惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

S
Security Archives - TechRepublic
The GitHub Blog
The GitHub Blog
博客园 - 【当耐特】
T
Tailwind CSS Blog
D
Docker
美团技术团队
D
Darknet – Hacking Tools, Hacker News & Cyber Security
The Register - Security
The Register - Security
Y
Y Combinator Blog
阮一峰的网络日志
阮一峰的网络日志
大猫的无限游戏
大猫的无限游戏
K
Kaspersky official blog
L
LINUX DO - 热门话题
P
Privacy International News Feed
C
Cisco Blogs
Blog — PlanetScale
Blog — PlanetScale
T
The Blog of Author Tim Ferriss
Simon Willison's Weblog
Simon Willison's Weblog
Cyberwarzone
Cyberwarzone
U
Unit 42
T
Threatpost
L
Lohrmann on Cybersecurity
P
Proofpoint News Feed
GbyAI
GbyAI
Security Latest
Security Latest
C
Cybersecurity and Infrastructure Security Agency CISA
腾讯CDC
WordPress大学
WordPress大学
V
Vulnerabilities – Threatpost
aimingoo的专栏
aimingoo的专栏
V
V2EX
P
Palo Alto Networks Blog
I
InfoQ
Google DeepMind News
Google DeepMind News
L
LangChain Blog
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
云风的 BLOG
云风的 BLOG
P
Proofpoint News Feed
小众软件
小众软件
T
The Exploit Database - CXSecurity.com
T
Troy Hunt's Blog
V
V2EX - 技术
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
www.infosecurity-magazine.com
www.infosecurity-magazine.com
W
WeLiveSecurity
Recorded Future
Recorded Future
博客园 - 三生石上(FineUI控件)
G
Google Developers Blog
F
Fortinet All Blogs
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Кто решает судьбу вашего проекта? Разбираем заинтересованные стороны. BABOK #1 Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как Фалькон Тех меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Почему ИИ-агентам для управления проектами нужны общие правила
YVKim · 2026-04-28 · via Все публикации подряд на Хабре

Я на Хабре недавно, но уже успел заметить две вещи:

  • Во-первых, здесь довольно быстро устают от хайпа вокруг искусственного интеллекта и минусуют статьи, в которых пишут про ИИ без негативного опыта его применения.

  • Во-вторых, здесь с понятным скепсисом относятся к любым новым стандартам, сводам знаний, фреймворкам и манифестам, особенно если речь идёт о чём-то управленческом.

… а текст ниже заходит сразу на обе эти территории...

И всё же рискну.

Хочу написать о концепции агентного управления проектами и манифесте агентного управления проектами. Я участвовал в разработке этих документов, и мне важно не только показать результат, но и получить обратную связь от сообщества. Любую. Включая жёсткую.

С чего всё началось?

Всё началось не с теории и не с попытки придумать ещё один красивый термин.

С начала 2026 года мы довольно плотно обкатывали агентов в нескольких ролях проектной команды.

У нас были:

  • агент администрирования проекта,

  • агент мониторинга коммуникаций,

  • агент планирования проекта.

Да, между ними были пересечения по функциям. И это, кстати, тоже отдельная тема. Границы между агентами на практике оказываются более размытыми, чем это кажется на архитектурной схеме.

Сначала мы гоняли всё это в своих проектах: в консалтинге и внедрении ПО. Потом попробовали те же идеи в строительных проектах. Надо признать, что опыт оказался одновременно очень вдохновляющим и очень отрезвляющим.

Удивило нас примерно следующее.

Агенты действительно хорошо работают там, где человеку приходится быть скучным и последовательным:

  • непрерывно смотреть в несколько источников,

  • замечать слабые сигналы,

  • собирать статус,

  • напоминать,

  • подсвечивать расхождения,

  • пересчитывать сценарии.

Там, где обычный руководитель проекта делает это урывками, потому что у него совещания, переписка, контракты, эскалации и просто ограниченный объём внимания.

Но разочарование было не меньше.

Очень быстро выяснилось, что агент не уменьшает хаос сам по себе. Если процессы в проекте кривые, статусы декоративные, данные неполные, а ответственность размыта, агент не исправляет эту картину. Он её ускоряет. Иногда ещё и очень убедительно.

И вот в этот момент стало понятно, что проблема вообще не в том, какая LLM лучше и какие промпты писать.

Проблема в другом. Что делать, когда в проекте появляется новый участник, который не просто отвечает на вопросы, а начинает влиять на информационную картину, из которой люди потом принимают решения?

Где заканчивается инструмент и начинается агент?

Это, пожалуй, была главная развилка.

Пока ИИ просто выполняет поручение по запросу: написать текст, собрать таблицу, посчитать вариант плана, проверить формулировку - это полезный инструмент. Но по логике AgPM система считается агентом, когда ей делегируют управленческую функцию. Она сама решает, что показать человеку, как важное, и работает регулярно или непрерывно без нового запроса на каждый цикл.

Иными словами, агент не просто отвечает, а формирует вашу картину проекта. А это уже совсем другой уровень управленческого риска.

Зачем нам вообще понадобился ещё один манифест?

Потому что классическое управление проектами эту ситуацию описывает не до конца.

И PMBoK, и ISO 21502, и PRINCE2, и другие привычные рамки по-прежнему остаются полезными. В AgPM нет идеи всё это выбросить и начать жизнь с нуля. Наоборот, речь идёт не о замене классического проектного управления, а о том, чтобы добавить в него нового участника проектной системы - ИИ-агента.

То есть это не новая религия вместо старой, а попытка ответить на вопрос о том, какие правила нужны, чтобы рядом с формальной системой управления не выросла вторая, теневая и неуправляемая.

Для меня именно это и стало причиной, почему вместо ещё одной методички по промптам появились документы управленческого типа. Потому что на практике упираешься не в качество генерации, а в вопросы вроде этих:

  • Кто отвечает за последствия рекомендации агента?

  • В какой момент сигнал становится фактом?

  • Можно ли считать вывод агента основанием для изменения плана?

  • Что делать, если два агента спорят друг с другом?

  • И как не принять зелёный дашборд за реальное здоровье проекта?

Что в этих документах кажется мне действительно полезным?

Несколько вещей, я надеюсь, точно будут полезны для тех команд, которые вступают на пока что мало изученную территорию внедрения ИИ-агентов для управления чем угодно и проектами в частности.

Во-первых, жёсткая фиксация того, что ответственность остаётся за человеком. Не у модели, не у системы, не у того, кто интегрировал ИИ, а у конкретного человека, принимающего управленческое решение. В концепции это оформлено как двухслойная модель: классическая RACI остаётся человеческой, а агенты живут в параллельном слое ролей. С полномочиями, но без ответственности за результат.

Во-вторых, очень полезной мне кажется сама логика жизненного цикла проектной информации.

  • Сигнал - это ещё не факт.

  • Факт - ещё не официальный статус.

  • Статус - ещё не изменение базового плана.

В концепции это разложено по шести стадиям:

  • сигнал,

  • гипотеза,

  • подтверждённый факт,

  • утверждённый статус,

  • запрос на изменение

  • и изменение базового плана.

Для практики это важнее любой красивой AI-терминологии.

В-третьих, в документах отдельно подчёркнуты вещи, без которых агентная система быстро становится опасной:

  • агентное целеполагание,

  • объяснимость,

  • подотчётность,

  • возможность отмены,

  • безопасная деградация,

  • пропорциональность.

Особенно близки мне последние две.

Безопасная деградация - потому что агент не должен при сбое утащить проект в неконтролируемый режим.

Пропорциональность - потому что попытка натянуть тяжёлую агентную рамку на маленький проект очень быстро превращается в карго-культ автоматизации.

В-четвёртых, четыре области практик:

  • целеполагание,

  • реализация,

  • обучение,

  • интеграция.

Это не ещё один линейный процесс из шести шагов, а скорее постоянные темы, которые РП должен держать в поле зрения. Мне нравится эта логика, потому что она ближе к реальной жизни проекта, где всё идёт одновременно: ты и настраиваешь рамку, и разгребаешь текучку, и калибруешь поведение системы, и постоянно стыкуешься с внешним миром.

В-пятых, модель зрелости из пяти уровней. От прозрачности, где агент только структурирует картину, до непрерывного обучения, где появляется межпроектная память и перенос знаний. На мой взгляд, это полезно уже хотя бы потому, что в этой модели есть нормальная стартовая точка. Не давайте сразу автономный ИИ-офис, а давайте сначала научим систему наблюдать и не врать. Или хотя бы врать недорого.

Что меня в этой истории до сих пор смущает?

Скажу прямо. Сырого здесь ещё много.

Меня смущает риск переусложнения. В какой-то момент любая хорошая идея в управлении начинает обрастать рамками, словарями, классами решений, протоколами и журналами до состояния, когда она становится тяжелее проблемы, которую должна решать.

Меня смущает и другая вещь. Главный риск здесь не технологический, а человеческий. Опасность не только в том, что агент ошибётся, а в том, что человек перестанет думать, потому что думает агент.

Отсюда ложный контроль, деградация компетенций, размывание ответственности и эффект усиления слабого РП, который с агентом начинает принимать решения, на которые без агента просто не решился бы.

И ещё мне кажется спорной сама граница между помощником, агентом и частью обычной автоматизации. В документах предложены достаточно ясные критерии, но на практике будет много пограничных случаев. И поэтому мне особенно интересно мнение людей, которые строят процессы с использованием ИИ-агентов руками, а не схемами.

Где это всё может дать реальную пользу?

Лучше всего смысл подхода виден не в принципах, а в сценариях.

В концепции есть очень приземлённые примеры:

  • агент раньше замечает, что подрядчик скрывает отставание,

  • быстрее пересчитывает варианты после изменения объёма,

  • готовит материалы к встрече со спонсором на основе актуальных данных,

  • помогает новому РП быстрее войти в проект,

  • автоматически отслеживает критичные изменения у партнёра.

Есть и антисценарии: ложный сигнал, перегрузка рамкой, оптимизация не той функции.

Собственно, наши пилоты и подтолкнули нас примерно к тем же выводам.

Больше всего агенты пригодились там, где нужна непрерывность наблюдения, сопоставление разнородных данных и быстрое формирование вариантов. Хуже всего - там, где хотелось заменить ими смысл, контекст и политическую навигацию.

С этим они не справляются. И, думаю, ещё долго не будут.

Зачем я пишу об этом именно сюда?

Потому что такие документы бесполезно писать в вакууме проектных офисов и корпоративных презентаций.

Мы проложили в открытый доступ два PDF:

При этом концепция – документ для обсуждения проектным сообществом. И это, пожалуй, лучшая формулировка того, как к ней и стоит относиться.

Не как к канону. Как к приглашению в спор.

Поэтому мой призыв очень простой.

Посмотрите на эти документы как на ещё один AI-лендинг, а как на попытку описать управленческую проблему, которая уже появилась на практике. И напишите (например, в комментариях), где здесь действительно есть полезная рамка, где - переименование давно известных вещей, а где - просто лишняя сущность.

Особенно интересны возражения по четырём точкам:

  • где проходит граница между инструментом и агентом,

  • нужна ли для этого вообще отдельная дисциплина,

  • насколько реалистична модель зрелости

  • и какие правила обязательны с первого дня, а какие только утяжеляют систему.

Мне в этой истории важнее не согласие, а разбор. Потому что хуже ещё одного манифеста может быть только ситуация, когда агенты уже работают в проектах, а разговора о правилах всё ещё нет.

Где скачать документы?

Сайт проекта: https://agenticpm.pro/. И выше прямые ссылки.

На сайте доступны два документа: «Манифест» и «Концепция v1.0».