Κέρδη:
- Ικανότητα κατανόησης μεθόδων εκτίμησης αναλογικών, παραμετρικών και τριών σημείων (PERT) και χρήση τεχνητής νοημοσύνης για την παραγωγή σχεδίων εκτίμησης χρόνου και πόρων.
- Ικανότητα ερμηνείας της αβεβαιότητας των προβλέψεων (αισιόδοξα/πιθανά/απαισιόδοξα σενάρια, διάστημα εμπιστοσύνης) και ο βασικός προγραμματισμός σε ένα εύρος και όχι σε έναν μόνο αριθμό
- Ικανότητα αναγνώρισης ότι η πρόβλεψη της τεχνητής νοημοσύνης βασίζεται σε ιστορικά μοτίβα και υποθέσεις και ότι ο τελικός προϋπολογισμός και η χρονική δέσμευση πρέπει να επικυρωθούν με δεδομένα της ομάδας και την κρίση των ειδικών
Η εκτίμηση είναι η πιο δύσκολη και επικίνδυνη εργασία στη διαχείριση έργου. "Πόσο καιρό θα πάρει αυτό;" και "πόσα άτομα χρειάζονται;" Οι απαντήσεις σε αυτές τις ερωτήσεις αποτελούν τη βάση του χρονοδιαγράμματος, του προϋπολογισμού και της υπόσχεσης που δίνεται στον πελάτη. Η κακή εκτίμηση θα βυθίσει ακόμη και ένα έργο που έχει διαχειριστεί σωστά: ένας πολύ αισιόδοξος χρόνος θα οδηγήσει σε καθυστερήσεις και κυρώσεις, ένας πολύ απαισιόδοξος χρόνος θα οδηγήσει σε απώλεια της προσφοράς. Η τεχνητή νοημοσύνη είναι ένας ελκυστικός βοηθός σε αυτόν τον τομέα. δίνει χρόνο σε δευτερόλεπτα. Αυτός είναι ακριβώς ο λόγος που είναι πιο επικίνδυνο εδώ: η τεχνητή νοημοσύνη μπορεί να παράγει έναν σίγουρο αριθμό χωρίς να γνωρίζει την πραγματική ταχύτητα της ομάδας σας. Σε αυτήν την ενότητα, θα καλύψουμε μεθόδους πρόβλεψης, πώς να χρησιμοποιήσετε την τεχνητή νοημοσύνη με ασφάλεια στην πρόβλεψη και πώς να επικυρώσετε κάθε πρόβλεψη.
Βασικές μέθοδοι πρόβλεψης
Ας ορίσουμε μερικές μεθόδους. Ανάλογη εικασία σημαίνει να κοιτάξεις μια παρόμοια δουλειά στο παρελθόν και να πεις "αυτό πήρε 10 ημέρες, αυτή είναι παρόμοια". Είναι γρήγορο αλλά τραχύ. Η παραμετρική εκτίμηση πολλαπλασιάζει ένα μοναδιαίο κόστος/χρόνο με την ποσότητα (π.χ. "0,5 ημέρες ανά σελίδα × 40 σελίδες = 20 ημέρες"). βασίζεται σε δεδομένα. Η εκτίμηση από κάτω προς τα πάνω εκτιμά και συγκεντρώνει κάθε πακέτο εργασίας ξεχωριστά. Είναι το πιο ακριβές αλλά πιο αργό. Η εκτίμηση τριών σημείων (PERT) αναγνωρίζει την αβεβαιότητα: για κάθε εργασία, εκτιμάται η αισιόδοξη (O), πιθανότατα (M) και η απαισιόδοξη (P) διάρκεια και λαμβάνεται ο σταθμισμένος μέσος όρος.
Ο τύπος PERT είναι: Αναμενόμενη διάρκεια = (O + 4M + P) / 6. Για παράδειγμα, για μια εργασία, εάν οι αισιόδοξες 4 ημέρες είναι οι πιο πιθανές 6 ημέρες, οι απαισιόδοξες 14 ημέρες αναμένεται διάρκεια = (4 + 24 + 14) / 6 = 7 ημέρες. Η τυπική απόκλιση είναι (P − O) / 6 = (14 − 4) / 6 ≈ 1,7 ημέρες. Αυτό δείχνει το περιθώριο αβεβαιότητας. Αντί να πούμε ένα μόνο "6 ημέρες", ένα πολύ πιο ειλικρινές σχέδιο είναι να πούμε "αναμενόμενες 7 ημέρες, απόκλιση ±1,7 ημέρες".
Επιπλέον, δύο έννοιες είναι σημαντικές. Η προσπάθεια είναι το ποσό των ανθρωποημέρων που απαιτούνται για την εργασία (π.χ. 10 ανθρωποημέρες). Η διάρκεια είναι πόσες ημέρες θα διαρκέσει αυτή η εργασία στο ημερολόγιο. Δύο άτομα μπορούν να ολοκληρώσουν 10 ανθρωποημέρες σε 5 ημέρες. αλλά δεν μπορεί να χωριστεί κάθε δουλειά άπειρα (εννέα γυναίκες δεν μπορούν να γεννήσουν ένα μωρό σε έναν μήνα). Το AI μπορεί να μπερδέψει τα δύο. πρέπει να το διαχωρίσεις.
Μέθοδος
Πότε είναι κατάλληλο;
ταχύτητα
ακρίβεια
Ο ρόλος της AI
αναλογικό
Πρώιμο στάδιο, λίγες πληροφορίες
ψηλά
χαμηλά
Προτείνει παρόμοιο σχέδιο έργου
παραμετρική
Εάν υπάρχει μετρήσιμη μονάδα
ψηλά
μεσαίο
Δημιουργεί τύπο και περίγραμμα μονάδας
από κάτω προς τα πάνω
Αν υπάρχει αναλυτικό WBS
χαμηλά
ψηλά
Συλλέγει πακέτα με πρόχειρα
Τρίποντο (PERT)
Εάν η αβεβαιότητα είναι υψηλή
μεσαίο
μέτρια-υψηλή
Προτείνει σενάρια O/M/P
Βήμα προς βήμα: Ασφαλής πρόβλεψη με AI
- Βάλτε πρώτα τα δεδομένα της ομάδας. Δώστε στην τεχνητή νοημοσύνη τις δικές σας προηγούμενες συνειδητοποιήσεις: «Παρόμοιες εργασίες χρειάστηκαν τόσο πολύ στην ομάδα μας». Άρα η πρόβλεψη βασίζεται στα δεδομένα σας και όχι σε γενίκευση.
- Επιλέξτε τη μέθοδο. Εάν η αβεβαιότητα είναι υψηλή, ζητήστε PERT. παραμετρική εάν υπάρχει μετρήσιμη μονάδα.
- Ζητήστε τρεις τελείες, όχι απλούς αριθμούς. Ζητήστε τιμές O/M/P και υποθέσεις για κάθε πακέτο.
- Κάντε τις υποθέσεις ορατές. Εκτυπώστε την υπόθεση που βασίζεται σε κάθε εκτίμηση (π.χ. "έτοιμο περιβάλλον δοκιμής", "επιστροφή πελάτη σε 2 ημέρες"). Μια λανθασμένη υπόθεση είναι μια λάθος εικασία.
- Προσθήκη πηγής και κοινή χρήση. Διαχωρίστε την προσπάθεια από τον χρόνο, σκεφτείτε τις διακοπές και τη διαθεσιμότητα (π.χ. ένα άτομο είναι πραγματικά παραγωγικό 4 ημέρες την εβδομάδα).
- Βαθμονόμηση με την ομάδα. Εξετάστε την τελική εκτίμηση με τα άτομα που θα κάνουν τη δουλειά. Μια πρόβλεψη γίνεται αξιόπιστη όταν το άτομο που την κάνει την κατέχει.
Προσοχή: Ρωτήστε την τεχνητή νοημοσύνη "πόσες ημέρες θα διαρκέσει αυτή η εργασία;" Η ερώτηση και η εγγραφή του αριθμού που προκύπτει απευθείας στο γράφημα είναι η πιο επικίνδυνη μορφή πρόβλεψης. Αυτός ο αριθμός δεν περιλαμβάνει τα δεδομένα της ομάδας σας. είναι απλώς ένα γενικό μοτίβο και μπορεί να είναι παραίσθηση.
τρεις μίνι θήκες
Περίπτωση 1 — Τίμιο σχέδιο με την PERT. Μια ομάδα λογισμικού ζήτησε από το AI προβλέψεις O/M/P και υποθέσεις για μια ενότητα 12 εργασιών. Το AI έδωσε προσχέδιο. Η ομάδα διόρθωσε κάθε αποστολή με τα δικά της ιστορικά δεδομένα. Ο συνολικός αναμενόμενος χρόνος ήταν 38 ημέρες, το απαισιόδοξο σύνολο ήταν 52 ημέρες. Η PM έδωσε στον πελάτη προθεσμία 45 ημερών και άφησε περιθώριο 7 ημερών. Το έργο ολοκληρώθηκε την 44η ημέρα. Αν δεν υπήρχε μετοχή, θα υπήρχε καθυστέρηση.
Περίπτωση 2 — Σύγχυση προσπάθειας/χρόνου. Ένας συντονιστής ρωτά την τεχνητή νοημοσύνη: "Πόσες ημέρες θα χρειαστούν για να ολοκληρωθούν 80 ανθρωποημέρες;" είπε. Το AI απάντησε "80 ημέρες" επειδή μπέρδεψε την προσπάθεια με τη διάρκεια. Γνωρίζοντας ότι η εργασία μπορούσε να γίνει από 4 άτομα παράλληλα, ο συντονιστής διόρθωσε τον χρόνο σε ~25 ημέρες (όχι 20 γιατί δεν ήταν διαιρετέος). Μάθημα: Οι άνθρωποι πρέπει να ελέγχουν την κατανομή προσπάθειας/χρόνου της τεχνητής νοημοσύνης.
Περίπτωση 3 — Μη τεκμηριωμένη γενίκευση. Ένας πρωθυπουργός έγραψε στο γράφημα ότι η τεχνητή νοημοσύνη απάντησε "μια ενσωμάτωση API διαρκεί συνήθως 5 ημέρες". Η προηγούμενη εμπειρία της ομάδας με αυτόν τον πάροχο API ήταν κακή και η τεκμηρίωση ήταν κακή. Η εργασία διήρκεσε 13 ημέρες. Αν ζητούνταν τα δεδομένα της ομάδας, αυτό θα φαινόταν από την αρχή. Μάθημα: η γενίκευση δεν υποκαθιστά την ομαδική πραγματικότητα.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Πόσες ημέρες χρειάζονται για τη δημιουργία ενός ιστότοπου ηλεκτρονικού εμπορίου;
Αυτή η προτροπή αναγκάζει το AI να δημιουργήσει έναν κατασκευασμένο αριθμό χωρίς να γνωρίζει τα δεδομένα του έργου σας. Δεν υπάρχει ομάδα, κανένα περιθώριο, καμία αβεβαιότητα.
Ισχυρή προτροπή:
Ο ρόλος σας: ειδικός στις εκτιμήσεις. Πλαίσιο: Ακολουθούν 8 πακέτα εργασίας και παρόμοιες προηγούμενες εργασίες της ομάδας μας. Εργασία: Δημιουργήστε μια εκτίμηση διάρκειας ΤΡΙΩΝ ΣΗΜΕΙΩΝ (αισιόδοξο O / πιθανότατα M / απαισιόδοξο P) για κάθε πακέτο και υπολογίστε την αναμενόμενη διάρκεια PERT με (O+4M+P)/6. Κανόνες: - Αναφέρετε απλώς τα ιστορικά δεδομένα που έχω δώσει. προσθέτοντας γενική υπόθεση αγοράς.- Γράψτε την υπόθεση που βασίζεται σε κάθε εκτίμηση σε μία μόνο γραμμή.- Εμφάνιση προσπάθειας (ανθρωποημέρες) και διάρκειας (ημερολογιακές ημέρες) σε ξεχωριστή στήλη.- Σημειώστε το πακέτο για το οποίο δεν είστε σίγουροι με "[απαιτείται επιβεβαίωση ομάδας]". Έξοδος: πίνακας (Πακέτο | O | M | P | PERT | Προσπάθεια | Υπόθεση). Ιστορικά δεδομένα:- Ενοποίηση πληρωμών (ιστορικό: 9,11,8 ημέρες)- Κατάλογος προϊόντων (ιστορικό: 6,5 ημέρες)- ... (άλλα πακέτα)
Αυτός ο ισχυρισμός είναι ισχυρός: η μέθοδος (PERT), το όριο πηγής δεδομένων, η απαίτηση υποθέσεων και η διάκριση προσπάθειας/χρόνου είναι σαφής.
Πρόσθετα πρότυπα:
# Υποθέσεις κυνηγός Καταχωρίστε όλες τις υποθέσεις που αποδεχτήκατε σιωπηλά ως αληθείς, ώστε αυτή η πρόβλεψη να αποδειχθεί αληθινή. Για κάθε υπόθεση, υπολογίστε πόσο θα επηρεάσει το χρόνο εάν αποδειχθεί λάθος.
# Ανάλυση ευαισθησίαςΕάν η πιο πιθανή διάρκεια της ακόλουθης εργασίας είναι M; Πώς αλλάζει η συνολική διάρκεια του έργου εάν το M αυξηθεί κατά 20%; Ποιες 3 εργασίες είναι πιο ευαίσθητες στη συνολική διάρκεια; (Αυτές οι εργασίες πρέπει να παρακολουθούνται πρώτα.)
# Σύσταση έκτακτης ανάγκης Με βάση τις παρακάτω αποκλίσεις PERT, προτείνετε ένα εύλογο ποσοστό αποζημίωσης χρόνου για ολόκληρο το έργο και εξηγήστε σε τι το βασίζετε. Αυτή είναι μια πρόταση. Η τελική μετοχή ανήκει στον διαχειριστή.
Συνήθη λάθη
- Εμμονή σε έναν μόνο αριθμό: Λέγοντας "10 ημέρες" κρύβετε αβεβαιότητα. Η σειρά O/M/P είναι ειλικρινής.
- Συγχέοντας την προσπάθεια με τον χρόνο: 40 ανθρωποημέρες δεν είναι 40 ημερολογιακές ημέρες.
- Υποθέτοντας 100% διαθεσιμότητα: Κανείς δεν μπορεί να αφιερώσει 5 ημέρες την εβδομάδα μόνο σε αυτήν την εργασία. Γίνονται συναντήσεις, άδειες, διακοπές.
- Λάθος γενίκευση για τα δεδομένα της ομάδας: Ο "συνήθης χρόνος" του AI δεν είναι η ταχύτητα της ομάδας σας.
- Μη καταγραφή υποθέσεων: Μια αόρατη υπόθεση είναι μια εικασία που εκρήγνυται.
- Χωρίς περιθώριο: Εάν υπάρχει αβεβαιότητα, ένα εύλογο περιθώριο χρόνου/προϋπολογισμού είναι υποχρεωτικό.
Συμβουλή: Όταν τελειώσετε να μαντέψετε, αναρωτηθείτε: "Υπάρχει 90 τοις εκατό πιθανότητα να πραγματοποιηθεί αυτός ο αριθμός ή 50 τοις εκατό να τον αποκτήσετε;" Τα περισσότερα στοιχήματα ενός πόντου είναι στην πραγματικότητα στοιχήματα 50 τοις εκατό. Να το γνωρίζετε αυτό όταν δίνετε μια υπόσχεση στον πελάτη.
Συνοπτικά
Η εκτίμηση είναι η πιο επικίνδυνη δουλειά του έργου. Οι μέθοδοι αναλογικής, παραμετρικής, από κάτω προς τα πάνω και τριών σημείων (PERT) προσφέρουν διαφορετικές ταχύτητες και ακρίβεια. Η τεχνητή νοημοσύνη είναι γρήγορη στις πρόχειρες προβλέψεις και τη δημιουργία σεναρίων, αλλά γενικεύει χωρίς να γνωρίζει τα δεδομένα της ομάδας σας και μπορεί να προκαλέσει σύγχυση στην προσπάθεια/χρόνο. Ασφαλής εικασία? Βάζοντας πρώτα τα δεδομένα της ομάδας, δουλεύοντας σε τρία σημεία, καθιστώντας ορατές τις υποθέσεις, διαχωρίζοντας προσπάθεια και χρόνο και βαθμονομώντας τον τελικό αριθμό με την ομάδα. Η ημερομηνία δέσμευσης και ο προϋπολογισμός υπόκεινται πάντα σε ανθρώπινη επαλήθευση.
Εργασία εφαρμογής
Επιλέξτε 5 εργασίες από το έργο σας. Ζητήστε από το AI την εκτίμηση O/M/P και τον αναμενόμενο χρόνο PERT για καθένα (δώστε τα ιστορικά δεδομένα της ομάδας σας ανώνυμα). Στη συνέχεια, γράψτε την υπόθεση πίσω από κάθε εργασία και ελέγξτε την εκτίμηση με ένα μέλος της ομάδας που θα κάνει τη δουλειά. Διορθώστε τουλάχιστον δύο εκτιμήσεις με βάση τα δεδομένα της ομάδας και καθορίστε ένα εύλογο χρονικό περιθώριο για το σύνολο.
λίστα ελέγχου
- [ ] Βάσισα την εκτίμηση στα ιστορικά δεδομένα της ομάδας μου, όχι στη γενίκευση.
- [ ] Έκανα εξάσκηση στο O/M/P (τρεις τελείες) αντί για τους περιττούς αριθμούς.
- [ ] Έγραψα την υπόθεση που βρίσκεται κάτω από κάθε πρόβλεψη.
- [ ] Ξεχώρισα την προσπάθεια (ανθρωποημέρα) και την ώρα (ημερολόγιο).
- [ ] Έλαβα υπόψη πραγματικούς περιορισμούς όπως διαθεσιμότητα/άδεια.
- [ ] Άφησα ένα εύλογο περιθώριο αβεβαιότητας και βαθμολόγησα την εκτίμηση με την ομάδα.