К агентивному управлению программными проектами: видение и дорожная карта

Аннотация.

С появлением агентного ИИ, программная инженерия преобразуется в новую эру, названную Software Engineering 3.0. Управление программными проектами (SPM) также должно развиваться в соответствии с такими преобразованиями, чтобы повысить успешное завершение проектов, сохраняя при этом человека в центре внимания. Основываясь на наших предварительных идеях об "агентном SPM" и подтверждающей литературе, мы представляем наше видение "агентного проектного менеджера (PM)" как мультиагентной системы для SPM 3.0. Они будут работать как "младший проектный менеджер" или "стажер-проектный менеджер" совместно с командами разработчиков. Мы вводим четыре рабочих режима с различными уровнями автономии на выбор, в зависимости от задачи SPM. Это решает проблемы этики, подотчетности и доверия, связанные с агентными PM. Мы также делимся мнениями об эволюции роли человеческого PM и новых требованиях к навыкам как "стратегического лидера" и "коуча" для людей и агентов. Создавая основу для исследований в области агентного SPM, мы представляем исследовательскую повестку 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 ИИ, которые достигают сложных целей посредством автономного принятия решений, упреждающего выполнения задач с минимальным участием человека, обучаются и адаптируются, взаимодействуя с людьми и системами. Это делает агентный ИИ "живой системой" в отличие от других инструментов ИИ (White2024)⟧.

Недавние исследования представляют Software Engineering 3.0 (SE 3.0, также называемый Agentic SE), новую эру SE, с агентивным ИИ в качестве коллег, работающих совместно с людьми в разработке программного обеспечения (Li2025). Исследования использования агентивного SE начали выявлять потенциал для помощи в деятельности по разработке программного обеспечения, такой как кодирование и тестирование (Abrahao2025; Li2025). Эти результаты дополняют текущие обсуждения практиков об использовании ИИ-агентов в SE, таких как Zapier††https://zapier.com/ai, для автоматизации задач (Mori2025), ИИ-ассистентов, таких как GitLab Duo††https://about.gitlab.com/gitlab-duo/, Anthropic’s Claude Code††https://www.claude.com/product/claude-code, Sourcegraph Amp††https://sourcegraph.com/amp (Karatas2025), и Rovo Dev††https://www.atlassian.com/software/rovo-dev в генерации кода и тестировании программного обеспечения. С этим парадигмальным сдвигом возникает необходимость переопределить существующие методологии, роли, практики и артефакты на протяжении всего жизненного цикла разработки программного обеспечения (SDLC), не ограничиваясь программированием (hoda2025agenticsoftwareengineeringcode)⟧.

Мы также отметили, что практики предполагают, что агентный ИИ приближается к реальности в управлении программными проектами (SPM). Недавний отчет об ИИ в управлении проектами, подготовленный Институтом управления проектами (PMI Sweden chapter) (Nilsson2025), определил информационные технологии (IT) как один из трех ведущих секторов, использующих ИИ в управлении проектами. В рамках текущей эволюции ИИ ожидается появление виртуальных ассистентов проектов для помощи человеку-менеджеру проекта (PM) (Nilsson2025). Некоторые практики предполагают появление роли "менеджера проекта с усилением ИИ" к 2030 году (Masood2025).⟧.

Мы завершили наш недавний обзор практической литературы по использованию генеративного ИИ в SPM кратким видением агентного SPM, где ИИ-агенты выступают в роли помощников человека-руководителя проектов в различных задачах SPM, и человек-руководитель проектов взаимодействует не только с людьми и процессами, но и с этими SPM-агентами (Assalaarachchi2025a). Однако с развитием концепций агентного ИИ это вызывает опасения относительно координационных издержек и необходимости в интегрированных или унифицированных агентных системах (electronics14010087; hoda2025agenticsoftwareengineeringcode). Некоторые источники утверждают, что простое принятие агентного ИИ как тренда может привести к провалам проектов из-за высокой стоимости, отсутствия привязки к бизнес-ценности, низкого принятия пользователями или плохого управления рисками (Gartner2025). Отсутствие внимания к таким аспектам также сообщалось как причина провала инвестиций в генеративный ИИ в более чем 95% организаций (MIT2025). Поэтому в данной статье-видении мы рассматриваем следующие исследовательские вопросы.

1. Как SPM будет развиваться с ИИ, чтобы способствовать агентной SE?
2. Как следует проектировать и использовать этичного многоагентного ассистента по управлению проектами, сохраняя баланс автономии??
3. Как должна эволюционировать роль человеческого PM, чтобы способствовать ответственным взаимодействиям человека и агента?

Опираясь на новейшую литературу, мы представляем «Дорожную карту SPM с ИИ» (в разделе 3.1) и, развивая наше более раннее видение, предлагаем этический «агентный PM» вместе с четырьмя «режимами работы», которые регулируют автономию агентного PM в зависимости от каждой задачи SPM. Мы подробно описываем, как и почему должен обеспечиваться человеческий контроль в каждом режиме работы для содействия ответственному взаимодействию человека и агента (в разделе 3.2). Мы также даем представление об эволюции роли человека-PM и требованиях к навыкам в эпоху агентного SPM (в разделе 3.3). Наше предложенное видение поможет разработчикам ИИ в создании надежного агентного PM для повышения уровня принятия и внедрения. Текущие (человеческие) PM могут получить понимание эволюции своей роли и необходимости повышения квалификации для улучшения сотрудничества человека и агента в эпоху агентного SPM. Кроме того, мы предлагаем исследовательскую программу, основанную на этом видении (в разделе 5).⟧).

2. Связанные работы

2.1. Агентный ИИ

Публичный запуск ChatGPT в ноябре 2022 года произвел революционные изменения во многих отраслях и секторах (Sapkota2026). Эти инструменты GenAI теперь развиваются в ИИ-агентов и агентный ИИ (Mori2025; Sapkota2026). ИИ-агенты спроектированы как отдельные сущности, которые автоматизируют конкретные задачи, используя собственные способности рассуждения (Hughes2025; Sapkota2026; White2024). С другой стороны, агентный ИИ развивается как решение проблем координационных издержек при работе с отдельными агентами для множества задач. Агентный ИИ считается живой системой благодаря своим продвинутым и уникальным способностям достигать сложных целей посредством автономного принятия решений, упреждающего выполнения задач с минимальным участием человека, многоагентной координации, а также обучения и адаптации (Sapkota2026; White2024). Исследователи в области программной инженерии начали изучать возможность агентной программной инженерии, новой эры в программной инженерии, поддерживаемой агентными коллегами, в соответствии с текущими тенденциями агентного ИИ в программной индустрии (hoda2025agenticsoftwareengineeringcode).⟧.

2.2. Агентная программная инженерия

Недавняя концептуальная статья представляет программную инженерию 3.0 (SE 3.0, также называемую Agentic SE) как новую эру SE, где агентный ИИ выступает в роли коллег, работающих совместно с людьми в разработке программного обеспечения (Hassan2025). Они подчеркивают необходимость переопределения ролей в SE (Hassan2025) и того, как люди сотрудничают с агентными коллегами для достижения максимального потенциала (White2024). Ожидается, что агентный ИИ не заменит существующие роли, но потребует их переопределения для четкого понимания синергии между людьми и агентными коллегами (Li2025; Hassan2025), при этом сохраняя человека в центре жизненного цикла разработки программного обеспечения (Abrahao2025). Однако большинство текущих исследований сосредоточены только на агентном ИИ в программировании и тестировании (Abrahao2025; Li2025; hoda2025agenticsoftwareengineeringcode). SPM также должен развиваться при реструктуризации SDLC с использованием агентного ИИ, поскольку он способствует успешному завершению проекта, управляя доступными ресурсами и ограничениями (Abrahao2025; Assalaarachchi2025a; hoda2025agenticsoftwareengineeringcode). Недавняя статья Roadmap представляет SPM как одну из внешних циклических активностей в SDLC, где ожидается сохранение роли человека с помощью ИИ, а не полная автоматизация (Abrahao2025). Поэтому крайне важно изучить, как SPM может развиваться для поддержки агентной SE и определить ответственные взаимодействия человека и агента..

2.3. Агентный ИИ и SPM

Несколько исследований выявили потенциал инструментов ИИ и GenAI для помощи руководителям проектов в автоматизации рутинных задач, таких как создание артефактов SPM (Dam2019; Kardum2025; Assalaarachchi2025a), прогнозная аналитика (Dam2019; Assalaarachchi2025a), принятие решений на основе данных (Dam2019; Kardum2025; Assalaarachchi2025a), улучшение коммуникации и сотрудничества (Assalaarachchi2025a), и более эффективное управление рисками (Dam2019; Assalaarachchi2025a), что позволяет руководителям проектов экономить больше времени для стратегических действий (Dam2019; Kardum2025; Assalaarachchi2025a) и достигать успеха проекта (Dam2019; Assalaarachchi2025a). Практики в области программного обеспечения начали воспринимать ИИ как помощника или напарника, а не как инструмент (Assalaarachchi2025a).⟧.

В концептуальной статье 2023 года (до появления GenAI) была предложена концепция расширенного agile с концептуальным «agile-ко-пилотом» — помощником, ориентированным на человека, в управлении agile-проектами. Они подчеркивают необходимость внедрения человеко-ориентированных ценностей в инструменты AI и понимания ролей человека-PM и AI-помощника, а не использования AI как замены роли человека-PM (Hoda2023). Основываясь на этом видении и учитывая emerging обсуждения практиков, мы недавно предложили идею «agentic SPM» с развивающимися возможностями AI. Наше обзорное исследование было сосредоточено на отчетах об использовании GenAI в SPM на основе литературы практиков. В заключение мы представили идею наличия AI-агентов в качестве помощников человека-PM, которые проактивно выполняют задачи SPM и принимают решения при некотором контроле со стороны человека. Мы подчеркнули необходимость дальнейшего развития этой концепции для выявления восприятия практиков в отношении agentic SPM и делегирования задач между человеком-PM и SPM-агентами для обеспечения этичного сотрудничества человека и AI (Assalaarachchi2025a).⟧.

Наличие SPM-агентов в качестве ”ассистентов” или ”младших PM” может поддерживать человека-PM, экономя время на рутинных задачах для сосредоточения на стратегических задачах (Assalaarachchi2025a; Hughes2025; Masood2025; Gress2025). Также ожидается, что это облегчит принятие решений на основе данных (Hughes2025; Gress2025), повысит эффективность и производительность (Hughes2025; Assalaarachchi2025a; Gress2025) и приведет к успеху проекта (Masood2025; Hughes2025; Gress2025). В дополнение к этим ожидаемым преимуществам практики также обсуждают возможные проблемы с агентным SPM, такие как конфиденциальность и этика, подотчетность, доверие, пробел в навыках и страх потери работы (Gress2025). Некоторые источники также подчеркивают необходимость разработки этических систем ИИ и структур управления с учетом увеличения рисков при повышении автономии ИИ (Boinodiris2025; Hughes2025; electronics14010087; SPIEGLER2026103109). Недавнее исследование показало, что потеря человеческого контроля над системой ИИ может оказать негативное влияние на общество (SPIEGLER2026103109). Аналогично, недавняя статья IBM также объясняет, что агентный ИИ может породить больше рисков и этических проблем с ростом автономии. Они подчеркивают важность усиления человеческой подотчетности и этического надзора в дополнение к технологическим ограничениям наряду с эволюцией агентного ИИ (Boinodiris2025).⟧.

В соответствии с этими обсуждениями, недавняя концептуальная статья предлагает уровни автономии для ИИ-агентов, определяя автономию в ИИ-агентах как «обоюдоострый меч», который, обеспечивая преимущества, также вызывает опасения (Feng2025). Они предлагают пять уровней автономии с вовлечением пользователя от минимального уровня «наблюдатель» до более высокого вовлечения пользователя «оператор». В этом исследовании они предлагают большую автономию агента при минимальном контроле человека на «Уровне 5: Пользователь как наблюдатель». Затем они предлагают «Уровень 4: Пользователь как утверждающий», «Уровень 3: Пользователь как консультант», «Уровень 2: Пользователь как партнер» и «Уровень 1: Пользователь как оператор», которые требуют большего вовлечения пользователя и наименьшей автономии агента. Вдоль этих уровней, от уровня 5 до уровня 1, автономия агента уменьшается при увеличении вовлечения пользователя. Они ожидают, что эта модель будет направлять будущее видение проектирования и использования агентного ИИ в различных секторах. Это поможет продвигать ответственное взаимодействие человека и агента, решать проблемы этики, подотчетности, доверия и опасений по поводу безопасности занятости (Feng2025).⟧.

Еще одно недавнее исследование мультиагентных систем для масштабируемых гибких проектов выявило опасения по поводу накладных расходов на координацию, когда отдельные AI-агенты дополняют индивидуальные задачи (electronics14010087). Исследования рекомендуют будущие концепции, основанные на взаимосвязанных мультиагентных системах, которые более активны в управлении задачами, подходят для сложных целей и динамических сред, способны рассуждать, обучаться и адаптироваться (Sapkota2026; Acharya2025), чтобы способствовать предполагаемой эволюции agentic SE (Abrahao2025; Hassan2025; hoda2025agenticsoftwareengineeringcode). Поэтому в данной статье мы расширяем нашу предыдущую концепцию, чтобы включить такую мультиагентную систему, выходящую за рамки отдельных агентов, и вводим идею «агентного менеджера проекта (PM)» — адаптируемой и этичной мультиагентной системы для SPM, которая работает как «менеджер проекта-стажер» или «младший менеджер проекта».”.

Мы также отмечаем необходимость более четкого разделения задач между человеком-ПМ и агентивным ПМ, а также определения соответствующих уровней автономии для каждой задачи SPM, выполняемой агентивным ПМ (hoda2025agenticsoftwareengineeringcode). Такое понимание имеет решающее значение для формирования надлежащего доверия и принятия агентивных ПМ людьми (Assalaarachchi2025a). При этом мы ожидаем, что человек-ПМ возьмет на себя роль «коуча», который направляет, контролирует и содействует работе команды, включая агентивных членов, для успешного завершения проекта..

3. Агентный SPM

3.1. SPM с дорожной картой ИИ

SPM перешел от (ручной) эры SPM под руководством человека (SPM 1.0), в которой использовались белые доски, ручки и бумага, к эре SPM с поддержкой инструментов (SPM 1.5), где такие инструменты SPM, как Microsoft Project, облачные платформы вроде Jira и Trello (Assalaarachchi2025), стали способствовать деятельности SPM, даже поддерживая гибкие практики (Micha2025). С появлением возможностей ИИ мы затем вступили в эру SPM с дополнением ИИ (SPM 2.0), где ИИ стал помощником или вторым пилотом (Dam2019; Hoda2023; Assalaarachchi2025a) в SPM. Инструменты SPM начали интегрировать ИИ (например, Rovo††https://www.atlassian.com/software/rovo) для обеспечения успешного SPM (Assalaarachchi2025a). Эта эволюция до SPM 2.0 параллельна эре SE с дополнением ИИ (SE 2.0) в эволюции SE, предложенной (Hassan2025).⟧.

Figure 1. SPM с дорожной картой ИИ (следующая (Hassan2025))

Иллюстрация эволюции SPM с ИИ со временем.

В нашем недавнем обзорном исследовании мы пришли к выводу о видении ИИ-агентов для задач SPM и возможности наступления агентной эры SPM (SPM 3.0) (Assalaarachchi2025a). Теперь мы расширяем наше видение в соответствии с трансформациями агентной SE (SE 3.0) в (Hassan2025) и предлагаем «агентный PM» как многоагентную систему для поддержки грядущей эры агентной SE. Агентный PM может способствовать достижению сложных целей, воспринимая сценарии на основе множества источников данных, принимая решения и активно управляя задачами после того, как человек-PM разрешит ему это (Acharya2025). После выполнения задач они могут учиться и адаптироваться на основе обратной связи от человека-PM и членов команды (Рисунок 2).

В ходе этой эволюции мы отмечаем рост автономности ИИ при автоматизации большего числа задач SPM и позиционировании человека-PM в роли «коуча», который направляет, контролирует и помогает команде, включая агентных коллег, успешно завершить проект. Хотя (Hassan2025) представляют эру автономного SE (SE 4.0 и 5.0), мы не видим полностью автономного будущего SPM или замены роли человека-PM ни сейчас, ни в ближайшем будущем. Человекоцентричная природа роли PM (Abrahao2025), стратегическое лидерство, эмоциональный интеллект, эмпатия и этический контроль, критически важные в SPM, по-прежнему требуют присутствия человека-PM. В недавней статье SPM представлена как один из видов деятельности внешнего цикла в SDLC, который, как ожидается, сохранит контроль со стороны человека с помощью ИИ, а не полную автоматизацию (Abrahao2025). Недавний отчет Всемирного экономического форума о будущем рабочих мест также представляет человекоцентричные навыки, такие как аналитическое и креативное мышление, гибкость, эмпатия и активное слушание, как ключевые навыки, необходимые в будущем, несмотря на развитие ИИ (WorldEconomicForum2025). Кроме того, управление программным обеспечением было выделено как одна из наименее изученных областей в исследованиях, использующих большие языковые модели (LLM) для задач SE (hou2024SLR), что предполагает необходимость значительного прогресса, прежде чем можно будет ожидать более высоких уровней автономности ИИ в SPM. Поэтому мы представляем наше видение агентного PM как ассистента человека-PM для эпохи SPM 3.0 (в разделе 3.2) с адаптируемыми режимами работы и идеями об эволюции роли человека-PM (в разделе 3.3).⟧).

3.2. Агентный PM для SPM 3.0

Наша предлагаемая агентная система управления проектами (мультиагентная система) должна действовать как «младший PM» или «стажер PM» в нескольких задачах SPM в сотрудничестве с человеком-PM и членами команды (человеческими и агентными), представленными на рисунке 2⟧.

Figure 2. Агентный PM как помощник человеку-PM

Диаграмма того, как агентный PM работает в качестве помощника человеческому PM

Агентный PM будет состоять из нескольких под-агентов, работающих над специализированными задачами, и координирующего агента, который центрально координирует всех под-агентов, а также коммуникации между под-агентами и с людьми. Агентный PM будет воспринимать текущие задачи, используя множество источников данных, связанных со сценарием, и назначенный режим работы. Затем координирующий агент может принять решение, анализируя данные, и назначить задачи с режимом работы специализированному под-агенту(ам) для выполнения действий на основе назначенного режима работы. После того как под-агент выполнит задачу, результаты будут возвращены координирующему агенту. Человек-PM и члены команды могут затем просмотреть эти результаты, одобрить/отклонить их и предоставить обратную связь для обучения и адаптации агентного PM. Человек-PM также может в любой момент прекратить действия при необходимости через координирующего агента. Затем координирующий агент сообщит решение и обратную связь конкретному под-агенту для выполнения этого действия и обучения для будущих действий. Агентный PM будет включать центральную базу данных для хранения всех результатов, отзывов, решений и соответствующих журналов для целей управления и обучения..

Четыре основные возможности агентного PM описаны ниже..

3.2.1. Воспринимать

Агентный PM сначала поймет назначенную задачу и режим работы, собирая 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, действия пользователей, базы данных, другие агентные коллеги и онлайн-ресурсы, связанные со сценарием. Однако мы ожидаем, что человек-PM просмотрит и будет соблюдать соответствующие национальные, организационные или заинтересованных сторон руководящие принципы обмена данными и конфиденциальности при подключении агентного PM к таким источникам данных. Это может минимизировать этические проблемы и проблемы конфиденциальности данных (Assalaarachchi2025a)⟧.

Мы адаптируем концепцию переменных уровней автономии для ИИ-агентов, предложенную в (Feng2025), к нашему контексту агентного PM и предлагаем четыре рабочих режима, предоставляя человеку-PM возможность изменять автономию агентного PM 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 неопределенность результатов, связанных с делегированием задачи, и их влияние, что создает необходимость подотчетности за результат. Это минимизирует риски, связанные с предоставлением полной автономии агенту-коллеге (Feng2025; SPIEGLER2026103109), и соответствует видению сохранения человеческого контроля, как предложено в (hoda2025agenticsoftwareengineeringcode). Это будет аналогично тому, как мы выбираем разные режимы в LLM (например, режим глубокого исследования в OpenAI для написания отчета) в зависимости от характера задачи..

1. В режиме направленной автономии ИИ () агентный PM может выполнять задачи с более высокой автономией, но требовать проверки человеком PM по конечным результатам. Мы предлагаем менее сложные и низкорисковые задачи для этого режима (например, запись встреч, напоминания). Человек PM несет ответственность за тщательную оценку потенциальных рисков перед назначением этого рабочего режима. Это отчасти похоже на идею ”Уровень 4: Пользователь как утверждающий”, предложенную (Feng2025). Человек PM должен сначала предоставить подробные инструкции, затем проверить результаты, чтобы одобрить или отклонить их и дать обратную связь для обучения и адаптации агентного PM. В настоящее время у нас есть ИИ-ассистенты для встреч, такие как Otter.ai, Fireflies, и интеграции ИИ в платформах видеоконференций, таких как Zoom и Microsoft Teams, для записи встреч. Хотя эти ИИ-ассистенты могут повысить эффективность и продуктивность PM, сообщалось о возможных проблемах с точностью данных, неправильной интерпретацией и этических проблемах, таких как конфиденциальность данных (Rebelo2025; SimpsonGrierson2025; Taylormoore). Учитывая возможность аналогичных проблем в агентном PM, мы предлагаем режим направленной автономии ИИ, а не полный уровень автономии, предложенный в ”Уровень 5: Пользователь как наблюдатель” из (Feng2025). Контроль человека PM рекомендуется для всех результатов, а не чрезмерная опора на агентный PM (SimpsonGrierson2025; Taylormoore).
2. В режиме контролируемого ИИ () мы ожидаем, что человек-PM предоставит обзор и ожидания относительно задач агентному PM, после чего агентный PM сможет подготовить черновики или подготовиться к задаче (например, черновики писем, отчетов). Агентный PM будет время от времени консультироваться с человеком-PM для получения обратной связи и полностью выполнит задачу после того, как человек-PM одобрит изменения (например, отправка окончательного письма или отчета заинтересованным сторонам). Этот режим предложен со ссылкой на «Уровень 3: Пользователь как консультант» — уровень автономии, предложенный (Feng2025). Мы можем рассматривать режим глубокого исследования в OpenAI и Google Gemini как некоторые соответствующие текущие примеры (Feng2025), которые все еще требуют контроля со стороны человека для проверки и модификации этих черновиков, чтобы избежать галлюцинаций, включить любую организационную или специфическую для проекта информацию, пропущенную в черновиках, и избежать проблем с конфиденциальностью данных (Assalaarachchi2025a).
3. Режим совместной работы человека и ИИ () будет подходить для задач, требующих совместного ввода от 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 агентом-руководителем проекта только как с еще одним участником, оказывающим поддержку с помощью анализа данных и инсайтов, избегая при этом чрезмерной зависимости (Assalaarachchi2025a). Предварительные работы в этой области уже ведутся для гибкой оценки трудозатрат (Bui2025). Этот режим работы соответствует уровню автономности "Уровень 2: Пользователь как соавтор", предложенному (Feng2025).
4. Мы рекомендуем использовать режим с использованием ИИ () при работе со сложными и стратегическими задачами, такими как планирование проектов (более широкое влияние на весь проект), переговоры и наставничество, которые требуют более критического мышления и человеко-ориентированных навыков. Руководитель проекта-человек должен руководить всеми действиями в этом режиме, а агентный PM работает только как помощник по анализу данных и предоставляет предложения по запросу руководителя проекта-человека. Согласно глобальному опросу среди PM из различных секторов, недавний отчет PMI также представляет управление заинтересованными сторонами, коммуникацию проекта и бюджетирование проекта как три области с наименьшим влиянием ИИ (Nilsson2025). Этот рабочий режим предлагается на основе уровня автономии «Уровень 1: Пользователь как оператор», предложенного (Feng2025). Rovo, Microsoft Copilot, ChatGPT, Gemini — это некоторые текущие примеры, которые работают таким образом, предоставляя результаты, когда пользователи запрашивают их. Тем не менее, руководитель проекта-человек должен тщательно проверять результаты агентного PM, чтобы избежать галлюцинаций и анализировать практическую применимость этих предложений..

Таблица 1 представляет некоторые примеры того, как ожидается, что агентный PM будет работать в каждом рабочем режим円Обратите внимание, что некоторые задачи SPM могут быть отнесены к более чем одному рабочему режиму в зависимости от сценария (например, мы указываем планирование проекта как подходящую задачу в режиме с ИИ-ассистентом, учитывая высокую сложность, высокий риск и необходимость более критического мышления, требуемого в большинстве сценариев. Но в некоторых случаях (например, небольшой проект с простыми требованиями), можно назначить режим совместной работы человека и ИИ для агентного PM в планировании проекта). Мы представляем предварительное видение, чтобы направлять человеческих PM в этических взаимодействиях человек-агент с примерами сценариев, которые человеческие PM могут адаптировать под конкретный сценарий, их условия успеха, предполагаемые риски, требующие контроля со стороны человеческого PM, существующие примеры и зарегистрированные этические инциденты..

Table 1. Примеры задач агентного PM, выполняемых в каждом режиме работы, их условия успеха, ожидаемые риски, требующие контроля со стороны человека-PM, существующие примеры и зарегистрированные этические инциденты

Working Mode	Agentic PM task	Success condition(s)	Anticipated risks (requiring Human PM oversight)	Existing example(s)	Ethical incident associated with existing examples
Guided AI-Autonomy Mode ()	Meeting notes taking	Autonomously initiates meeting notes taking and shares with all attendees post meeting	• Notes could include inaccuracies, wrong inferences, private, confidential or sensitive information that was not meant to be shared in written form • Sharing meeting note with wrong stakeholders or missing some attendees when sharing	Otter.ai, Fireflies, Granola, etc. (Rebelo2025)	Leakage of information from a confidential company discussion with unintended parties by Otter.ai after a Zoom meeting, leading to cancellation of business deals (AIIncidentDatabase2024)
Supervised-AI Mode ()	SPM document creation	Create SPM documents for presentations and sharing with stakeholders	• Missing important information within the document • Documents might include inaccuracies, wrong inferences, private, confidential or sensitive information that was not meant to be shared in written form	Deep research mode in OpenAI, Google Gemini, Perplexity etc. (Feng2025)	Two US judges have admitted the use of ChatGPT and Perplexity in drafting court filings that included fabricated court cases. Those court filings were subjected to judicial inquiry and retracted due to erroneous data (AIIncidentDatabase2025), Deloitte refunding $440,000 worth consultancy fee to Australian government due to errors, and fabricated references in the report generated using Azure OpenAI GPT-4o (NDTVWorld2025)
Human-AI Collaborative Mode ()	Sprint Planning	Analyses user stories, past project data and suggest possible user stories for the next sprint and story point estimations	• Privacy concerns when sharing confidential project data • Inaccuracies in suggestions when ignored human aspects such as team dynamics, skills, and workload	Rovo (Atlassian2025)	Bui et al. (Bui2025) introduce Software Effort Estimation Agent (SEEAgent) that provide justifications for the estimations to avoid hallucinations in general LLMs and consider human values crucial for tasks like effort estimation and sprint planning (also suggested in (Assalaarachchi2025a; Hoda2023)
AI-Assisted Mode ()	Project Planning	Analyse data related to project and provide insights in project planning	• Privacy concerns when sharing project-specific or client-related details • Generate some inaccurate or unrealistic suggestions	Rovo (Atlassian2025), GenAI tools like Microsoft Copilot, ChatGPT etc.	Google AI reported to produce inaccurate or harmful suggestions (e.g., presenting Barack Obama as the first Muslim U.S. President, glue as an ingredient for pizza) (AIIncidentDatabase2024_a)

Человек-PM может назначить подходящий режим работы, тщательно оценивая сложность задачи и риск, связанный с назначенной автономией. В нашем предварительном видении мы рассматриваем эти два общих фактора, специфичных для задачи, чтобы привести пример, который поможет людям-PM сопоставлять задачи SPM с подходящим режимом работы (Рисунок 3). Вовлеченность человека-PM должна возрастать с увеличением сложности задачи и уровня риска, при этом снижая автономию агентного PM, как предложено в (Feng2025). Однако ответственность за результаты во всех режимах работы должна оставаться на человеке-PM как на конечном лице, принимающем решения, и этическом лидере. Это также поддерживает видение «целостного процесса» и принцип этического согласования для Agentic SE, введенный в (hoda2025agenticsoftwareengineeringcode), согласно которому все действия должны разрабатываться с учетом этики и в конечном итоге оставаться под контролем человека. Кроме того, наше предложенное видение агентного PM с четырьмя вышеуказанными режимами работы поддерживает идею о том, что такие виды деятельности, как SPM, останутся под контролем человека при содействии ИИ, а не полной автоматизации (Abrahao2025; Lubars2019). Поэтому мы вводим только четыре режима работы, адаптируя уровни автономии с 1 по 4 и исключая полностью автономный режим, такой как уровень 5 в (Feng2025), для нашего видения агентного PM..

Figure 3. Пример иллюстрации отображения задач SPM на рабочие режимы в агентном PM на основе сложности задачи и риска

Пример иллюстрации сопоставления задач SPM с рабочими режимами в агентном PM на основе сложности задачи и риска

3.2.2. Решить

Координирующий агент может анализировать назначенную задачу, режим работы, источники ввода и аналогичные прошлые назначения, чтобы принять решение о подходящем специализированном под-агенте (или под-агентах) для назначения задачи. Затем он сообщит задачу, режим работы и другую информацию этому конкретному под-агенту для выполнения действий..

3.2.3. Выполнить действия

Специализированные под-агенты могут затем выполнять действия, назначенные им координирующим агентом. Агенты должны учитывать режим работы, поскольку в большинстве режимов работы они не будут действовать самостоятельно. В большинстве режимов им требуется одобрение или проверка со стороны человека PM и членов команды. Мы предлагаем несколько взаимосвязанных специализированных под-агентов в рамках агентной системы PM для выполнения различных задач в зависимости от режима работы, назначенного человеком PM (например, агент планирования, агент электронной почты, агент заметок встреч, агент анализа рисков, агент управления задачами и т.д.). Эти под-агенты могут общаться друг с другом через координирующего агента, и координирующий агент может передавать любые проблемы или конфликты между агентами человеку PM для их рассмотрения и принятия решения..

3.2.4. Обучайтесь и адаптируйтесь

Люди смогут предоставлять обратную связь агентивному PM, чтобы он мог учиться и адаптироваться в следующих итерациях. Агентивный PM будет иметь центральную базу данных для ведения журналов результатов и обратной связи для будущих применений, используя способность к обучению с подкреплением. Это будет похоже на то, как стажер-человек учится под руководством PM и на основе отзывов членов команды. Люди также могут предоставлять обратную связь по этическому соответствию результатов, позволяя агентивному PM учиться и минимизировать такие проблемы в следующих итерациях..

Наше предлагаемое видение агентного проект-менеджера с адаптируемыми рабочими режимами может направлять разработчиков ИИ на создание этичных агентных проект-менеджеров и их пользователей на ответственное сотрудничество человека и ИИ. Это также поможет в решении таких проблем, как четкое делегирование задач, подотчетность, доверие и страх потери работы, что побуждает людей-проект-менеджеров принимать и внедрять агентных проект-менеджеров для совместной работы с ними..

3.3. Эволюция роли человеческого PM с агентным SPM

Появляющаяся литература предполагает необходимость переопределения ролей SE с развитием агентного ИИ в SE (Hassan2025; hoda2025agenticsoftwareengineeringcode; Roychoudhury2025). Аналогично, мы предвидим изменения традиционной роли программного PM при наличии агентного PM в качестве ассистента. В нашем предложенном видении агентного PM мы опираемся на идею, что сотрудничество человека и ИИ имеет решающее значение для успешного завершения проекта, сохраняя при этом все действия под контролем человека (hoda2025agenticsoftwareengineeringcode). Следовательно, роль человека-PM не будет заменена, а скорее дополнена и поддержана агентными PM, как предлагалось ранее (Hoda2023). Мы предлагаем агентного PM как младшего PM или PM-стажера, работающего вместе с командой разработки (человеческие и агентные члены команды) и человеком-PM. Это требует от человека-PM содействия не только членам команды-людям, но и агентным PM. Когнитивные задачи, такие как планирование проекта, стратегическое принятие решений, управление заинтересованными сторонами и переговоры, ложатся на человека-PM, которому могут помогать анализ данных и инсайты агентного PM (Gress2025; Nilsson2025). Чтобы соответствовать принципам этики по замыслу и человеческим, агентным и социотехническим аспектам (hoda2025agenticsoftwareengineeringcode), человек-PM будет отвечать за поддержание этического надзора и улучшение сотрудничества человека и агента для полного и ответственного использования потенциала агентного PM..

С этим ожидаемым сдвигом человеческие PMs должны будут освоить ключевые навыки для ответственного человеко-агентного сотрудничества и стратегического лидерства. Недавнее обсуждение практиков представляет разрыв в навыках как вызов, возникающий в ходе эволюции агентного ИИ (Gress2025). Посредством обзора схожей литературы (Assalaarachchi2025a; White2024; hoda2025agenticsoftwareengineeringcode; Roychoudhury2025) и идей практиков (Gress2025; Nilsson2025; WorldEconomicForum2025) мы рекомендуем человеческим PMs улучшать такие навыки, как:

• Интерпретация данных - Обзор и интерпретация результатов от агентного PM, который в основном работает с анализом данных и предложениями.
• Этический надзор - знания об этике и конфиденциальности данных для проверки результатов агентного PM и постоянного мониторинга агентного PM на соответствие этическим нормам (Boinodiris2025). Человеческие PM должны соблюдать национальные, организационные и этические руководства заинтересованных сторон (Assalaarachchi2025a)⟧.
• Критическое мышление - Человек-PM выступает главным лицом, принимающим решения для большинства нетривиальных задач SPM, и требует критического мышления для принятия стратегических решений. Человек-PM также должен критически оценивать риски различных задач SPM перед назначением подходящего режима работы для агентного PM..
• Межличностные навыки — такие как эмоциональный интеллект (9769966), эмпатия (Gunatilake2025), стратегическое лидерство и коммуникация, остаются критически важными для человека-менеджера проектов в управлении заинтересованными сторонами, переговорах и разрешении конфликтов..

Человеческие руководители проектов должны повышать свою квалификацию и трансформировать свою роль в «коуча», который направляет, контролирует и способствует работе команды, включая агентных членов команды, для успешного завершения проекта..

4. Ограничения и будущие работы

Мы признаем ограничение данного исследования как предварительного видения без эмпирических доказательств. Мы представляем этот документ-видение как основу для исследований в области агентного ИИ и SPM, чтобы способствовать появлению новых агентных видений SE. Учитывая новизну литературы по агентному ИИ в областях SE и SPM, где большая часть литературы еще является препринтами или документами-видениями, мы планируем эмпирически проверить наше видение и восполнить пробелы в исследованиях. Мы также признаем, что наше предварительное видение ограничено двумя факторами, специфичными для задачи (сложность и риск), при представлении примера сопоставления задач SPM с подходящим режимом работы..

В качестве следующего шага мы проведем опрос, чтобы понять восприятие практиками видения 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 делегировании задач агентному PM, на основе эмпирических данных. Основываясь на результатах опроса и последующих интервью, мы разработаем прототип этого агентного PM, который впоследствии сможем протестировать с командой разработчиков программного обеспечения для валидации. Мы ожидаем предоставить рекомендации по ответственному взаимодействию человека и ИИ на основе этих экспериментов. Мы также планируем изучить восприятие практиками ожидаемых изменений роли человеческого PM и требований к повышению квалификации в связи с этой эволюцией SPM..

5. Исследовательская программа

В дополнение к нашим эмпирическим исследованиям, изучающим части этого предварительного видения, мы представляем следующие возможности для будущих исследований исследователям в областях агентного SE и агентного SPM..

• Факторы, влияющие на принятие агентных PM - Рекомендуется исследовать факторы, способствующие внедрению агентных PM, чтобы продвигать их для достижения успеха проекта. Также важно понимать барьеры для внедрения и стратегии их преодоления. Это может привести к успешной реализации агентных PM, избегая отрицательной отдачи от инвестиций (Gartner2025). Также рекомендуется исследовать организационные стратегии для повышения осведомленности о агентном ИИ среди сотрудников, разработать руководящие принципы ответственного взаимодействия человека и агента и содействовать необходимым механизмам этики или безопасности данных..
• Восприятие членами команды разработчиков наличия агентного PM - Будущие исследования могут изучить точки зрения и опыт членов команды в отношении агентных PM в их команде и то, как члены команды будут сотрудничать с агентными PM. Также это может быть расширено для изучения сотрудничества между агентным PM и другими агентными членами команды (многоагентные команды SE) с учетом появляющихся исследований об агентных членах команды SE (Hassan2025; Li2025).
• Изучение применимости агентных систем управления проектами в гибких методологиях - Поскольку наше предварительное видение не основано на конкретной методологии SPM, будущие исследователи могут изучить применимость агентных систем управления проектами в популярных гибких методологиях, таких как Scrum (Digital.ai2024), используя кейсы со scrum-командами. Поскольку наше предложенное видение агентного управления проектами также поддерживает гибкие ценности, такие как обучение и адаптивность, мы рекомендуем будущие эмпирические исследования для валидации или развития нашего видения, чтобы иметь агентные системы управления проектами в гибкой команде..
• Руководства по ответственному развитию и использованию агентного PM - С развитием агентного ИИ в SE крайне важно разработать ответственный дизайн и руководства по использованию агентного ИИ (Boinodiris2025; hoda2025agenticsoftwareengineeringcode). Мы закладываем основу, представляя различные режимы автономии для разных задач и ответственное взаимодействие человека и агента в нашем видении агентного PM, на которое будущие исследователи смогут опираться и разрабатывать руководства для поддержки работы с агентными коллегами. Мы также указываем на необходимость человеческого контроля для обеспечения этического соответствия при работе с агентным PM, что может быть дополнительно подтверждено и исследовано в будущих исследованиях с участием практиков..
• Влияние агентных PM на роли PM на ранних этапах карьеры - Мы отмечаем необходимость изучения влияния агентных PM на роли PM на ранних этапах карьеры (стажеры/младшие PM), поскольку предполагается, что агентный PM выполняет аналогичную роль в команде разработчиков ПО. Поэтому крайне важно определить, как следует переопределить роли PM на ранних этапах карьеры с новыми обязанностями и навыками..
• Реструктуризация образования SPM - необходимо реструктурировать образование SPM, включив агентный ИИ в учебные программы и оценки, основанные на навыках, необходимых для эры агентного SPM. Согласуясь с идеей повышения осведомленности об агентном ИИ через образование, представленной в (hoda2025agenticsoftwareengineeringcode), будущие исследования могут быть направлены на реструктуризацию образования SPM с участием как практиков, так и ученых..

6. Заключение

Появляющаяся литература предполагает эру агентного SE (SE 3.0) (Hassan2025), создавая необходимость в трансформации аспектов SDLC, таких как SPM, для содействия эре агентного SE (hoda2025agenticsoftwareengineeringcode). Поэтому в этой концептуальной статье мы закладываем основу, представляя ”SPM with AI Roadmap”, чтобы показать эволюцию SPM в эру агентного SPM (SPM 3.0), поддерживающую видение (Hassan2025). Мы опираемся на наше предыдущее видение использования AI-агентов для задач SPM (Assalaarachchi2025a) и предлагаем этического ”агентного PM” вместе с четырьмя ”рабочими режимами”, которые варьируют автономию агентного PM для задач SPM. Эти рабочие режимы предоставляют руководство для человеческих PM в определении ответственного взаимодействия человека и агента, а также необходимости этического контроля над результатами агентного PM. Мы не можем предсказать полностью автономное будущее SPM или замену человеческой роли PM, учитывая человекоцентричную природу и отсутствие эмпирических работ о возможностях AI в SPM (Abrahao2025; hou2024SLR). Поэтому мы envisируем, что человеческий PM будет развивать свою роль, становясь этическим и стратегическим лидером или коучем в ходе этой эволюции SPM. Мы представляем требования к повышению квалификации для человеческих PM в поддержку этой эволюции роли..

Наше предлагаемое видение направит разработчиков ИИ в создании доверенных агентных продукт-менеджеров и текущих (человеческих) продукт-менеджеров в отношении ответственного взаимодействия человек-агент, возможной эволюции ролей и требований к повышению квалификации, необходимых для эры агентного старшего продукт-менеджера. Поскольку наше исследование ограничено предварительным видением из новой литературы, мы приглашаем будущих исследователей в областях агентного старшего продукт-менеджера и агентной программной инженерии провести больше эмпирических исследований и развить это видение, как предложено в исследовательской повестке (в разделе 5).⟧).