Менеджмент ИИ-проектов

Профиль аудитории:

Руководители проектов, продуктовые менеджеры, тимлиды и руководители подразделений, которые управляют или готовятся управлять ИИ-проектами.

Курс также будет полезен ИТ-директорам и бизнес-заказчикам, принимающим решения о запуске ИИ-инициатив.

Предварительные требования:

• Опыт в управлении проектами или понимание основ проектного менеджмента.
• Знакомство с базовыми ИТ-процессами.

По окончании курса слушатели смогут:

• Оценивать целесообразность применения ИИ для решения бизнес-задач
• Отличать специфику ИИ-проектов от классических ИТ-проектов и выбирать подходящую методологию управления
• Управлять полным жизненным циклом ИИ-проекта
• Формировать пакет проектной документации для ИИ-проекта
• Связывать бизнес-KPI с ML-метриками и выстраивать систему контроля результатов
• Собирать проектную команду с учётом ключевых ролей
• Управлять рисками ИИ-проектов
• Применять генеративный ИИ для автоматизации рутинных задач руководителя проекта

Модуль 1. Введение в ИИ

• Что такое ИИ: история и ключевые понятия
• Обзор технологий ИИ
• Применение ИИ в бизнесе сегодня
• Практическое задание: определение задач бизнеса, которые можно решить с помощью ИИ
• Результат: базовое понимание ИИ и список идей по автоматизации процессов на базе ИИ.

Модуль 2. Особенности ИИ-проектов. Основные методики управления

• Треугольник «срок — бюджет — качество» и четвёртое измерение ИИ-проекта: качество входных данных
• Чёткие рамки классического проекта vs итеративное движение к результату в ИИ-проекте
• ML-модели и LLM-модели: разность подходов, преимущества и недостатки
• Высокая неопределённость: эксперименты, PoC и метрики промежуточных шагов
• Непрерывный мониторинг: дообучение моделей и адаптация пользователей после вывода в эксплуатацию
• Динамичность ИИ-проектов и проблема оценки эффективности
• Методологии управления проектами: эффективность разных подходов на разных этапах
• Практика: разбор блока на конкретных процессах
• Результат: понимание отличий ИТ-проектов от ИИ-проектов. Наиболее эффективные методики управления ИИ-проектами (Agile: Scrum, Lean, Kanban и т.д., Dual Track Agile).

Модуль 3. Предмет проекта

• «Нельзя автоматизировать хаос»: анализ → регламентация → реализация
• Оценка состояния бизнес-процесса: ключевые метрики, анализ, оптимизация
• Практика: разбор блока на конкретных процессах (2 часа)
• Результат: понимание целесообразности запуска ИИ-проекта.

Модуль 4. Жизненный цикл проекта (по методологии PMI)

• Инициация:
• Пакет документов стадии инициации
• Устав ИИ-проекта: анализ применимости ИИ к задаче, обзор рынка и лучших практик
• Метрики эффективности: связь KPI проекта и ML-метрик
• Портрет проектной команды: ключевые роли (ML-инженер, Data Scientist и др.) и работа с ними
• Планирование:
• Пакет документов стадии планирования
• Новые этапы в план-графике: подготовка датасета, обучение моделей, прототипирование / PoC. Условия завершения и контрольные точки
• Риски ИИ-проектов и стратегии реагирования: качество данных, интеграция с ИТ-системами, стоимость инфраструктуры, безопасность данных, сопротивление пользователей, РИД
• Реализация / исполнение:
• Пакет документов стадии реализации
• Факторы, влияющие на сроки: качество и модификация данных, выбор технологий (ML vs LLM), безопасность, ресурсные ограничения, настройка ИИ
• Мониторинг / контроль:
• Пакет документов стадии мониторинга и контроля
• Поэтапный план контроля: проектные и ML-метрики
• Завершение:
• Пакет документов стадии завершения
• Практическое задание: выбор и обсуждение ИИ-проекта в группах, анализ кейсов
• Практика: разбор блока на конкретных процессах
• Результат: пакет проектной документации для ИИ-проектов. План действий при реализации ИИ-проектов.

Модуль 5. Кейсы и сценарии автоматизации с ИИ

• Процессы, где автоматизация с ИИ наиболее эффективна
• Кейсы для банковской сферы: кредитная аналитика, риск-менеджмент, делопроизводство, внутренний аудит, compliance, юридическая функция
• Разбор на примере слушателя или типовом сценарии
• Практика: разбор блока на конкретных процессах
• Результат: готовые сценарии для автоматизации.

Модуль 6. Toolbox руководителя проектов

• Системы управления проектами и таск-трекеры: краткий обзор

Модуль 7. Применение ИИ в проекте

• Единая база знаний проекта (KMS) и генерация проектных артефактов с помощью генеративного ИИ: устав, ТЗ, дорожная карта, план коммуникаций
• Принципы создания эффективных промптов
• Обзор GPT-аналогов
• Практика: разбор блока на конкретных процессах
• Результат: понимание инструментов автоматизации работы руководителя проекта и методов их использования.