Использование ИИ для менеджеров

Провели AMA-сессию для участников сообщества Projects Jobs от имени школы MySummit.school/. На встречи участвовали:

• Станислав Беляев — Product Manager в Microsoft, эксперт по Developer Experience
• Артем Арюткин — CPO/PMO городских сервисов Яндекса, специалист по AI для разработчиков
• Артем Летюшев — Lead Project Manager в Twingly, руководитель Data Science команд
• Данил Силантьев — руководитель AI и IT-студии, практик внедрения AI-решений

Темы, тезисы во время встречи

Информационная безопасность при использовании LLM в корпоративной среде

• Главная проблема компаний — безопасное использование LLM без нарушения требований ИБ, особенно для банков и регулируемых отраслей
• Microsoft Copilot обеспечивает изолированные тенанты, где данные не попадают в публичные сервисы
• OpenAI можно развернуть в приватном облаке Azure, AWS Bedrock позволяет использовать Anthropic Claude в Amazon
• Для менее критичных случаев достаточно изучить пользовательские соглашения и отключить обучение на ваших данных в настройках ChatGPT
• Новые модели (Claude 4, Gemini) появляются в корпоративных решениях с задержкой всего в неделю, не годы
• Можно использовать форки Copilot (например, Continuum) с локальными моделями для полного контроля

Использование локальных моделей на персональных устройствах

• Небольшие модели (Gemini 4B, LLaMA 8B) могут работать на MacBook с 16GB RAM, но имеют ограничения по качеству и контексту
• На Windows-ноутбуках с Intel это работает медленно (15 минут на один ответ)
• Локальные модели подходят только для технически подкованных пользователей с мощным оборудованием
• Для практической работы менеджера лучше использовать облачные сервисы или корпоративные развертывания
• Менеджеров с топовыми MacBook всего 5-10%, поэтому локальные решения не массовые

LLM как персональный ментор и советник для менеджеров

• LLM работает как независимый советник без обязательств, с которым можно моделировать ситуации и получать второе мнение
• Ключевой принцип: чем больше контекста предоставите, тем качественнее результат
• Использовать для подготовки к сложным встречам: загрузить контекст и попросить смоделировать разные сценарии
• Эффективно для анализа планов проектов и карт рисков — LLM укажет на упущенные моменты
• Выбирать модели с широким контекстом (Gemini 2.5 с 2 млн токенов) и reasoning-способностями
• Использовать голосовой режим для быстрой выгрузки большого контекста
• Если LLM не приносит пользы — проблема в недостаточном контексте или неправильном использовании

Анализ больших объемов неструктурированных данных

• LLM превосходно анализирует текстовые данные: тикеты поддержки, переписку, комментарии
• Пример: анализ 1000 тикетов за 10 минут выявил топ-10 причин обращений и дал готовые user story для их устранения
• Можно загружать скриншоты графиков и метрик — LLM объяснит суть и даст рекомендации
• Для структурированных табличных данных LLM менее эффективен, чем традиционная аналитика
• Всегда проверяйте результаты своей экспертизой, исключайте аномальные периоды (инциденты)
• Основная ценность — в обработке именно неструктурированной информации

Практические агенты и автоматизация рутинных процессов

• Реальную пользу дают агенты, интегрированные в рабочие процессы, а не простые чат-боты
• Microsoft Copilot: автоматические summary встреч, выделение action items, поиск упоминаний по временным меткам
• DataDog AI Assistant анализирует метрики и логи, находит проблемы, которые могут быть пропущены
• Автоматизация через Make/Zapier: сбор данных из Jira, мониторинг изменений в проектах других команд
• Изучать MCP (Model Context Protocol) для подключения агентов к внутренним системам
• Использовать готовые коннекторы в облачных сервисах (Google Drive, Office 365)
• Фокусироваться на автоматизации конкретных повторяющихся задач

Deep Research: возможности и ограничения

• Мощный инструмент для быстрого освоения новых областей и закрытия гипотез
• Экономит 2-3 дня работы при подготовке стратегий и аналитических материалов
• Хорошо работает для конкурентного анализа, выбора вендоров, исследования рынков
• Не использовать для областей, где у вас уже есть глубокая экспертиза — результат будет очевидным
• Лишает возможности самостоятельного изучения материала, что важно для развития экспертизы
• Лучший Deep Research сейчас у Grok благодаря качеству поисковых запросов
• Подходит для получения базовых знаний, но не заменяет глубокого погружения в тему

Выявление процессов для AI-оптимизации (Process Discovery)

• Задача мало отличается от классической автоматизации бизнес-процессов — основные барьеры организационные, не технические
• Жесткий подход: при увольнении не выделять новую ставку, предложить AI-инструменты
• Мягкий подход: мотивировать middle-менеджмент искать сценарии оптимизации
• Изучать Process Mining техники и инструменты (есть решения от SAP)
• Использовать Automation Potential Matrix для оценки задач по повторяемости и предсказуемости
• Начинать с оцифровки метрик эффективности (например, DORA метрики для разработки)
• Фреймворк CRISP-DM можно адаптировать для AI-автоматизации

Экспорт и подготовка данных для анализа в LLM

• Универсальный совет: спросить у самого GPT, как решить задачу экспорта/обработки данных
• GPT может написать скрипты для разбивки больших файлов на подходящие размеры
• Использовать векторные хранилища для работы с большими объемами данных
• MCP-серверы позволяют агентам напрямую работать с системами (Jira, Google Sheets, Postgres)
• Projects в Claude и ChatGPT позволяют подключать файлы и синхронизировать с Git
• Коннекторы в публичных облаках дают доступ к Google Drive, OneDrive и другим сервисам
• Cursor может генерировать веб-страницы с красивыми графиками на основе ваших данных

Будущее фреймворков управления с AI

• Письменная коммуникация становится важнее устной, растет роль документации
• Появляются экспериментальные workflow с агентами: исследование → анализ ROI → debate между агентами → выбор решения → реализация → review
• Базовые задачи менеджмента (one-on-one, переговоры) остаются неизменными
• PMI публикует стандарты AI в проектном управлении, Scrum выпустил Expansion Pack с главой про AI
• Будущее за менеджерами-оркестраторами с пониманием computer science
• Агенты ведут себя как быстрые джуниоры — нужен контроль и направление
• Развивать навыки построения пайплайнов и работы с мультимодальными агентами