АНАЛИЗ ПРОБЛЕМ УПРАВЛЕНИЯ И ПЛАНИРОВАНИЯ В ИТ-КОМПАНИИ КАК ПРЕДПОСЫЛКА ВНЕДРЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

ANALYSIS OF MANAGEMENT AND PLANNING PROBLEMS IN AN IT COMPANY AS A PREREQUISITE FOR THE IMPLEMENTATION OF INTELLIGENT SYSTEMS

Folomin Daniil Dmitrievich

master's student, Department of Telecommunication Systems and Information Security, Russian New University,

Russia, Moscow

Stepanova Evgenia Nikolaevna

scientific supervisor, candidate of Sciences in Pedagogics, associate professor of the Department of Information Systems in Economics and Management, Russian New University,

Russia, Moscow

АННОТАЦИЯ

В статье анализируются проблемы управления и планирования в средних ИТ-компаниях с матричной организационной структурой. Рассмотрены ограничения ручного распределения задач, причины возникновения ресурсных конфликтов и семантического разрыва при декомпозиции технических заданий. Систематизированы факторы когнитивной перегрузки линейного менеджмента и обоснована необходимость перехода к интеллектуальным системам автоматизированного распределения работ. Показано, что традиционные модели планирования теряют действенность при росте численности персонала, что определяет необходимость применения технологий искусственного интеллекта в управлении.

ABSTRACT

The article analyzes the problems of management and planning in medium-sized IT companies with a matrix organizational structure. The limitations of manual task distribution, the causes of resource conflicts, and the semantic gap in the decomposition of technical assignments are considered. The factors of cognitive overload of line management are systematized, and the need to transition to intelligent systems of automated work distribution is substantiated. It is shown that traditional planning models lose effectiveness as the number of personnel grows, which determines the need for the application of artificial intelligence technologies in management.

Ключевые слова: управление ИТ-компанией; планирование задач; матричная структура; когнитивная перегрузка; ресурсные конфликты; искусственный интеллект; цифровая трансформация.

Keywords: IT company management; task planning; matrix structure; cognitive overload; resource conflicts; artificial intelligence; digital transformation.

Современный этап развития ИТ-отрасли характеризуется сверхбыстрыми циклами разработки, необходимостью мгновенной реакции на запросы клиентов и постоянным усложнением проектной деятельности. В этих условиях ключевым фактором конкурентоспособности становится показатель Time-to-Market — время от формулирования идеи до выпуска готового продукта. Традиционные модели управления, основанные на ручном распределении задач, неизбежно превращаются в «бутылочное горлышко» организации при росте численности персонала свыше 80 человек [4, 8].

Цель данной статьи — систематизировать ключевые проблемы управления и планирования в средних ИТ-компаниях, проанализировать причины их возникновения и обосновать необходимость перехода к интеллектуальным системам распределения работ на основе технологий искусственного интеллекта.

1. Ограничения ручного планирования в условиях роста ИТ-компании

Классическая модель централизованного планирования предполагает наличие специализированного отдела, состоящего из менеджеров по ресурсам, которые занимаются сбором и консолидацией данных из разных подразделений (веб-разработка, мобильная разработка, системное администрирование), а также ручным составлением календарных планов на основе разрозненных инструментов — MS Project, таблиц Excel, корпоративной почты [1, 9]. Эта модель остаётся жизнеспособной на этапе становления компании, когда численность персонала не превышает 15–20 человек, однако при росте бизнеса до 80 и более сотрудников она сталкивается с принципиальными ограничениями.

Главной проблемой ручного планирования является высокая субъективность принимаемых решений. В отсутствие инструментов автоматической аналитики менеджеры распределяют задачи, опираясь на личный опыт и интуицию, при этом реальная статистика производительности сотрудников из корпоративных информационных систем практически не учитывается [11, 13]. Это приводит к ряду негативных последствий, обобщённых в виде поведенческих паттернов:

• неравномерная нагрузка (фаворитизм). Сложные и ответственные задачи систематически поручаются одним и тем же «проверенным» специалистам, что приводит к их когнитивной перегрузке и риску профессионального выгорания, тогда как способности новых сотрудников остаются незамеченными;
• игнорирование микро-компетенций. При ручном планировании менеджер физически не может учесть специфический опыт каждого коллеги (например, умение работать с конкретной библиотекой шифрования), в результате чего задачи попадают к менее подходящим исполнителям;
• низкая скорость перепланирования. При изменении приоритетов или поступлении срочных задач от заказчика ручная переработка графиков занимает часы, что в условиях ИТ-бизнеса оборачивается прямыми финансовыми потерями [8].

Количественные показатели снижения результативности ручного планирования по мере роста компании систематизированы в таблице 1.

Таблица 1.

Сравнительная характеристика результативности ручного планирования

Из таблицы 1 видно, что ключевые показатели результативности отклоняются от плановых значений в 4–6 раз, что подтверждает критическую несостоятельность ручного планирования в среднемасштабных ИТ-компаниях. Перерасход времени на декомпозицию заданий и перепланирование приводит к прямым убыткам: компания теряет потенциальную прибыль и выплачивает штрафы заказчикам за несоблюдение сроков [1].

2. Управленческий вакуум и когнитивная перегрузка менеджмента

В ряде случаев осознание неэффективности отдела планирования приводит руководство к решению о его ликвидации до запуска автоматизированной системы. Это порождает «управленческий вакуум»: обязанности по распределению задач стихийно ложатся на руководителей технических подразделений — ведущих разработчиков, тимлидов, начальников отделов тестирования. Возникает эффект «административного поглощения» времени самых ценных специалистов: вместо проектирования сложных систем и проверки качества программного кода они вынуждены тратить до 40 % рабочего дня на рутину — переговоры о доступности сотрудников, ручной ввод данных, разрешение споров между проектами [13].

В результате высокооплачиваемые инженеры выполняют функции административных координаторов, что является крайне нерациональным использованием человеческого капитала. Структура изменения рабочего времени руководителей подразделений приведена в таблице 2.

Таблица 2.

Изменение структуры рабочего времени руководителей подразделений

Данные таблицы 2 демонстрируют пятикратный рост доли административных задач в структуре рабочего времени руководителей при одновременном сокращении доли стратегической работы почти в три раза. Это приводит к деградации качества проектных решений и снижению темпов профессионального роста рядовых специалистов из-за дефицита наставничества [11].

Наиболее острым последствием отсутствия централизованного интеллектуального управления становятся ресурсные конфликты. В матричной структуре, где специалисты одновременно задействованы в нескольких мультидисциплинарных проектах, возникает ситуация «борьбы за эксперта». В отсутствие объективной системы приоритизации задачи распределяются по принципу «кто первый запросил», что далеко не всегда соответствует стратегической важности проекта [3, 10].

3. Семантический разрыв и обоснование перехода к интеллектуальному управлению

Помимо когнитивной перегрузки менеджмента, фундаментальной проблемой ручного управления является «семантический разрыв» — смысловой барьер между подразделениями, говорящими на разных профессиональных языках. Юридический отдел формулирует свои требования на языке нормативных актов (Федеральный закон № 152-ФЗ о персональных данных, регламенты электронных подписей), финансовый блок — на языке бюджетных ограничений, а технический департамент — категориями программных интерфейсов (API), протоколов шифрования и архитектуры баз данных [7, 12].

При ручной декомпозиции сложного технического задания менеджер проекта вынужден выполнять роль «несовершенного переводчика»: пытаясь передать юридические требования программистам, он часто непроизвольно искажает смысл задачи на стыке интересов разных отделов. На каждом этапе передачи задачи от руководства к непосредственному исполнителю теряется от 15% до 20% важного контекста. В результате разработчики могут создать технически совершенный продукт, не соответствующий правовым нормам, что потребует дорогостоящей переделки [5, 14].

Сравнение возможностей человеческого внимания и требований современной ИТ-системы при распределении междисциплинарных задач приведено в таблице 3.

Таблица 3.

Ограничения ручного планирования при распределении междисциплинарных задач

Данные таблицы 3 показывают фундаментальный разрыв между требованиями к скорости и качеству планирования в современной ИТ-компании и возможностями человеческого менеджмента. Системный анализ подтверждает, что простое увеличение количества менеджеров (экстенсивное расширение) не способно решить проблему сложности и смысловых разрывов. Необходим переход к интеллектуальной системе управления, способной на основе обученных моделей осуществлять прецизионный подбор сотрудников и автоматически переводить требования бизнеса в структурированные технические задания [6, 11].

В отличие от человека-менеджера, нейронная сеть способна круглосуточно отслеживать большие массивы данных из корпоративной информационной системы, учитывать более 15 параметров для каждой задачи и распределять ресурсы с учётом скрытых свойств системы — например, повышенной результативности определённых рабочих групп при совместной работе. Это позволяет сократить цикл согласования и назначения задачи с 18–24 часов до 5–10 минут и обеспечить объективность при подборе команд за счёт опоры на жёсткие показатели цифровых профилей сотрудников [2, 13].

Заключение

Анализ показал, что традиционные модели управления и планирования в средних ИТ-компаниях с матричной структурой исчерпали свой потенциал. Ручное распределение задач сопровождается высоким уровнем субъективизма, неравномерной нагрузкой на персонал и игнорированием микро-компетенций сотрудников. Ликвидация специализированных отделов планирования без замены их на интеллектуальные системы порождает «управленческий вакуум»: административная нагрузка перекладывается на руководителей технических подразделений, что приводит к пятикратному росту доли рутинных задач в их рабочем времени и деградации качества проектных решений. Семантический разрыв между юридическим, финансовым и техническим блоками при ручной декомпозиции заданий приводит к потере 15–20% контекста на каждом этапе передачи задачи. Совокупность этих проблем формирует объективную предпосылку для перехода к интеллектуальным системам управления на основе технологий искусственного интеллекта, способным осуществлять прецизионный подбор исполнителей, автоматическую маршрутизацию задач и оптимизацию баланса нагрузки [15].

Список литературы:

1. Федеральный закон «Об информации, информационных технологиях и о защите информации» от 27.07.2006 № 149-ФЗ (ред. от 2024 г.).
2. Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» (Национальная стратегия до 2030 года).
3. Аверченков В. И. Автоматизация управления предприятием. – М.: Флинта, 2019. – 280 с.
4. Андерсон К. Аналитическая культура. От сбора данных до принятия решений. – М.: МИФ, 2020. – 336 с.
5. Вигерс К. Разработка требований к программному обеспечению. – М.: БХВ-Петербург, 2019. – 736 с.
6. Глушков С. В. Экономика ИТ-предприятия. – М.: Юрайт, 2023. – 190 с.
7. Давенпорт Т. Внедрение искусственного интеллекта в бизнес-процессы. – М.: Альпина Паблишер, 2021. – 280 с.
8. Котляров И. Д. Цифровая трансформация бизнес-процессов. – СПб.: Лань, 2022. – 156 с.
9. Синклер Дж. Современные методы управления в IT. – М.: МИФ, 2023. – 320 с.
10. Танаенко А. Ю. Алгоритмы распределения задач в системах. – М.: Наука, 2024. – 210 с.
11. Тельнов Ю. Ф. Интеллектуальные информационные системы. – М.: Синергия, 2021. – 312 с.
12. Искусственный интеллект в России: итоги года [Электронный ресурс] // Tadviser. – 2024. – URL: https://www.tadviser.ru/ (дата обращения: 20.03.2026).
13. Оценка эффективности внедрения нейросетей [Электронный ресурс] // РБК Компании. – 2024. – URL: https://companies.rbc.ru/ (дата обращения: 21.03.2026).
14. Применение машинного обучения в бизнесе [Электронный ресурс] // Medium. – 2023. – URL: https://medium.com/ (дата обращения: 14.03.2026).
15. Как ИИ меняет рынок труда [Электронный ресурс] // РАЭК: Аналитика. – 2023. – URL: https://raec.ru/ (дата обращения: 17.03.2026).