К агентному управлению программными проектами: видение и план реализации

Аннотация.

С появлением агентного ИИ разработка программного обеспечения переходит в новую эру, получившую название Software Engineering 3.0. Управление программными проектами (SPM) также должно эволюционировать в соответствии с этими изменениями, чтобы повысить успешность завершения проектов, сохраняя при этом человеческий фактор в центре внимания. Основываясь на наших предварительных идеях о ”агентный SPM”, и опираясь на поддерживающую литературу, мы представляем наше видение ”Агентный менеджер проектов (PM))” как мультиагентная система для SPM 3.0. Они будут функционировать подобно “младший менеджер проекта”, или “стажер-менеджер проекта” результате внедрения ИИ-агентов. Мы представляем четыре режима работы с различными уровнями автономности, которые можно выбирать в зависимости от задачи управления проектами (SPM). Это позволяет решить проблемы, связанные с этикой, ответственностью и доверием к агентным системам управления проектами. Также мы делится выводами об эволюции роли руководителя проектов и новых требованиях к навыкам в условиях интеграции ИИ. “стратегический лидер” и “коуч” для людей и агентов. Закладывая основы исследований агентно-ориентированного управления производительностью (SPM), мы предлагаем программу исследований для более широкого научного сообщества..

1. Введение

Достижения в области генеративного искусственного интеллекта (GenAI) ведут нас к эпохе «агентного ИИ». (Mori2025). Агентный ИИ относится к автономным системам искусственного интеллекта, которые достигают сложных целей посредством автономного принятия решений, активного выполнения задач с минимальным участием человека, обучения и адаптации в процессе взаимодействия с людьми и другими системами. Это делает агентный ИИ “живая система” в отличие от других инструментов искусственного интеллекта (Уайт2024).

Последние исследования описывают Software Engineering 3.0 (SE 3.0, также называемое Agentic SE) — новую эру разработки программного обеспечения, в которой агентный ИИ выступает в роли коллег, совместно работающих с людьми в процессе разработки программного обеспечения. (Li2025). Исследования по использованию агентного SE начали выявлять потенциал для помощи в деятельности по разработке программного обеспечения, такой как кодирование и тестирование. (Абрахао2025; Li2025). Эти результаты дополняют текущие дискуссии практиков о применении ИИ-агентов в разработке программного обеспечения, таких как Zapier., для автоматизации задач (Мори2025), Искусственные интеллектуальные помощники, такие как GitLab Duo,, Anthropic’s Claude Code, Sourcegraph Amp (Karatas2025), и Rovo Dev в генерации кода и тестировании программного обеспечения. С этим сдвигом парадигмы возникает необходимость переосмыслить существующие методологии, роли, практики и артефакты на протяжении всего жизненного цикла разработки программного обеспечения (SDLC), не ограничиваясь только программированием. (hoda2025agenticsoftwareengineeringcode).

Мы также отметили, что специалисты ожидают, что агентный ИИ приближается к воплощению в реальность в управлении программными проектами (SPM). Недавний отчет об ИИ в управлении проектами, подготовленный Project Management Institute (PMI Sweden chapter) (Nilsson2025) выявил информационные технологии (IT) как один из трёх ведущих секторов, использующих ИИ в управлении проектами. В рамках продолжающейся эволюции ИИ ожидается появление виртуальных помощников по проектам для поддержки менеджеров проектов (PM) (Nilsson2025). Некоторые специалисты предполагают роль, подобную “Искусственный интеллект в управлении проектами” к 2030 году (Масуди2025).

Мы завершили наш недавний обзор практической литературы по использованию GenAI в управлении проектами (SPM) кратким видением агентного SPM, где ИИ-агенты выступают в роли помощников для руководителей проектов (PM) в различных задачах SPM, а человеческий PM взаимодействует не только с людьми и процессами, но и с этими агентами SPM. (Assalaarachchi2025a). Однако с развитием концепций агентного ИИ возникают опасения относительно накладных расходов на координацию и необходимости создания интегрированных или унифицированных агентных систем. (electronics14010087; hoda2025agenticsoftwareengineeringcode). Некоторые источники утверждают, что простое следование тренду внедрения агентного ИИ может привести к провалу проектов из-за высокой стоимости, отсутствия отображения бизнес-ценности, низкого уровня принятия пользователями или слабого управления рисками. (Gartner2025). Отсутствие внимания к таким аспектам также приводит к провалу инвестиций в GenAI более чем в 95% организаций. (MIT2025). Следовательно, в данной концептуальной статье мы рассматриваем следующие исследовательские вопросы:.

1. Как SPM будет развиваться вместе с ИИ для облегчения агентной SE?

2. Как следует проектировать и использовать этичного мультиагентного помощника для управления проектами, соблюдая баланс автономности?

3. Как должна развиваться роль менеджера проекта (PM) для обеспечения ответственного взаимодействия между человеком и ИИ-агентом?

Ссылаясь на новейшие исследования, мы представляем ”SPM с дорожной картой ИИ” (в разделе 3.1), и развивают наше первоначальное видение, предлагая этическую ”агентный PM” вместе с четырьмя ”режимы работы” которые регулируют автономию агентного управления проектами в зависимости от каждой задачи SPM. Мы подробно рассматриваем, как и почему необходимо обеспечивать человеческий надзор в каждом рабочем режиме для ответственного взаимодействия между человеком и агентом (в разделе 3.2). Мы также предоставляем анализ эволюции роли менеджера проектов (PM) с учетом требований к навыкам в эпоху агентного управления проектами (SPM) (в разделе 3.3). Наше предложенное видение будет направлять разработчиков ИИ в создании достоверный агентный PM для повышения уровня принятия и внедрения. Современные (человеческие) PM могут получить представление об эволюции своей роли и необходимых навыках для улучшения взаимодействия между человеком и агентом в эпоху агентного SPM. Кроме того, мы предлагаем программу исследований, основанную на этом видении (в разделе 5).

2. Связанные работы

2.1. Агентный искусственный интеллект

Публичный запуск ChatGPT в ноябре 2022 года привел к революционным изменениям в различных отраслях и секторах. (Sapkota2026). Эти инструменты GenAI теперь развиваются в направлении ИИ-агентов и Agentic AI. (Mori2025; Sapkota2026). ИИ-агенты разрабатываются как автономные сущности, автоматизирующие определенные задачи с помощью собственных механизмов логического вывода. (Хьюз2025; Sapkota2026; Уайт2024). С другой стороны, агентный ИИ развивается как решение проблемы накладных расходов на координацию при работе с единичными агентами для выполнения множества задач. Агентный ИИ рассматривается как живая система благодаря его продвинутым и уникальным возможностям в достижении сложных целей посредством автономного принятия решений, активного выполнения задач с минимальным участием человека, координации множества агентов, а также обучения и адаптивности. (Sapkota2026; Уайт2024). Исследователи в области разработки программного обеспечения начали изучать возможность агентно-ориентированной разработки ПО — новой эры в этой сфере, поддерживаемой агентными помощниками, на фоне текущих тенденций развития агентного ИИ в программной индустрии. (hoda2025agenticsoftwareengineeringcode).

2.2. Agentic SE

Недавний концептуальный документ описывает Software Engineering 3.0 (SE 3.0, также называемое Agentic SE) — новую эру разработки программного обеспечения, в которой агентный ИИ выступает в роли коллег, совместно работающих с людьми над созданием программного обеспечения. (Hassan2025). Они подчеркивают необходимость переосмысления ролей в разработке программного обеспечения. (Хассан2025) и как люди взаимодействуют с агентными партнёрами для достижения максимального потенциала (Уайт2024). Агентный ИИ не предполагает замену существующих ролей, но потребует их переосмысления для четкого понимания синергии между человеческими и агентными участниками команды. (Li2025; Hassan2025), сохраняя человеческий фактор в центре жизненного цикла разработки программного обеспечения  (Abrahao2025). Однако большинство современных исследований сосредоточено исключительно на агентном ИИ в программировании и тестировании. (Абрахао2025; Li2025; hoda2025agenticsoftwareengineeringcode). SPM также должен развиваться при реструктуризации SDLC с использованием агентного ИИ, так как он способствует успешному завершению проекта, управляя доступными ресурсами и ограничениями. (Абрахао2025; Assalaarachchi2025a; hoda2025agenticsoftwareengineeringcode). В недавней статье Roadmap представлена SPM как одна из внешних циклических активностей в SDLC, где ожидается сохранение роли человека при поддержке ИИ, а не полная автоматизация. (Abrahao2025). Следовательно, крайне важно исследовать, как SPM может развиваться для поддержки агентного SE, и определить ответственные взаимодействия между человеком и агентом..

2.3. Агентный ИИ и SPM

Ряд исследований выявил потенциал инструментов ИИ и GenAI для помощи руководителям проектов в автоматизации рутинных задач, таких как создание артефактов SPM. (Dam2019; Кардум2025; Assalaarachchi2025a), прогнозная аналитика (Dam2019; Assalaarachchi2025a), принятие решений на основе данных (Dam2019; Kardum2025; Assalaarachchi2025a), улучшение коммуникации и взаимодействия (Assalaarachchi2025a), и улучшенное управление рисками (Dam2019; Assalaarachchi2025a), поддержка руководителей проектов в экономии времени для стратегической деятельности (Dam2019; Kardum2025; Assalaarachchi2025a), и достижение успеха проекта (Dam2019; Assalaarachchi2025a). Программисты начали воспринимать искусственный интеллект скорее как помощника или второго пилота, а не просто как инструмент. (Assalaarachchi2025a).

В 2023 году (до эпохи GenAI) в концептуальной статье была предложена концепция дополненная agile с концептуальной “гильный ко-пилот”, человеко-ориентированный помощник в гибком управлении проектами. Они подчеркивают необходимость внедрения человеко-ориентированных ценностей в инструменты ИИ и понимания ролей руководителя проекта (PM) и ИИ-помощника, а не замены роли человеческого PM на ИИ. (Хода2023). Опираясь на это видение и учитывая обсуждения среди практиков, мы недавно предложили концепцию ”агентно-ориентированное SPM” с развитием возможностей искусственного интеллекта. Наше обзорное исследование было сосредоточено на анализе использования GenAI в управлении программными проектами (SPM) на основе практической литературы. В заключение мы представили идею использования ИИ-агентов в качестве помощников для руководителя проекта (PM), которые активно выполняют задачи SPM и принимают решения при определенном контроле со стороны человека. Мы подчеркнули необходимость дальнейшего развития этой концепции для изучения восприятия практиками агентного SPM, а также делегирования задач между человеком-PM и агентами SPM для обеспечения этичного взаимодействия человека и ИИ. (Assalaarachchi2025a).

Наличие SPM-агентов в качестве ”ассистенты” или ”младшие менеджеры проектов” может поддерживать человеческого руководителя проекта, экономя время на рутинных задачах для концентрации на стратегических задачах (Assalaarachchi2025a; Hughes2025; Masood2025; Гресс2025). Также ожидается, что это упростит принятие решений на основе данных. (Hughes2025; Gress2025), повышает эффективность и продуктивность (Хьюз2025; Assalaarachchi2025a; Gress2025), и добиться успеха проекта (Masood2025; Hughes2025; Gress2025). Помимо ожидаемых преимуществ, специалисты также обсуждают потенциальные проблемы, связанные с агентными системами управления продуктивностью (SPM), такие как конфиденциальность и этика, подотчетность, доверие, разрыв в навыках и опасения по поводу сохранности рабочих мест. (Гресс2025). Некоторые источники также подчеркивают необходимость разработки этических систем ИИ и управленческих структур, учитывая рост рисков при увеличении автономности ИИ. (Boinodiris2025; Хьюз2025; electronics14010087; SPIEGLER2026103109). Недавнее исследование показало, что потеря человеческого контроля над системой искусственного интеллекта может оказать негативное влияние на общество. (SPIEGLER2026103109). Аналогично, в недавней статье IBM также поясняется, что агентный ИИ может создавать больше рисков и этических проблем по мере роста автономности. Подчёркивается важность усиления человеческой ответственности и этического контроля наряду с технологическими ограничениями в процессе развития агентного ИИ. (Boinodiris2025).

В соответствии с этими обсуждениями, в недавней концептуальной статье предлагаются уровни автономности для ИИ-агентов, определяя автономность в ИИ-агентах как “двусторонний меч” что также вызывает обеспокоенность наряду с предоставляемыми преимуществами (Фэн2025). Они предлагают пять уровней автономности с вовлечением пользователя, начиная с минимального уровня. “наблюдатель” к повышению вовлеченности пользователей “оператор”. В этом исследовании предлагается предоставить агенту большую автономию при условии только человеческого контроля в рамках ”Уровень 5: Пользователь как наблюдатель”. Затем они предлагают ”"Уровень 4: Пользователь как утверждающий", "Уровень 3: Пользователь как консультант", "Уровень 2: Пользователь как сотрудник"”, и ”Уровень 1: Пользователь как оператор”, которые требуют большего вовлечения пользователя и минимальной автономии агента. По мере движения по этим уровням, от уровня 5 к уровню 1, автономия агента снижается, а вовлеченность пользователя возрастает. Авторы ожидают, что эта модель послужит ориентиром для будущего проектирования и использования агентного ИИ в различных сферах. Это поможет обеспечить ответственное взаимодействие человека и агента, а также решить вопросы, связанные с этикой, подотчетностью, доверием и опасениями по поводу сохранения рабочих мест. (Фэн2025).

Еще одно недавнее исследование по многоагентным системам для масштабируемых гибких проектов вызвало обеспокоенность в связи с увеличением накладных расходов на координацию, когда отдельные ИИ-агенты усиливают выполнение индивидуальных задач. (electronics14010087). Исследования рекомендуют ориентироваться на создание взаимосвязанных мультиагентных систем, которые более активны в управлении задачами, подходят для сложных целей и динамичных сред, способны к рассуждению, обучению и адаптации. (Sapkota2026; Ачарья2025) для облегчения запланированной эволюции агентного программного обеспечения (Абрахао2025; Hassan2025; hoda2025agenticsoftwareengineeringcode). Следовательно, в данной работе мы расширяем наше предыдущее видение, чтобы охватить такую мультиагентную систему, выходящую за рамки отдельных агентов, и вводим концепцию ”агентный менеджер проектов (PM))”, адаптивная и этичная мультиагентная система для управления проектами (SPM), функционирующая как ”внутренний руководитель проекта” или a ”младший менеджер проектов”.

Также отмечается необходимость более четкого распределения задач между человеком-руководителем проекта и агентным руководителем проекта, а также определения соответствующих уровней автономии для каждой задачи управления проектами, выполняемой агентным руководителем проекта. (hoda2025agenticsoftwareengineeringcode). Такое понимание критически важно для формирования адекватного доверия и принятия агентных систем управления проектами со стороны людей. (Assalaarachchi2025a). При этом мы ожидаем, что менеджер проекта (PM) возьмет на себя роль ”коуч” кто направляет, контролирует и координирует команду, включая агентных участников, для успешного завершения проекта.

3. Агентная SPM

3.1. SPM с дорожной картой ИИ

SPM перешёл от эпохи (ручного) управления человеком (SPM 1.0), где использовались доски, ручки и бумага, к эпохе инструментальной поддержки (SPM 1.5), в которой применялись такие инструменты SPM, как Microsoft Project, облачные платформы типа Jira и Trello. (Assalaarachchi2025) пришел для облегчения деятельности SPM, включая поддержку гибких методологий (Micha2025). С появлением новых возможностей ИИ мы вступили в эпоху AI-аугментированного SPM (SPM 2.0), где ИИ стал помощником или сопилотом. (Dam2019; Хода2023; Assalaarachchi2025a) в SPM. Инструменты SPM начали интеграцию с ИИ (например, Rovo) для обеспечения успешного управления проектами (SPM) (Assalaarachchi2025a). Эволюция до SPM 2.0 параллельна эпохе SE, усиленного ИИ (SE 2.0), в эволюции SE, предложенной (Хассан2025).

Рисунок 1. SPM с AI Roadmap (следующие (Hassan2025))

Иллюстрация эволюции SPM с ИИ с течением времени

В нашем недавнем обзорном исследовании мы представили видение применения ИИ-агентов для задач SPM и возможность для агентная SPM эра (SPM 3.0) (Assalaarachchi2025a). Теперь мы расширяем наше видение, согласуясь с преобразованиями в рамках Agentic SE (SE 3.0), (Хассан2025) и предлагаем ”агентный PM” как многоагентную систему для поддержки наступающей эры агентно-ориентированной разработки программного обеспечения. Агентно-ориентированное управление проектами способно облегчить достижение сложных целей за счет восприятия сценариев на основе множества источников данных, принятия решений и активного управления задачами после получения соответствующих полномочий от руководителя проекта-человека. (Ачарья2025). После выполнения задач они могут обучаться и адаптироваться на основе обратной связи от руководителя проекта и членов команды (Рисунок 2).

В ходе этой эволюции мы наблюдаем рост автономности ИИ при автоматизации большего числа задач управления проектами (SPM), в то время как роль человека-менеджера проектов (PM) смещается в сторону ”коуч” кто направляет, контролирует и обеспечивает работу команды, включая агентных участников, для успешного завершения проекта. Хотя (Хассан2025) представить эпоху автономного SE (SE 4.0 и 5.0), мы не предполагаем полностью автономное будущее SPM или замену роли человеческого PM сейчас или в ближайшем будущем. Человеко-ориентированная природа роли PM (Abrahao2025), стратегическое лидерство, эмоциональный интеллект, эмпатия и этический надзор, критически важные в SPM, по-прежнему требуют присутствия человеческого PM. Недавняя статья представляет SPM как одну из внешних циклических активностей в SDLC, которая, как ожидается, продолжится под контролем человека с поддержкой ИИ, а не в режиме полной автоматизации. (Abrahao2025). Последние достижения в области искусственного интеллекта, особенно в когнитивных архитектурах и нейронных сетях, открыли новые возможности для нейролингвистического программирования (NLP) и разработки ИИ-агентов. Современные модели, такие как Transformer и LLM, демонстрируют значительный прогресс в обработке естественного языка, что напрямую влияет на продуктивность исследовательских и прикладных задач. Методы Reinforcement Learning и оптимизаторы, включая AdamW, позволяют эффективно настраивать параметры моделей, таких как BERT, для достижения более точных результатов. будущее профессий Отчёт Всемирного экономического форума также выделяет ориентированные на человека навыки, такие как аналитическое мышление, креативное мышление, гибкость, эмпатия и активное слушание, в качестве ключевых компетенций, необходимых в будущем, несмотря на эволюцию ИИ. (WorldEconomicForum2025). Более того, управление программным обеспечением было отмечено как один из наименее изученных видов деятельности в исследованиях, использующих Large Language Models (LLMs) для задач в области программной инженерии. (hou2024SLR), указывая на необходимость значительного прогресса перед тем, как можно ожидать более высоких уровней автономности ИИ в SPM. Поэтому мы представляем наше видение агентного PM в качестве помощника человеческого PM для эры SPM 3.0 (в Разделе  3.2) с адаптивными режимами работы и анализом эволюции роли менеджера проектов (в Разделе  3.3).

3.2. Агентный PM для SPM 3.0

Наша предлагаемая агентная система управления проектами (multi-agent system) предназначена для выполнения функций “младший менеджер проектов” или для “внутренний менеджер проекта” на множестве задач управления проектами (SPM) совместно с руководителем проекта (PM) и членами команды (людьми и ИИ-агентами), представленными на Рисунке 2.

Рисунок 2. Агентный PM как ассистент человеческого PM

Схема работы агентного PM в качестве ассистента для человеческого PM

Агентный менеджер проектов (PM) будет состоять из множества подчиненных агентов, специализирующихся на отдельных задачах, и координирующего агента, который централизованно управляет всеми подчиненными агентами, а также коммуникациями между ними и людьми. Агентный PM будет воспринимать использовать несколько источников данных, связанных с задачей, и назначенный режим работы. Затем координирующий агент может решить анализируя данные и назначая задачи с рабочим режимом специализированным суб-агентам принимать действия на основе назначенного режима работы. После выполнения задачи подчиненным агентом результаты возвращаются координирующему агенту. Руководитель проекта (PM) и члены команды могут затем просмотреть эти результаты, утвердить или отклонить их и предоставить обратную связь для агентного PM с целью учиться и адаптироваться. Человек-руководитель проекта также может в любой момент прервать действия при необходимости через координирующего агента. Координирующий агент затем передаст решение и обратную связь соответствующему подчинённому агенту для выполнения этого действия и обучения на будущие действия. Агентный руководитель проекта будет включать центральную базу данных для хранения всех результатов, обратной связи, решений и связанных логов в целях управления и обучения..

Четыре основные возможности агентного подхода к управлению продуктом описаны ниже..

3.2.1. Воспринимать

Агентный PM сначала поймет поставленную задачу и режим работы, собрав информацию из нескольких источников ввода, таких как инструменты SPM (например, Jira, Microsoft Project, Trello), документы (например, планы проектов, отчеты, спецификации требований к программному обеспечению), электронные письма, активность пользователей, базы данных, другие агентные участники команды и онлайн-ресурсы, связанные с сценарием. Однако мы ожидаем, что человеческий PM проверит и будет соблюдать соответствующие национальные, организационные или заинтересованных сторон руководства по обмену данными и конфиденциальности при подключении агентного PM к таким источникам данных. Это может минимизировать этические проблемы и проблемы конфиденциальности данных. (Assalaarachchi2025a).

Мы адаптируем концепцию различных уровней автономии для ИИ-агентов, предложенную в (Фэн2025) в контексте нашего агентного подхода к управлению продуктом и предлагаем четыре режима работы, предоставляя возможность руководителю-человеку изменять степень автономности агентного руководителя с учетом сложности задачи и уровня риска (Рисунок 3). Сложность или трудность задачи относится к способности человека или агента соответствовать конкретным требованиям, необходимым для выполнения задачи (например, креативность, экспертные знания, социальные навыки, усилия). Риск можно определить как неопределённость результатов, связанных с делегированием задачи, и их влияние, что создаёт необходимость ответственности за результат. Это минимизирует риски, связанные с предоставлением полной автономии агентному члену команды. (Фенг2025; SPIEGEL2026103109) и соответствовать концепции сохранения человеческого контроля, как предложено в (hoda2025agenticsoftwareengineeringcode). Это было бы аналогично тому, как мы выбираем различные режимы в LLM (например, режим углубленного исследования в OpenAI для написания отчета) в зависимости от характера задачи..

1. В области искусственного интеллекта, когнитивных наук и нейронных сетей, нейролингвистическое программирование (NLP) играет ключевую роль в повышении продуктивности ИИ-агентов. режим управляемой автономии ИИ (), агентный менеджер проекта (PM) может выполнять задачи с более высокой автономией, но требует проверки результатов человеком-PM. Мы предлагаем использовать этот режим для менее сложных и низкорисковых задач (например, ведение заметок встреч, напоминания). Человек-PM несет ответственность за тщательную оценку потенциальных рисков перед назначением этого режима работы. Это отчасти схоже с идеей ”Уровень 4: Пользователь как утверждающий” предложенный (Фэн2025). Человеческий руководитель проекта (PM) должен сначала предоставить детальные инструкции, а затем проверить результаты, чтобы утвердить или отклонить их и дать обратную связь для агентного PM, чтобы тот мог обучаться и адаптироваться. В настоящее время существуют ИИ-ассистенты для встреч, такие как Otter.ai, Fireflies, и интеграции ИИ в платформы видеоконференций, например Zoom и Microsoft Teams, для ведения записей встреч. Хотя эти ИИ-ассистенты могут повысить эффективность и продуктивность PM, сообщается о возможных проблемах, связанных с точностью данных, ошибочной интерпретацией и этическими вопросами, такими как конфиденциальность данных. (Rebelo2025; SimpsonGrierson2025; Тейлормур). Учитывая возможность аналогичных проблем в агентном управлении проектами, мы предлагаем режим управляемой автономии ИИ вместо полного уровня автономности, предложенного в ”Уровень 5: Пользователь как наблюдатель” из (Фенг2025). Человеческий контроль со стороны менеджера проекта рекомендуется для всех результатов, а не чрезмерное доверие агентскому управлению проектами. (SimpsonGrierson2025; Тейлормур).

2. В области искусственного интеллекта, когнитивных наук и нейролингвистического программирования (NLP) современные достижения, такие как архитектуры Transformer, LLM и методы Reinforcement Learning, значительно повысили продуктивность ИИ-агентов. Модели, подобные BERT, оптимизированные с использованием алгоритмов типа AdamW, демонстрируют высокую эффективность в обработке естественного языка. режим обучения с учителем в ИИ (), мы ожидаем, что руководитель-человек предоставит обзор и ожидания по задачам агентному руководителю, после чего агентный руководитель сможет создавать черновики или готовиться к выполнению задачи (например, составлять черновики писем, отчетов). Агентный руководитель будет периодически консультироваться с руководителем-человеком для получения обратной связи и полностью выполнит задачу после утверждения изменений руководителем-человеком (например, отправит финальные письма или отчеты заинтересованным сторонам). Данный режим предложен с учетом ”Уровень 3: Пользователь в роли консультанта” уровень автономности, предложенный в (Фенг2025). Мы можем рассматривать режим глубокого исследования в OpenAI и Google Gemini как некоторые связанные современные примеры. (Фенг2025) которые всё ещё требуют контроля со стороны человека для проверки и корректировки этих черновиков, чтобы избежать галлюцинаций, включить любую организационную или проектную информацию, упущенную в черновиках, и предотвратить проблемы с конфиденциальностью данных. (Assalaarachchi2025a).

3. Режим совместной работы человека и ИИ () будет применима для задач, требующих совместного вклада всей команды, таких как планирование спринта, оценка трудозатрат, ретроспективы и т.д. Человек-руководитель проекта и члены команды (как люди, так и агенты) должны взаимодействовать с агентным руководителем проекта исключительно как с еще одним участником, поддерживающим анализ данных и предоставляющим инсайты, избегая при этом чрезмерной зависимости. (Assalaarachchi2025a). Предварительные исследования в этой области уже ведутся для оценки трудозатрат в agile. (Bui2025). Данный режим работы соответствует автономности ”Уровень 2: Пользователь как соавтор” предложенный (Фенг2025).

4. Мы предлагаем использовать Режим с поддержкой ИИ () при работе со сложными и стратегическими задачами, такими как планирование проекта (широкое влияние на весь проект), переговоры и наставничество, которые требуют более критического мышления и навыков, ориентированных на человека. Человек-руководитель проекта должен возглавлять все действия в этом режиме, а агентный руководитель проекта работает только как помощник в анализе данных и предоставляет предложения по запросу человека-руководителя. Согласно глобальному опросу среди руководителей проектов из различных секторов, недавний отчет PMI также выделяет управление заинтересованными сторонами, коммуникацию проекта и бюджетирование проекта как три ключевые области с наименьшим влиянием ИИ. (Nilsson2025). Данный режим работы предложен на основе ”Уровень 1: Пользователь как оператор” уровень автономности, предложенный (Фенг2025). Rovo, Microsoft Copilot, ChatGPT, Gemini — это современные примеры систем, которые функционируют таким образом, что предоставляют результаты по запросу пользователя. Тем не менее, менеджеру проекта-человеку необходимо тщательно проверять результаты, сгенерированные агентными ИИ-системами, чтобы избежать галлюцинаций и проанализировать практическую применимость предлагаемых рекомендаций..

Таблица 1 приводит некоторые примеры того, как агентный PM должен работать в каждом режиме работы, их условия успеха, предполагаемые риски, требующие контроля со стороны менеджера проекта, существующие примеры и зарегистрированные этические инциденты.

Таблица 1. Примеры задач агентного управления проектами (PM), выполняемых в каждом рабочем режиме, их условия успеха, прогнозируемые риски, требующие контроля со стороны человека-менеджера проекта, существующие примеры и зарегистрированные этические инциденты.

Режим работы	Агентное управление задачами продуктивности	Условие(я) успеха)	Ожидаемые риски (требующие контроля со стороны менеджера проекта-человека)	Существующий пример(ы))	Этический инцидент, связанный с существующими примерами
Режим управляемой автономности ИИ ()	Автоматизированное ведение протокола собраний	Автономно инициирует создание заметок о встрече и рассылает их всем участникам после завершения.	• Заметки могут содержать неточности, ошибочные выводы, а также личную, конфиденциальную или чувствительную информацию, не предназначенную для распространения в письменной форме. • Предоставление заметок о встрече не тем заинтересованным сторонам или отсутствие некоторых участников при рассылке	Otter.ai, Fireflies, Granola и др.. (Rebelo2025)	Утечка информации из конфиденциального обсуждения компании к третьим лицам через Otter.ai после встречи в Zoom, приведшая к отмене бизнес-сделок. (AIIncidentDatabase2024)
Режим Supervised-AI ()	Создание документов SPM	Создавайте документы SPM для презентаций и обмена с заинтересованными сторонами	• Отсутствие важной информации в документе • Документы могут содержать неточности, ошибочные выводы, а также личную, конфиденциальную или чувствительную информацию, которая не предназначалась для распространения в письменной форме.	Глубокий исследовательский режим в OpenAI, Google Gemini, Perplexity и других.. (Фэн2025)	Два судьи США признали использование ChatGPT и Perplexity при составлении судебных документов, которые содержали сфабрикованные судебные дела. Эти документы подверглись судебной проверке и были отозваны из-за ошибочных данных. (AIIncidentDatabase2025), Deloitte возвращает австралийскому правительству консультационные сборы на сумму 440 000 долларов из-за ошибок и сфабрикованных ссылок в отчете, сгенерированном с использованием Azure OpenAI GPT-4o. (NDTVWorld2025)
Режим совместной работы человека и ИИ ()	Планирование спринта	Анализирует пользовательские истории, данные прошлых проектов и предлагает возможные пользовательские истории для следующего спринта, а также оценки в story points.	• Проблемы конфиденциальности при обмене конфиденциальными данными проекта • Неточности в рекомендациях при игнорировании человеческих аспектов, таких как динамика команды, навыки и рабочая нагрузка.	Рово (Atlassian2025)	Буи и др.. (Bui2025) Внедряется агент оценки трудозатрат программного обеспечения (SEEAgent), который предоставляет обоснования для оценок, чтобы избежать галлюцинаций в общих LLM, и учитывает человеческие ценности, критически важные для таких задач, как оценка трудозатрат и планирование спринтов (также предложено в (Assalaarachchi2025a; Хода2023)
Режим с поддержкой ИИ ()	Планирование проекта	Анализировать данные, связанные с проектом, и предоставлять аналитические выводы для планирования проекта.	• Проблемы конфиденциальности при обмене проектными или клиентскими данными • Сгенерируйте неточные или нереалистичные предложения.	Rovo (Atlassian2025), Генеративные инструменты ИИ, такие как Microsoft Copilot, ChatGPT и другие..	Google AI сообщили о создании неточных или вредных рекомендаций (например, представление Барака Обамы как первого мусульманского президента США, клея как ингредиента для пиццы).) (AIIncidentDatabase2024_a)

Человек-менеджер проекта (PM) может назначить подходящий режим работы, тщательно оценивая сложность задачи и связанные с ней риски при назначенном уровне автономности. В нашем предварительном видении мы рассматриваем эти два распространенных фактора, специфичных для задачи, чтобы предоставить примерное руководство для PM по сопоставлению задач SPM с подходящим режимом работы (Рисунок 3). Участие человеческого руководителя проекта должно возрастать с увеличением сложности задачи и уровня риска, одновременно снижая автономию агентного руководителя проекта, как предложено в (Фэн2025). Однако ответственность за результаты во всех режимах работы должна оставаться за руководителем проекта (PM) как за конечным лицом, принимающим решения, и этическим лидером. Это также поддерживает ”весь процесс” зрение и принцип этического согласования для Agentic SE, представленного в (hoda2025agenticsoftwareengineeringcode), в котором все действия должны разрабатываться с учетом этических норм и в конечном итоге оставаться под контролем человека. Кроме того, наше предложенное видение агентного управления продуктивностью (PM) с четырьмя указанными режимами работы поддерживает идею, что такие виды деятельности, как стратегическое управление продуктивностью (SPM), останутся под контролем человека при поддержке ИИ, а не полностью автоматизированными. (Абрахао2025; Lubars2019). Следовательно, мы вводим только четыре рабочих режима, адаптируя уровни автономности от 1 до 4 и исключая полностью автономный режим, такой как уровень 5. (Фенг2025) для нашего видения агентного управления продуктами.

Рисунок 3. Пример иллюстрации сопоставления задач управления проектами (SPM) с рабочими режимами в агентно-ориентированном управлении проектами на основе сложности и риска задачи.

Пример иллюстрации отображения задач SPM на рабочие режимы в агентском управлении проектами на основе сложности и риска задачи

3.2.2. Решить

Координирующий агент способен анализировать поставленную задачу, режим работы, источники входных данных и схожие прошлые задания, чтобы определить подходящих специализированных под-агентов для выполнения задачи. Затем он передаст задачу, режим работы и другую информацию конкретному под-агенту для выполнения действий..

3.2.3. Принимать действия

Специализированные под-агенты для конкретных задач могут затем выполнять действия, распределенные между ними координирующим агентом. Агентам необходимо учитывать режим работы, поскольку в большинстве режимов они не действуют самостоятельно. В большинстве случаев им требуется одобрение или проверка со стороны руководителя проекта (PM) и членов команды. Мы предлагаем использовать несколько взаимосвязанных специализированных агентов в рамках агентной системы PM для выполнения ряда задач в соответствии с режимом работы, назначенным руководителем проекта. (например, агент планирования, агент электронной почты, агент заметок о встречах, агент анализа рисков, агент управления задачами и т. д..). Эти подчинённые агенты могут взаимодействовать друг с другом через координирующий агент, а координирующий агент может передавать любые проблемы или конфликты между агентами человеческому руководителю проекта (PM) для их рассмотрения и принятия решений..

3.2.4. Учиться и адаптироваться

Люди смогут предоставлять обратную связь агентному PM, чтобы он мог обучаться и адаптироваться в следующих итерациях. Агентный PM будет иметь центральную базу данных для ведения журналов результатов и обратной связи для будущих применений с использованием возможностей reinforcement learning. Это будет аналогично тому, как стажер обучается под руководством PM и на основе отзывов членов команды. Люди также смогут давать обратную связь по этической корректности результатов, что позволит агентному PM обучаться и минимизировать такие проблемы в следующих итерациях..

Предлагаемое нами видение агентного руководителя проекта с адаптивными режимами работы может помочь разработчикам ИИ в создании этичных агентных руководителей проекта, а также их пользователям в организации ответственного взаимодействия между человеком и ИИ. Оно также способствует решению таких проблем, как четкое делегирование задач, подотчетность, доверие и опасения по поводу сохранения рабочих мест, что побуждает руководителей проектов-людей принимать и внедрять агентных руководителей проекта для совместной работы..

3.3. Эволюция роли человеческого менеджера проектов с агентным SPM

Новая литература указывает на необходимость пересмотра ролей в разработке программного обеспечения в связи с развитием агентного ИИ в этой области. (Hassan2025; hoda2025agenticsoftwareengineeringcode; Roychoudhury2025). Аналогично, мы предполагаем изменения в традиционной роли менеджера проектов в разработке программного обеспечения при наличии агентного менеджера проектов в качестве помощника. В нашем предложенном видении агентного менеджера проектов мы опираемся на идею о том, что взаимодействие человека и ИИ критически важно для успешного завершения проекта при сохранении всех действий под контролем человека. (hoda2025agenticsoftwareengineeringcode). Следовательно, роль менеджера проекта (PM) не будет заменена, а скорее усилена и дополнена агентными PM, как было предложено ранее. (Хода2023). Мы предлагаем агентного PM в роли младшего PM или стажера PM, работающего совместно с командой разработчиков (человеческими и агентными участниками) и человеческим PM. Это требует от человеческого PM не только координации человеческих членов команды, но и агентных PM. Когнитивные задачи, такие как планирование проектов, стратегическое принятие решений, управление заинтересованными сторонами и переговоры полагаться на менеджера проекта-человека, которому может помогать анализ данных и выводы агентного менеджера проекта (Гресс2025; Nilsson2025). Соответствуя принципам этика-по-умолчанию и человеческий, агентный и социотехнический аспекты (hoda2025agenticsoftwareengineeringcode), человеческий менеджер проекта будет отвечать за поддержание этический надзор и улучшение человеко-агентное взаимодействие для ответственного раскрытия полного потенциала агентного управления продуктивностью.

С учетом ожидаемых изменений руководителям проектов потребуется освоить ключевые навыки для ответственного взаимодействия между человеком и ИИ-агентами, а также стратегического лидерства. В ходе недавнего обсуждения среди практиков был поднят вопрос о навыковом разрыве как о вызове, возникающем в процессе развития агентного ИИ. (Gress2025). В ходе анализа схожей литературы (Assalaarachchi2025a; Уайт2024; hoda2025agenticsoftwareengineeringcode; Roychoudhury2025) и практические рекомендации экспертов (Гресс2025; Nilsson2025; WorldEconomicForum2025), мы рекомендуем руководителям проектов развивать навыки, такие как:

• Интерпретация данных - Обзор и интерпретация результатов работы агентного PM, который преимущественно занимается анализом данных и предложениями..

• Этический надзор - Этика и знания о защите данных для проверки результатов агентного управления продуктивностью и постоянного мониторинга агентного управления продуктивностью на соответствие этическим нормам. (Boinodiris2025). Человеческие руководители проектов должны соблюдать национальные, организационные и заинтересованных сторон этические нормы. (Assalaarachchi2025a).

• Критическое мышление - Человек-руководитель проекта выступает в роли основного лица, принимающего решения для большинства нетривиальных задач управления проектами (SPM), и требует критического мышления для принятия стратегических решений. Человек-руководитель также должен критически оценивать риски различных задач SPM перед назначением подходящего режима работы для агентного руководителя проекта..

• Межличностные навыки - Навыки, такие как эмоциональный интеллект, (9769966), эмпатия (Gunatilake2025), стратегическое лидерство и коммуникация остаются критически важными для руководителя проекта в управлении заинтересованными сторонами, переговорах и разрешении конфликтов.

Человеческие руководители проектов должны повышать свою квалификацию и трансформировать свою роль в “коуч” кто руководит, контролирует и координирует работу команды, включая агентных участников, для успешного завершения проекта.

4. Ограничения и направления будущих исследований

Мы признаем ограниченность данного исследования как предварительного видения без эмпирических доказательств. Мы представляем эту работу как основу для исследований в области агентного ИИ и SPM, чтобы способствовать развитию новых концепций агентной разработки ПО. Учитывая недостаточную изученность темы агентного ИИ в областях разработки ПО и SPM, где большинство публикаций пока являются препринтами или концептуальными работами, мы планируем эмпирически проверить наше видение и восполнить пробелы в исследованиях. Мы также признаем, что наше предварительное видение ограничено двумя факторами, связанными с конкретными задачами (сложностью и риском), при демонстрации примера отображения задач SPM на подходящие режимы работы..

На следующем этапе мы проведем опрос, чтобы изучить представления практиков о концепции агентного SPM и агентного PM с адаптируемыми режимами работы. Это позволит нам сопоставить режимы работы с подходящими задачами SPM и выявить факторы, влияющие на решение о передаче задач агентному PM, на основе эмпирических данных. На основе результатов опроса и последующих интервью мы разработаем прототип этого агентного PM, который в дальнейшем сможем протестировать с командой разработчиков для валидации. Мы ожидаем, что по итогам этих экспериментов сможем предложить рекомендации по ответственным взаимодействиям между человеком и агентом. Также мы планируем изучить мнения практиков о предполагаемых изменениях роли человеческого PM и требованиях к повышению квалификации в связи с эволюцией SPM..

5. Научная повестка исследований

В дополнение к нашим эмпирическим исследованиям, изучающим элементы этого предварительного видения, мы представляем следующие направления для будущих исследований специалистов в областях агентных SE и агентных SPM..

• Факторы, влияющие на принятие агентных систем управления проектами - Рекомендуется исследовать факторы, способствующие внедрению агентных систем управления проектами (agentic PMs) для достижения успеха проектов. Также крайне важно понимать барьеры для их внедрения и стратегии их преодоления. Это может привести к успешной реализации агентных PMs при избежании негативной отдачи от инвестиций. (Gartner2025). Также рекомендуется изучать организационные стратегии для повышения осведомленности сотрудников об агентном ИИ, разрабатывать руководства по ответственным взаимодействиям между человеком и агентом, а также внедрять необходимые этические механизмы и механизмы защиты данных..

• Восприятие членами программных команд наличия агентного руководителя проекта - Будущие исследования могут изучить взгляды и опыт членов команды относительно агентных систем управления проектами (agentic PMs) в их коллективе, а также то, как члены команды будут взаимодействовать с такими системами. Также можно расширить исследование, изучив взаимодействие между агентными системами управления проектами и другими агентными участникаминиками команды (multi-agentic SE teams), учитывая растущий объем исследований, посвященных агентным участникам в разработке программного обеспечения. (Хассан2025; Li2025).

• Исследование применимости агентных продуктовых менеджеров в гибких методологиях разработки - Поскольку наше предварительное видение не основано на конкретной методологии управления проектами (SPM), будущие исследователи могут изучить применимость агентных подходов к управлению проектами (PM) в популярных гибких методологиях, таких как Scrum. (Digital.ai2024), используя кейс-стади с командами Scrum. Поскольку наше предложенное видение агентного управления продуктом также поддерживает agile-ценности, такие как обучение и адаптивность, мы рекомендуем будущие эмпирические исследования для валидации или развития нашего видения внедрения агентных PM в agile-команды..

• Руководящие принципы ответственной разработки и использования агентных систем управления проектами - С развитием агентного ИИ в программной инженерии крайне важно разработать ответственные принципы проектирования и использования агентного ИИ. (Boinodiris2025; hoda2025agenticsoftwareengineeringcode). Мы закладываем основу, вводя различные режимы автономии для различных задач и ответственные взаимодействия между человеком и агентом в рамках нашего видения агентного управления продуктивностью (agentic PM), на которую будущие исследователи смогут опираться и разрабатывать руководства для работы с агентными коллегами. Мы также подчеркиваем необходимость человеческого контроля для обеспечения соблюдения этических норм при работе с агентным PM, что может быть дополнительно проверено и исследовано в будущих работах с учетом опыта практиков..

• Влияние агентных продуктовых менеджеров на роли продуктовых менеджеров на ранних этапах карьеры - Отмечаем необходимость исследования влияния агентных продуктовых менеджеров (PM) на роли начинающих PM (стажеров/младших PM), поскольку агентный PM должен выполнять схожие функции в команде разработчиков. Следовательно, крайне важно определить, как следует пересмотреть роли начинающих PM, включив в них новые обязанности и навыки..

• Реструктуризация образования в области SPM - Обучение в области управления проектами (SPM) необходимо переструктурировать, включив в учебные программы и оценки агентный ИИ, ориентируясь на навыки, требуемые в эпоху агентного SPM. Это согласуется с идеей формирования осведомленности об агентном ИИ через образование, представленной в (hoda2025agenticsoftwareengineeringcode), будущие исследования могут быть направлены на реструктуризацию образования в области SPM с участием как практиков, так и академиков.

6. Заключение

Формирующаяся литература предвещает эпоху агентного программного обеспечения (SE 3.0). (Hassan2025), создавая необходимость трансформации аспектов SDLC, таких как SPM, для адаптации к эре агентно-ориентированной разработки программного обеспечения (hoda2025agenticsoftwareengineeringcode). Поэтому в данной концептуальной статье мы закладываем основу, вводя ”SPM с AI Roadmap” представить эволюцию SPM в эпоху агентного SPM (SPM 3.0), поддерживающую концепцию (Hassan2025). Мы развиваем наше предыдущее видение использования ИИ-агентов для задач управления проектами. (Assalaarachchi2025a), и предложить этическую ”агентный PM” наряду с четырьмя ”режимы работы” которые варьируют автономию агентного управления проектами (PM) для задач стратегического управления проектами (SPM). Эти режимы работы предоставляют рекомендации для человеческих PM в определении ответственного взаимодействия между человеком и агентом, а также необходимости этического контроля над результатами агентного PM. Мы не можем предсказать полностью автономное будущее SPM или замену роли человеческого PM, учитывая антропоцентрическую природу и отсутствие эмпирических исследований о возможностях ИИ в SPM. (Абрахао2025; hou2024SLR). Таким образом, мы предполагаем, что руководители проектов (PM) будут развивать свою роль, становясь этичный и стратегический лидер или коуч С этим развитием SPM. Мы представляем требования по повышению квалификации для менеджеров проектов (PM) для поддержки этой эволюции роли..

Наше предложенное видение будет направлять разработчиков ИИ в создании надёжный агентные руководители проектов (PMs) и текущие (человеческие) PMs в контексте ответственного взаимодействия между человеком и агентом, возможной эволюции ролей и требований к повышению квалификации, необходимых для эпохи агентных SPM. Поскольку наше исследование ограничено предварительным видением на основе появляющейся литературы, мы приглашаем будущих исследователей в областях агентных SPM и агентных SE провести больше эмпирических исследований и развить это видение, как предложено в исследовательской повестке (в разделе 5).