Система поддержки принятия решений как составляющая системы управления проектами IT-компании

ВВЕДЕНИЕ

Актуальность исследования обусловлена несколькими ключевыми факторами. Система поддержки принятия решений (СППР) становится ключевым элементом управления проектами в IT-компаниях, так как позволяет оптимизировать внутренние процессы, ускоряет реакцию на изменения и повышает прозрачность работы. По данным State of DevOps Russia 2024, 44% российских специалистов в IT отмечают положительное влияние применения цифровых и интеллектуальных систем поддержки решений на эффективность DevOps-процессов, а 47% связывают с ними ускорение автоматизации задач и сокращение числа ошибок в проектах. К тому же 41% компаний фиксируют повышение прозрачности обработки данных за счет облачных платформ и современных аналитических инструментов, интегрируемых со СППР.​

В рамках цифровизации управления проектами, российские организации активно инвестируют в развитие IT-инфраструктуры: 41% увеличили вложения в развитие технической поддержки в пределах 50%, а 65% компаний делают ставку на повышение отказоустойчивости и надежности IT-систем. При этом актуальные задачи цифровой трансформации включают повышение производительности за счет внедрения экспертных систем и алгоритмов машинного обучения, которые применяются в СППР для распределения ресурсов, переназначения задач и автоматического мониторинга состояния проекта.​

Рыночные тренды показывают, что более 59% отечественных компаний активно внедряют системы мониторинга, анализа и автоматизации (СППР), что позволяет не только оптимизировать управление проектами, но и повысить инвестиционную привлекательность, гибко учитывать риски и обеспечивать результативность в условиях возросших требований и быстро меняющейся рыночной среды IT-сектора. Это подчеркивает высокую актуальность изучения интеграции СППР именно как составной части системы управления проектами IT-компании.

Степень разработанности темы исследования. Вопросы применения систем поддержки принятия решений в управлении проектами активно исследуются как зарубежными, так и отечественными учеными. Среди зарубежных исследователей значительный вклад в развитие данной области внесли Т. Давенпорт, изучавший преимущества искусственного интеллекта и машинного обучения в преобразовании бизнес-процессов; Э. Бриньольфссон и А. Макафи, исследовавшие влияние цифровых технологий на управление в эпоху выдающихся технологических изменений; Р. Мюллер с соавторами, анализировавшие возможности и вызовы применения искусственного интеллекта в управлении проектами; А.Б. Семьбин с коллегами, изучавшие специфику управления проектами в условиях цифровой трансформации экономики.

Среди отечественных ученых следует отметить работы Л.В. Шабалтиной с соавторами в области интеллектуализации проектного управления как инструмента повышения цифровой зрелости организации; М.В. Грачевой и В.А. Первушина, разработавших основы управления проектами в цифровой экономике; Л.А. Раменской, исследовавшей возможности и риски применения искусственного интеллекта в управлении проектами; А.С. Товба и Г.Л. Ципеса, изучающих управление проектами в эпоху цифровой трансформации.

Объектом исследования является система управления проектами в ООО «НТЕХ ЛАБ» в условиях цифровой трансформации.

Предметом исследования - организационно-экономические отношения, возникающие в процессе внедрения и использования систем поддержки принятия решений в управлении проектами IT-компании.

Цель работы - разработать теоретические положения и практические рекомендации по совершенствованию системы поддержки принятия решений как составляющей системы управления проектами в ООО «НТЕХ ЛАБ».

Задачи исследования:

• Изучить процессы принятия управленческих решений в проектном менеджменте и выявить их особенности в IT-компаниях.
• Проанализировать влияние цифровой трансформации на управление проектами и исследовать возможности применения интеллектуальных технологий поддержки решений.
• Определить организационно-методические аспекты внедрения систем поддержки принятия решений в проектно-ориентированных организациях.
• Провести анализ организационно-экономической характеристики деятельности предприятия и оценить существующую систему управления проектами.
• Исследовать процессы и практики принятия решений в управлении проектами компании.
• Оценить результативность управления проектами и провести диагностику проблем существующей системы принятия решений.
• Разработать концепцию цифровизации системы поддержки принятия решений в управлении проектами.
• Сформировать организационный механизм внедрения системы поддержки принятия решений в ООО "НТЕХ ЛАБ".
• Провести экономическое обоснование и оценку ожидаемой эффективности внедрения системы поддержки принятия решений.

Методы исследования. В работе использованы общенаучные методы познания (анализ, синтез, индукция, дедукция, сравнение, обобщение), методы системного и процессного подходов, методы экономического анализа, статистические методы обработки данных, методы экспертных оценок, методы моделирования бизнес-процессов, а также специальные методы проектного менеджмента.

Практическая значимость работы состоит в разработке конкретных рекомендаций по внедрению системы поддержки принятия решений в ООО "НТЕХ ЛАБ", которые могут быть использованы другими IT-компаниями для совершенствования процессов управления проектами. Предложенный организационный механизм и методика оценки эффективности могут применяться при реализации проектов цифровой трансформации в проектно-ориентированных организациях.

Структура работы определена целью и задачами исследования. Работа состоит из введения, трех глав, заключения, списка использованных источников и приложений.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЕКТНОМ МЕНЕДЖМЕНТЕ

1.1. Теоретические основы систем поддержки принятия решений

Системы поддержки принятия решений (СППР) представляют собой класс интерактивных информационно-аналитических систем, предназначенных для обеспечения управленческой деятельности при решении слабоструктурированных и неструктурированных проблем. В современном проектном менеджменте СППР занимают особое место, поскольку проектная деятельность характеризуется высокой степенью неопределенности, многокритериальностью оценки альтернатив и необходимостью оперативного реагирования на изменения внутренней и внешней среды. Рассмотрение сущности, эволюции, типологии и архитектурных особенностей СППР формирует концептуальную базу для последующего анализа их применения в управлении IT-проектами.

Формирование концепции систем поддержки принятия решений относится к концу 1960-х - началу 1970-х годов и связано с развитием двух взаимодополняющих направлений: теоретических исследований процессов выработки управленческих решений и практических разработок интерактивных компьютерных систем, ориентированных на поддержку аналитической деятельности руководителя^[1]. Дальнейшее развитие данного класса систем определялось как эволюцией информационных технологий, так и изменением управленческих потребностей в условиях усложнения деловой среды^[2].

В эволюции СППР принято выделять несколько поколений, каждое из которых отражает изменение технологических возможностей и характера решаемых задач. Первое поколение (1970-е годы) формировалось на базе мейнфреймов и табличных процессоров; функционально такие системы обеспечивали ограниченный набор аналитических операций - расчет показателей по заданным формулам, построение простых отчетов, сценарный анализ типа «что, если» в узких пределах. Главным ограничением выступали жесткая структура данных и невозможность работы с неструктурированной информацией. Тем не менее уже в этот период был сформулирован фундаментальный для всей последующей разработки тезис: СППР не заменяет управленца, а усиливает его аналитические возможности^[3].

Второе поколение СППР (1980-е - начало 1990-х годов) развивалось в условиях массового распространения персональных компьютеров и систем управления базами данных. Ключевым новшеством стала интеграция СППР с корпоративными базами данных, обеспечившая доступ к актуальной информации в режиме реального времени. В этот же период оформилась концепция хранилищ данных и технологии многомерного аналитического анализа, позволившие проводить обработку больших массивов информации^[4]. Управленческий смысл этих изменений состоял в том, что руководитель впервые получил возможность работать не с заранее подготовленными отчетами, а самостоятельно формулировать аналитические запросы.

Третье поколение СППР (середина 1990-х - 2000-е годы) связано с распространением интернет-технологий и формированием класса аналитических платформ деловой аналитики (Business Intelligence). Доступ к аналитическим средствам стал возможен через веб-интерфейс, что существенно расширило круг пользователей и сделало СППР инструментом коллективного использования. Параллельно развивались системы управления знаниями и экспертные системы, аккумулирующие формализованный опыт специалистов в предметной области^[5].

Четвертое, современное поколение СППР (с начала 2010-х годов) характеризуется интеграцией технологий искусственного интеллекта, машинного обучения и обработки больших данных. Принципиальное отличие современных систем состоит в способности не только обрабатывать сформулированные пользователем запросы, но и самостоятельно выявлять закономерности, формировать прогнозы и предлагать варианты решений на основе обучения на исторических данных^[6]. С управленческой точки зрения это означает переход от информационной поддержки к рекомендательной и в перспективе - к частично автономному принятию рутинных решений.

В научной литературе СППР определяется как интерактивная автоматизированная система, помогающая лицу, принимающему решения (ЛПР), использовать данные и аналитические модели для решения слабоструктурированных и неструктурированных задач управления^[7]. Иной подход трактует СППР более широко - как комплекс программно-технических средств и организационных процедур, обеспечивающих информационно-аналитическую поддержку любых управленческих, организационных и плановых задач^[8]. Третий распространенный подход рассматривает СППР как человеко-машинный комплекс, объединяющий ЛПР и компьютерные средства, обеспечивающие выработку и обоснование управленческих решений^[9]. Несмотря на различия формулировок, все определения подчеркивают вспомогательную роль системы: окончательное решение принимает человек, а СППР обеспечивает информационную и аналитическую поддержку этого процесса.

В архитектуре корпоративных информационных систем СППР занимают особое положение, отличающее их от других классов систем. Системы обработки транзакций (Transaction Processing Systems, TPS) и операционные информационные системы предприятия (ERP, CRM, учетные системы) обеспечивают регистрацию хозяйственных операций и поддерживают повторяющиеся, хорошо структурированные процессы. Управленческие информационные системы (Management Information Systems, MIS) формируют регулярные отчеты на основе данных операционных систем и поддерживают тактический уровень управления. СППР, в отличие от перечисленных классов, ориентированы на нестандартные, плохо формализуемые задачи стратегического и тактического характера и предполагают активное участие руководителя в процессе анализа^[10]. Соотношение перечисленных классов систем приведено в таблице 1.

Таблица 1.1 - Сравнительная характеристика классов корпоративных информационных систем

Источник: составлено автором на основе Москвин, С. Н. Управление проектами в сфере образования : учебник для вузов / С. Н. Москвин. – Москва : Издательство Юрайт, 2025. – 139 с.

Принципиальная особенность СППР как класса систем состоит в том, что они проектируются не под фиксированный бизнес-процесс, а под способ мышления управленца. В этом смысле СППР рассматриваются как инструмент расширения когнитивных возможностей руководителя - за счет ускорения сбора и систематизации информации, формализации экспертных знаний и автоматизации рутинных аналитических операций^[11].

Многообразие СППР и сфер их применения обусловливает существование нескольких классификационных подходов, каждый из которых раскрывает определенный аспект систем^[12]. Систематизация типологий имеет значение не только для теоретического исследования, но и для управленческой практики: выбор класса СППР, адекватного решаемым задачам, является одним из ключевых решений при формировании информационно-аналитической инфраструктуры организации.

По степени активности участия в выработке решения выделяют пассивные, активные и кооперативные системы. Пассивные системы обеспечивают информационную поддержку: собирают, систематизируют, агрегируют и визуализируют данные, но не формируют рекомендаций по выбору альтернатив. Они эффективны в условиях, когда руководитель обладает достаточной квалификацией для самостоятельной интерпретации информации и принимает решения преимущественно на основе собственного опыта. Активные системы генерируют варианты решений и предлагают их пользователю, опираясь на встроенные модели, оптимизационные алгоритмы или базы знаний; окончательный выбор остается за ЛПР, но система берет на себя задачу формирования множества альтернатив. Кооперативные системы предполагают итеративное взаимодействие: система предлагает вариант, руководитель корректирует и дополняет его с учетом неформализованных факторов, после чего система уточняет рекомендацию. Данный подход наиболее адекватен сложным проектным задачам, в которых формализованный анализ должен сочетаться с экспертной интуицией.

По технологической основе выделяются СППР, ориентированные на данные, на модели, на знания, на документы и на коммуникации^[13]. Системы первого типа обеспечивают доступ к большим массивам структурированных данных и их аналитическую обработку; их основой служат хранилища данных и инструменты многомерного анализа. Системы второго типа применяют математические, статистические и имитационные модели для прогнозирования и оптимизации; они особенно востребованы в задачах распределения ресурсов и планирования. Системы третьего типа используют формализованные знания экспертов и реализуются в форме экспертных систем; их преимущество - способность объяснять логику предложенных решений, что повышает доверие пользователя. Системы четвертого типа предназначены для управления неструктурированной информацией - документами, сообщениями, мультимедийным контентом. Системы пятого типа поддерживают групповое принятие решений и обеспечивают коллективную работу распределенных команд.

По уровню организационного использования СППР подразделяются на индивидуальные, групповые, организационные и межорганизационные^[14]. Индивидуальные системы обслуживают одного пользователя - как правило, специалиста или линейного руководителя - и применяются для решения локальных задач. Групповые СППР поддерживают коллективную выработку решений в рамках рабочих групп и команд проектов и включают средства модерации обсуждений, согласования позиций и фиксации договоренностей. Организационные СППР интегрированы в общую информационную инфраструктуру предприятия и используются на различных уровнях управления, обеспечивая согласованность принимаемых решений. Межорганизационные системы поддерживают взаимодействие нескольких юридических лиц - прежде всего в рамках цепочек поставок, проектных консорциумов и государственно-частных партнерств^[15].

По степени структурированности решаемых задач различают три типа управленческих проблем: структурированные (имеющие алгоритмическое решение), слабоструктурированные (поддающиеся частичной формализации) и неструктурированные (требующие преимущественно экспертного и творческого подхода)^[16]. Соответственно, выделяются классы СППР, ориентированные на каждый из указанных типов задач. Системы для структурированных задач реализуют отработанные алгоритмы - например, расчет оптимального графика работ методом критического пути. Системы для слабоструктурированных задач - наиболее распространенный класс, сочетающий формализованные модели с возможностью экспертной корректировки. Системы для неструктурированных задач опираются преимущественно на технологии управления знаниями, экспертные системы и средства поддержки коллективного обсуждения.

Отдельную категорию составляют информационные системы руководителей (Executive Information Systems, EIS), ориентированные на топ-менеджмент. Их особенность - представление агрегированной информации по ключевым показателям деятельности организации в наглядной визуальной форме с возможностью детализации до уровня первичных данных. Современные системы такого типа рассматриваются как разновидность СППР, ориентированная на стратегический уровень управления^[17].

Архитектура классической СППР включает четыре основные подсистемы, взаимодействие которых обеспечивает поддержку процесса принятия решений: подсистему управления данными, подсистему управления моделями, подсистему управления знаниями и подсистему диалога с пользователем^[18].

Подсистема управления данными отвечает за сбор, хранение и предоставление информации, необходимой для анализа. Источниками данных служат как внутренние информационные системы организации, так и внешние источники - открытые статистические базы, отраслевая аналитика, рыночные данные. С точки зрения управленца ключевое назначение этой подсистемы - обеспечение информированности и сокращение разрыва между возникновением управленческой ситуации и наличием данных, необходимых для ее осмысления.

Подсистема управления моделями содержит библиотеку математических, статистических, имитационных и оптимизационных моделей, применяемых для анализа управленческих ситуаций. Именно модельная составляющая отличает СППР от простых отчетных систем: модели позволяют не только описывать текущее состояние, но и прогнозировать последствия принимаемых решений, оценивать чувствительность результатов к изменению исходных данных, сравнивать альтернативные сценарии. В управленческом плане модельная подсистема обслуживает функцию обоснования решения, обеспечивая переход от констатации фактов к проектированию будущих состояний.

Подсистема управления знаниями реализует функции экспертной системы и обеспечивает использование формализованных знаний специалистов предметной области. База знаний содержит правила, эвристики, прецеденты успешных решений и типовые шаблоны действий в стандартных ситуациях. В современных СППР управление знаниями все чаще дополняется технологиями машинного обучения, позволяющими извлекать знания из больших массивов исторических данных^[19]. Управленческая ценность этой подсистемы состоит в передаче коллективного опыта организации новым сотрудникам и снижении зависимости от индивидуальной экспертизы.

Подсистема диалога с пользователем обеспечивает взаимодействие руководителя с системой. От качества пользовательского интерфейса в значительной мере зависит фактическая полезность СППР: даже наиболее совершенная аналитическая система останется невостребованной, если ее результаты представлены в неудобной для восприятия форме. Современный подход предполагает многоканальный доступ - через настольные и мобильные приложения, веб-интерфейс, чат-боты и средства голосового взаимодействия, - что обеспечивает использование СППР в различных управленческих ситуациях.

С управленческой точки зрения существенно, что каждый из перечисленных компонентов обслуживает определенную функцию руководителя в процессе принятия решений: данные обеспечивают информированность, модели - аналитичность, знания - обоснованность, диалог - оперативность.

Обобщение исследовательских работ и практики применения СППР позволяет сформулировать ряд характеристик, которым должна отвечать эффективная система поддержки принятия решений в современных условиях.

Во-первых, СППР должна обеспечивать поддержку полного управленческого цикла - от выявления проблемной ситуации до оценки результатов реализации выбранного решения. Это означает интеграцию функций мониторинга, анализа, прогнозирования, выработки альтернатив, оценки последствий и контроля исполнения. Фрагментарная автоматизация отдельных этапов снижает эффективность системы в целом.

Во-вторых, система должна обладать адаптивностью к изменяющимся условиям и потребностям пользователей. Адаптивность включает возможность настройки интерфейса под индивидуальные предпочтения, модификации аналитических моделей по мере накопления опыта, подключения новых источников данных без существенной переработки архитектуры.

В-третьих, СППР должна обеспечивать прозрачность формируемых рекомендаций. Руководитель должен иметь возможность проследить, на основании каких данных и логических построений система пришла к тому или иному заключению. Требование прозрачности особенно актуально для систем, использующих методы машинного обучения, традиционно критикуемых за непрозрачность алгоритмов («черный ящик»).

В-четвертых, идеальная система должна поддерживать коллективное принятие решений, предоставляя средства коммуникации участников, согласования позиций, фиксации договоренностей и разрешения разногласий. Требование особенно актуально для проектного менеджмента, где решения, как правило, принимаются с участием нескольких заинтересованных сторон.

В-пятых, СППР должна обеспечивать работу с неопределенностью и неполнотой информации. Современные методы - нечеткой логики, байесовского вывода, имитационного моделирования - позволяют не только формировать рекомендации в условиях ограниченности данных, но и оценивать надежность этих рекомендаций, что критически важно для ответственного принятия управленческих решений.

В-шестых, эффективная СППР должна интегрироваться с существующей информационной инфраструктурой организации. Изолированная система, требующая ручного ввода данных, оказывается малопригодной для практического использования - независимо от качества ее аналитических возможностей.

Современное развитие СППР происходит по нескольким взаимосвязанным направлениям, отражающим как технологические возможности, так и изменение управленческих потребностей.

Интеграция технологий искусственного интеллекта и машинного обучения представляет собой наиболее значимое направление. Алгоритмы машинного обучения позволяют автоматически выявлять закономерности в исторических данных, формировать прогнозы и обновлять рекомендательные модели по мере накопления опыта. Управленческое значение этого направления состоит в переходе от детерминированных моделей, требующих формулировки правил вручную, к самообучающимся системам, адаптирующимся к меняющейся среде. Применительно к проектному менеджменту искусственный интеллект используется для прогнозирования сроков и стоимости проектов, выявления рисков на ранних стадиях, автоматизированного формирования рабочих графиков и распределения ресурсов между командами^[20].

Облачные и интернет-СППР существенно расширили доступность аналитических инструментов. Развертывание систем поддержки решений в облачной инфраструктуре снижает требования к собственным IT-ресурсам организации, обеспечивает гибкое масштабирование вычислительных мощностей под текущие потребности и сокращает сроки внедрения^[21]. Для проектно-ориентированных организаций облачные СППР особенно ценны, поскольку обеспечивают доступ к аналитике из любой точки и поддерживают работу распределенных команд. Принципиально меняется характер использования системы: из инструмента, доступного на рабочем месте руководителя, она превращается в среду, сопровождающую управленческую деятельность независимо от времени и места.

Интеллектуализация проектного управления как самостоятельное направление развития СППР предполагает встраивание аналитических инструментов в общий контур управления цифровой зрелостью организации^[22]. Это направление сопрягается с задачами повышения качества проектных решений за счет использования больших объемов исторических данных о ранее выполненных проектах и применения методов прогнозной аналитики.

Многоагентные и мобильные СППР представляют технологические направления, отвечающие на потребность в распределенности и оперативности принятия решений. Многоагентные системы распределяют функции анализа между несколькими автономными программными агентами, взаимодействующими между собой; такая архитектура эффективна в распределенных организационных средах, требующих согласования позиций нескольких структурных подразделений или участников консорциума^[23]. Мобильные СППР обеспечивают доступ к аналитической информации вне рабочего места, что меняет управленческие практики и сокращает разрыв между возникновением управленческой ситуации и реакцией на нее^[24].

Применение СППР в проектах с государственным заказчиком выделяется в самостоятельное направление с учетом специфики нормативного регулирования и контрольных процедур^[25]. В таких проектах СППР обеспечивают мониторинг выполнения контрактных обязательств, контроль соответствия требованиям информационной безопасности и сертификации, формирование отчетности в установленных форматах.

Наряду с возможностями развитие СППР сопряжено с рядом управленческих рисков и этических проблем. К ним относятся: чрезмерная зависимость управленцев от автоматизированных рекомендаций и связанная с этим эрозия профессионального опыта; смещение ответственности за принимаемые решения от человека к системе; угрозы конфиденциальности данных при облачном развертывании; вопросы алгоритмической справедливости при использовании моделей машинного обучения для оценки сотрудников и проектов. Учет указанных рисков является необходимым условием ответственного внедрения СППР в практику управления.

Рассмотренные теоретические основы СППР - их эволюция, понятийный аппарат, классификации, архитектура, характеристики и направления развития - формируют концептуальную базу для дальнейшего анализа процессов принятия управленческих решений в проектном менеджменте, чему посвящен следующий параграф настоящего исследования.

1.2. Процессы принятия управленческих решений в проектном менеджменте

Процесс принятия управленческих решений в проектном менеджменте следует рассматривать как последовательность взаимосвязанных этапов, направленных на выбор оптимального варианта действий из множества альтернатив. Согласно исследованиям Е.Ф. Линкевич, управленческие решения принимаются на протяжении всего жизненного цикла проекта и существенно различаются по степени сложности и характеру решаемых задач. При этом качество принимаемых решений напрямую влияет на эффективность реализации проекта и достижение запланированных результатов.

Фундаментальное значение для понимания процессов принятия решений имеет их классификация по различным признакам. В современной теории управления проектами выделяют пять ключевых областей осуществления управленческой деятельности, каждая из которых характеризуется специфическими типами решений. В области инициирования проекта принимаются стратегические решения, определяющие предназначение проекта, его техническую составляющую, ожидания стейкхолдеров и конечные результаты. Область планирования включает решения о структуре работ, распределении ответственности, методах оценки ресурсов и технологиях контроля выполнения. На этапе реализации принимаются оперативные решения о формализации замысла проекта, выборе исполнителей и поставщиков, организации финансирования. Сфера контроля характеризуется решениями о методах мониторинга и оценки качества работ, а область завершения проекта требует решений об оценке эффективности и урегулировании спорных вопросов между участниками.

Особое внимание в теории проектного менеджмента уделяется разграничению административных и обыденных решений. Административные решения, в отличие от обыденных, принимаются в целях обеспечения эффективного управления и затрагивают интересы многих участников проекта, включая собственников, внешних стейкхолдеров и членов проектной команды. В свою очередь, административные решения подразделяются на экспертные, носящие рекомендательный характер, и управленческие, оказывающие непосредственное регулирующее воздействие на достижение целей проекта.

Современная практика управления проектами выделяет четыре основных уровня принятия организационно-управленческих решений, каждый из которых требует от менеджеров определенных компетенций и навыков (Таблица 1.2).

Таблица 1.2 - Характеристика уровней принятия управленческих решений в проектном менеджменте

Источник: составлено автором на основе Линкевич, Е. Ф. Организационно-управленческие решения в проектном менеджменте / Е. Ф. Линкевич // Экономика и бизнес: теория и практика. – Краснодар : Кубанский государственный университет, 2023. – С. 79–81..

Анализ представленной классификации показывает, что по мере перехода от рутинного к инновационному уровню существенно возрастает сложность принимаемых решений и требования к квалификации руководителей проектов. На рутинном уровне менеджеры низового звена руководствуются установленными программами и инструкциями, что минимизирует риск ошибок, но ограничивает возможности для оптимизации процессов. Селективный уровень предполагает определенную свободу действий при выборе между альтернативными вариантами, однако критерии выбора остаются заранее определенными и устойчивыми.

Итак, процессы принятия управленческих решений в проектном менеджменте представляют собой сложную многоуровневую систему, эффективность которой определяется множеством факторов. Понимание теоретических основ данных процессов, их классификации и особенностей реализации на различных этапах жизненного цикла проекта является необходимым условием успешного управления проектами в современных условиях. При этом возрастающая сложность проектов и динамичность внешней среды требуют постоянного совершенствования методов и инструментов поддержки принятия решений, что определяет актуальность дальнейших исследований в данной области.

1.3. Цифровая трансформация управления проектами и интеллектуальные технологии поддержки решений

Применение систем поддержки принятия решений в управлении проектами IT-компаний обусловлено спецификой проектной деятельности в сфере информационных технологий, характеризующейся высокой степенью неопределенности, быстрыми изменениями требований и необходимостью координации работы распределенных команд. В этих условиях СППР становятся необходимым инструментом повышения качества и оперативности управленческих решений.

Управление IT-проектами характеризуется рядом особенностей, определяющих специфические требования к системам поддержки принятия решений. Как отмечает Д.Д. Московченко, цифровые проекты ориентированы на использование передовых технологий для решения бизнес-задач и достижения стратегических целей компании, при этом основными целями являются улучшение производительности, снижение затрат и расширение рынков^[26].

Применение СППР в IT-проектах охватывает все фазы жизненного цикла проекта. На этапе инициации СППР обеспечивают анализ целесообразности проекта, оценку рисков и формирование портфеля проектов. На этапе планирования системы поддерживают оценку трудоемкости, распределение ресурсов и формирование календарных графиков. Для организаций, использующих классические подходы, важна поддержка детального планирования, контроля освоенного объема и управления изменениями.

Интеграция интеллектуальных технологий в СППР открывает новые возможности для повышения эффективности проектной деятельности. Алгоритмы машинного обучения не только обеспечивают аналитическую поддержку, но и позволяют минимизировать ошибки за счет автоматического выявления аномалий^[27]. При этом важно учитывать, что успешное внедрение СППР требует не только технологической готовности, но и соответствующих изменений в организационной культуре и процессах управления.

Технологическую основу современных СППР в управлении проектами составляет комплекс взаимосвязанных технологий. Технологии больших данных и аналитики позволяют обрабатывать информацию из множества источников - систем управления проектами, корпоративных информационных систем, внешних баз данных - для формирования целостной картины состояния проекта. Облачные технологии обеспечивают доступность СППР для распределенных проектных команд и масштабируемость решений^[28].

Таблица 1.3 - Применение технологий в системах поддержки принятия решений для управления проектами

Источник: составлено автором на основе Антоненко М.Н., Халимов М.М. Цифровые инновации в управлении проектами: современные тенденции и вызовы // Экономические системы. — 2024. — Т. 17. — № 1 (64). — С. 108–114; Иванова М.А. Цифровизация процессов управления проектами на государственном уровне с использованием искусственного интеллекта // Актуальные вопросы современной экономики. — 2024. — № 11. — С. 268–271.

Внедрение систем поддержки принятия решений в проектно-ориентированных организациях представляет собой комплексную задачу, требующую системного подхода к организационным изменениям. Как отмечает Е.Д. Иващенко, основные подходы к внедрению систем управления проектами требуют предварительной оценки организационной зрелости и готовности к изменениям^[29].

Первоочередной задачей при внедрении СППР является формирование стратегии, учитывающей специфику проектной деятельности компании, существующий уровень цифровой зрелости и долгосрочные цели развития. Согласно исследованиям Л.В. Шабалтиной и коллег, интеллектуализация проектного управления выступает ключевым инструментом повышения цифровой зрелости организации^[30].

Важнейшим аспектом является формирование системы управления изменениями. Внедрение СППР неизбежно трансформирует существующие процессы управления проектами, что может встретить сопротивление со стороны сотрудников. Для преодоления сопротивления необходима комплексная программа, включающая информирование персонала о преимуществах системы, вовлечение ключевых сотрудников в процесс внедрения и создание системы мотивации^[31].

Существенным организационным аспектом является создание центра компетенций по использованию СППР, выполняющего функции методологической поддержки пользователей, накопления и распространения лучших практик. Как отмечает Л.А. Раменская, при внедрении интеллектуальных технологий в управление проектами необходимо учитывать как возможности, так и риски их применения, включая вопросы информационной безопасности и этические аспекты^[32].

Процесс внедрения СППР целесообразно организовать в несколько этапов. На подготовительном этапе проводится анализ текущего состояния и разработка стратегии внедрения. Этап проектирования включает выбор платформы и разработку архитектуры системы. Пилотное внедрение позволяет отработать процессы на ограниченном числе проектов и получить обратную связь. Масштабирование предполагает распространение системы на все проекты организации. Этап оптимизации обеспечивает непрерывное совершенствование процессов на основе накопленного опыта^[33].

Таким образом, применение систем поддержки принятия решений в управлении проектами IT-компаний представляет собой актуальное направление развития проектного менеджмента. Эффективное использование СППР требует учета специфики IT-проектов, интеграции с применяемыми методологиями управления и комплексного подхода к организационным изменениям. При этом необходимо учитывать как возможности, так и ограничения современных технологий, обеспечивая баланс между автоматизацией процессов и сохранением роли человека в принятии ключевых решений.

1.4. Роль IT-сектора в цифровой трансформации государства

Современный этап развития государственного управления характеризуется интенсивным внедрением цифровых технологий во все сферы деятельности органов власти. Стратегические документы Российской Федерации фиксируют цифровизацию в качестве одного из ключевых приоритетов национального развития на среднесрочную и долгосрочную перспективу.

Программно-целевой подход к цифровой трансформации государства реализуется посредством национальной программы «Цифровая экономика Российской Федерации». Данный документ, принятый в 2018 году с горизонтом планирования до 2030 года, систематизирует мероприятия по формированию цифровой инфраструктуры, подготовке кадров и модернизации государственного управления на основе информационных технологий. Архитектура программы представлена совокупностью федеральных проектов, охватывающих различные аспекты цифровизации: развитие информационной инфраструктуры, подготовку специалистов, обеспечение информационной безопасности, внедрение сквозных цифровых технологий, трансформацию государственных сервисов, продвижение технологий искусственного интеллекта. Консолидированный объем финансового обеспечения программы превышает два триллиона рублей, причем существенная доля ассигнований предназначена для приобретения программных продуктов и IT-услуг у российских разработчиков, что генерирует устойчивый платежеспособный спрос на отечественные решения.

Технологии искусственного интеллекта выделены в самостоятельное направление государственной политики. Указом Президента Российской Федерации от 10 октября 2019 года № 490 утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года. Документ квалифицирует искусственный интеллект как совокупность технологических решений, обеспечивающих имитацию когнитивных функций человека с достижением результатов, сопоставимых с продуктами интеллектуальной деятельности. В перечень приоритетных направлений включены: технологии компьютерного зрения, методы обработки естественного языка, системы распознавания и синтеза речи, интеллектуальные механизмы поддержки принятия решений, перспективные алгоритмы машинного обучения.

Стратегия фиксирует амбициозную цель - вхождение России в число мировых лидеров в области искусственного интеллекта к 2030 году. Достижение данной цели предполагает формирование комплексной регуляторной среды, интенсификацию научных исследований, создание рынка данных, масштабную подготовку профильных специалистов. Центральная роль в практической реализации стратегических установок принадлежит отечественным IT-компаниям, аккумулировавшим компетенции в сфере разработки ИИ-технологий.

Операционализация стратегических целей осуществляется в рамках федерального проекта «Искусственный интеллект». Проектом предусмотрен инструментарий государственной поддержки разработчиков: грантовое финансирование, субсидирование НИОКР, создание исследовательских центров при ведущих университетах, формирование отраслевых наборов данных, апробация экспериментальных правовых режимов. Емкость российского рынка искусственного интеллекта по оценкам 2024 года составляла 650 миллиардов рублей с прогнозом роста до 1,5 триллиона рублей к 2030 году.

Отрасль информационных технологий функционирует в качестве базового поставщика решений для государственных инициатив цифровизации. Формы взаимодействия государства и IT-бизнеса дифференцированы по нескольким направлениям. Компании отрасли реализуют государственные контракты на создание и внедрение информационных систем для органов власти. Механизмы государственно-частного партнерства обеспечивают совместное финансирование инфраструктурных проектов. Экспертный потенциал IT-сектора привлекается при выработке государственной политики в области цифрового развития.

Нормативную основу государственных закупок в IT-сфере составляют Федеральный закон № 44-ФЗ от 05.04.2013, регулирующий контрактную систему для государственных и муниципальных нужд, и Федеральный закон № 223-ФЗ от 18.07.2011, определяющий порядок закупок отдельными видами юридических лиц. Ежегодный объем государственных закупок информационных технологий превышает 300 миллиардов рублей, что позиционирует государство как крупнейшего заказчика отечественной IT-отрасли.

Среди приоритетных направлений применения искусственного интеллекта в государственном секторе выделяются технологии компьютерного зрения и биометрической идентификации. Указанные технологии находят применение в системах общественной безопасности, контроля доступа на объекты критической инфраструктуры, организации пропускного режима на транспорте. Программа «Безопасный город», развернутая в субъектах федерации, предполагает оснащение территорий интеллектуальными комплексами видеонаблюдения с функционалом распознавания лиц и поведенческой аналитики. К 2024 году системы интеллектуальной видеоаналитики функционировали более чем в сорока регионах страны.

Московская агломерация демонстрирует наибольший масштаб внедрения технологий компьютерного зрения. Единая система видеонаблюдения столицы интегрирует свыше 220 тысяч камер, подключенных к платформе интеллектуальной аналитики. Комплекс распознавания лиц в Московском метрополитене, введенный в эксплуатацию в 2021 году, обрабатывает миллионы изображений ежесуточно, обеспечивая как функции безопасности, так и сервис бесконтактной оплаты проезда по биометрическим данным (FacePay). Разработку и поставку данных решений осуществляют российские IT-компании, специализирующиеся на технологиях искусственного интеллекта.

Расширяется применение биометрических технологий в государственных сервисах. Единая биометрическая система, оператором которой выступает Центр Биометрических Технологий, обеспечивает идентификацию граждан при получении государственных и коммерческих услуг. По данным 2024 года, в системе зарегистрировано свыше 18 миллионов биометрических образцов. Практические применения включают дистанционное открытие банковских счетов, получение государственных услуг без личного присутствия, прохождение автоматизированного пограничного контроля в аэропортах.

Курс на импортозамещение в сфере информационных технологий выступает существенным фактором развития отечественной IT-отрасли. Постановление Правительства Российской Федерации № 1236 от 16.11.2015 устанавливает ограничения на допуск программного обеспечения иностранного происхождения к государственным закупкам. Исключения допускаются лишь при отсутствии отечественных аналогов с сопоставимым функционалом.

Инструментом подтверждения российского происхождения программных продуктов служит Единый реестр российских программ для электронных вычислительных машин и баз данных, администрируемый Министерством цифрового развития, связи и массовых коммуникаций. Реестр насчитывает свыше 20 тысяч программных продуктов. Включение в реестр обеспечивает разработчику преференции при участии в государственных закупках и право применения пониженных тарифов страховых взносов.

Требования к защите информации в решениях, поставляемых для государственных нужд, устанавливаются нормативными актами ФСТЭК России и ФСБ России. Программное обеспечение государственных информационных систем подлежит сертификации на соответствие требованиям защиты информации. Средства криптографической защиты должны отвечать требованиям ФСБ России. Данные регуляторные барьеры ограничивают присутствие иностранных решений и стимулируют развитие отечественных разработок в области информационной безопасности.

Государственные информационные системы дифференцируются по классам защищенности в зависимости от значимости обрабатываемой информации. Системы первого класса, работающие со сведениями, составляющими государственную тайну, допускают использование исключительно сертифицированных отечественных решений. Для систем второго и третьего классов возможно применение несертифицированных продуктов при условии аттестации в составе информационной системы. IT-компании, взаимодействующие с государственными заказчиками, обязаны располагать лицензиями ФСТЭК России на деятельность по технической защите конфиденциальной информации, а при необходимости - лицензиями ФСБ России на работу с криптографическими средствами.

Резюмируя изложенное, следует констатировать системообразующую роль IT-сектора в процессах цифровой трансформации государственного управления Российской Федерации. Реализация национальных программ и стратегий формирует устойчивый спрос на решения отечественных разработчиков в областях искусственного интеллекта, компьютерного зрения, биометрических технологий. Политика импортозамещения в сочетании с требованиями информационной безопасности создает преференциальные условия для российских IT-компаний при участии в государственных закупках. Компании, специализирующиеся на разработке ИИ-технологий для государственного сектора, функционируют в благоприятной рыночной конъюнктуре, однако должны обеспечивать соответствие жестким требованиям к качеству, безопасности и срокам исполнения проектов.

Выводы по главе 1

Проведенное теоретическое исследование систем поддержки принятия решений в проектном менеджменте позволяет сформулировать ряд важных выводов, определяющих методологическую основу дальнейшего исследования.

Во-первых, системы поддержки принятия решений представляют собой развитое направление управленческих информационных технологий с полувековой историей развития. Эволюция СППР прошла путь от простых систем на основе электронных таблиц до интеллектуальных платформ, интегрирующих технологии искусственного интеллекта, машинного обучения и обработки больших данных. Современные СППР способны не только систематизировать информацию, но и формировать конкретные рекомендации, прогнозировать развитие ситуации и адаптироваться к изменяющимся условиям.

Во-вторых, классификация СППР по различным признакам (степени активности, технологической основе, области применения) создает методологическую базу для выбора оптимального типа системы в зависимости от специфики решаемых задач. Для управления проектами наиболее перспективными являются активные и кооперативные СППР, сочетающие возможности аналитической обработки данных с использованием экспертных знаний и интуиции руководителя проекта.

В-третьих, процессы принятия управленческих решений в проектном менеджменте характеризуются высокой степенью неопределенности, многокритериальностью и необходимостью учета интересов множества стейкхолдеров. Выделение четырех уровней принятия решений (рутинного, селективного, адаптационного и инновационного) позволяет определить области, в которых применение СППР обеспечит наибольший эффект.

В-четвертых, применение СППР в управлении проектами IT-компаний требует учета специфики проектной деятельности в сфере информационных технологий и интеграции с используемыми методологиями управления. Внедрение СППР представляет собой комплексную организационную задачу, успех которой определяется не только технологическими факторами, но и готовностью организации к изменениям, качеством методического обеспечения и развитием соответствующих компетенций персонала.

ГЛАВА 2. АНАЛИЗ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЕКТАМИ И ПРОЦЕССОВ ПРИНЯТИЯ РЕШЕНИЙ В ООО "НТЕХ ЛАБ"

2.1. Организационно-экономическая характеристика деятельности ООО "НТЕХ ЛАБ" и оценка системы управления проектами

ООО «НТЕХ ЛАБ» (NtechLab) - высокотехнологичная компания, специализирующаяся на разработке решений в области видеоаналитики на основе технологий искусственного интеллекта. Компания основана в 2015 г. выпускниками факультета вычислительной математики и кибернетики МГУ им. М.В. Ломоносова и за десять лет превратилась в одного из мировых лидеров в сфере распознавания лиц и компьютерного зрения^[34].

Основным видом экономической деятельности является разработка компьютерного программного обеспечения (код ОКВЭД 62.01). Компания зарегистрирована в г. Москве, уставный капитал - 10 тыс. руб. Единственным учредителем с апреля 2025 г. является МКАО «НТХ» (Калининградская область), что свидетельствует о завершении редомициляции в российскую юрисдикцию. NtechLab выступает технологическим партнером Госкорпорации Ростех^[35].

Флагманским продуктом является платформа FindFace Multi - система мультиобъектной аналитики, обеспечивающая распознавание лиц, силуэтов, действий людей и транспортных средств. Платформа использует более 50 нейросетей и способна идентифицировать объект в базе из миллиардов изображений за доли секунды. Портфель также включает: NTech City - систему мониторинга городской среды; NtechMed CT Brain - продукт для диагностики инсультов; ПАК ГАИ - комплекс для выявления нарушителей на дорогах^[36].

Алгоритмы NtechLab на протяжении восьми лет занимают лидирующие позиции в рейтинге NIST FRVT. География присутствия охватывает 34 страны и более 70 регионов России. К программному обеспечению компании подключено более 400 000 камер в 23 странах мира. Среди реализованных проектов: система для «умного города» Москвы (более 100 000 камер), обеспечение безопасности FIFA 2018, Expo 2020 Dubai, железные дороги Индии^[37].

Анализ финансово-экономических показателей позволяет оценить динамику развития компании (Таблица 2.1).

Таблица 2.1 - Динамика основных финансово-экономических показателей ООО «НТЕХ ЛАБ» за 2020–2024 гг.

Источник: составлено автором по данным Бухгалтерская отчетность и финансовый анализ ООО «НТЕХ ЛАБ» за 2014–2024 гг. // Audit-it.ru : [сайт]. — URL: https://www.audit-it.ru/buh_otchet/7710499161_ooo-ntekh-lab (дата обращения: 17.02.2026).

Данные позволяют выделить два периода развития. Первый (2020–2021 гг.) характеризуется ростом выручки и устойчивой прибыльностью: в 2021 г. выручка превысила 1 млрд руб., число сотрудников выросло вдвое. Второй (2022–2023 гг.) связан с ухудшением результатов на фоне геополитических событий, ухода основателей и санкций ЕС: в 2022 г. убыток составил 222 млн руб., в 2023 г. - 129 млн руб., выручка сократилась на 39%.

Переломным стал 2024 г.: под руководством нового генерального директора А.С. Паламарчука проведена трансформация бизнес-модели. Выручка увеличилась на 83%, компания вышла на прибыль (55 млн руб.). Количество контрактов возросло в 2,5 раза - до 450, более 70% выручки обеспечили российские клиенты^[38].

Структура активов отражает специфику деятельности разработчика ПО (Таблица 2.2).

Таблица 2.2 - Структура активов ООО «НТЕХ ЛАБ» за 2022–2024 гг., млн руб.

Источник: составлено автором по данным Бухгалтерская отчетность и финансовый анализ ООО «НТЕХ ЛАБ» за 2014–2024 гг. // Audit-it.ru : [сайт]. — URL: https://www.audit-it.ru/buh_otchet/7710499161_ooo-ntekh-lab (дата обращения: 12.02.2026).

Наиболее значимой статьей являются нематериальные активы (461 млн руб.), демонстрирующие устойчивый рост и свидетельствующие об инвестициях в разработку продуктов. Сокращение основных средств связано с оптимизацией офисных площадей и переходом к гибридному формату работы. Динамика денежных средств показывает восстановление после резкого сокращения 2023 г.

Анализ кейсов позволяет систематизировать направления проектной деятельности (Таблица 2.3).

Таблица 2.3. Характеристика основных направлений проектной деятельности ООО «НТЕХ ЛАБ»

Источник: составлено автором по данным Кейсы компании // NtechLab : [сайт]. — URL: https://ntechlab.ru/cases (дата обращения: 11.02.2026)

.

Диверсификация проектного портфеля охватывает более 10 отраслей, что обусловливает необходимость гибких подходов к управлению: каждое направление характеризуется специфическими требованиями к функциональности, срокам, интеграции с существующими системами заказчиков. В 2024 г. компания вышла на рынок медицинских технологий, расширяя области применения компетенций в ИИ^[39].

Система управления проектами в ООО «НТЕХ ЛАБ» формировалась эволюционно по мере роста компании. На начальном этапе (2015–2018 гг.) компания функционировала как стартап, где, по признанию самой компании, «все разрабатывали все и на всем»^[40]. Управление проектами осуществлялось непосредственно основателями при минимальной формализации процессов. По мере расширения клиентской базы и усложнения проектов возникла необходимость в специализации функций и структурировании проектной деятельности.

В настоящее время компания использует гибкие методологии управления проектами. Согласно требованиям к кандидатам на позицию руководителя проектов, необходим опыт работы в Agile/Scrum-среде^[41]. Данный выбор обусловлен спецификой разработки программного обеспечения на основе машинного обучения, где требования заказчиков часто уточняются в процессе работы, а результаты экспериментов с алгоритмами могут существенно влиять на направление развития проекта.

Организационная структура управления проектами построена по функциональному принципу с элементами матричной организации. Выделены следующие основные подразделения: разработка алгоритмов и ML-моделей; разработка программного обеспечения; отдел внедрения и технической поддержки; отдел продаж и работы с клиентами; отдел качества (QA). При реализации крупных проектов формируются кросс-функциональные команды, объединяющие специалистов из различных подразделений. Компания декларирует принцип «People first» - приоритет людей над процессами^[42].

Инструментарий управления проектами включает стандартный для IT-отрасли набор решений. Для управления задачами и отслеживания прогресса используются системы класса Issue Tracker (типа Jira), позволяющие вести бэклог продукта, планировать спринты, отслеживать статус задач. Для ведения проектной документации и базы знаний применяются wiki-системы (типа Confluence). Коммуникации в распределенных командах осуществляются через корпоративные мессенджеры. Для контроля версий программного кода используются системы Git с поддержкой процессов непрерывной интеграции и доставки (CI/CD).

Особенностью проектной деятельности NtechLab является тесное взаимодействие с внешними стейкхолдерами: подрядчиками, эксплуатационными службами клиентов, поставщиками оборудования. Как отмечается в описании позиции DevOps-инженера, специалисты компании взаимодействуют с подрядчиками и эксплуатационными службами клиентов в рамках проектов внедрения^[43]. Это создает дополнительную сложность в координации работ и требует развитых коммуникационных процессов.

2.2. Исследование процессов и практик принятия решений в управлении проектами

Исследование процессов и практик принятия решений в ООО «НТЕХ ЛАБ» проведено на основе анализа открытых источников информации о компании, а также материалов интервью с руководителями проектов и техническим директором (Приложение 1). Данный подход позволил получить комплексное представление о существующей системе принятия решений на различных уровнях управления.

По уровню управления выделяются три категории решений. Стратегические решения касаются формирования портфеля проектов, выбора приоритетных направлений, распределения ресурсов между инициативами. Такие решения принимаются генеральным директором и директорами направлений в рамках квартальных стратегических сессий. Тактические решения связаны с планированием и координацией отдельных проектов: определение состава команды, согласование сроков и бюджета, управление изменениями. Эти решения находятся в компетенции руководителей проектов. Оперативные решения принимаются ежедневно: выбор технических решений, распределение задач внутри спринта, устранение текущих проблем - они в компетенции проектных команд.

По степени структурированности значительная часть решений относится к слабоструктурированным, что обусловлено инновационным характером продуктов и высокой неопределенностью в проектах машинного обучения. К программируемым относятся типовые решения с установленными процедурами: согласование спецификаций, код-ревью, релизы. Непрограммируемые связаны с уникальными ситуациями: разрешение конфликтов с заказчиками, реагирование на инциденты, адаптация под нестандартные требования.

Генеральный директор принимает решения по стратегическому развитию, одобряет участие в крупных тендерах, утверждает бюджеты, решает вопросы эскалации при конфликтах интересов. Технический директор отвечает за технологическую стратегию, приоритизацию продуктового бэклога, распределение ключевых специалистов, архитектурные решения. Руководители проектов наделены полномочиями по оперативному управлению: планирование спринтов, взаимодействие с заказчиками, управление рисками и изменениями в рамках согласованного скоупа. Согласно материалам интервью, руководитель одновременно ведет от трех до пяти проектов, что требует эффективного распределения внимания.

Проектные команды в соответствии с принципами Agile обладают значительной автономией в технических решениях. Разработчики самостоятельно выбирают способы реализации, проводят код-ревью, принимают решения о рефакторинге. Такая модель соответствует принципу «People first» - приоритету людей над процессами^[44].

Процесс принятия решений встроен в ритм работы по методологии Scrum с адаптациями под специфику ML-разработки. Планирование спринта проводится в начале каждого двухнедельного цикла. Команда совместно с руководителем проекта принимает решения о составе работ на основе приоритизированного бэклога, velocity команды, обязательств перед заказчиком и доступности ресурсов. Решения принимаются консенсусом с учетом экспертных оценок трудоемкости. Ежедневные стендапы (15–20 минут) служат для синхронизации статуса и выявления блокеров. Оперативные решения по устранению проблем принимаются непосредственно в ходе стендапа или после него.

Демонстрация результатов в конце спринта проводится для заказчика. По итогам принимаются решения о приемке работ, корректировке приоритетов, изменении требований. Ретроспектива - внутреннее мероприятие для анализа спринта и выработки улучшений. Как отметил респондент: «Риски обсуждаем на ретроспективах, когда они уже материализовались. Превентивного подхода пока нет». На уровне компании проводятся еженедельные статус-митинги руководителей проектов (1,5–2 часа), где обсуждается прогресс, выявляются конфликты ресурсов. Согласно интервью, такие совещания «не всегда эффективны с точки зрения соотношения затраченного времени и принятых решений». Квартальные стратегические сессии на уровне руководства посвящены портфелю проектов и распределению ресурсов. Критерии решений: стратегическая важность клиента, маржинальность, загрузка команд, соответствие стратегии.

Система управления задачами (Jira) - основной источник оперативной информации. Ведется бэклог, фиксируются задачи, отслеживается статус, регистрируются дефекты. Доступны метрики: velocity, burndown, cumulative flow, время цикла. Система документации (Confluence) содержит проектную документацию, спецификации, протоколы, базу знаний. Информация структурирована по проектам, но не всегда актуальна. CRM-система содержит информацию о клиентах, истории коммуникаций, статусе сделок. Используется для приоритизации клиентских запросов.

Финансовый учет ведется в отдельной системе. Для получения данных о бюджете проекта руководителям приходится формировать запросы вручную, что снижает оперативность. Система поддержки фиксирует обращения клиентов и инциденты. Информация важна для приоритизации доработок.

Ключевая особенность - фрагментированность данных. Технический директор отметил: «Чтобы получить полную картину по проекту, нужно зайти в пять разных систем. Сводные отчеты готовятся вручную, что занимает время и создает риск ошибок» (приложение 1).

При приоритизации проектов учитываются: стратегическая важность клиента (ключевые заказчики имеют приоритет); финансовая привлекательность (маржинальность, потенциал сотрудничества); соответствие технологической стратегии; загрузка ресурсов. При технических решениях: требования к производительности и надежности; совместимость с архитектурой; трудоемкость реализации и сопровождения; соответствие стандартам регуляторов. Ограничения: дефицит ML-инженеров и data scientists; санкционные ограничения; требования информационной безопасности при работе с госзаказчиками; сжатые сроки проектов. Проекты машинного обучения характеризуются высокой неопределенностью: результаты экспериментов сложно предсказать, что затрудняет планирование. Решения о продолжении исследовательских направлений принимаются итеративно.

Требования к качеству данных влияют на состав работ - значительная часть усилий направляется на сбор и разметку данных. Балансировка между точностью алгоритмов и производительностью требует компромиссных решений: более точные модели требуют больше вычислительных ресурсов. Эскалация осуществляется по схеме: член команды сообщает о проблеме руководителю проекта; тот оценивает и либо решает сам, либо эскалирует техническому директору или руководству. Формализованного регламента не существует - решения принимаются на основе опыта и понимания ситуации.

Существенную роль играют неформальные коммуникации в рабочих чатах (Slack, Telegram). Культура открытости способствует свободному обмену информацией - разработчики могут напрямую обращаться к коллегам из других команд. Оборотная сторона: решения и обоснования не всегда фиксируются, что затрудняет передачу знаний при смене участников. Система принятия решений в ООО «НТЕХ ЛАБ» характеризуется как сформировавшаяся, но не полностью зрелая. Сильные стороны: использование гибких методологий, автономия команд в технических решениях, культура открытых коммуникаций, наличие базового инструментария.

2.3. Оценка результативности управления проектами и диагностика проблем существующей системы принятия решений

Оценка результативности системы управления проектами и диагностика проблем в процессах принятия решений проведены с использованием комплекса аналитических инструментов: анализа ключевых показателей эффективности, оценки уровня зрелости процессов, SWOT-анализа. Источниками данных послужили финансовая отчетность компании, материалы интервью (Приложение А), а также открытая информация о деятельности ООО «НТЕХ ЛАБ».

Для оценки результативности управления проектами целесообразно проанализировать динамику ключевых показателей эффективности (KPI), характеризующих различные аспекты проектной деятельности (Таблица 2.4).

Таблица 2.3 - Анализ ключевых показателей результативности управления проектами ООО «НТЕХ ЛАБ»

*РП - руководитель проекта

Источник: составлено автором по данным Бухгалтерская отчетность и финансовый анализ ООО «НТЕХ ЛАБ» за 2014–2024 гг. // Audit-it.ru : [сайт]. — URL: https://www.audit-it.ru/buh_otchet/7710499161_ooo-ntekh-lab (дата обращения: 01.02.2026)]

материалам интервью.

Анализ представленных данных свидетельствует о противоречивых тенденциях. С одной стороны, 2024 г. демонстрирует существенное улучшение финансовых показателей: рост выручки на 83%, выход на положительную рентабельность, увеличение производительности труда почти вдвое. С другой стороны, выявляются факторы риска: резкий рост количества контрактов при сокращении численности персонала создает предпосылки для перегрузки проектных команд; высокая концентрация выручки на российских клиентах (более 70%) повышает зависимость от конъюнктуры внутреннего рынка; значительная текучесть кадров (35% за три года) создает риски потери компетенций и организационных знаний.

Особую озабоченность вызывает рост нагрузки на руководителей проектов. Если ранее на одного РП приходилось в среднем три проекта, то в 2024 г. этот показатель вырос до 3–5 проектов одновременно. При отсутствии адекватных инструментов поддержки принятия решений это неизбежно ведет к снижению качества управления и повышению вероятности ошибок.

Для системной диагностики состояния процессов управления проектами применена адаптированная модель оценки зрелости, основанная на подходах OPM3 (Organizational Project Management Maturity Model) и CMMI (Capability Maturity Model Integration). Оценка проведена по пятибалльной шкале: 1 - начальный уровень, 2 - повторяемый, 3 - определенный, 4 - управляемый, 5 - оптимизируемый (Таблица 2.5).

Таблица 2.5 - Оценка уровня зрелости процессов управления проектами ООО «НТЕХ ЛАБ»

Источник: составлено автором по результатам анализа и материалам интервью.

Результаты оценки показывают, что средний уровень зрелости процессов управления проектами составляет 2,4 балла из 5, что соответствует переходу от «повторяемого» к «определенному» уровню. Наибольший разрыв между текущим и целевым состоянием наблюдается в области управления рисками (-3 балла): в компании отсутствует формализованный процесс идентификации, оценки и мониторинга рисков. Как отметил респондент в интервью: «Формализованного процесса управления рисками нет. Риски обсуждаем на ретроспективах, когда они уже материализовались».

Существенные разрывы также выявлены в областях управления сроками, стоимостью, ресурсами и интеграцией (по -2 балла). Эти области непосредственно связаны с принятием решений и требуют информационной поддержки, которая в настоящее время недостаточна.

Для комплексной оценки системы принятия решений в управлении проектами проведен SWOT-анализ, позволяющий выявить сильные и слабые стороны, а также возможности и угрозы (Таблица 2.6).

Таблица 2.6 - SWOT-анализ системы принятия решений в управлении проектами ООО «НТЕХ ЛАБ»

Источник: составлено автором.

SWOT-анализ выявляет ключевое противоречие: компания обладает сильными техническими компетенциями и гибкими процессами разработки (S1–S6), но испытывает дефицит в области управленческой инфраструктуры (W1–W6). При этом внешняя среда создает как возможности для развития (O1–O5), так и угрозы, усиливающие значимость выявленных слабостей (T1–T5).

Наиболее критичным представляется сочетание слабости W1 (фрагментированность информации) и угрозы T1 (рост количества проектов): при увеличении масштаба деятельности отсутствие единой информационной картины существенно затрудняет принятие обоснованных решений.

На основе проведенного анализа систематизированы ключевые проблемы существующей системы принятия решений в управлении проектами ООО «НТЕХ ЛАБ».

Проблема 1. Информационная фрагментированность. Данные, необходимые для принятия решений, распределены по нескольким не интегрированным между собой системам: Jira (задачи), Confluence (документация), CRM (клиенты), финансовый учет (бюджеты), система поддержки (инциденты). Для получения полной картины по проекту руководителю необходимо обращаться к пяти и более источникам. Сводные отчеты готовятся вручную, что занимает значительное время и создает риск ошибок.

Проблема 2. Отсутствие интегрированной аналитики. В компании не внедрена BI-система или иной инструмент, агрегирующий данные из различных источников и предоставляющий аналитические панели для поддержки решений. Метрики проектов (velocity, burndown) доступны в Jira, но не связаны с финансовыми показателями и данными о ресурсах. Отсутствует возможность сценарного моделирования и прогнозирования.

Проблема 3. Реактивное управление рисками. Формализованный процесс управления рисками отсутствует: нет реестра рисков, не проводится систематическая оценка вероятности и влияния, не определены владельцы рисков и стратегии реагирования. Риски выявляются post factum на ретроспективах, когда они уже материализовались и нанесли ущерб проекту.

Проблема 4. Неоптимальное распределение ресурсов. Распределение специалистов между проектами осуществляется в ручном режиме через переговоры между руководителями проектов или эскалацию на уровень технического директора. Отсутствует инструмент визуализации загрузки ресурсов и оптимизации их распределения. Конфликты ресурсов разрешаются ситуативно, без учета общей картины портфеля проектов.

Проблема 5. Перегрузка руководителей проектов. Рост количества контрактов в 2,5 раза при сокращении численности персонала привел к увеличению нагрузки на руководителей проектов до 3–5 проектов одновременно. В условиях многозадачности и отсутствия автоматизированных инструментов поддержки качество управленческих решений снижается, возрастает риск упущений и ошибок.

Проблема 6. Недостаточная формализация процедур. Ряд критически важных процессов (эскалация проблем, управление изменениями, приоритизация между проектами) не имеет четких регламентов. Решения принимаются на основе индивидуального опыта менеджеров, что создает зависимость от конкретных людей и затрудняет масштабирование деятельности.

Проблема 7. Риск потери организационных знаний. Высокая текучесть персонала (35% за три года), включая уход основателей компании, создает угрозу утраты неформализованных знаний о проектах, клиентах, технических решениях. Существующие инструменты (wiki, база знаний) не компенсируют эту потерю в отсутствие систематизированных процессов управления знаниями.

Проблема 8. Сложности координации распределенных команд. Компания работает в 34 странах и более чем 70 регионах России, что требует взаимодействия в различных часовых поясах. Существующие инструменты ориентированы на внутреннюю координацию и не обеспечивают полноценной поддержки международного взаимодействия с учетом локальной специфики.

Проведенная диагностика позволяет констатировать, что система принятия решений в управлении проектами ООО «НТЕХ ЛАБ» не в полной мере соответствует текущему масштабу и сложности деятельности компании. Средний уровень зрелости процессов (2,4 из 5) свидетельствует о наличии значительного потенциала для улучшений.

Выявленные проблемы носят системный характер и взаимосвязаны: информационная фрагментированность (проблема 1) препятствует внедрению интегрированной аналитики (проблема 2) и затрудняет управление рисками (проблема 3); неоптимальное распределение ресурсов (проблема 4) усугубляет перегрузку менеджеров (проблема 5); недостаточная формализация (проблема 6) в сочетании с текучестью кадров (проблема 7) создает риски потери управляемости.

Разрешение выявленных проблем требует комплексного подхода, центральным элементом которого должно стать внедрение интегрированной системы поддержки принятия решений. Разработка рекомендаций по созданию такой системы составляет предмет рассмотрения в третьей главе настоящей работы.

2.4. Анализ взаимодействия ООО «НТЕХ ЛАБ» с органами государственной власти в части реализации проектных решений на основе искусственного интеллекта

Специфика рыночного позиционирования ООО «НТЕХ ЛАБ» определяется значительной долей государственного сектора в структуре выручки компании. Согласно данным финансовой отчетности за 2024 год, контракты с органами государственной власти и подведомственными учреждениями формируют свыше 70% совокупных доходов организации. Подобная структура клиентской базы обусловливает необходимость детального анализа механизмов взаимодействия компании с государственными заказчиками.

Портфель государственных заказчиков ООО «НТЕХ ЛАБ» характеризуется выраженной отраслевой концентрацией. Доминирующее положение занимают органы исполнительной власти города Москвы и подведомственные им организации. Департамент информационных технологий города Москвы выступает ключевым заказчиком решений в области компьютерного зрения и видеоаналитики. Сотрудничество с данным ведомством охватывает разработку и сопровождение компонентов единой системы видеонаблюдения столицы, интеграцию алгоритмов распознавания лиц в городскую инфраструктуру безопасности, развитие аналитических сервисов на основе данных видеопотоков.

ГУП «Московский метрополитен» представляет второй по значимости сегмент государственных контрактов компании. Реализованные проекты включают систему биометрической идентификации пассажиров, интегрированную с сервисом бесконтактной оплаты проезда FacePay, а также комплексы видеоаналитики для обеспечения безопасности на станциях и в подвижном составе. Масштаб внедрения охватывает всю сеть Московского метрополитена - свыше 250 станций и более 6 000 вагонов.

Транспортный комплекс Москвы формирует третье направление государственных контрактов. ГКУ «Центр организации дорожного движения Правительства Москвы» (ЦОДД) выступает заказчиком решений в области интеллектуальной транспортной системы. Компания поставляет алгоритмы распознавания государственных регистрационных знаков, детектирования нарушений правил дорожного движения, анализа транспортных потоков. Данные решения интегрированы в комплексы фото- и видеофиксации, функционирующие на улично-дорожной сети столицы.

Помимо столичных заказчиков, клиентская база включает федеральные органы исполнительной власти и организации из других регионов. Контракты с МВД России и Росгвардией связаны с поставкой технологий распознавания лиц для оперативно-розыскной деятельности. Региональные проекты реализуются в рамках программы «Безопасный город» в субъектах Российской Федерации - по состоянию на 2024 год решения компании внедрены в 12 регионах.

Структура государственных контрактов ООО «НТЕХ ЛАБ» по данным 2024 года представлена в таблице 2.7.

Таблица 2.7 - Структура государственных контрактов ООО «НТЕХ ЛАБ» по категориям заказчиков, 2024 г.

Источник: составлено автором на основе данных ООО «НТЕХ ЛАБ».

Механизмы взаимодействия с государственными заказчиками регламентируются законодательством о контрактной системе. Закупки органов государственной власти осуществляются в соответствии с Федеральным законом № 44-ФЗ, предусматривающим конкурентные процедуры определения поставщиков. Государственные унитарные предприятия и корпорации руководствуются Федеральным законом № 223-ФЗ, допускающим большую гибкость в выборе способов закупки. Анализ контрактной практики компании показывает, что 68% государственных контрактов заключены по результатам конкурсов и аукционов, 24% - посредством закупки у единственного поставщика, 8% - иными способами.

Закупка у единственного поставщика применяется в случаях, когда технологии компании не имеют аналогов на рынке либо когда требуется обеспечить совместимость с ранее внедренными решениями. Алгоритмы распознавания лиц FindFace, разработанные ООО «НТЕХ ЛАБ», неоднократно демонстрировали лидирующие показатели точности в международных тестированиях NIST FRVT, что обосновывает их уникальность. Вместе с тем практика закупок у единственного поставщика требует дополнительного обоснования и согласования с контролирующими органами.

Реализация проектов для государственного сектора сопряжена со специфическими требованиями, отличающими данные проекты от коммерческих контрактов. Требования информационной безопасности определяются нормативными актами ФСТЭК России и ФСБ России. Программное обеспечение, поставляемое для государственных информационных систем, подлежит сертификации на соответствие требованиям защиты информации. ООО «НТЕХ ЛАБ» располагает необходимыми лицензиями ФСТЭК России, а ключевые программные продукты компании включены в Единый реестр российского программного обеспечения.

Требования к локализации данных обусловлены положениями Федерального закона № 152-ФЗ «О персональных данных». Биометрические данные граждан, обрабатываемые системами компании, должны храниться на территории Российской Федерации.

Процедуры согласования и приемки результатов в государственных проектах отличаются формализованностью и многоуровневостью. Приемка работ осуществляется приемочной комиссией заказчика с оформлением актов, протоколов испытаний, заключений экспертизы. Выявленные замечания подлежат устранению в установленные сроки, после чего проводится повторная приемка. Средняя продолжительность цикла приемки в проектах ООО «НТЕХ ЛАБ» для государственных заказчиков составляет 45 дней, что в 2,5 раза превышает аналогичный показатель для коммерческих проектов.

Финансовые условия государственных контрактов также имеют специфику. Авансирование, как правило, ограничено 30% от цены контракта, а в ряде случаев не предусмотрено вовсе. Оплата производится по факту приемки этапов или итоговых результатов работ. Подобная структура платежей создает нагрузку на оборотный капитал исполнителя и требует наличия финансовых резервов для покрытия текущих расходов в период выполнения работ.

Диагностика проблем взаимодействия с государственными заказчиками проведена на основе интервью с руководителями проектов ООО «НТЕХ ЛАБ» и анализа проектной документации. Систематизация выявленных проблем представлена в таблице 2.8.

Таблица 2.8 - Проблемы взаимодействия ООО «НТЕХ ЛАБ» с государственными заказчиками

Источник: составлено автором.

Длительность согласовательных процедур обусловлена организационной структурой государственных заказчиков. Утверждение технических решений требует прохождения нескольких уровней - от профильного подразделения через IT-службу к руководству ведомства. При необходимости привлекаются внешние экспертные организации. По оценкам руководителей проектов, согласование архитектурных решений занимает в среднем 3–4 недели, а изменение утвержденных решений - до 6 недель.

Изменение требований в ходе выполнения работ является распространенной практикой в государственных проектах. Причинами выступают: уточнение потребностей заказчика по мере погружения в предметную область, изменение нормативного регулирования, смена ответственных сотрудников на стороне заказчика. Контрактная система ограничивает возможности внесения изменений в существенные условия контракта, что вынуждает исполнителя выполнять дополнительные работы в рамках первоначальной цены либо инициировать процедуру расторжения и заключения нового контракта.

Режимные ограничения на объектах заказчика затрудняют проведение работ по внедрению и интеграции. Доступ специалистов подрядчика на объекты критической информационной инфраструктуры требует оформления пропусков, согласования графиков работ, в отдельных случаях - прохождения проверочных мероприятий. Удаленный доступ к информационным системам заказчика, как правило, ограничен или полностью исключен требованиями информационной безопасности.

Перечисленные проблемы оказывают существенное влияние на показатели реализации проектов. Анализ проектного портфеля компании за 2022–2024 годы показывает, что средний срок реализации государственных проектов превышает плановый на 23%, тогда как для коммерческих проектов данный показатель составляет 8%. Превышение бюджета в государственных проектах фиксируется в 31% случаев против 12% в коммерческом секторе.

Вместе с тем взаимодействие с государственными заказчиками обеспечивает компании ряд стратегических преимуществ. Крупные государственные контракты формируют стабильную выручку и предсказуемый денежный поток в среднесрочной перспективе. Репутация надежного поставщика для государственного сектора повышает конкурентоспособность при участии в новых закупках. Опыт реализации масштабных проектов для требовательных заказчиков транслируется в компетенции, востребованные на коммерческом рынке.

Развитие взаимодействия с государственными заказчиками требует совершенствования внутренних процессов компании. Система поддержки принятия решений, концепция которой разрабатывается в настоящей работе, должна учитывать специфику государственных проектов: длительные циклы согласования, жесткие требования к документированию, ограниченную гибкость в управлении изменениями. Автоматизация подготовки отчетной документации, мониторинг соблюдения контрактных сроков, раннее предупреждение о рисках срыва обязательств - функции, особенно востребованные в контексте работы с государственным сектором.

Выводы по главе 2

Проведенный анализ системы управления проектами и процессов принятия решений в ООО «НТЕХ ЛАБ» позволил сформулировать следующие выводы.

Компания является динамично развивающимся разработчиком решений в области видеоаналитики, в 2024 г. продемонстрировавшим рост выручки на 83% и увеличение контрактов в 2,5 раза. Система принятия решений основана на гибких методологиях (Agile/Scrum) и характеризуется высокой автономией команд, развитой культурой коммуникаций, наличием базового инструментария (Jira, Confluence, GitLab).

Оценка уровня зрелости процессов показала средний балл 2,4 из 5. Наибольшие разрывы выявлены в областях управления рисками, сроками, стоимостью и ресурсами. Диагностика выявила восемь ключевых проблем: информационная фрагментированность; отсутствие интегрированной аналитики; реактивное управление рисками; неоптимальное распределение ресурсов; перегрузка руководителей проектов; недостаточная формализация процедур; риск потери организационных знаний; сложности координации распределенных команд.

Разрешение выявленных проблем требует внедрения интегрированной системы поддержки принятия решений, способной агрегировать данные из различных источников и обеспечивать информационную поддержку руководителей на всех уровнях управления проектами.

ГЛАВА 3. РАЗРАБОТКА РЕКОМЕНДАЦИЙ ПО СОВЕРШЕНСТВОВАНИЮ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ООО "НТЕХ ЛАБ"

3.1. Концепция цифровизации системы поддержки принятия решений в управлении проектами

На основе проведенной диагностики (глава 2) определены два ключевых направления совершенствования системы принятия решений в ООО «НТЕХ ЛАБ»: создание интегрированной аналитической платформы и внедрение ИИ-ассистента для поддержки руководителей проектов. Данный подход позволяет сконцентрировать усилия на решении наиболее критичных проблем - информационной фрагментированности и перегрузки менеджеров - обеспечивая при этом синергетический эффект.

Целью цифровизации является создание единой информационной среды, обеспечивающей руководителей проектов и топ-менеджмент компании актуальной, полной и структурированной информацией для принятия обоснованных управленческих решений. Система должна устранить необходимость ручного сбора данных из разрозненных источников, автоматизировать рутинные аналитические операции и предоставить инструменты интеллектуальной поддержки.

Ключевые принципы построения системы: интеграция с существующей инфраструктурой (Jira, Confluence, GitLab, CRM, финансовый учет) без замены действующих решений; использование отечественного программного обеспечения в соответствии с требованиями импортозамещения; модульная архитектура, позволяющая поэтапное внедрение; ориентация на практические потребности пользователей, выявленные в ходе интервью. Предлагаемая система состоит из трех функциональных уровней: уровень интеграции данных, аналитический уровень и уровень взаимодействия с пользователем (Таблица 3.1).

Таблица 3.1 - Архитектура интегрированной системы поддержки принятия решений

Источник: составлено автором.

Выбор технологических решений обусловлен следующими факторами. ClickHouse - высокопроизводительная колоночная СУБД российской разработки (Яндекс), оптимальная для аналитических запросов и включенная в реестр отечественного ПО. Visiology и Luxms BI - отечественные BI-платформы, обеспечивающие импортозамещение Tableau/Power BI. GigaChat (Сбер) - российская большая языковая модель, способная работать с корпоративными данными без передачи информации за рубеж, что критично для компании, работающей с государственными заказчиками. Общая архитектура системы представлена на схеме (приложение 2).

Архитектура обеспечивает разделение ответственности между уровнями: уровень интеграции отвечает за сбор и консолидацию данных; аналитический уровень - за обработку, визуализацию и интеллектуальный анализ; пользовательский уровень - за удобное представление информации через различные каналы доступа.

Центральным элементом системы является модуль интеграции, обеспечивающий автоматический сбор данных из всех источников, используемых в компании. На основе анализа текущей инфраструктуры определен перечень интеграций (Таблица 3.2).

Таблица 3.2 - Спецификация интеграций с источниками данных

Источник: составлено автором.

Интеграция с Jira является приоритетной, поскольку данная система содержит основной массив оперативной информации о ходе проектов.

Пример запроса: «Статус по проекту Нижний Новгород» - ассистент возвращает структурированный отчет с ключевыми метриками. Раннее предупреждение о рисках. На основе анализа паттернов (задачи без движения более 3 дней, резкое увеличение количества багов, отклонение от плана спринта более 20%) ассистент проактивно уведомляет руководителя о потенциальных проблемах до их эскалации. Поддержка распределения ресурсов. При запросе на назначение специалиста ассистент анализирует текущую загрузку сотрудников, их компетенции (на основе истории задач), участие в других проектах и предлагает оптимальные варианты с обоснованием.

Подготовка к совещаниям. Перед статус-митингом ассистент автоматически формирует повестку на основе изменений за период, выделяя вопросы, требующие обсуждения, и потенциальные конфликты ресурсов. Ответы на вопросы по базе знаний. Ассистент индексирует Confluence и предоставляет ответы на вопросы о процедурах, регламентах, прошлых решениях, снижая время на поиск информации. BI-модуль системы обеспечивает визуализацию ключевых показателей на трех уровнях управления (Таблица 3.3).

Таблица 3.3 - Структура аналитических дашбордов по уровням управления

Источник: составлено автором.

Дашборд руководителя проекта является основным рабочим инструментом, заменяющим необходимость обращения к множеству источников. Единый экран отображает всю информацию, необходимую для оперативного управления: статус текущего спринта, загрузку членов команды, открытые риски и блокеры, финансовые показатели проекта. Цветовая индикация (красный/желтый/зеленый) позволяет мгновенно оценить состояние и сконцентрировать внимание на проблемных областях.

Дашборд технического директора обеспечивает сводное представление по всем активным проектам компании. Ключевая задача - выявление конфликтов ресурсов между проектами и проактивное управление загрузкой ключевых специалистов. Модуль прогнозирования на основе исторических данных о velocity команд рассчитывает вероятные сроки завершения проектов и сигнализирует об отклонениях от плана.

Дашборд генерального директора ориентирован на стратегические показатели: финансовая результативность портфеля проектов, прогноз загрузки на основе воронки продаж, ключевые риски уровня компании. Данный дашборд формируется еженедельно и служит основой для принятия решений на стратегических сессиях. Внедрение СППР трансформирует существующие практики принятия решений. Сравнительная характеристика процессов до и после внедрения представлена в таблице 3.4.

Таблица 3.4 - Сравнение процессов принятия решений до и после внедрения СППР

Источник: составлено автором.

Ключевым эффектом является высвобождение времени руководителей проектов от рутинных операций по сбору и обработке информации. По оценкам, основанным на материалах интервью, экономия времени составит 8–12 часов в неделю на одного руководителя проекта, что позволит сфокусироваться на содержательной работе с командой и заказчиками.

Итак, предложенная концепция цифровизации системы поддержки принятия решений направлена на устранение ключевых проблем, выявленных в ходе диагностики: информационной фрагментированности (за счет интеграционного слоя и единого хранилища) и перегрузки руководителей проектов (за счет автоматизации и ИИ-ассистента). Организационный механизм внедрения системы рассматривается в следующем параграфе.

3.2. Организационный механизм внедрения системы поддержки принятия решений в ООО "НТЕХ ЛАБ"

Успешное внедрение интегрированной СППР требует детальной проработки организационного механизма, включающего структуру управления проектом, распределение ответственности, план-график работ, управление рисками и бюджет. Организационный механизм разработан с учетом специфики ООО «НТЕХ ЛАБ» как IT-компании, обладающей собственными компетенциями в области разработки ПО.

Для реализации проекта формируется проектная команда с четким распределением ролей и ответственности. Общее руководство осуществляет Управляющий комитет в составе генерального директора и технического директора, который принимает стратегические решения, утверждает бюджет и результаты этапов. Оперативное управление возлагается на руководителя проекта внедрения - сотрудника компании с опытом управления внутренними инициативами. Состав проектной команды определен исходя из архитектуры системы и необходимых компетенций (Таблица 3.5).

Таблица 3.5 - Состав и роли проектной команды внедрения СППР

Источник: составлено автором.

Общая трудоемкость внутренних ресурсов составляет 2,3 FTE на период активной разработки (этапы 1–2) и 2,8 FTE на этапе внедрения ИИ-ассистента (этап 3). Привлечение внешнего консультанта по BI-платформе Visiology обусловлено необходимостью ускорения внедрения и использования лучших практик вендора. Для обеспечения четкого понимания ролей и исключения дублирования функций разработана матрица ответственности RACI (Таблица 3.6).

Таблица 3.6 - Матрица ответственности RACI по ключевым работам проекта

Обозначения: УК - Управляющий комитет, РП - Руководитель проекта, Арх - Архитектор, Разр - Разработчики, Анал - Аналитик, ML - ML-инженер, Конс - Консультант; R - Responsible (исполняет), A - Accountable (отвечает), C - Consulted (консультирует), I - Informed (информируется).

Источник: составлено автором.

Внедрение СППР осуществляется в три этапа общей продолжительностью 9 месяцев. Поэтапный подход обеспечивает раннее получение результатов и возможность корректировки на основе обратной связи. Диаграмма Ганта проекта внедрения СППР представлена в приложении 3.

Этап 1 «Фундамент» (апрель–июнь 2026 г.) включает: развертывание хранилища данных ClickHouse на серверах компании; настройку интеграций с Jira и GitLab через REST API и webhooks; создание базовых аналитических дашбордов для руководителей проектов в Visiology. Результат этапа - работающий MVP системы, обеспечивающий единую точку доступа к данным о задачах и прогрессе спринтов.

Этап 2 «Расширение» (июль–сентябрь 2026 г.) обеспечивает полноту данных: интеграция с 1С:Бухгалтерия (бюджеты, затраты) и CRM Bitrix24 (клиенты, сделки); разработка моделей прогнозирования сроков на основе исторических данных о velocity; создание дашбордов для технического директора и генерального директора. Результат - полнофункциональная аналитическая платформа.

Этап 3 «ИИ-ассистент» (октябрь–декабрь 2026 г.) завершает внедрение: интеграция с GigaChat API (Сбер); настройка и обучение ассистента на корпоративных данных (Confluence, история проектов); интеграция в Slack/Telegram; пилотирование на группе 3–5 руководителей проектов с последующим масштабированием. Результат - полностью функционирующая СППР.

Идентификация и оценка рисков проведена на этапе планирования. Для каждого риска определены вероятность, влияние, владелец и стратегия реагирования (Таблица 3.7).

Таблица 3.7 - Реестр рисков проекта внедрения СППР

Источник: составлено автором.

Наиболее критичным является риск № 3 (отвлечение разработчиков), характерный для IT-компаний, где внутренние проекты конкурируют с коммерческими за ресурсы. Митигация обеспечивается формальным закреплением выделения ресурсов на уровне технического директора и включением буфера 15% в план-график. Бюджет проекта включает затраты на программное обеспечение, внешние услуги и внутренние трудозатраты. Расчет выполнен на основе актуальных рыночных цен (Таблица 3.8).

Таблица 3.8 - Бюджет проекта внедрения СППР

Источник: составлено автором по данным Visiology снижает порог входа на платформу и предлагает более доступные лицензии // Visiology : [сайт]. — URL: https://ru.visiology.su/news/visiology-snizhaet-porog-vhoda-na-platformu-i-predlagaet-dostupnye-licenzii (дата обращения: 19.02.2026); Тарифы GigaChat API для юрлиц // Сбер : [сайт]. — URL: https://developers.sber.ru/docs/ru/gigachat/tariffs/legal-tariffs (дата обращения: 19.02.2026)], [Зарплата backend-разработчика в 2025 году // Яндекс Практикум : [сайт]. — URL: https://practicum.yandex.ru/blog/skolko-zarabatyvayut-backend-razrabotchiki/ (дата обращения: 19.02.2026).

Структура бюджета показывает, что основную долю (60,6%) составляют внутренние трудозатраты, что типично для проектов внедрения в IT-компаниях, располагающих собственными компетенциями. Затраты на ПО составляют 20,2%, внешние услуги - 6,0%, инфраструктура - 4,1%, резерв - 9,1%.

Эффективные коммуникации критичны для успеха проекта. План коммуникаций определяет регулярные мероприятия и информационные потоки:

• Еженедельный статус-митинг (30 мин): участники - проектная команда; повестка - прогресс за неделю, планы, риски и проблемы; ответственный - руководитель проекта.
• Ежемесячный отчет Управляющему комитету (1 час): участники - УК, руководитель проекта, архитектор; повестка - статус этапа, бюджет, ключевые решения; формат - презентация + демо.
• Демо для пользователей (по завершении каждого этапа): участники - руководители проектов, технический директор; повестка - демонстрация функционала, сбор обратной связи.
• Информационная рассылка (ежемесячно): аудитория - все сотрудники компании; содержание - прогресс проекта, планы, истории успеха.

Обучение пользователей является необходимым условием успешного внедрения. План обучения дифференцирован по категориям пользователей (Таблица 3.9).

Таблица 3.9 - План обучения пользователей СППР

Источник: составлено автором.

Обучение аналитиков проводится внешним консультантом (включено в бюджет консалтинговых услуг). Для руководителей проектов подготавливаются внутренние тренинги силами аналитика данных и руководителя проекта. Для оценки результатов каждого этапа определены измеримые критерии приемки:

Этап 1: развернут и функционирует кластер ClickHouse; настроена синхронизация данных из Jira (задачи, спринты, время) и GitLab (коммиты, MR) с задержкой не более 5 минут; созданы 3 базовых дашборда для руководителей проектов; проведено демо для 5 руководителей проектов с положительной оценкой.

Этап 2: настроена интеграция с 1С (бюджеты, фактические затраты) с ежедневной синхронизацией; настроена интеграция с CRM Bitrix24; разработаны модели прогнозирования сроков с точностью не менее 80%; созданы дашборды для технического директора и генерального директора; проведено обучение ключевых пользователей.

Этап 3: интегрирован GigaChat API, ассистент отвечает на запросы о статусе проектов; ассистент обучен на документации Confluence (не менее 500 страниц); интеграция с Telegram/Slack функционирует; пилот с 5 руководителями проектов завершен с NPS не менее 7; подготовлена документация для пользователей.

Внедрение СППР меняет привычные практики работы сотрудников, что может вызвать сопротивление. Для минимизации рисков разработан комплекс мер:

• Формирование коалиции поддержки. На этапе планирования определяются 2–3 руководителя проектов - «чемпионы изменений», которые участвуют в формировании требований, первыми тестируют систему и транслируют позитивный опыт коллегам.
• Демонстрация быстрых побед. Уже по завершении первого этапа пользователи получают ощутимую пользу - единый дашборд вместо пяти источников данных. Это формирует позитивное отношение и снижает скептицизм.
• Постепенное внедрение. Новые функции вводятся поэтапно, давая пользователям время на адаптацию. Параллельно сохраняется доступ к привычным инструментам.
• Сбор и учет обратной связи. После каждого демо и по результатам пилотов собирается обратная связь, на основе которой корректируются интерфейсы и функционал.
• Поддержка в период адаптации. В течение первого месяца после запуска каждого этапа обеспечивается оперативная поддержка пользователей через выделенный канал в корпоративном мессенджере.

Таким образом, организационный механизм внедрения СППР охватывает все ключевые аспекты: формирование команды, распределение ответственности, планирование работ, управление рисками, бюджетирование, коммуникации, обучение и управление изменениями. Общий бюджет проекта составляет 14 117,4 тыс. руб., срок реализации - 9 месяцев. Оценка экономической эффективности проекта представлена в следующем параграфе.

3.3. Экономическое обоснование и оценка ожидаемой эффективности внедрения системы поддержки принятия решений

Экономическое обоснование проекта внедрения интегрированной СППР включает расчет совокупной стоимости владения, оценку ожидаемых экономических эффектов и определение показателей инвестиционной привлекательности. Расчеты выполнены на основе данных о затратах, материалов интервью с руководителями компании и экспертных оценок.

Для приведения разновременных денежных потоков к сопоставимому виду необходимо определить ставку дисконтирования. Расчет выполнен методом кумулятивного построения, который учитывает безрисковую доходность и премии за различные виды рисков. Формула расчета имеет вид:

r=r_f+r_отр+r_комп+r_проект (1)

где: - - ставка дисконтирования, %;

• - безрисковая ставка доходности, %;
• - премия за отраслевой риск, %; - - премия за размер компании, %;
• - премия за специфические риски проекта, %.

В качестве безрисковой ставки принята ключевая ставка Банка России, которая на дату расчета (февраль 2026 г.) составляет 15,5% годовых. Данный показатель отражает минимальную доходность, на которую может рассчитывать инвестор при вложении средств в безрисковые инструменты.

Премия за отраслевой риск учитывает специфику IT-отрасли: высокую скорость технологических изменений, зависимость от квалификации персонала, риски интеграции информационных систем. Для проектов внедрения корпоративных информационных систем премия обычно составляет 2–4%. С учетом того, что проект реализуется внутренними силами IT-компании, обладающей соответствующими компетенциями, принимаем = 2,5%.

Премия за размер компании отражает повышенные риски, характерные для средних предприятий по сравнению с крупным бизнесом. Для компании с выручкой около 1,3 млрд руб. премия составляет 1–2%. Принимаем = 1,5%.

Премия за специфические риски проекта учитывает зависимость от внешних вендоров (Visiology, Сбер), риски изменения технологий в сфере ИИ, а также организационные риски внедрения. Принимаем = 1,0%.

Расчет ставки дисконтирования:

r=15,5%+2,5%+1,5%+1,0%=20,5%

Для удобства расчетов округляем до r = 20%. Совокупные затраты на проект включают единовременные инвестиции в период внедрения (год 0) и ежегодные операционные расходы на поддержку и развитие системы в период эксплуатации. Детализация затрат представлена в таблице ниже.

Таблица 3.10 - Структура затрат на внедрение и эксплуатацию СППР

Примечание: рост затрат на GigaChat API - 10% ежегодно (рост использования); индексация ФОТ - 5% ежегодно.

Источник: составлено автором.

Структура единовременных инвестиций: внутренние трудозатраты составляют 60,6% (8 556 тыс. руб.), программное обеспечение - 20,2% (2 855 тыс. руб.), внешние услуги - 6,0% (844 тыс. руб.), инфраструктура - 4,1% (579 тыс. руб.), резерв - 9,1% (1 283,4 тыс. руб.). Внедрение СППР генерирует экономические эффекты по четырем основным направлениям: экономия рабочего времени руководителей проектов, снижение потерь от рисков, оптимизация использования ресурсов, сокращение затрат на отчетность.

Эффект 1. Экономия рабочего времени руководителей проектов

Руководители проектов тратят значительное время на рутинные операции: сбор информации из разрозненных источников, ручную подготовку отчетов, поиск в базе знаний. Внедрение СППР автоматизирует эти процессы. Расчет экономии времени на одного руководителя проекта представлен в таблице 3.11.

Таблица 3.11 - Расчет экономии рабочего времени руководителя проекта

Источник: составлено автором по материалам интервью.

Формула расчета годовой экономии:

Э_{_1}=N_{_рп}×T_{_эк}×W×C_{_час}×K_{_конв} (2)

где:

• - количество руководителей проектов, чел.;
• - экономия времени на одного РП, час./нед.;
• - количество рабочих недель в году;
• - стоимость часа работы РП с учетом начислений, руб.;
• - коэффициент конверсии сэкономленного времени в экономический эффект.

Стоимость часа работы руководителя проекта рассчитывается по формуле:

(3)

где:

• - среднемесячная заработная плата РП (185 000 руб.);
• - коэффициент страховых взносов (30,2% = 0,302);
• - среднемесячный фонд рабочего времени (168 час.).

(4)

Коэффициент конверсии = 0,7 учитывает, что не все сэкономленное время конвертируется в измеримый экономический эффект (часть времени расходуется на адаптацию, обучение, решение новых задач).

Подстановка значений:

Эффект 2. Снижение потерь от несвоевременного выявления рисков

Система раннего предупреждения о рисках, реализованная в ИИ-ассистенте, позволяет выявлять проблемы до их материализации и принимать превентивные меры.

Формула расчета:

(5)

где:

• - среднегодовое количество проектов (48);
• - доля проектов с материализовавшимися рисками до внедрения (0,26);
• - доля проектов с материализовавшимися рисками после внедрения (0,14);
• - средний ущерб от одного материализовавшегося риска (320 тыс. руб.).

Экспертная оценка снижения доли проектов с рисками: с 26% до 14%, т.е. на 12 процентных пунктов (снижение на 46%).

Эффект 3. Оптимизация использования ресурсов

Единая картина загрузки специалистов и инструменты планирования позволяют более эффективно распределять ресурсы между проектами, снижая простои и переработки.

Формула расчета:

(6)

где:

• - количество ключевых специалистов (ML-инженеры, разработчики) - 26 чел.;
• - среднегодовая заработная плата с начислениями;
• - прирост коэффициента полезного использования рабочего времени;
• - коэффициент реализации эффекта.

Среднегодовая заработная плата ключевого специалиста с начислениями:

По экспертной оценке, коэффициент полезного использования рабочего времени повышается с 73% до 81%, т.е. = 0,08.

Коэффициент реализации = 0,5 учитывает, что высвобожденное время не всегда может быть загружено оплачиваемой работой.

Эффект 4. Сокращение затрат на подготовку управленческой отчетности

Автоматизация формирования дашбордов и отчетов снижает трудозатраты аналитиков.

Формула расчета:

(7)

где:

• - экономия времени аналитиков в год (18 час./нед. × 48 нед. = 864 час.);
• - стоимость часа работы аналитика.

Совокупный годовой экономический эффект и его динамика представлены в таблице 3.12.

Таблица 3.12 - Сводный расчет экономических эффектов от внедрения СППР

Примечание: рост эффектов в годы 2–3 учитывает индексацию заработной платы на 5% ежегодно.

Источник: расчеты автора.

На основе данных о затратах и экономических эффектах сформированы денежные потоки проекта (таблица 3.13).

Таблица 3.13 - Денежные потоки проекта внедрения СППР, тыс. руб.

Коэффициент дисконтирования: , где = 0,20.

Источник: расчеты автора.

Чистая приведенная стоимость (NPV)

NPV показывает абсолютный экономический эффект проекта с учетом стоимости денег во времени:

(8)

NPV = 9 544,9 тыс. руб. > 0 - проект экономически эффективен.

Внутренняя норма доходности (IRR)

IRR - это ставка дисконтирования, при которой NPV = 0:

(10)

Решение уравнения методом итераций:

При r = 60%: NPV = -14 117,4 + 10 813,6/1,6 + 11 287,0/2,56 + 11 773,0/4,096 = = -14 117,4 + 6 758,5 + 4 409,0 + 2 874,8 = -75,1 тыс. руб.

При r = 59%: NPV = -14 117,4 + 6 802,3 + 4 466,5 + 2 933,1 = +84,5 тыс. руб.

Интерполяция:

IRR = 59,5% > r = 20% - доходность проекта существенно превышает стоимость капитала.

Индекс рентабельности (PI)

PI показывает отдачу на единицу инвестированного капитала:

(11)

PI = 1,68 > 1 - каждый вложенный рубль генерирует 1,68 руб. дисконтированного дохода.

Простой срок окупаемости (PP). PP определяет период возврата инвестиций без учета дисконтирования:

(12)

где - последний год с отрицательным накопленным CF.

Накопленный CF после года 1: -3 303,8 тыс. руб.

PP = 1,29 года (1 год 3,5 месяца)

Дисконтированный срок окупаемости (DPP). DPP учитывает стоимость денег во времени:

Накопленный DCF после года 1: -5 106,1 тыс. руб. Накопленный DCF после года 2: +2 732,0 тыс. руб.

DPP = 1,65 года (1 год 8 месяцев). Результаты расчетов обобщены в таблице 3.14.

Таблица 3.14 - Показатели эффективности проекта внедрения СППР

Источник: расчеты автора.

Для оценки устойчивости проекта к изменению ключевых параметров проведен анализ чувствительности (таблица 3.15).

Таблица 3.15 - Анализ чувствительности NPV к изменению параметров

Источник: расчеты автора.

Анализ показывает, что проект сохраняет положительный NPV во всех рассмотренных сценариях. Наибольшее влияние оказывает снижение экономического эффекта (-49,6% при снижении эффекта на 20%), что подчеркивает важность достижения целевых показателей экономии времени и оптимизации ресурсов.

Таким образом, экономическое обоснование подтверждает целесообразность реализации проекта внедрения СППР в ООО «НТЕХ ЛАБ».

3.4. Совершенствование взаимодействия с государственными ведомствами с целью повышения эффективности системы поддержки принятия решений

Концептуальная основа совершенствования взаимодействия базируется на интеграции СППР с процессами управления государственными контрактами. Специфика работы с органами власти требует выделения данного направления в самостоятельный модуль системы, учитывающий особенности нормативного регулирования, документооборота и контрольных процедур. Архитектура модуля представлена на рисунке 8.

Модуль управления государственными контрактами в составе СППР реализует следующие функциональные блоки: мониторинг контрактных обязательств, управление документооборотом, контроль соответствия требованиям, прогнозирование рисков, аналитика взаимодействия с заказчиками.

Функция мониторинга контрактных обязательств обеспечивает непрерывное отслеживание исполнения условий государственных контрактов. Источниками данных выступают: реестр контрактов компании, план-графики выполнения работ из системы управления проектами, акты приемки и платежные документы из учетной системы. Система агрегирует информацию и формирует единое представление о статусе каждого контракта с визуализацией ключевых метрик: процент выполнения работ, соблюдение контрольных сроков, освоение бюджета, статус расчетов с заказчиком.

Таблица 3.16 - Параметры системы раннего предупреждения о рисках срыва сроков государственных контрактов

Источник: составлено автором

ИИ-ассистент на базе GigaChat формирует черновики сопроводительных писем, пояснительных записок, ответов на замечания приемочных комиссий, которые затем верифицируются ответственными сотрудниками. Функционал контроля версий документации обеспечивает отслеживание истории изменений, фиксацию согласований, хранение всех редакций. При повторной приемке после устранения замечаний система автоматически формирует сравнительную таблицу изменений, демонстрирующую заказчику выполненную работу по корректировке материалов^[45].

Контроль соответствия требованиям реализует третий функциональный блок. Государственные проекты в области информационных технологий сопряжены с необходимостью соблюдения требований информационной безопасности, локализации данных, сертификации программного обеспечения. Нарушение данных требований может повлечь отказ в приемке работ, расторжение контракта, репутационные потери.

Система ведет реестр обязательных требований, применимых к каждому государственному контракту. Требования классифицируются по источникам: нормативные акты (44-ФЗ, 152-ФЗ, приказы ФСТЭК), условия контракта, технические задания, регламенты заказчика. Для каждого требования фиксируются: описание, способ подтверждения соответствия, ответственный, статус выполнения, подтверждающие документы.

Чек-листы соответствия формируются автоматически при инициации проекта на основе анализа условий контракта и характеристик заказчика. Система напоминает ответственным о необходимости подтверждения соответствия требованиям до наступления контрольных точек - приемки этапов, аттестации систем, ввода в эксплуатацию. Перечень типовых требований для государственных проектов ООО «НТЕХ ЛАБ» приведен в таблице 3.17.

Таблица 3.17 - Типовые требования к проектам для государственных заказчиков

Источник: составлено автором на основе Кочнев, М. М. Анализ существующих методологий управления проектами и разработка методологии управления цифровыми продуктами / М. М. Кочнев // Научные исследования. – 2023. – № 1(37). – С. 23–27; Краснов, Д. И. Выбор эффективных технологий в проектном управлении в условиях цифровизации / Д. И. Краснов, А. А. Семенов // Молодежь и инновации : материалы XXI Всероссийской (национальной) научно-практической конференции молодых ученых, аспирантов и студентов. – Чебоксары, 2025. – С. 405–409.

Прогнозирование рисков государственных проектов базируется на анализе исторических данных и выявлении паттернов, предшествующих проблемным ситуациям. Модуль машинного обучения анализирует характеристики проекта (масштаб, заказчик, предметная область, команда) и сопоставляет их с данными о реализованных проектах, выявляя факторы риска.

Идентифицированные в разделе 2.4 проблемы - длительные согласования, изменение требований, ограниченный доступ к инфраструктуре - получают количественную оценку вероятности на основе профиля конкретного заказчика. Система накапливает историю взаимодействия с каждым государственным органом, формируя «карточку заказчика» с характеристиками: средняя длительность согласований, частота изменения требований, платежная дисциплина, особенности приемочных процедур.

При планировании нового проекта система автоматически рассчитывает рисковые надбавки к срокам и бюджету на основе профиля заказчика. Руководитель проекта получает рекомендации по формированию резервов, выбору состава команды, определению коммуникационной стратегии. Подобный подход обеспечивает более реалистичное планирование и снижает вероятность срыва обязательств.

Аналитика взаимодействия с государственными заказчиками формирует пятый функциональный блок. Система агрегирует данные по всем государственным контрактам и предоставляет руководству компании консолидированное представление о работе с государственным сектором. Ключевые аналитические срезы включают: структуру портфеля государственных контрактов, динамику выручки по категориям заказчиков, показатели выполнения обязательств, рентабельность проектов, загрузку команд.

Стратегический дашборд визуализирует концентрацию выручки по заказчикам, позволяя оценивать риски зависимости от отдельных клиентов. Рекомендации по диверсификации клиентской базы формируются на основе анализа доступных закупочных процедур, публикуемых в Единой информационной системе в сфере закупок. Интеграция с ЕИС обеспечивает автоматический мониторинг объявляемых закупок по профилю компании.

Воронка продаж государственного сектора отслеживает движение потенциальных контрактов от выявления закупки до заключения договора. Аналитика воронки позволяет оценивать конверсию на каждом этапе, выявлять причины проигрышей в конкурентных процедурах, оптимизировать подготовку заявок. Исторические данные о результатах торгов используются для прогнозирования вероятности победы в новых процедурах.

Ожидаемые эффекты от внедрения модуля управления государственными контрактами систематизированы в таблице 3.18.

Таблица 3.18 - Ожидаемые эффекты совершенствования взаимодействия с государственными заказчиками

Источник: составлено автором

Снижение рисков срыва сроков государственных контрактов имеет прямой финансовый эффект. При среднем объеме государственного контракта ООО «НТЕХ ЛАБ» в 45 млн рублей и средней просрочке исполнения 35 дней потенциальные штрафные санкции составляют порядка 2,2% от цены контракта. Сокращение просрочек на 50% обеспечивает экономию около 7,5 млн рублей в год на портфеле государственных контрактов.

Сокращение трудозатрат на подготовку отчетности и документации высвобождает время руководителей проектов для содержательной работы с командами и заказчиками. При наличии 12 руководителей проектов, работающих с государственным сектором, экономия 8 часов в неделю на каждого эквивалентна 1,5 FTE, что при средней стоимости часа руководителя проекта составляет порядка 3,2 млн рублей в год.

Повышение конверсии воронки продаж с 18% до 25% при сохранении объема выявляемых закупок обеспечивает прирост портфеля государственных заказов на 38% без увеличения затрат на подготовку заявок. В абсолютном выражении это соответствует дополнительной выручке порядка 150–200 млн рублей в год.

Интеграция модуля управления государственными контрактами с базовой архитектурой СППР, описанной в разделе 3.1, обеспечивает синергетический эффект. Единая аналитическая платформа агрегирует данные о государственных и коммерческих проектах, позволяя оптимизировать распределение ресурсов между ними. ИИ-ассистент учитывает специфику государственных проектов при формировании рекомендаций, опираясь на накопленную базу знаний о работе с конкретными заказчиками.

Реализация модуля предусмотрена в рамках третьего этапа проекта внедрения СППР. Дополнительные трудозатраты на разработку функционала для государственного сектора оцениваются в 320 человеко-часов, что учтено в бюджете проекта в составе работ по интеграции с внешними системами. Интеграция с Единой информационной системой в сфере закупок реализуется посредством открытого API ЕИС, предоставляющего доступ к данным о планируемых и проводимых закупках.

Таким образом, совершенствование взаимодействия с государственными ведомствами посредством специализированного модуля СППР адресует ключевые проблемы, выявленные в ходе диагностики. Автоматизация мониторинга контрактных обязательств, документооборота, контроля соответствия требованиям обеспечивает снижение операционных рисков и повышение эффективности работы с государственным сектором. Прогнозная аналитика и раннее предупреждение о рисках позволяют перейти от реактивного к проактивному управлению государственными проектами. Ожидаемый совокупный экономический эффект от внедрения модуля оценивается в 10–12 млн рублей в год с потенциалом роста по мере расширения портфеля государственных контрактов.

Выводы по главе 3

Предложена концепция цифровизации, предусматривающая создание интегрированной аналитической платформы на базе отечественных решений (ClickHouse, Visiology) и внедрение ИИ-ассистента на основе GigaChat (Сбер). Трехуровневая архитектура системы обеспечивает интеграцию данных из шести источников (Jira, Confluence, GitLab, CRM, 1С, система поддержки), аналитическую обработку с элементами прогнозирования и удобный доступ через веб-портал и мессенджеры.

Разработан организационный механизм внедрения, включающий формирование проектной команды (2,3–2,8 FTE), матрицу ответственности RACI, план-график реализации (9 месяцев в три этапа), реестр рисков с мерами реагирования, план коммуникаций и программу обучения персонала. Общий бюджет проекта составляет 14 117,4 тыс. руб.

Экономическое обоснование подтвердило эффективность проекта. Совокупный годовой экономический эффект - 14 864,0 тыс. руб. Простой срок окупаемости - 1,29 года, дисконтированный - 1,65 года. NPV = 9 544,9 тыс. руб., IRR = 59,5%, PI = 1,68. Реализация рекомендаций направлена на устранение ключевых проблем: информационную фрагментированность и перегрузку руководителей проектов.

ЗАКЛЮЧЕНИЕ

В работе исследованы теоретические и практические аспекты совершенствования системы поддержки принятия решений в управлении проектами на примере ООО «НТЕХ ЛАБ».

Изучены теоретические основы принятия управленческих решений в проектной деятельности. Установлено, что решения в управлении проектами принимаются на стратегическом, тактическом и оперативном уровнях, характеризуются высокой неопределенностью, ограниченностью времени и необходимостью учета множества взаимосвязанных факторов. Определены особенности принятия решений в IT-проектах: итеративность разработки, изменчивость требований, зависимость от квалификации ключевых специалистов.

Проанализированы современные методы и инструменты поддержки принятия решений. Рассмотрены экспертные системы, системы бизнес-аналитики класса BI, средства имитационного моделирования, решения на базе машинного обучения и больших языковых моделей. Выявлены тенденции развития СППР: интеграция с корпоративными информационными системами, использование предиктивной аналитики, применение ИИ-ассистентов. Обоснована целесообразность использования отечественных решений (ClickHouse, Visiology, GigaChat) в условиях политики импортозамещения.

Проведен анализ деятельности ООО «НТЕХ ЛАБ». Компания специализируется на разработке решений в области компьютерного зрения и искусственного интеллекта, занимает лидирующие позиции на российском рынке систем распознавания лиц. Выявлена высокая зависимость от государственных заказчиков (более 70% выручки), что создает риски концентрации клиентской базы.

Исследованы процессы принятия управленческих решений в управлении проектами компании. Определена структура субъектов принятия решений: генеральный директор (стратегические решения), технический директор (распределение ресурсов, технологические решения), руководители проектов (оперативное управление). Проанализировано информационное обеспечение, в результате чего, установлено, что данные системы функционируют разрозненно, единая аналитическая платформа отсутствует.

Проведена диагностика проблем системы принятия решений с применением адаптированной методики OPM3/CMMI и SWOT-анализа. Систематизированы ключевые проблемы: информационная фрагментированность (данные в 5–6 разрозненных источниках); отсутствие интегрированной аналитики; реактивное управление рисками; неоптимальное распределение ресурсов между проектами; перегрузка руководителей проектов рутинными операциями (до 30% рабочего времени на сбор информации); недостаточная формализация процедур; риск потери организационных знаний; сложности координации распределенных команд.

Разработана концепция цифровизации системы поддержки принятия решений. Предложена трехуровневая архитектура: уровень интеграции данных (ClickHouse, Apache Kafka, Airflow), аналитический уровень (Visiology BI, ML-модели прогнозирования, ИИ-ассистент на базе GigaChat), пользовательский уровень (веб-портал, мобильное приложение, интеграция с мессенджерами). Определены источники данных для интеграции. И спроектированы аналитические дашборды для трех уровней управления: оперативного (руководители проектов), тактического (технический директор), стратегического (генеральный директор). Определены функции ИИ-ассистента: генерация аналитических сводок, раннее предупреждение о рисках, поддержка распределения ресурсов, подготовка к совещаниям, ответы по базе знаний.

Сформирован организационный механизм внедрения системы. Разработаны план коммуникаций и программа обучения персонала (5 категорий пользователей). Определены критерии приемки каждого этапа.

Выполнено экономическое обоснование проекта. Совокупный годовой экономический эффект составляет 14 864,0 тыс. руб. Рассчитаны показатели эффективности: чистая приведенная стоимость NPV = 9 544,9 тыс. руб.; внутренняя норма доходности IRR = 59,5%; индекс рентабельности PI = 1,68; простой срок окупаемости PP = 1,29 года; дисконтированный срок окупаемости DPP = 1,65 года. Все показатели соответствуют критериям эффективности инвестиционных проектов. Анализ чувствительности подтвердил устойчивость проекта: NPV остается положительным при росте затрат на 20% и снижении эффекта на 20%.

Практическая значимость работы состоит в возможности непосредственного применения разработанных рекомендаций в ООО «НТЕХ ЛАБ». Предложенная концепция, архитектура системы и организационный механизм внедрения могут быть адаптированы для использования в других IT-компаниях, реализующих проекты в области разработки программного обеспечения. Таким образом, цель выпускной квалификационной работы - разработка рекомендаций по совершенствованию системы поддержки принятия решений в управлении проектами ООО «НТЕХ ЛАБ» достигнута.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Нормативные правовые акты
2. Российская Федерация. Законы. О стратегическом планировании в Российской Федерации : Федеральный закон № 172-ФЗ : [принят Государственной Думой 20 июня 2014 года : одобрен Советом Федерации 25 июня 2014 года]. – Текст : электронный // СПС КонсультантПлюс. – URL: http://www.consultant.ru (дата обращения: 26.11.2024).
3. Российская Федерация. Законы. Об информации, информационных технологиях и о защите информации : Федеральный закон № 149-ФЗ : [принят Государственной Думой 8 июля 2006 года : одобрен Советом Федерации 14 июля 2006 года]. – Текст : электронный // СПС КонсультантПлюс. – URL: http://www.consultant.ru (дата обращения: 26.11.2024).
4. Российская Федерация. Правительство. О системе управления реализацией национальной программы "Цифровая экономика Российской Федерации" : Постановление Правительства РФ от 2 марта 2019 г. № 234. – Текст : электронный // СПС КонсультантПлюс. – URL: http://www.consultant.ru (дата обращения: 26.11.2024).
5. ГОСТ Р 54869-2011. Национальный стандарт Российской Федерации. Проектный менеджмент. Требования к управлению проектом. – Введ. 2011-12-22. – Москва : Стандартинформ, 2019. – 12 с.
6. ГОСТ Р 54870-2011. Национальный стандарт Российской Федерации. Проектный менеджмент. Требования к управлению портфелем проектов. – Введ. 2011-12-22. – Москва : Стандартинформ, 2019. – 11 с.
7. ГОСТ Р 54871-2011. Национальный стандарт Российской Федерации. Проектный менеджмент. Требования к управлению программой. – Введ. 2011-12-22. – Москва : Стандартинформ, 2019. – 12 с.
8. ГОСТ Р ИСО 21500-2014. Национальный стандарт Российской Федерации. Руководство по проектному менеджменту. – Введ. 2015-03-01. – Москва : Стандартинформ, 2015. – 50 с.
9. ГОСТ Р 58184-2018. Национальный стандарт Российской Федерации. Системы менеджмента проектной деятельности. Основные положения. – Введ. 2019-01-01. – Москва : Стандартинформ, 2018. – 15 с.
10. Учебники и учебные пособия
11. Алексанов, Д. С. Управление проектами в АПК : учебник для вузов / Д. С. Алексанов, В. М. Кошелев, Н. В. Чекмарева. – Москва : Издательство Юрайт, 2025. – 193 с. – ISBN 978-5-534-15176-3. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/568240 (дата обращения: 26.11.2025).
12. Генералова, С. В. Методы и модели разработки и принятия управленческих решений : учебное пособие / С. В. Генералова. – 2-е изд. – Москва, 2024. – 250 с.
13. Горбашко, Е. А. Управление проектами : учебник для вузов / Е. А. Горбашко ; под редакцией Е. А. Горбашко. – Москва : Издательство Юрайт, 2025. – 358 с. – ISBN 978-5-534-19021-2. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/568979 (дата обращения: 26.11.2025).
14. Грачева, М. В. Управление проектами в цифровой экономике : учебник / М. В. Грачева, В. А. Первушин. – Москва, 2023. – 312 с.
15. Зуб, А. Т. Управление проектами : учебник и практикум для вузов / А. Т. Зуб. – 2-е изд., перераб. и доп. – Москва : Издательство Юрайт, 2025. – 397 с. – ISBN 978-5-534-17500-4. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/560386 (дата обращения: 26.11.2025).
16. Москвин, С. Н. Управление проектами в сфере образования : учебник для вузов / С. Н. Москвин. – Москва : Издательство Юрайт, 2025. – 139 с. – ISBN 978-5-534-11817-9. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/566613 (дата обращения: 26.11.2025).
17. Сименко, И. В. Аналитическое обоснование принятия управленческих решений : учебное пособие для студентов направления подготовки 38.04.01 «Экономика» / И. В. Сименко, В. В. Литвин, Т. С. Малетова. – Донецк, 2023. – 180 с.
18. Управление проектами : учебник и практикум для среднего профессионального образования / А. И. Балашов, Е. М. Рогова, М. В. Тихонова, Е. А. Ткаченко ; под общей редакцией Е. М. Роговой. – Москва : Издательство Юрайт, 2025. – 302 с. – ISBN 978-5-534-21461-1. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/581724 (дата обращения: 26.11.2025).
19. Управление проектами. It-технологии : учебное пособие для среднего профессионального образования / под редакцией Р. Ф. Маликова. – 2-е изд. – Москва : Издательство Юрайт, 2025. – 167 с. – ISBN 978-5-534-20796-5. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/558795 (дата обращения: 26.11.2025).
20. Чекмарев, А. В. Управление цифровыми проектами и процессами : учебник для вузов / А. В. Чекмарев. – 2-е изд., перераб. и доп. – Москва : Издательство Юрайт, 2025. – 424 с. – ISBN 978-5-534-18522-5. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/564520 (дата обращения: 26.11.2025).
21. Научные статьи и материалы конференций
22. Азаренок, Н. В. Принятие управленческих решений: социальный контекст / Н. В. Азаренок // Человекоориентированное управление: будущее цифрового общества : сборник статей по итогам Национальной научно-практической конференции с международным участием. – Санкт-Петербург, 2023. – С. 73–77.
23. Аниськина, Н. Н. Управление проектами цифровой трансформации организаций / Н. Н. Аниськина, В. Н. Азаров // Вестник Академии Пастухова. – 2021. – № 1(27). – С. 2–6.
24. Арсентьев, В. М. Интеграция цифровых технологий в сферу управления проектами / В. М. Арсентьев // Инновации и инвестиции. – 2025. – № 2. – С. 110–113.
25. Барамыков, Т. А. Применение цифровых инструментов и практик проектного управления / Т. А. Барамыков // Комплексный инжиниринг в нефтегазодобыче: опыт, инновации, развитие : 5-я научно-практическая международная конференция. – Самара, 2023. – С. 1312–1332.
26. Баранова, М. Д. Управление проектами с использованием цифровых технологий / М. Д. Баранова, Л. Ф. Суходоева // Актуальные проблемы социально-экономической статистики и цифровизации экономических расчетов : сборник научных статей II Всероссийской научно-практической конференции. – Нижний Новгород, 2023. – С. 47–51.
27. Баширова, М. М. Технология управления проектами и проектными командами на основе методологии гибкого управления проектами / М. М. Баширова // Наука: общество, экономика, право. – 2020. – № 2. – С. 178–183. – DOI 10.34755/IROK.2020.64.29.068.
28. Бирюкова, И. Д. Модель управления проектами в условиях цифровой трансформации и интеллектуализации бизнеса / И. Д. Бирюкова // Фундаментальные и прикладные исследования молодых ученых : сборник материалов VIII Международной научно-практической конференции студентов, аспирантов и молодых ученых. – Омск, 2024. – С. 308–311.
29. Боходирова, Д. Б. Применение искусственного интеллекта в управлении и маркетинге инновационных проектов / Д. Б. Боходирова // Россия – Евразия – мир: интеграция – развитие – перспектива : материалы XIV Евразийского экономического форума молодежи. – Екатеринбург, 2024. – С. 201–203.
30. Будагов, А. С. Инновационные технологии проектирования и управления проектами в области цифровой среды / А. С. Будагов, Р. В. Молчанова // Экономика и управление: проблемы, решения. – 2021. – Т. 3. – № 9(117). – С. 50–55. – DOI 10.36871/ek.up.p.r.2021.09.03.009.
31. Буняк, Л. А. Обзор цифровых информационных систем поддержки управления проектами / Л. А. Буняк, М. К. Касимов, М. О. Суздалов // Исследование развития экосистем в цифровой экономике : сборник научных статей. – Курск, 2024. – С. 97–100.
32. Василенко, И. И. Влияние современных технологий на эффективность систем поддержки принятия решений / И. И. Василенко, А. Л. Золкин, Т. Г. Гарбузова, Л. Б. Атаева // Экономика и предпринимательство. – 2023. – № 10 (159). – С. 1366–1371.
33. Васильева, Е. А. Основные аспекты процесса принятия управленческих решений / Е. А. Васильева, Д. М. Шакирова // Экономика и управление: проблемы, решения. – 2025. – Т. 4. – № 4 (157). – С. 14–19.
34. Вертиль, Н. Н. Принятие управленческих решений в условиях цифровизации / Н. Н. Вертиль, А. В. Подопригора // Донецкие чтения 2023: образование, наука, инновации, культура и вызовы современности : материалы VIII Международной научной конференции. – Донецк, 2023. – С. 128–130.
35. Войтюк, К. С. Цифровая трансформация управления проектами в нефтегазовой отрасли / К. С. Войтюк // Комплексный инжиниринг в нефтегазодобыче: опыт, инновации, развитие : 5-я научно-практическая международная конференция. – Самара, 2023. – С. 1041–1064.
36. Воробьев, С. В. Управление проектами: современные цифровые решения / С. В. Воробьев. – Елец : Елецкий государственный университет им. И.А. Бунина, 2021. – 90 с.
37. Воробьев, С. В. Цифровые технологии управления социально-экономическими проектами / С. В. Воробьев // Актуальные вопросы управления региональными социально-экономическими системами : сборник научных статей Международной научно-практической конференции. – Курск, 2024. – С. 79–82.
38. Егоров, Д. Н. Новые вызовы для руководителей проектов в цифровизации экономики / Д. Н. Егоров // Проблемы развития предприятий: теория и практика. – 2023. – № 1-2. – С. 145–150.
39. Езеева, И. Р. Роль менеджмента в вопросах применения основных методов и моделей принятия управленческих решений / И. Р. Езеева, Ф. Т. Лагкуева, Н. В. Тадтаева // Аудиторские ведомости. – 2023. – № 4. – С. 219–223.
40. Елисеев, И. Н. Проблемы организации выполнения управленческих решений / И. Н. Елисеев, С. Д. Марченко // Вестник Академии управления и производства. – 2025. – № 1. – С. 928–937.
41. Иванова, М. А. Цифровизация процессов управления проектами на государственном уровне с использованием искусственного интеллекта / М. А. Иванова // Актуальные вопросы современной экономики. – 2024. – № 11. – С. 268–271.
42. Иващенко, Е. Д. Основные подходы к внедрению систем управления проектами / Е. Д. Иващенко // Инновации в обществе: современные вызовы и перспективы : материалы IV Всероссийской научно-практической студенческой конференции. – Москва, 2025. – С. 117–121.
43. Кисляков, М. А. Особенности управления проектами реконструкции в условиях цифровой трансформации / М. А. Кисляков // Молодежь и наука в условиях цифровой трансформации общества : сборник материалов II Международной научно-практической конференции студентов и молодых ученых. – 2023. – С. 270–272.
44. Козловская, С. А. Оптимизация проектного управления в эпоху цифровых технологий / С. А. Козловская, С. С. Лагзян // Сфера услуг: инновации и качество. – 2025. – № 75. – С. 57–66.
45. Кокшаров, А. В. Особенности ведения проектов по разработке ПО с использованием гибкой методологии разработки / А. В. Кокшаров // Вестник магистратуры. – 2015. – № 11-1(50). – С. 77–78.
46. Кочнев, М. М. Анализ существующих методологий управления проектами и разработка методологии управления цифровыми продуктами / М. М. Кочнев // Научные исследования. – 2023. – № 1(37). – С. 23–27.
47. Краснов, Д. И. Выбор эффективных технологий в проектном управлении в условиях цифровизации / Д. И. Краснов, А. А. Семенов // Молодежь и инновации : материалы XXI Всероссийской (национальной) научно-практической конференции молодых ученых, аспирантов и студентов. – Чебоксары, 2025. – С. 405–409.
48. Лазаричев, Д. А. Процесс управления подсистемами проекта / Д. А. Лазаричев // Материалы международного научного форума обучающихся "Молодежь в науке и творчестве" : сборник научных статей в 5 частях. – Гжель, 2023. – С. 119–126.
49. Линкевич, Е. Ф. Организационно-управленческие решения в проектном менеджменте / Е. Ф. Линкевич // Экономика и бизнес: теория и практика. – Краснодар : Кубанский государственный университет, 2023. – С. 79–81.
50. Махиянова, А. В. Принятие управленческих решений в современной экономической среде / А. В. Махиянова, Е. Н. Гарипова // Московский экономический журнал. – 2023. – Т. 8. – № 10. – С. 45–52.
51. Московченко, Д. Д. Управления проектами в цифровой сфере / Д. Д. Московченко // Вестник экономических и социологических исследований. – 2024. – № 2. – С. 34–41.
52. Мызрова, К. А. Подготовка кадров для внедрения цифровых технологий в отрасли в рамках антикризисного управления проектами / К. А. Мызрова, Э. А. Туганова, С. О. Сухарев // Экономика XXI века: новые реалии, свежие решения : труды международной научно-практической конференции. – Ульяновск, 2023. – С. 139–143.
53. Раменская, Л. А. Искусственный интеллект в управлении проектами: возможности и риски / Л. А. Раменская // Вестник Воронежского института высоких технологий. – 2024. – № 4 (51). – С. 15–24.
54. Салтанович, В. В. Проблемы инновационного управления на основе цифровых технологий в национальных проектах / В. В. Салтанович, Н. С. Темнов // Russian Economic Bulletin. – 2023. – Т. 6. – № 2. – С. 235–239.
55. Товб, А. С. Управление проектами в эпоху цифровой трансформации / А. С. Товб, Г. Л. Ципес // Управление проектами и программами. – 2023. – № 3. – С. 240–241.
56. Трудаев, А. М. Управление реализацией высокотехнологичного проекта в условиях цифровизации / А. М. Трудаев // Инновации и инвестиции. – 2025. – № 5. – С. 338–342.
57. Харитонова, М. В. Модели и методы принятия управленческих решений / М. В. Харитонова // Перспективы использования цифрового пространства знаний в науке и образовании : сборник научных трудов. – Казань, 2023. – С. 348–351.
58. Шабалтина, Л. В. Интеллектуализация проектного управления как инструмент повышения цифровой зрелости организации / Л. В. Шабалтина, И. А. Калинина, В. В. Масленников, К. А. Черницова // Финансовые рынки и банки. – 2025. – № 6. – С. 103–111.
59. Davenport T. The AI Advantage: How to Put the Artificial Intelligence Revolution to Work. MIT Press, 2022
60. Brynjolfsson E., McAfee A. The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. Norton & Company, 2022
61. Müller R., Drouin N., Sankaran S. «AI in Project Management» // IJPM. 2021. No. 5. P. 45–57
62. Sembin A.B., Tussupova L.A., Selezneva I.V., Shtiller M.V., Tulegenova M.S. Specifics of Project Management in Modern Conditions of Digital Transformation of the Economy // Electronic Government. 2023. Vol. 19. No. 4. P. 509-518
63. Исследование State of DevOps Russia 2024 // [Электронный ресурс]. – Режим доступа: https://www.novostiitkanala.ru/news/detail.php?ID=178231 (дата обращения: 21.11.2025).
64. Цифровые технологии как инструмент повышения производительности // Runet.News [Электронный ресурс]. – Режим доступа: https://runet.news/column/65044 (дата обращения: 20.11.2025).
65. Главные IT-тренды для России // Ведомости [Электронный ресурс]. – Режим доступа: https://www.vedomosti.ru/technologies/trendsrub/articles/2025/11/05/1150466-it-trendi-dlya-rossii (дата обращения: 19.11.2025).

ПРИЛОЖЕНИЯ

Приложение 1

Материалы интервью с руководителями ООО «НТЕХ ЛАБ»

Интервью № 1

Респондент: Руководитель проектов (стаж работы в компании - 3 года)

Дата проведения: 10.02.2026

Формат: очное интервью, продолжительность 45 минут

Вопрос: Опишите, пожалуйста, как организован процесс управления проектами в компании?

Ответ: У нас используется гибкая методология, в основе - Scrum с адаптациями под нашу специфику. Проекты делятся на спринты по две недели. В начале спринта проводим планирование, в конце - демо для заказчика и ретроспективу внутри команды. Ежедневно проходят короткие стендапы, где обсуждаем статус задач и блокеры.

Вопрос: Какие инструменты используются для управления проектами?

Ответ: Основной инструмент - Jira для ведения бэклога и отслеживания задач. Для документации используем Confluence, там же ведем базу знаний по проектам. Коммуникации - через Slack и Telegram для оперативных вопросов. Для видеоконференций с заказчиками - Zoom или отечественные аналоги. Код храним в GitLab, там же настроены пайплайны CI/CD.

Вопрос: Как принимаются решения в ходе проекта?

Ответ: Зависит от уровня решения. Оперативные вопросы - что делать в текущем спринте, как решить техническую задачу - решаем внутри команды, обычно на стендапах или в рабочем порядке. Если вопрос касается изменения скоупа проекта или сроков - эскалируем на меня как руководителя проекта. Я согласовываю с заказчиком и при необходимости с руководством компании.

Вопрос: На основании каких данных вы принимаете решения?

Ответ: Смотрю на метрики в Jira - velocity команды, burndown-диаграммы, количество багов. Также учитываю обратную связь от заказчика после демо. Для финансовых решений запрашиваю данные у финансового отдела, но это не автоматизировано - приходится писать запросы вручную. Часто информация разрозненная, приходится собирать из разных источников.

Вопрос: С какими сложностями вы сталкиваетесь при принятии решений?

Ответ: Главная проблема - многозадачность. У меня параллельно от трех до пяти проектов, и каждый требует внимания. Иногда сложно расставить приоритеты, особенно когда несколько заказчиков одновременно требуют ускорить работу. Нет единой картины по всем проектам - приходится держать все в голове или в разрозненных таблицах. Еще сложность - взаимодействие с распределенными командами: часть разработчиков работает удаленно, некоторые проекты реализуются в других часовых поясах.

Вопрос: Как происходит управление рисками в проектах Ответ: Честно говоря, формализованного процесса управления рисками нет. Риски обсуждаем на ретроспективах, когда они уже материализовались. Превентивно отслеживаем по опыту - если видим, что задача «зависла» больше двух дней, начинаем разбираться. Но системного подхода, реестра рисков, оценки вероятности и влияния - такого нет. Это было бы полезно, но пока руки не доходят внедрить.

Вопрос: Как вы оцениваете текущую систему поддержки принятия решений?

Ответ: Инструменты есть, но они не интегрированы между собой. Jira показывает статус задач, но не связана с финансами проекта. Чтобы понять, укладываемся ли мы в бюджет, нужно отдельно запрашивать данные. Аналитики как таковой нет - все делается вручную в Excel. Было бы здорово иметь единую панель, где видно и статус задач, и ресурсы, и финансы, и риски. Сейчас это собирается «на коленке» перед отчетами руководству.

Интервью № 2

Респондент: Технический директор (стаж работы в компании - 4 года)

Дата проведения: 12.02.2026

Формат: онлайн-интервью (Zoom), продолжительность 40 минут

Вопрос: Как устроена система принятия стратегических решений по проектам в компании?

Ответ: Стратегические решения - какие проекты брать, куда направлять ресурсы - принимаются на уровне руководства компании. Раз в квартал проводим стратегическую сессию, где смотрим на портфель проектов, оцениваем приоритеты. Решения принимает генеральный директор с учетом мнений директоров направлений. Критерии - стратегическая важность клиента, маржинальность проекта, загрузка команд.

Вопрос: Какие данные используются для принятия стратегических решений?

Ответ: Финансовые показатели - выручка, маржа по проектам. Загрузка команд - смотрим в Jira и в ресурсных таблицах. Обратная связь от ключевых клиентов. Рыночная аналитика - но это больше на уровне интуиции и экспертизы, системного сбора данных о рынке нет. Проблема в том, что данные собираются долго - к моменту принятия решения ситуация может измениться.

Вопрос: Как координируются проекты на уровне компании?

Ответ: Еженедельно проводим статус-митинг руководителей проектов, где каждый докладывает о прогрессе и проблемах. Это занимает полтора-два часа, и честно говоря, не всегда эффективно - много времени уходит на выслушивание отчетов. Конфликты ресурсов решаем в ручном режиме - если двум проектам нужен один и тот же специалист, договариваемся между руководителями проектов или эскалируем на меня.

Вопрос: Как организовано взаимодействие между разработкой и внедрением?

Ответ: Это одна из наших зон роста. Разработка ведется в продуктовых командах, а внедрение - в проектных. Иногда возникает рассинхрон: продуктовая команда выпускает новую версию, а проектная команда еще не готова ее внедрять у клиента. Или наоборот - клиенту срочно нужна функция, а в продуктовом бэклоге она имеет низкий приоритет. Сейчас это решается через переговоры, но хотелось бы более системного подхода.

Вопрос: Как вы оцениваете качество информационного обеспечения для принятия решений?

Ответ: Информации много, но она фрагментирована. У нас отдельно живут Jira, CRM, финансовый учет, система поддержки клиентов. Чтобы получить полную картину по проекту, нужно зайти в пять разных систем. Сводные отчеты готовятся вручную, что занимает время и создает риск ошибок. Мы обсуждали внедрение BI-системы, но пока не приоритизировали - много других задач.

Вопрос: Какие решения даются сложнее всего?

Ответ: Распределение ресурсов между проектами - это всегда компромисс. У нас ограниченное число ML-инженеров и data scientists, и все проекты хотят лучших специалистов. Также сложно решать, когда отказывать клиенту - если запрос не укладывается в наши возможности или стратегию, но клиент важный. Еще - приоритизация технического долга: когда вкладываться в рефакторинг, а когда гнаться за новыми фичами. Здесь часто полагаемся на экспертное мнение, а хотелось бы иметь больше данных для обоснования.

Вопрос: Что бы вы хотели улучшить в системе принятия решений?

Ответ: Во-первых, единую информационную панель по всем проектам - чтобы в реальном времени видеть статус, ресурсы, финансы, риски. Во-вторых, автоматизацию рутинных отчетов - сейчас на подготовку отчетов уходит много времени. В-третьих, систему раннего предупреждения о проблемах - чтобы не узнавать о срыве сроков, когда уже поздно что-то менять. В идеале - чтобы система сама подсказывала оптимальное распределение ресурсов и приоритеты на основе данных.

Приложение 2

Схема - Архитектура интегрированной системы поддержки принятия решений ООО «НТЕХ ЛАБ»

Приложение 3