3-4 часа в день на сбор статусов, созвоны и охоту за ответом на вопрос «что с проектом?» - такой рабочий ритуал проектного менеджера описывает автор статьи на Habr / Карьера. Его тезис простой: AI-агенты для PM уже умеют забирать самую выматывающую часть работы, но вместе с экономией времени приносят новый тип риска. Для русскоязычной IT-аудитории это важный сигнал: профессия Project Manager не исчезает, а быстро смещается от ручного контроля к управлению контекстом, качеством данных и ошибками автоматизации.
Автор материала, Максим Асроров, проектный менеджер с опытом более 10 лет в Яндексе, Райффайзенбанке и Сбере, описывает знакомую многим сцену. Есть проект с дедлайном, несколькими командами и зависимостями. Заказчик приходит с коротким, но токсично точным вопросом: что происходит и успеваем ли к сроку. В классической схеме PM идет по кругу: пишет разработчикам, аналитику, тестировщику, техлиду, поднимает трекер, сверяет комментарии, ищет, кто реально владеет блокером и почему о нем узнали только сейчас. На выходе получается статус-репорт, собранный не из системы, а из фрагментов корпоративной археологии. Команда раздражена, заказчик ждет, а к моменту, когда картина сложилась, часть данных уже успела устареть.
На этом фоне AI-агенты для PM выглядят не модной игрушкой, а вполне прикладным инструментом. Асроров описывает собственный стек без лишней магии: LLM уровня Claude, GPT или Gemini, доступ к рабочим системам через MCP-серверы или API, а также read-only подключение к трекеру задач, Confluence и истории Slack. Результат агент сохраняет в Obsidian в виде заметки. По словам автора, базовая сборка заняла пару вечеров, а дальше началась нормальная инженерная работа: подгонка промптов под структуру данных, команды и внутренние процессы. Это важная деталь. Речь не о коробочном «волшебном PM», а о довольно приземленном слое автоматизации поверх уже существующих рабочих инструментов.
Что именно делает агент вместо менеджера
Ключевой фрагмент статьи - не общий разговор про «AI меняет профессию», а конкретный рабочий сценарий. PM дает агенту промпт на сбор расширенного статуса по проекту. В задачу входят поиск текущего статуса, исполнителя, дедлайна, приоритета, последних обновлений, связанных тикетов, чеклистов согласований и комментариев. Дальше агент должен разложить открытые пункты на две группы: что зависло из-за главного блокера и что можно закрывать параллельно уже сейчас. Затем он определяет основной блокер, ищет технического владельца, проверяет активность по связанным dev-, RFC- и release-задачам, смотрит, есть ли движение по задаче, и готовит итоговый статус-репорт с выводом по «зеленой», «желтой» или «красной» зоне проекта.
Важнее всего здесь не объем данных, а дисциплина формулировки. Автор отдельно закладывает в промпт запрет на фантазии: если данных нет, агент должен прямо написать, чего не хватает; если вывод сделан, он должен быть привязан к задачам, комментариям или чеклисту; если статус или приоритет не меняются, агент не должен их переписывать «от себя». Для тех, кто уже пытался встроить ИИ в внутренние процессы, это самый реалистичный кусок всей истории. Проблема редко в том, что модель не умеет составить красивый текст. Проблема в том, что в корпоративной среде красивый текст без привязки к фактам очень быстро превращается в источник ложной уверенности.
Отсюда и главный вывод статьи: AI не заменяет проектного менеджера, а передвигает границу его работы. Раньше PM тратил часы на добычу информации. Теперь он за секунды получает собранную картину, но обязан проверить выводы, договориться с людьми, снять конфликт интересов, принять решение и довести его до результата. Иными словами, машина берет на себя сбор следов, а ответственность за интерпретацию и последствия остается у человека. Для бизнеса это вполне осязаемая перестройка роли. Если раньше ценился менеджер, который «всех дожал и все узнал», то теперь растет цена на того, кто умеет правильно ставить вопрос агенту, отличать факт от галлюцинации и быстро распутывать зависимость между командами.
Где автоматизация помогает, а где начинает врать
Асроров не продает сказку про безошибочного цифрового помощника и как раз этим делает материал полезным. Он перечисляет зоны, где агент стабильно ошибается. Во-первых, путается с датами: фраза «должны были сдать вчера» может быть интерпретирована как «уже сдали». Во-вторых, не видит разницы между неформальным согласием в чате и официальным согласованием, а для юристов, финансов и комплаенса это уже не косметика, а вполне прикладной риск. В-третьих, склонен округлять статус в позитивную сторону: если закрыто 11 пунктов из 21, модель легко напишет что проект «в работе», хотя для менеджера это, возможно, уже желтая зона с заметной вероятностью срыва срока. В-четвертых, она подтягивает устаревший контекст и может тащить в текущий статус решения полугодовой давности, которые команда давно переработала или выбросила.
Для разработчиков и техлидов из этой истории следует довольно практичный вывод: чем хуже устроены источники правды, тем хуже будет и работа агента. Если трекер не обновляется, комментарии живут отдельно от задач, а согласования тонут в чатах, ИИ не наведет порядок магическим образом. Он просто ускорит доступ к существующему хаосу и местами еще увереннее его перескажет. Для продуктов и IT-директоров вывод не менее прямой: внедрение AI в проектное управление начинается не с выбора модели, а с нормализации данных, прав доступа и правил, по которым команда фиксирует решения. Иначе бизнес получит не прозрачность, а красиво отформатированный туман.
Для HR и самих PM это еще и маркер изменения требований к профессии. Судя по описанному кейсу, ценность менеджера все меньше завязана на способность вручную собирать статусы по личкам и все больше на умение строить рабочие контуры вокруг AI-агентов для PM: задавать рамки, проверять надежность вывода, видеть скрытые риски и не путать скорость ответа с качеством управления. На рынке это обычно означает не отмену роли, а неприятную для части специалистов вещь: порог входа в профессию может стать ниже для рутинных операций, а планка для сильного PM, наоборот, вырастет. Нужен будет не просто координатор, а человек, который понимает и людей, и процессы, и ограничения автоматизации.
В сухом остатке статья фиксирует не «смерть PM», а начало довольно жесткой переоценки его повседневной работы. Если агент действительно снимает 3-4 часа ручного сбора статусов в день, вопрос уже не в том, нужен ли такой инструмент, а в том, кто быстрее научится использовать его без самообмана. Похоже, в ближайшем цикле выиграют не те команды, которые громче всех объявят про AI-трансформацию, а те, кто сумеет превратить сырые корпоративные данные в проверяемый управленческий контекст.