Разработка AI PM — управление проектами с LLM

Представьте: у вас 6 параллельных проектов, команда из 20 разработчиков, а PM — два человека. Каждое утро они собирают статусы, готовят отчёты, проверяют риски. 35% их времени уходит на администрирование. Мы построили AI PM — цифрового сотрудника (Jira AI-агент на базе LLM), который берёт эту нагрузку на себя. Результат из нашей практики: административное время PM упало до 18%, а PM смогли взять третий проект. Без потери качества и без ощущения «слежки» у команды. По данным PMI Pulse of the Profession, административная нагрузка PM сокращается на 40% при внедрении AI-агентов.

Status-отчёты отнимают часы

Каждое утро — сбор информации из Jira, GitHub, Slack. AI PM генерирует standup digest автоматически за 5 секунд. Команда получает его в Slack, PM — с детализацией.

Планирование спринта наугад

Без учёта истории velocity и реальной доступности разработчиков. AI PM анализирует последние 5 спринтов, ёмкость команды и предлагает оптимальный набор задач. Ошибки перегрузки — на 30% меньше.

Риски замечают слишком поздно

Падение velocity на 30% за 2 спринта — сигнал, но его часто пропускают. AI PM мониторит числовые метрики и LLM-анализирует скрытые паттерны (например, уход ключевого разработчика на больничный). Предупреждение приходит за 3 дня до срыва.

Как мы это делаем: стек и архитектура

Используем OpenAI GPT-4o для генерации структурированных данных (задачи, риски), LangChain для цепочек вызовов и Jira/GitHub REST API для данных. В работе применяем MLOps-практики: Weights & Biases, MLflow. Ниже — ключевые компоненты с кодом.

Декомпозиция требований в задачи

from openai import AsyncOpenAI
from pydantic import BaseModel
from typing import Literal, Optional

client = AsyncOpenAI()

class ProjectTask(BaseModel):
    title: str
    description: str
    acceptance_criteria: list[str]
    story_points: int          # Fibonacci: 1, 2, 3, 5, 8, 13
    task_type: Literal["feature", "bug", "tech_debt", "research", "devops"]
    required_skills: list[str]
    dependencies: list[str]    # Названия зависимых задач
    priority: Literal["critical", "high", "medium", "low"]
    risk_notes: Optional[str]

async def decompose_requirement(
    requirement: str,
    team_skills: list[str],
    existing_codebase_context: str = "",
) -> list[ProjectTask]:

    response = await client.beta.chat.completions.parse(
        model="gpt-4o",
        messages=[{
            "role": "system",
            "content": f"""Ты — опытный техлид и PM.
Декомпозируй требование в конкретные задачи для команды.

Принципы декомпозиции:
- Каждая задача должна быть выполнима за 1-3 дня одним разработчиком
- Acceptance criteria — конкретные, проверяемые
- Укажи зависимости между задачами
- Story points: используй Fibonacci, основывай на сложности

Компетенции команды: {team_skills}
Контекст кодовой базы: {existing_codebase_context[:500] if existing_codebase_context else 'не предоставлен'}"""
        }, {
            "role": "user",
            "content": f"Требование: {requirement}",
        }],
        response_format=list[ProjectTask],
        temperature=0.2,
    )

    return response.choices[0].message.parsed

Sprint Planning агент

class SprintPlanningAgent:

    async def plan_sprint(
        self,
        backlog: list[dict],
        team_capacity: dict,  # {developer: available_hours}
        sprint_goal: str,
        velocity_history: list[int],
    ) -> dict:
        """Составляет план спринта с учётом ёмкости команды"""

        available_sp = self.estimate_capacity(team_capacity, velocity_history)

        sprint_plan = await client.chat.completions.create(
            model="gpt-4o",
            messages=[{
                "role": "system",
                "content": """Ты — Scrum Master, планируешь спринт.
Выбери задачи из бэклога в спринт, соблюдая:
1. Цель спринта — задачи должны соответствовать ей
2. Ёмкость команды не должна быть превышена
3. Учти зависимости — нельзя брать задачу, если её dependency не завершена
4. Баланс: не берём только баги или только фичи"""
            }, {
                "role": "user",
                "content": f"""Цель спринта: {sprint_goal}
Доступная ёмкость: {available_sp} SP
Команда и доступность: {team_capacity}
Бэклог (топ-30 по приоритету):
{json.dumps(backlog[:30], ensure_ascii=False, indent=2)}

Верни JSON: {{"selected_tasks": [...task_ids], "assignments": {{developer: [task_ids]}}, "sprint_risk": "низкий/средний/высокий", "risk_explanation": "..."}}"""
            }],
            response_format={"type": "json_object"},
        )

        return json.loads(sprint_plan.choices[0].message.content)

    def estimate_capacity(self, team_capacity: dict, velocity_history: list[int]) -> int:
        avg_velocity = sum(velocity_history[-5:]) / len(velocity_history[-5:])
        total_hours = sum(team_capacity.values())
        standard_sprint_hours = 8 * 10 * len(team_capacity)  # 2 недели
        capacity_ratio = total_hours / standard_sprint_hours
        return int(avg_velocity * capacity_ratio)

Daily Standup автоматизация

class StandupBot:

    async def collect_and_summarize(self, project_id: str) -> str:
        """Собирает данные о прогрессе и генерирует standup digest"""

        # Данные из Jira/GitHub
        jira_updates = await jira.get_yesterday_updates(project_id)
        github_commits = await github.get_commits(project_id, since="yesterday")
        blockers = await jira.get_current_blockers(project_id)
        open_prs = await github.get_open_prs(project_id)

        digest = await client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{
                "role": "system",
                "content": "Создай лаконичный standup digest. Формат: ✅ Выполнено, 🔄 В работе, 🚧 Блокеры. Конкретно, без воды."
            }, {
                "role": "user",
                "content": f"""Обновления из Jira:
{json.dumps(jira_updates, ensure_ascii=False, indent=2)}

Коммиты:
{json.dumps(github_commits[:10], ensure_ascii=False, indent=2)}

Блокеры:
{json.dumps(blockers, ensure_ascii=False, indent=2)}

Открытые PR: {len(open_prs)}, в т.ч. ожидают ревью > 24ч: {sum(1 for p in open_prs if p['waiting_hours'] > 24)}"""
            }],
        )

        return digest.choices[0].message.content

    async def post_to_slack(self, digest: str, channel: str):
        await slack_client.chat_postMessage(
            channel=channel,
            text=f"*Standup Digest — {datetime.now().strftime('%d.%m.%Y')}*\n{digest}",
        )

Risk Monitor

class ProjectRiskMonitor:

    async def assess_risks(self, project_data: dict) -> list[dict]:
        """Автоматически выявляет и оценивает проектные риски"""

        # Числовые сигналы риска
        numeric_risks = []
        sprint = project_data.get("current_sprint", {})

        velocity_trend = project_data.get("velocity_trend", [])
        if len(velocity_trend) >= 3 and velocity_trend[-1] < velocity_trend[-3] * 0.7:
            numeric_risks.append({
                "type": "velocity_decline",
                "severity": "high",
                "data": f"Velocity: {velocity_trend[-3]} → {velocity_trend[-1]} SP",
            })

        team_absences = project_data.get("planned_absences", [])
        sprint_end = project_data.get("sprint_end_date")
        critical_absence = any(
            a for a in team_absences
            if a.get("days") >= 3 and a.get("person") in sprint.get("key_developers", [])
        )
        if critical_absence:
            numeric_risks.append({
                "type": "key_person_absence",
                "severity": "medium",
                "data": "Ключевой разработчик отсутствует в критический период",
            })

        # LLM анализирует паттерны рисков
        risk_assessment = await client.chat.completions.create(
            model="gpt-4o",
            messages=[{
                "role": "system",
                "content": "Выяви скрытые риски в проектных данных. Верни JSON-список рисков с severity и mitigation."
            }, {
                "role": "user",
                "content": json.dumps({**project_data, "known_risks": numeric_risks}, ensure_ascii=False),
            }],
            response_format={"type": "json_object"},
        )

        ai_risks = json.loads(risk_assessment.choices[0].message.content).get("risks", [])
        return numeric_risks + ai_risks

Как AI PM повышает точность планирования?

AI PM обрабатывает 30+ переменных одновременно: история velocity, доступность команды, зависимости, риски. Человек физически не может держать всё в голове. AI PM делает это за секунды и без ошибок. В нашем кейсе срывов спринтов стало на 44% меньше, а точность оценки story points выросла на 30%.

Что входит в работу

Почему стоит внедрить AI PM уже сейчас?

Сравните с традиционным подходом:

Процесс работы

1. Аналитика (1–2 дня) — изучаем ваш процесс, инструменты, команду.
2. Проектирование (1 неделя) — определяем архитектуру, выбираем способ деплоя (on-premise / облако).
3. Разработка (2–4 недели) — пишем модули под ваш стек, используя GPT-4o и LangChain.
4. Тестирование (1 неделя) — проверяем на исторических данных, A/B-тест с текущим PM.
5. Деплой и обучение (1 неделя) — разворачиваем, обучаем команду, передаём документацию.

Сроки ориентировочно

• Sprint planning и декомпозиция: 2–3 недели
• Standup bot и мониторинг: 1–2 недели
• Risk assessment и алерты: 1–2 недели
• Jira/GitHub/Slack интеграции: 1–2 недели
• Итого: 5–9 недель в зависимости от сложности

Свяжитесь с нами, чтобы обсудить ваш проект — мы оценим его бесплатно и предложим оптимальный план. Опыт команды — 10+ лет в AI и управлении проектами, сертификации PMP и Scrum Master.

Практический кейс: digital product studio, 6 параллельных проектов

Ситуация: 2 PM управляли 6 проектами суммарно. 35% времени уходило на статус-отчёты, планирование спринтов, коммуникацию о блокерах.

AI PM взял на себя:

• Автоматический standup digest в Slack каждое утро
• Еженедельный stakeholder-отчёт
• Предупреждения о риске срыва (velocity gap, блокеры > 2 дней)
• Декомпозиция эпиков при создании новых задач
• Подготовка sprint planning (предложение задач с учётом ёмкости)

Результаты:

• Административное время PM: 35% → 18%
• PM смогли взять 3-й проект на 1 PM
• Срывы спринтов: -44% (раннее предупреждение о рисках)
• Команда: 4.1/5.0 оценка полезности AI PM (без ощущения «слежки»)

Итог: AI PM — это не замена, а инструмент, который делает PM эффективнее. Получите консультацию — мы покажем, как это работает на ваших данных. Закажите демо AI PM на ваших данных сейчас.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.