходы к информационной безопасности, этике применения данных,
- корпоративное доверие к практике использования ИИ,
- люди, обученные работе с данными и результатами, которые могут выдавать ИИ-агенты.
В 2025 году в номинациях Конкурса «Проектный Олимп» появились отдельные критерии и даже номинации, посвящённые применению ИИ для управленческих задач вообще и управления проектами в частности.
Мы в ЦОРПУ провели экспресс анализ отчетов и подготовили небольшой обзор подходов, с которыми сегодня экспериментируют организации.
На основе анализа практик различных организаций, которые принимали участие в Конкурсе Проектный Олимп 2025, можно выделить 6 ключевых направлений применения ИИ в управлении проектами. Мы так же дополнили резюме блоком «Что нужно для применения» исходя из нашего опыта.
Возможно, в представленном материале кто-то узнает свою организацию, которая уже экспериментирует с ИИ. А, возможно, вы получите воодушевление к старту таких экспериментов.
1. Управление знаниями и извлечение уроков
Одно из наиболее распространенных применений ИИ — работа с базами знаний и уроками, извлеченными из реализованных проектов. Организации загружают структурированные базы данных с исторической информацией об ошибках и успешных решениях в языковые модели, которые затем анализируют запросы сотрудников.
Например, инженеры могут получить рекомендации о том, как избежать типичных ошибок в технической документации, а менеджеры проектов — список потенциальных рисков, актуальных для их проекта. Такой подход позволяет сократить время на анализ информации и повысить качество принимаемых решений.
Что нужно для применения.
Чтобы внедрить ИИ для работы с базой проектных уроков, организации нужно:
- создать структурированную, качественную и регулярно обновляемую базу знаний (ошибки, ТЗ, риски);
- интегрировать ИИ-инструмент (например, на основе RAG[1]) в рабочие системы с обеспечением безопасности;
- выстроить культуру документирования и обучить сотрудников работе с ИИ;
- провести пилоты для формирования доверия — показать, что ИИ не заменяет, а усиливает экспертизу;
- измерять эффект через KPI: сокращение времени на поиск информации, снижение повторных ошибок и рост вовлечённости пользователей.
Без этих условий даже самый продвинутый ИИ останется «умной игрушкой».
[1] RAG (Retrieval-Augmented Generation — генерация с извлечением) —архитектура ИИ-систем, при которой языковая модель не просто генерирует ответ на основе своего внутреннего «знания», а сначала ищет релевантную информацию в заранее загруженной базе данных или документах, а затем формирует ответ, опираясь на найденные актуальные данные.
2. Предиктивная аналитика и прогнозирование
ИИ используется для создания моделей, которые на основе исторических данных выявляют тренды по отклонению ключевых параметров проектов и их взаимосвязи. Это позволяет предсказывать отклонения до их наступления, что дает организациям возможность заблаговременно принимать меры по их предотвращению.
Внедрение таких моделей в систему управления проектами ускоряет принятие решений в среднем на 30 дней и повышает общую надежность проектов.
Что нужно для применения.
Для применения этой практики организации необходимо
- собрать и подготовить качественные исторические данные по проектам — с детализацией по параметрам, отклонениям и их причинам,
- обеспечить техническую интеграцию прогнозной модели в существующую систему управления проектами,
- обучить команды интерпретировать прогнозы и действовать на их основе,
- а также выстроить культуру проактивного управления, где решения принимаются не по факту срыва, а на основе предиктивной аналитики.
Без этих условий даже самая точная модель не даст эффекта. Скорость и надёжность зависят не только от ИИ, но и от готовности людей доверять данным и менять привычные процессы.
3. Автоматизация документооборота и обработка данных
ИИ применяется для автоматизации рутинных процессов обработки документов. Системы машинного обучения распознают прикрепляемые документы и автоматически заполняют поля электронных форм заявок, сокращая трудозатраты на 50% и уменьшая количество ошибок.
В других случаях ИИ используется для проверки соответствия проектной документации стратегическим целям организации, дорожным картам и политикам, что значительно ускоряет процессы согласования и повышает качество документации.
Наши эксперты видели подобные практики в большом числе систем электронного / проектного документооборота, правда пока подобные модули находятся в режиме эксперимента или бета-тестирования.
Что нужно для применения.
Для успешного применения ИИ для автоматизации обработки и проверки документов организация должна обеспечить:
- наличие четко структурированных шаблонов документов и полей форм, чтобы ИИ мог точно сопоставлять данные;
- качественные обучающие выборки — исторические документы с разметкой, чтобы модель научилась распознавать и классифицировать информацию;
- интеграцию ИИ-системы с действующими ИТ-платформами (например, АИС или РПГУ) для автоматического заполнения и валидации;
- настройку правил проверки соответствия (дорожные карты, политики) в формате, понятном для ИИ;
- обучение сотрудников и изменение процессов — чтобы люди доверяли системе, использовали её на постоянной основе и фокусировались на исключительных, а не рутинных задачах.
4. Поддержка встреч и коммуникаций
Специализированные ИИ-системы применяются для автоматической генерации протоколов совещаний. Они распознают речь с разделением по спикерам, выделяют решения, поручения, сроки и участников. Это позволяет сократить время подготовки протоколов на 60-70%, повысить качество контроля исполнения и снизить нагрузку на сотрудников.
Такие системы особенно ценны для организаций с интенсивной совещательной практикой. Эта практика не прямо относится к проектному управлению, а скорее связана в общим менеджментом и культурой бизнес коммуникаций в организации.
Что нужно для применения.
Для внедрения практики автоматической генерации протоколов совещаний с помощью ИИ необходимо
- обеспечить техническую совместимость системы распознавания речи с используемыми платформами видеосвязи или аудиозаписи,
- обучить модель корректно разделять спикеров и выделять ключевые элементы (поручения, сроки, ответственные),
- адаптировать её под корпоративную терминологию и формат протоколов,
- а также выстроить доверие сотрудников — показать, что ИИ не заменяет, а упрощает их работу, позволяя сосредоточиться на контроле исполнения, а не на ручном конспектировании;
- важно также обеспечить конфиденциальность данных и интегрировать итоговые протоколы в системы управления задачами для автоматического отслеживания исполнения.
5. Генерация контента и креативные задачи
ИИ используется для оптимизации процессов создания различного контента — от текстовых статей и презентаций до видеоматериалов для отчетности и презентаций.
Время на создание материалов сокращается в разы: написание статей — с 30 минут до 5-10 минут, подготовка видео — с 3 дней до нескольких часов. При этом качество материалов остается высоким, а сотрудники получают возможность сосредоточиться на более стратегических задачах.
Что нужно для применения
Для внедрения практики использования ИИ в создании контента (тексты, презентации, видео) организация должна
- обеспечить доступ к надёжным генеративным ИИ-инструментам,
- обучить сотрудников грамотно формулировать запросы и редактировать результат,
- выстроить единые шаблоны и стилевые руководства, чтобы ИИ сохранял корпоративный тон и формат,
- а также интегрировать генерацию в рабочие процессы — от согласования до публикации.
Важно также сформировать культуру, где ИИ воспринимается как усилитель креативности, а не замена экспертизы, и где сотрудники фокусируются на стратегии, оставляя рутинную подготовку материалов технологии, что позволяет сократить сроки в разы без потери качества.
6. Повышение эффективности планирования
ИИ применяется для автоматизированного анализа сетевых графиков проектов, проверяя логику связей между задачами, выявляя несоответствия в структуре ответственности и оптимизируя последовательность выполнения работ. Это позволяет повысить точность планирования и снизить риски срывов сроков реализации проектов.
Что нужно для применения
Для применения практики автоматизированного анализа сетевых графиков с помощью ИИ необходимо:
- иметь стандартизированные проектные планы (например, в MS Project),
- разработать или внедрить специализированный плагин или промт-инструмент, способный проверять логику связей, соответствие исполнителей и полноту вовлечения подразделений,
- а также обучить команды планирования и управления проектами интерпретировать выводы ИИ и оперативно корректировать графики
Без этого даже самая точная автоматическая проверка не принесёт пользы, если результаты игнорируются или процессы не адаптированы под обратную связь от ИИ.
Заключение. Преимущества и вызовы.
Внедрение ИИ в управление проектами позволяет сократить время на рутину, повысить качество и прогнозируемость решений, снизить риски и усилить производительность сотрудников, переводя фокус с операционной нагрузки на стратегическое управление.
Однако внедрение ИИ сопряжено и с определенными вызовами. Наиболее значимыми являются сопротивление сотрудников новым технологиям, необходимость обучения персонала работе с ИИ-инструментами, а также важность обеспечения безопасности и конфиденциальности обрабатываемой информации.
ИИ становится неотъемлемой частью современных практик управления проектами, предлагая организации эффективные инструменты для повышения качества, скорости и результативности проектной деятельности. Успешное внедрение технологий искусственного интеллекта требует не только технической подготовки, но и системной работы по изменению культуры управления проектами, подготовке сотрудников и созданию механизмов сопровождения перехода к новым технологиям.
Юрий Ким,
Генеральный директор АНО «ЦОРПУ»
Аналитический центр при Правительстве Российской Федерации проводит конкурс профессионального управления проектной деятельностью «Проектный Олимп» с 2014 года. Это долгосрочный проект, целями которого являются широкое распространение инструментов проектного управления в государственном, коммерческом и общественном секторе, повышение эффективности деятельности органов государственной власти, а также государственных корпораций и компаний, оказывающих наиболее значительное влияние на развитие экономики.
ГК «Проектная ПРАКТИКА» и АНО «ЦОРПУ» активно поддерживают проведение Конкурса «Проектный Олимп». Эксперты компаний ежегодно выступают асессорами и участвуют в оценке конкурсных работ, российская модель ПМ СТАНДАРТ лежит в основе модели оценки части номинаций Конкурса.
Многие заказчики Проектной ПРАКТИКИ за время проведения Конкурса стали финалистами и победителями в различных номинациях.