Выявление рисков с положительным эффектом в проектной деятельности

В статье рассматривается важность работы с возможностями проекта — рисками с положительным эффектом — и предлагаются инструменты для их выявления. Для подтверждения актуальности проблемы проведено исследование работы с рисками проектов в российских компаниях. Выявлено, что возможностям уделяется намного меньше внимания, чем угрозам, при этом большинство опрошенных считает работу с возможностями важной для успеха проекта. Для решения проблемы авторы разработали 3 инструмента, облегчающих выявление возможностей проекта. Инструмент «Карта возможностей проекта» разработан на основе модели Lean Canvas, учитывает воздействие возможностей как на проект, так и на организацию в целом. Инструмент «Project Positive PEST» разработан на основе модели PEST, модифицированной для выявления рисков именно с положительным эффектом. В качестве третьего инструмента разработаны рекомендации по применению текстовых моделей генеративного искусственного интеллекта для выявления возможностей проекта

Ключевые слова: возможность проекта, положительные риски, идентификация рисков проекта, Project Positive PEST, инструменты управления рисками.

Список использованных источников

  1. Руководство к своду знаний по управлению проектом (Руководство PMBOK). 7е изд. Newtown Square, Pennsylvania: Project Management Insitute, Inc., 2021.
  2. ISO 21502:2020 Project, programme and portfolio management — Guidance on project management. Switzerland : The International Organization for Standardization, 2020.
  3. Стандарт управления рисками в портфелях, программах и проектах. Newtown Square, Pennsylvania: Project Management Institute, Inc., 2019.
  4. Axelos. Managing Successful Projects with PRINCE2. The Stationery Office (TCO), 2017.
  5. В. Е. Шкурко. Управление рисками проекта: учебное пособие для вузов. 2-е изд. М.: Юрайт, 2017.
  6. B. Lobato, J. Varajгo, C. Tam, A. A. Baptista. CrEISPS — A framework of criteria for evaluating success in information systems projects//Procedia Computer Science. Vol. 256. 2025. P. 1821-1835. https://doi.org/10.1016/j.procs.2025.02.323.
  7. F. A. Boamah, X. Jin, S. Senaratne, S. Perera. AI-driven risk identification model for infrastructure project: Utilising past project data//Expert Systems with Applications. Vol. 283, 2025. https://doi.org/10.1016/j.eswa.2025.127891.
  8. S. Ullah, D. Xiaopeng, D. R. Anbar et al. Risk identification techniques for international contracting projects by construction professionals using factor analysis//Ain Shams Engineering Journal. Vol. 15. Iss. 4. 2024. https://doi.org/10.1016/j.asej.2024.102655.
  9. А. А. Приходько, М. В. Строганова. Управление рисками проектов: идентификация, анализ, контроль и минимизация рисков//Научные записки академии. 2024. Т. 15. № 2. С. 19-23. doi 10.36683/nz50.19-23.
  10. С. В. Пупенцова, И. М. Каракчиева. Идентификация рисков инновационного проекта с использованием качественных методов анализа рисков//Управление риском. 2022. № 1 (101). С. 15-22.
  11. P. J. Edwards, P. Vaz Serra, M. Edwards. Managing Project Risks: John Wiley & Sons Ltd, 2025. doi 10.1002/9781394263837.
  12. A. Maurya. Running Lean. O'Reilly Media, Inc, USA, 2012.
  13. T. Sammut-Bonnici, D. Galea. PEST Analysis. Wiley Encyclopedia of Management. https://doi.org/10.1002/9781118785317.weom120113.
  14. AI Essentials for Project Professionals. Newtown Square, Pennsylvania: Project Management Institute, Inc., 2025

 

 

 

Авторы