Управление ИТ-проектами в области машинного обучения: применение гибких методологий к неопределенности
Аннотация. В статье рассматривается проблема управления проектами в сфере машинного обучения (ML), характеризующимися высоким уровнем неопределенности и научно-исследовательской составляющей. Традиционные каскадные методологии, такие как Waterfall, демонстрируют низкую эффективность в условиях, когда требования к конечному продукту и объем работ не могут быть точно определены на начальных этапах. Автор анализирует специфику жизненного цикла ML-проектов, включая этапы исследования, сбора и обработки данных, моделирования и развертывания, подчеркивая их итеративный и непредсказуемый характер. В качестве решения предлагается применение гибких методологий управления (Agile). В работе детально рассматриваются ключевые Agile-фреймворки, такие как Scrum и Kanban, а также гибридный подход Scrumban, и их адаптация к задачам машинного обучения. Обосновывается, что итеративный подход, фокус на быстрой доставке ценности и постоянная обратная связь позволяют эффективно управлять рисками, адаптироваться к изменениям и повышать вероятность успеха сложных ML-проектов. В заключение даются практические рекомендации по выбору и внедрению Agile-подходов для команд, работающих с технологиями искусственного интеллекта.
Ключевые слова: управление проектами, машинное обучение, Agile, Scrum, Kanban, IT-проекты, неопределенность, жизненный цикл проекта.
Содержание не найдено
Список использованных источников
1. Ляндау, Ю. В. Особенности управления ИТ-проектами / Ю. В. Ляндау, А. С. Буткевич // Вестник РЭУ им. Г. В. Плеханова. — 2023. — Т. 20, № 3. — С. 149–156.
2. Что такое ML-проект и чем он отличается от обычной разработки [Электронный ресурс] / Сайт Хабр. - Режим доступа: https://habr.com/ru/companies/yandex_praktikum/articles/731118/ (дата обращения: 05.11.2025).
3. Управление IT-проектами: классика против Agile [Электронный ресурс] / Арсений Самакин / Сайт Хабр. - Режим доступа: https://habr.com/ru/companies/southbridge/articles/522060/ (дата обращения 05.11.2025).
4. Сазерленд, Д. Scrum. Революционный метод управления проектами / Д. Сазерленд. — Москва : Манн, Иванов и Фербер, 2019. — 288 с. — ISBN 978-5-00117-734-6.
5. Гибкая методология разработки (Agile) [Электронный ресурс] / Сайт Atlassian. — Режим доступа: https://www.atlassian.com/ru/agile (дата обращения 05.11.2025).
6. Что такое MLOps? [Электронный ресурс] / Amazon Web Services (AWS). — Режим доступа: https://aw
Внедрение и оценка (Deployment & Analysis). После получения удовлетворительной модели ее необходимо интегрировать в существующую инфраструктуру (например, в виде API) и оценить ее влияние на бизнес-метрики, часто с помощью A/B-тестирования. Результаты теста могут показать, что модель не приносит ожидаемого эффекта, что потребует возврата к предыдущим этапам [2].
Как видно, жизненный цикл ML-проекта итеративен и нелинеен. Неудача на одном из этапов — это не провал проекта, а часть нормального исследовательского процесса. Именно эта особенность делает каскадную модель, не предполагающую гибких возвратов и пересмотра планов, малоприменимой [3].
Семейство гибких методологий Agile возникло как ответ на недостатки жестких, директивных подходов к разработке ПО. В основе Agile лежат четыре ключевые ценности, сформ