С 3 по 5 июня прошла онлайн-конференция «Проектное мышление 2025», посвященная управлению проектами и проектным компетенциям. Одна из ключевых тем была связана с внедрением искусственного интеллекта. Данный вопрос особенно актуален, ведь рынок труда переживает радикальную трансформацию, а корпоративные практики стремительно меняются под влиянием ИИ. Совсем недавно Microsoft объявил о сокращении 6000 сотрудников — компания нашла способ оптимизировать работу за счет ИИ. Этот тренд уже затрагивает управление проектами, заставляя бизнес пересматривать подходы к организации процессов.
«ИИ не заменит людей, но тех, кто не умеет с ним работать, заменят те, кто умеет», — отметилт Юрий Ким, генеральный директор ЦОРПУ. Действительно, вопрос уже не в том, внедрять ли ИИ, а в том, как это сделать грамотно.
Инструменты и ограничения
Сегодня искусственный интеллект демонстрирует свою эффективность на трех ключевых уровнях организации работы. На персональном уровне ИИ-ассистенты помогают сотрудникам быстро находить информацию и структурировать задачи.
Для использования ИИ на командном уровне существуют ИИ инструменты, например, платформа TeamLogs. Это интеллектуальная система для проведения совещаний, где ИИ выступает в роли цифрового секретаря. Платформа записывает совещания и проводит полноценный анализ: определяет самых активных участников, автоматически формирует протоколы встреч с распределением поручений, а встроенный LLM-модуль позволяет сразу же уточнять детали обсуждения.
Для корпоративного уровня можно использовать связку ПМ Форсайт + ПРИИСК. Вместе они способны обрабатывать загруженные документы, создавать детализированные протоколы и отвечать на вопросы по содержанию совещаний, становясь полноценными цифровыми секретарями. Такие технологии уже сегодня трансформируют традиционные бизнес-процессы, сокращая время на рутинные операции и повышая эффективность коллективной работы. Иван Филимошкин, директор по работе с государственными заказчиками ГК «Проектная практика», предупреждает: не все ИИ-инструменты одинаково полезны. Их эффективность зависит от специфики задач и грамотной реализации.
Внедрение ИИ требует комплексного подхода, учитывающего как технические, так и организационные аспекты. Прежде всего необходимо оценить готовность компании к изменениям – насколько сотрудники и процессы адаптируются к новым технологиям. Критически важными являются обеспечение информационной безопасности, особенно при работе с конфиденциальными данными, а также наличие необходимой ИТ-инфраструктуры и качественных данных для обучения моделей. Этические аспекты и прозрачность решений ИИ должны соответствовать корпоративным стандартам и нормативным требованиям, при этом система должна быть полностью интегрирована в существующие бизнес-процессы. Отдельное внимание следует уделить подготовке персонала – сотрудникам потребуются обучение для эффективного взаимодействия с ИИ, а также разработка четких метрик для оценки его работы. На практике часто возникают проблемы из-за непонимания реальных возможностей ИИ, когда руководители ожидают от него решения задач, для которых технология не предназначена. Это, вместе с отсутствием доверия к результатам ИИ и бессистемным внедрением, приводит к разочарованию. Дополнительные сложности создают неподготовленность корпоративных данных для дообучения моделей и нехватка специалистов по работе с ИИ. Кроме того, на рынке пока недостаточно надежных платформ, соответствующих корпоративным стандартам безопасности и интеграции. Успешное внедрение требует решения всех этих вопросов в комплексе.
Как развернуть ИИ в компании?
На этот вопрос ответил Андрей Комлев, руководитель направления ИИ «Адаптивные технологии развития». Со слов спикера, для внедрения ИИ внутри корпоративного контура нужны серьезные вычислительные ресурсы. Минимальные требования для работы с моделями 7B, достаточными для базовых задач, включают:
- CPU: 4 ядра;
- ОЗУ: 32 ГБ;–SSD: 150 ГБ;
- видеокарта: NVIDIA T10 (16 ГБ).
Буква «B» указывает на количество параметров модели. Параметры – это числовые коэффициенты, которые нейросеть настраивает в процессе обучения, чтобы находить закономерности в данных.
Модели до 7B –– базовая версия, которая уже способна понимать вопросы и формулировать ответы, особенно если ее дообучить на своих данных (RAG), обеспечивая около 70% точности. Они подходят для простых чат-ботов, FAQ-систем или базовой обработки документов. Модели 13B, благодаря увеличенному количнству параметров, работают точнее: они лучше улавливают нюансы вопросов, дают более развернутые и структурированные ответы. Самые производительные модели – 70B. Они справляются со сложными профессиональными текстами, методологиями и специализированными задачами, работают быстрее меньших версий, открывая возможности для глубокой аналитики и стратегического планирования. Чем сложнее задача, тем больше параметров нужно, но и требования к вычислительным ресурсам растут, поэтому выбор зависит от конкретных целей и бюджета.
Для сравнения: запуск топовой модели DeepSeek R1 требует 1800 ГБ видеопамяти, а стоимость видеокарт составляет порядка 100 млн руб. Такие системы способны решать сложнейшие задачи, но их стоимость неподъемна для большинства компаний. Более практичный вариант – DeepSeek V3 за 6 млн руб.: этот компромиссный вариант обслуживает до 50 пользователей и покрывает базовые потребности бизнеса в ИИ-аналитике.
В качестве альтернативы покупке дорогостоящего оборудования спикер привел облачные решения и аренду мощностей в дата-центрах: это позволяет использовать даже продвинутые модели без гигантских первоначальных вложений, оплачивая только фактическое использование ресурсов.
Искусственный интеллект уже сегодня является мощным инструментом для управления проектами, способным оптимизировать процессы, сократить рутинную нагрузку и повысить эффективность работы от персонального до корпоративного уровня. Однако его успешное внедрение требует тщательной подготовки. Компаниям необходимо оценить свою готовность к интеграции ИИ: проверить ИТ-инфраструктуру, качество данных, уровень цифровой зрелости сотрудников и соответствие системы корпоративным стандартам безопасности. Оптимальным решением может стать постепенное внедрение, начиная с пилотных проектов, или использование облачных сервисов для минимизации первоначальных вложений.
Поделиться:
- ВКонтакте
- Telegram
