AI, объясни, что хотел сказать этот разработчик? Как менеджеру в IT использовать нейросети в работе

Всем привет! Меня зовут Светлана Данильченко, руковожу проектами в диджитал-продакшене «Далее». Уже 2 года использую AI, чтобы лучше понимать разработчиков, разгружать свой график и сохранять здоровый эмоциональный фон в команде. Делюсь рабочими промтами и тем, что поняла за это время. Статья будет полезна начинающим менеджерам в диджитале, которые хотят быстрее и качественнее вести проекты по разработке. 

Раньше я была проджектом в компании, которая занималась лендингами, небольшими интернет-магазинами и промо. Сайты делались под ключ, клиенты не имели глубокого технического бэкграунда, а мой основной фокус был на организации процессов и согласовании бизнес-требований.

На текущем месте мы сотрудничаем с крупным и средним бизнесом, который хорошо разбирается в технических аспектах. И теперь я встречаюсь с заказчиками, которые приходят не с запросом «придумайте и сделайте все сами», а с четким пониманием, что именно нужно и как это должно работать. Продакт-оунеры со стороны клиента формулируют бизнес-требования на языке целей и результатов, а наша задача — понять их, сформулировать требования к разработке и совместно работать над задачей.

И вот тут-то АI мне и пригодился: с ним я сокращаю число обращений к разработчикам и ускоряю выполнение шаблонных задач. 

В чем ChatGPT может помочь менеджеру проектов

• Объяснит терминологию и расшифрует слова разработчика.

• Отредактирует и сделает написанное понятнее, если нет времени.

• Структурирует данные: напишет саммари для выступления, набросает заметки по встрече, подготовит драфт для постановки задачи.

• Предложит базовый шаблон или общий план по предоставленным сведениям.

AI — это инструмент, а не замена здравому смыслу

Неспособность понять, где GPT обманывает или допридумывает — одна из основных проблем молодых проджектов. Когда у тебя уже есть технический бэкграунд, то значительно проще распознать сомнительные моменты. 

Мой красный флаг — когда чат-бота сильно заносит. Один из них — если он начинает придумывать период разработки какой-либо задачи. У AI слишком мало контекста, чтобы просчитать сроки. У него нет набора скиллов разработчиков, он не учитывает человеческий фактор и не погружается в процесс создания продукта. 

Второй явный триггер некачественного ответа — когда на выходе гораздо больше информации, чем было запрошено. Это значит, что мой промт был недостаточно качественный и идет набор каких-то общих данных.

Для проверки ответа GPT можно потребовать у него ссылки на источники, залезть в поисковик или воспользоваться другим инструментом, например, Perplexity. Но нет ничего надежней, чем уточнить детали у специалистов. При этом после предварительной общени с GPT у вас уже будет общее понимание темы, что сэкономит собеседнику время на объяснение. 

Для проджектов на старте — самое то, да и опытным полезно. Хотя бы потому, что GPT можно доверить рабочие задачи, которые раньше съедали по несколько часов. Ниже приведу их примеры, но сначала давайте разберемся в том, как создавать запросы, чтобы получить нужный результат.

Как менеджеру проектов правильно формулировать промты

Несмотря на возможность AI отвечать почти на любые вопросы, это машина, которая очень буквально понимает запросы. Искусственный интеллект ^[1] любит конкретику, поэтому для составления промта я руководствуюсь тремя правилами.  

Четко и с деталями. Самое важное в начале — дать боту информацию о его роли и опционально о своей: «Представь, что ты в роли Project Manager и тебе нужно…‎». Плюс GPT в том, что он обращает внимание ^[2] на историю переписки, хранит в себе весь контекст. Чем больше тонкостей ему расскажешь, тем лучше становится обратная связь от чат-бота. 

Без сочинения-рассуждения. Перебарщивать с описанием тоже не нужно. На это уйдет слишком много времени, а в итоге нейросеть не станет размышлять над содержанием своего ответа, а просто перескажет полученный запрос в виде саммари.

Понятно в первую очередь для чат-бота, а не для вас. Когда промт не дает нужный результат, его стоит переформулировать: подать с другого ракурса, пойти от частного к общему, внести уточнения. Нет никакого смысла заставлять нейросеть генерировать варианты к непонятному для нее запросу — придете к искуственно-интеллектуальной отсебятине. 

Универсальный рецепт промта — вводим в запрос: 

• Ваша роль и роль чат-бота в объяснении 

• Контекст задачи

• Что нужно узнать или сделать 

• Какой результат ожидается от промта и как чат-бот должен помочь

Что ты будешь делать с этой информацией — желательно написать, но не обязательно 

В одном диалоговом окне нет смысла каждый раз отправлять объемные промты. Если требуется другой вариант ответа, дополнить его или что-то уточнить, то достаточно отправить кратко «попробуй объяснить иначе», «раскрой подробнее пункт 2». Классно, что чат-бот запоминает ваши диалоги и может переиспользовать информацию с прошлого запроса для объяснения другого.

Примеры промтов для понимания, о чем говорят разработчики

AI идеально заменяет длительные разговоры с уточнением технических моментов у разработчиков, поиск в Гугле и смэтчивание информации в одно целое. Вот мои примеры запросов: 

• Промт с вопросом про технологию

«Выступи в роли веб-разработчика. Объясни, что такое Kafka, если я знаю, что такое очереди сообщений, но никогда с этим не работал» 

• Промт для расшифровки слов технического специалиста

«Объясни, что имел в виду Devops фразой “нужно сменить NS-записи для переезда” в сообщении ТГ, при этом его задача звучала так — “копирование ТЗ из задачи (Devops: нужно создать отдельный поддомен для сайта)” . Что в этой ситуации нужно сделать PM?»

• Промт на определение ошибок на сайте или в тестовой среде 

«Объясни так, чтобы проджект-менеджер понял, что значит ошибка ^[3] 429? Кто может быть ответственным за решение такой ошибки в команде?»

Но чаще всего, чтобы разобраться детальнее, нужен ряд промтов, например:

1. «Выступи в роли веб-разработчика. Объясни простыми словами, что такое CDN, как это работает и для чего это нужно, приведи наиболее популярные примеры использования»

2. «Объясни подробнее часть про кэширование»

3. «Напиши, какие могут быть вопросы к разработчикам на проекте с задачей по интеграции CDN-ресурса, если я являюсь проджект-менеджером»

4. «Напиши, какой может быть план работ по работе с CDN и выдели ответственных разработчиков, девопсов и т.д.»

Однако идти к GPT за уникальными решениями в разработке не стоит. Он не сидит с вами в чате, не слушает созвоны с клиентом, не знает историю кода и нюансов проекта. Не надо надеяться на исчерпывающие ответы от бота.  

Примеры промтов для помощи в работе с клиентами 

Все мы сталкиваемся с проблемой «пустого листа», когда думаешь, с чего начать и как структурировать мысли. GPT можно использовать в качестве помощника или друга, который многое знает и хорошо умеет находить информацию. Он способен быстро разобраться в сути и за несколько секунд выдать черновой вариант текста.  

• Промт, чтобы рассказать клиенту о сложном просто

«Объясни, зачем нужна оптимизация SQL-запросов, если клиенту важно только, чтобы сайт работал быстрее»

• Промт с упрощением формулировок

«Напиши объяснение, почему мы не можем быстро добавить фичу X, понятным для клиента языком» + слова разработчика, которые нужно «перевести»

• Промт для подготовки ко встрече и обсуждениям проекта

«Я проджект-менеджер, мне нужно провести демо по задаче X. У меня 30 минут на рассказ и 15 минут на вопросы. Демо проводит QA, менеджер говорит вводное слово. Составь сценарий и потенциальные вопросы»

С чем AI вам не поможет, так это с самим подходом к клиенту. Заказчики бывают разными, их стиль коммуникации — тоже. И, общаясь через мессенджеры, не всегда удается понять тон человека, его настроение и реальное мнение. Появляется соблазн спросить у нейросети: как быть, как отвечать. Но бот не мыслит эмоциями ^[4], скорее всего, вы закончите переписку на стандартных рекомендациях и потратите время впустую. 

Примеры промтов для оптимизации задач 

AI одномоментно анализирует и структурирует большое количество информации. Ему лишь надо подсказать, что требуется и на чем акцентировать внимание. Безусловно, в ответе чат-бота необходимо все перепроверить на фактическую точность. 

В случае с постановкой задач для других специалистов AI может помочь с излишней нагрузкой и сделать неплохой драфт, который самостоятельно можно довести до ума и занести в тикет-систему. 

• Промт для постановки задач разработчикам

«Возьми заметки с созвона с клиентом и сформулируй задачу разработчику, при этом раздели на 2 задачи — фронтенд и бекенд-разработчику»

• Промт для создания шаблона роадмапа 

«Возьми бизнесовую задачу, помоги составить структуру роадмапа. Я вижу таблицу так, где столбцы: название сущности, описание, ответственный, этап проекта, сроки, строки – подробное наполнение. Составь этапы так, чтобы проект имел MVP этап и остальные (1, 2 и тд)»

Из неудачных попыток — пробовала с GPT систематизировать совместную работу трех обособленных команд. Суть в том, что у каждой их них своя зона ответственности на проекте, а мы аккумулируем все по проекту в единую базу. 

Мне требовалось все структурировать так, чтобы отслеживать сроки: когда к нам придут задачи от одной и второй команды, когда мы их возьмем в работу, когда нам нужно отдать какую-то аналитику. Чат-бот был не готов к настолько сложной аналитике и выдавал слишком простые таблички, которых полно в сети. В итоге совместно с бизнес-аналитиком выстроили подходящую архитектуру процессов.

Личный опыт с GPT-4о: 7 минут на задачу вместо часа 

Зная возможности AI, вполне реально в разы улучшить и оптимизировать работу. Приведу пример из недавней практики. Нам нужно было добавить новую платежную систему на сайт клиента — СБП c оплатой по QR-коду и бонусами. И я решила посмотреть, как с ней справится нейронка. 

Первый промт. «Выступи в роли менеджера проектов. Составь краткий план по задаче: нужно интегрировать новую платежную систему по СБП для сайта c оплатой по QR-коду и бонусами. Менеджер проектов имеет команду из бекенд-разработчика, фронтенд-разработчика, аналитика и QA, дизайном занимается сторонняя команда. Сайт — крупный интернет-магазин, в котором уже есть другие системы оплаты» 

Ответ:

Анализируем ответ: GPT тщетно пытается предложить сроки. Но мы на них не ориентируемся — все зависит от загрузки и скилла команды. 

Вижу, что он забыл про сторону бизнеса и самой платежной системы: запрос документации, ключей/доступов для интеграции, тестовые данные и прочее. Но общий план у нас есть, мы понимаем ключевые моменты и двигаемся дальше. 

Второй промт. «Что нужно будет получить от самой платежной системы? Какие вопросы подойдут для первичного звонка с ее представителями?»

Во втором промте про роли ничего не написано, потому что чат-бот идет по истории переписки и уже их запомнил.

Анализируем ответ: достаточно много лишнего. Надо определиться, что из этого действительно стоит забрать на брифинг. Например, со стороны бизнеса уже принято решение об интеграции с платежной системой и подписывается договор, и нам, как подрядчику, не надо обсуждать комиссии и бонусы между третьими лицами.

Третий промт. «На основе ответов подготовь первичную постановку задачи для аналитика проекта»

Тут я уже прошу перейти к драфтовой задаче для специалиста.

Анализируем ответ: исходя из выданного GPT уже можно спокойно прочитать и поставить задачу. Но я сократила текст, убрала лишние формулировки и уточнила контекст задачи по вводным от бизнеса. 

Сколько времени занял бы весь этот процесс без AI? 

1. Погуглить информацию про систему, найти документацию, изучить в требования — около 20 мин. 

2. Созвониться с командой, обозначить задачу и обсудить ответственности — около 30-40 мин.

3. Собрать задачу для аналитика без подробной информации от бизнеса — 20 мин.

Итого на все ушло бы более часа, а я потратила на новую задачу 7 минут, хоть и без конкретики. Но для этого у меня в команде есть бизнес-аналитик, который заберет на себя погружение в детали, а я пойду дальше по задачам.

Закрепляем базу при работе с AI

AI может навредить новичку в профессии. Он очень искусно рассказывает неправду, поэтому слепо не верим, но помощи просим. Чтобы извлекать из нейросети максимум пользы, важно:

• Четко формулировать запросы для получения релевантных ответов.

• Проверять информацию, особенно в технических вопросах.

• Не заменять им живое общение, так как AI не учитывает контексты и нюансы командной работы.

Кроме GPT-4o, который уже стал мои базовым инструментом, сейчас тестирую другие чат-боты:

• Claude ^[5] — дает более конкретные ответы, умеет обрабатывать большие файлы.

• Napkin ^[6] — визуализирует идеи, делает красивые графики.

• Perplexity ^[7] — быстро находит релевантные источники, пока что не засорен бесполезными ссылками, как Google.

Спасибо, что дочитали. Надеюсь, эта статья поможет менеджерам в IT легче и быстрее ориентироваться в проектах и в постоянном потоке информации.