Отправить статью по E-mail Комплексная разработка модели и инструмента управления проектами в ландшафтном дизайне на базе искусственного интеллекта
- Авторы: Гордовский Р.А.1, Мызникова М.Н.2
-
Учреждения:
- Национальный Исследовательский Университет «Московский Энергетический Институт»
- Национальный Исследовательский Университет «Московский Энергетический Институт
- Выпуск: Том 1, № 2 (2025)
- Страницы: 33-54
- Раздел: Менеджмент
- URL: https://meijournal.ru/MEI/article/view/293644
- ID: 293644
Цитировать
Полный текст
Аннотация
Введение. Несмотря на динамичное развитие цифровых технологий, которое обеспечивает повышение эффективности проектного управления, вопросы внедрения технологий искусственного интеллекта в работу организаций сферы ландшафтного дизайна до сих пор не получили подробного и глубокого научного осмысления.
Актуальность нашего исследования продиктована необходимостью генерации новых подходов к управлению проектами, основанными на использовании интеллектуальных алгоритмов. В этом случае технологии позволяют как обработать большие объемы данных и выявить скрытые закономерности, так и предложить оптимальные решения. Разработка адаптивной модели и формализованного инструмента управления представляется первоочередной задачей для повышения конкурентоспособности и устойчивого развития проектной деятельности, в том числе, и по причине особой гибкости и учета современных вызовов.
Цель данной статьи заключается в комплексной разработке модели и инструмента управления проектами в сфере ландшафтного дизайна с использованием методов искусственного интеллекта.
Материалы и методы. Исследование сфокусировано на процессах управления проектами в ландшафтном дизайне. Проведен анализ существующих подходов к управлению, выявлены их слабые стороны. В результате разработана модель управления, использующая возможности искусственного интеллекта и позволяющая комплексно оценивать эффективность проекта. Для проверки работоспособности модели был реализован пилотный проект, в ходе которого применялись методы системного и сравнительного анализа.
Результаты исследования. Благодаря предложенной модели удалось существенно оптимизировать процесс реализации проекта. Сроки сократились на 20 %, а количество ошибок снизилось на впечатляющие 68 %. Это позволило сэкономить 2,7 млн руб. и уменьшить численность команды на треть. Улучшение качества конечного продукта составило 15 %. Интегральная формула подтвердила высокую эффективность внедрения искусственного интеллекта в управление проектом.
Обсуждение и заключение. Использование искусственного интеллекта в управлении проектами продемонстрировало свою эффективность, что подтверждается улучшением ключевых показателей и повышением качества результатов. Предложенная модель может быть успешно адаптирована для принятия более взвешенных решений в смежных областях. Дальнейшие исследования направлены на расширение функционала модели и включение дополнительных метрик. Работа акцентирует внимание на необходимости цифровой трансформации в сфере управления проектами.
Полный текст
Введение
Быстрое развитие цифровых технологий, особенно в области искусственного интеллекта, предоставляет новые возможности для улучшения эффективности проектного управления, что позволяет более точно планировать, адаптироваться к изменениям и снижать риски. Однако, несмотря на увеличивающийся интерес к цифровизации процессов в проектной деятельности, вопросы внедрения искусственного интеллекта в управление предприятиями, работающими в сфере ландшафтного дизайна, остаются недостаточно изученными.
Актуальность данного исследования связана с необходимостью создания новых подходов к управлению проектами, основанных на использовании интеллектуальных алгоритмов, которые способны обрабатывать большие объемы данных, выявлять скрытые закономерности и предлагать оптимальные решения. Традиционные модели управления часто не обладают нужной гибкостью и не учитывают особенности современных вызовов, с которыми сталкиваются предприятия в этой области. В этой связи разработка адаптивной модели и формализованного инструмента управления представляется первоочередной задачей для повышения конкурентоспособности и устойчивости проектной деятельности.
Цель данной статьи заключается в комплексной разработке модели и инструмента управления проектами в сфере ландшафтного дизайна с использованием методов искусственного интеллекта. В ходе исследования рассматриваются существующие подходы к управлению проектами, проводится анализ применяемых критериев эффективности, а также формулируется авторский алгоритм принятия решений на основе технологий искусственного интеллекта. Предложенная модель нацелена на повышение точности оценки проектных параметров, автоматизацию некоторых управленческих функций и уменьшение влияния субъективных факторов в процессе принятия решений.
Обзор литературы
Современная наука об управлении проектами предлагает множество решений, от проверенного времени классических методик до адаптивных и цифровых стратегий.
Исследования охватывают широкий спектр тем, включая трансформацию бережливого производства в проектном управлении (Пунтиков и Шиков [18]), сравнительный анализ традиционных и гибких методологий (Шильдт и Гареева [21]), инновационное управление проектами с учетом форсайта и устойчивого развития (Миронова и соавторы [17]), внедрение проектного управления в госсекторе с акцентом на оценку рисков (Гринман [11] и Кузьмина [16]), проблемы управления проектами в IT-компаниях и пути их решения (Борчин [1], Вакорин [2] и Сулковски), анализ мирового опыта в госуправлении (Козловская [14] и Ризоева) и взаимосвязь управления изменениями и проектами (Жунисов[13]).
Теоретическим фундаментом остаются работы Гантта [3], Тейлора[19] и Файоля [20]. Практические руководства, такие как «Deadline» ДеМарко [12] и «Agile» Кона [15], делают сложные концепции более доступными.
Стандартизация и нормативная база: ГОСТы обеспечивают методологическую основу для стандартизации управления качеством и проектами, особенно в контексте цифровой трансформации и оценки искусственного интеллекта [10].
Проанализированная литература подчеркивает необходимость сочетания классических принципов с цифровыми инновациями для создания гибридных моделей управления проектами, применимых в различных отраслях и на разных уровнях.
В целом, рассмотренные источники дают всестороннее представление о современных проблемах и решениях в области управления проектами. Нормативные документы, такие как ГОСТ Р 54869-2011 [4], ИСО 21500:2014 [6] и ИСО 9001:2015 [7], устанавливают требования к качеству и структуре проектных процессов, особенно актуальные в эпоху цифровизации и внедрения искусственного интеллекта[8].
Материалы и методы
В исследуемой литературе авторы используют разнообразные методологические подходы для анализа проектного управления.
Аналитические методы:
Нормативные и стандартизированные методы:
Другие методы:
В целом, исследования направлены на адаптацию классических моделей управления к современным условиям и на интеграцию цифровых технологий, включая искусственный интеллект, в проектную деятельность.
Результаты исследования
Оценка эффективности проекта является важным аспектом для анализа того, насколько выбранная модель управления способствует достижению поставленных целей. В традиционных методологиях, таких как PMBOK (Project Management Body of Knowledge), выделяются несколько критериев, по которым принимается решение об успешности проекта:
1. Соблюдение сроков — это оценка, насколько фактическое выполнение задач соответствует намеченному графику. Все отклонения фиксируются, и при необходимости разрабатывается новый план.
2. Соответствие выделенному бюджету — анализируются расхождения с бюджетом, эффективность использования ресурсов и степень перерасхода.
3. Качество результата — определяется через выполнение технического задания, отсутствие дефектов и соответствие ожиданиям заказчика.
4. Удовлетворенность заказчика — это субъективный, но важный показатель, охватывающий эмоциональную реакцию, степень соответствия ожиданиям и прозрачность действий команды.
5. Эффективность коммуникаций — критически важна для проектов с участием нескольких команд или дисциплин. Оценивается уровень взаимодействия, согласование решений и скорость реагирования на изменения.
6. Управление рисками — определяется тем, насколько успешно выявляются потенциальные угрозы, снижается их воздействие и осуществляются корректирующие действия.
В практике используются как качественные методы оценки, такие как анализ документов, мнения экспертов и анкеты, так и количественные параметры, включая процент выполнения задач в срок, индекс исполнения затрат (CPI) и индекс выполнения графика (SPI).
Современные тренды также включают интегральные индексы, которые объединяют несколько метрик в единую систему, а также метрики, основанные на цифровых следах, которые исследуют активность в онлайн-пространствах (например, скорость внесения изменений в проект, взаимодействие с инструментами искусственного интеллекта и история ошибок и правок).
Необходимо отметить, что критерии для оценки эффективности проектного управления фиксируются в различных нормативных документах. Например, ГОСТ Р 54869-2011 "Управление проектами. Требования к управлению проектом" и ГОСТ Р ИСО 21500-2014 "Руководство по управлению проектами" формализуют основные параметры успешности проекта, включая сроки, бюджет, качество и работу с заинтересованными сторонами.
Тем не менее, даже при наличии устоявшегося набора критериев существуют серьезные ограничения в их применении, особенно в области ландшафтного дизайна, куда входят высокая степень сложности, многоэтапность и значительный уровень креативности.
Существующие методы оценки проектов имеют ряд существенных недостатков, особенно в динамичных и инновационных сферах, таких как ландшафтный дизайн с использованием искусственного интеллекта.
Во-первых, они часто не принимают во внимание реальную изменчивость и непредсказуемость проектной среды. Такие факторы, как сбои в поставках, погодные аномалии или изменения в требованиях заказчика, оказывают значительное влияние на сроки и качество, но не всегда адекватно отражаются в оценке.
Во-вторых, традиционные критерии не учитывают долгосрочные последствия ошибок, допущенных на начальных этапах. Проблемы в планировании, неточные данные о почве и воде, неподходящие растения могут привести к краху проекта в будущем, но текущая система оценки этого не предвидит.
В-третьих, существующие модели не интегрируют роль современных интеллектуальных технологий. Например, если система искусственного интеллекта предупреждает о риске гибели растения, а менеджер игнорирует это предупреждение, последствия этого решения не отражаются в оценке эффективности.
В итоге традиционные критерии:
Эти ограничения подчеркивают необходимость пересмотра подходов к оценке проектов и, в более широком смысле, к перестройке всей системы управления. Новая модель должна учитывать не только количественные показатели, но и качественные параметры, отражающие сложность и многогранность проектной среды.
Таким образом, очевидная ограниченность традиционных методов оценки, признанная как в научных исследованиях, так и в нормативных документах, требует разработки принципиально нового подхода, способного адекватно оценивать современные проекты, особенно в креативных, динамичных и высокотехнологичных областях.
Учитывая существующие недостатки в управлении проектами, данная работа предлагает модель, специально разработанную для цифровой среды. В дополнение к этому, представлен инструмент оценки эффективности, который выходит за рамки стандартных показателей (время, бюджет, риски) и включает в себя такие важные аспекты, как вероятность возникновения ошибок и качество конечного продукта. В основе инструмента лежит формула, интегрирующая ключевые показатели проекта в единую оценочную метрику, что обеспечивает более объективный анализ и, как следствие, принятие более обоснованных управленческих решений.
Использование искусственного интеллекта в управлении проектами ландшафтного дизайна позволяет существенно повысить общую эффективность, обеспечивая более точные прогнозы, оптимальное распределение ресурсов и автоматизацию повторяющихся операций. Применение искусственного интеллекта на различных этапах, начиная с анализа исходных данных и оценки территории и заканчивая генерацией проектных решений и 3D-моделированием, способствует значительному сокращению временных затрат и снижению риска возникновения ошибок.
Разработанная модель (рис. 1) демонстрирует, как искусственный интеллект может быть использован для повышения устойчивости, гибкости и адаптивности проектных решений в контексте ландшафтной архитектуры, делая их более надежными и эффективными.
Рис. 1. Модель управления проектом с использованием искусственного интеллекта
Таким образом, предложенная модель управления проектами в области ландшафтного дизайна с использованием искусственного интеллекта представляет собой эффективный инструмент для повышения качества проектных решений и улучшения управленческих процессов. Интеграция искусственного интеллекта на ключевых этапах жизненного цикла проекта не только ускоряет выполнение задач и увеличивает точность принимаемых решений, но также снижает нагрузку на специалистов, уменьшает вероятность ошибок и повышает устойчивость к рискам и неопределённостям, связанным с человеческим аспектом.
Учитывая многогранное влияние искусственного интеллекта на проектную деятельность, в данной работе также был создан инструмент для оценки его внедрения. Этот инструмент представляет собой формулу, которая позволяет учитывать такие ключевые параметры, как качество результата, временные затраты, уровень проектных рисков, частота ошибок и количество задействованных сотрудников. Использование данной формулы даёт возможность объективно оценить целесообразность применения искусственного интеллекта в конкретных условиях и является основой для принятия обоснованных управленческих решений.
Для анализа эффективности внедрения искусственного интеллекта в управление проектом был разработан интегральный показатель:
В представленной формуле учитываются изменения в различных аспектах работы, таких как время выполнения задач (V), численность сотрудников (R), вероятность ошибок (E), затраты (C) и качество итогового продукта (Q) как до, так и после внедрения технологий искусственного интеллекта. Весовые коэффициенты k₁–k₅ позволяют адаптировать формулу к специфике каждого отдельного проекта.
В результате апробации данного предложенного инструмента были получены данные эффективности, на примере рассмотренного проекта ландшафтного дизайна пригородной местности (см. табл. 1).
Таблица 1 - Данные по проекту до и после внедрения искусственного интеллекта
Параметры | До внедрения искусственного интеллекта | После внедрения искусственного интеллекта | Изменения |
Время на проект | 85 дней | 65 дней | -20% |
Количество сотрудников | 15 человек | 10 человек | -33% |
Количество ошибок | 48 | 15 | -68% |
Затраты на проект | 10 750 000 руб. | 8 050 000 руб. | -25% |
Качество проекта | 70% | 85% | +15% |
Внедрение искусственного интеллекта в проектное управление позволило добиться значительного повышения рентабельности инвестиций. Сокращение сроков реализации проектов на 20% и оптимизация штата на 33% привели к снижению затрат на 25%. Одновременно с этим, качество проектов улучшилось на 15%, а количество ошибок сократилось на 68%, что подтверждает эффективность искусственного интеллекта как инструмента повышения производительности и снижения рисков.
Эффективность предложенных решений, использующих искусственный интеллект, оценивается в 35% (Iэфф ≈ 35%). Это свидетельствует о значительном улучшении показателей проекта после внедрения искусственного интеллекта.
Созданная система обеспечивает всестороннюю оценку эффективности этапов проекта по пяти ключевым параметрам: времени, затратам, численности персонала, вероятности ошибок и качеству итогового результата. Такой комплексный подход способствует более объективному анализу реализации проекта, выявлению его сильных сторон и определению направлений для улучшения.
Формула оценки эффективности внедрения искусственного интеллекта в управление проектом ландшафтного дизайна соответствует различным нормативным требованиям, разработанным как в России, так и на международной арене. Например, ГОСТ Р ИСО/МЭК 25010-2015 описывает характеристики качества программных и цифровых систем, включая такие параметры, как надежность, эффективность и легкость сопровождения. Эти характеристики тесно связаны с показателями вероятности ошибок (E₀/E₁) и качеством проектных решений (Q₀/Q₁), которые отражены в формуле.
Предлагаемая формула оценки эффективности, использующая переменные V (время), R (ресурсы) и C (затраты), опирается на принципы управления качеством и проектами, закрепленные в стандартах ГОСТ Р ИСО 9001-2015 и ГОСТ Р ИСО 10006-2005. Более того, она учитывает современные требования к анализу и мониторингу эффективности ИИ-решений, установленные в ГОСТ Р ИСО/МЭК 24029-2-2024 и ГОСТ Р ИСО/МЭК 20547-3-2024. Введение весовых коэффициентов (k₁–k₅) позволяет адаптировать модель к специфике каждого проекта, расставляя приоритеты и фокусируясь на ключевых параметрах, что делает ее соответствующей признанным стандартам в области качества, цифрового проектирования и управления проектами.
Обсуждение и заключение
В условиях быстрого прогресса цифровых технологий управление проектами в области ландшафтного дизайна требует адаптации к новым вызовам. Анализ текущих подходов показывает, что традиционные методы управления часто недостаточны для учета всех ключевых факторов, необходимых для успешной реализации проектов, таких как качество, риски, временные затраты, человеческий фактор и финансовые аспекты.
На основе изучения научных источников и действующих стандартов было установлено, что современные критерии оценки эффективности проектов нуждаются в дополнении и систематизации. Существующие нормативные документы, включая ГОСТ Р ИСО/МЭК 25010-2015, ГОСТ Р ИСО 9001-2015, ГОСТ Р ИСО 10006-2005 и прочие, создают надежную методологическую базу, однако не учитывают полностью специфику применения искусственного интеллекта в управлении проектами.
Предложенная модель управления с использованием искусственного интеллекта показывает потенциал для улучшения адаптивности, устойчивости и точности проектных решений. Она направлена на уменьшение вероятности ошибок, оптимизацию использования ресурсов, сокращение сроков выполнения и повышение общего качества конечного продукта. Разработанная формула оценки эффективности внедрения искусственного интеллекта позволяет объективно и количественно оценить результаты цифровой трансформации управления, учитывая пять основных показателей: время, затраты, численность сотрудников, ошибки и качество.
Апробация авторских предложений осуществлялась на данных проекта пригородной местности, которые позволили вывести сравнение, где показано то, что применение искусственного интеллекта в проекте повышает его эффективность примерно на 35%.
Связь каждого элемента формулы с соответствующими ГОСТами подчеркивает её соответствие международным и отечественным стандартам, а также усиливает обоснованность и практическую применимость предложенного подхода.
Таким образом, результаты проведенного исследования подтверждают целесообразность и актуальность использования искусственного интеллекта в управлении проектами ландшафтного дизайна. Внедрение данной модели и инструмента оценки может стать основой для создания более гибких, интеллектуальных и эффективных проектных систем в архитектуре и строительной практике будущего.
Об авторах
Роман Александрович Гордовский
Национальный Исследовательский Университет «Московский Энергетический Институт»
Автор, ответственный за переписку.
Email: romangordovskiy@mail.ru
Студент кафедры менеджмента в энергетике и промышленности
Россия, 111250, Россия, г. Москва, Красноказарменная улица, дом 14, стр. 1Марина Николаевна Мызникова
Национальный Исследовательский Университет «Московский Энергетический Институт
Email: MyznikovaMN@mpei.ru
Кандидат экономических наук, доцент, доцент кафедры кафедры менеджмента в энергетике и промышленности
Россия, 111250, Россия, г. Москва, Красноказарменная улица, дом 14, стр. 1Список литературы
- Пунтиков А. Н., Шиков А. Н. О соотношении понятий «бережливое проектное управление», «бережливое управление проектами» и «бережливое проектно-ориентированное управление» // Флагман науки. – 2023. – № 6 (6). – С. 271–286.
- Шильдт Л. А., Гареева Н. Б. Особенности классического проектного управления и гибких методологий в управлении проектами // Евразийский юридический журнал. – 2022. – № 3 (166). – С. 488–490.
- Миронова Д. Ю., Баранов И. В., Румянцева О. Н., Помазкова Е. Е. Введение в управление проектной деятельностью: основы формирования, управления и коммерциализации инновационных проектов. – СПб.: Университет ИТМО, 2022. – 89 с.
- Гринман Н. М. Применение гибких подходов управления проектами в государственном управлении // Власть. – 2023. – Т. 31, № 4. – С. 60-65.
- Кузьмина В. М. Применение метода «оценки рисков» по дисциплине «Управление проектами» для направления подготовки «Государственное и муниципальное управление» // Образование и проблемы развития общества. – 2022. – № 4 (21). – С. 22–27.
- Борчин А. С. Проблемы проектного управления в современных IT-компаниях и направления совершенствования управления проектами // Современные технологии управления. – 2022. – № 1 (97).
- Вакорин М. П., Сулковски Я. Проблемы проектного управления в современных IT-компаниях и направления совершенствования управления проектами // Молодой ученый. – 2023. – № 9 (456). – С. 82–84.
- Козловская С. А., Ризоева К. Р. Современные мировые практики управления проектами в государственном и муниципальном управлении // Сфера услуг: инновации и качество. – 2022. – № 59. – С. 88–96.
- Жунисов Е. Взаимодействие управления изменениями и управления проектами // Студенческий вестник. – 2022. – № 16-7 (208). – С. 58–59.
- Гантт Г. Организация и управление производством. – М.: Стройиздат, 1989. – 223 с.
- Тейлор Ф. Принципы научного менеджмента. – М.: Экономика, 1973. – 144 с.
- Файоль А. Общая и промышленная экономика. – М.: Эксмо, 1994. – 305 с.
- ДеМарко Т. Deadline: роман об управлении проектами / Т. ДеМарко ; пер. с англ. – М.: Манн, Иванов и Фербер, 2012. – 368 с.
- Кон М. Agile: оценка и планирование проектов / М. Кон ; пер. с англ. – М.: Диалектика, 2017. – 352 с.
- ГОСТ Р ИСО/МЭК 25010–2015. Качество программных и цифровых систем. Характеристики качества. – М.: Стандартинформ, 2015. – 92 с.
- ГОСТ Р 54869–2011. Управление проектами. Требования к управлению проектом. – М.: Стандартинформ, 2011. – 48 с.
- ГОСТ Р ИСО 21500–2014. Руководство по управлению проектами. – М.: Стандартинформ, 2014. – 40 с.
- ГОСТ Р ИСО 9001–2015. Системы менеджмента качества. Требования. – М.: Стандартинформ, 2015. – 44 с.
- ГОСТ Р ИСО/МЭК 20547-3–2024. Цифровая трансформация. Технологии и решения для повышения качества проектирования. – М.: Стандартинформ, 2024. – 101 с.
- ГОСТ Р ИСО 10006–2005. Системы менеджмента качества. Руководство по управлению качеством в проектах. – М.: Стандартинформ, 2005. – 72 с.
- ГОСТ Р ИСО/МЭК 24029-2–2024. Цифровая трансформация. Требования к аналитике и мониторингу эффективности ИИ-решений. – М.: Стандартинформ, 2024. – 88 с.
- Столяренко М. А. Использование искусственного интеллекта для персонализированной программы обучения сотрудников / М. А. Столяренко // Информационные технологии, энергетика и экономика: сборник трудов XXII Международной научно-технической конференции студентов и аспирантов, Смоленск, 23 апреля 2025 года. – Смоленск: Универсиум, 2025. – С. 457-460. – EDN TXIUBF.
- Кейсы проектов устойчивого развития: учебное пособие / А. А. Ворожцова, К. П. Давлятшин, О. А. Клименко [и др.]. – Москва : Издательство МЭИ, 2022. – 156 с. – ISBN 978-5-7046-2670-1. – EDN GXXTUR.
Дополнительные файлы
