Guadagni:
- Essere in grado di distinguere dove l'intelligenza artificiale fa risparmiare tempo reale nella gestione del progetto (pianificazione, stima, reporting, comunicazione) e dove decisioni come l'impegno del budget e la data di consegna sono lasciate al project manager, a seconda del livello di rischio dell'attività
- Capacità di applicare una disciplina che verifica ogni output dell'intelligenza artificiale attraverso le fasi di collegamento alla fonte, ricalcolo e passaggio attraverso il filtraggio amministrativo.
- Rendere anonimi i dati di progetti, clienti e parti interessate nell'ambito della KVKK/privacy e della NDA e acquisire l'abitudine di scegliere veicoli sicuri
Ci sono centinaia di decisioni in ogni progetto, la maggior parte delle quali vengono prese in silenzio. Per chi è questo lavoro? Quanti giorni richiederanno questo compito? Il budget regge? Quale data dovremmo comunicare al cliente? Cosa facciamo se si verifica questo rischio? Quale decisione abbiamo preso durante l'incontro della scorsa settimana, chi avrebbe fatto cosa? Alcune di queste decisioni sono iterative, richiedono molti dati e richiedono molto tempo; La maggior parte del lavoro di un project manager (PM - Project Manager, la persona responsabile dalla pianificazione alla consegna del progetto) viene speso scrivendo report, compilando tabelle, preparando e-mail e tenendo appunti di riunioni. L’intelligenza artificiale (AI, o AI in breve – sistemi informatici in grado di generare testo, riconoscere modelli, fare previsioni e sintetizzare dati come gli esseri umani) si colloca proprio al centro di questo quadro: se utilizzata correttamente, può elaborare una struttura di suddivisione del lavoro, un registro dei rischi, un rapporto sullo stato o un riepilogo di una riunione in pochi minuti anziché in ore; Utilizzato in modo errato, può portare a un impegno del cliente da un'ipotesi apparentemente sicura ma infondata.
La prima unità di questo modulo non è un'introduzione al software. Il suo scopo è chiarire dove inserire l'intelligenza artificiale nel lavoro del progetto e dove non inserirla affatto. Perché la gestione del progetto è un campo sia “operativo-critico” che “critico per l'impegno”: una stima del tempo che fornisci si basa su un contratto firmato con il cliente; una decisione relativa a una risorsa si trasforma nel calendario di un membro del team pieno di settimane. Esponiamo fin dall'inizio il principio di base: l'intelligenza artificiale è un assistente, non un project manager. La responsabilità e l'approvazione finale delle decisioni come l'impegno di budget, la promessa della data di consegna, l'allocazione delle risorse e l'obbligo contrattuale appartengono al project manager competente e alle parti interessate responsabili.
Livelli di gestione dei progetti e il ruolo dell’intelligenza artificiale
Per comprendere un progetto è utile dividere il lavoro in tre strati. Il livello operativo è l'operazione quotidiana: tracciamento delle attività, nota della riunione, e-mail, aggiornamento dello stato. Il livello tattico prevede la pianificazione e il monitoraggio: struttura di ripartizione del lavoro, pianificazione, previsione, registro dei rischi, rapporto sullo stato. Il livello strategico determina la logica e la direzione del progetto: costi-benefici, priorità del portafoglio, decisione sull’ambito. L’intelligenza artificiale può toccare tutti e tre i livelli; ma con un'autorità diversa in ciascuno. A livello operativo, l’intelligenza artificiale produce bozze e riassunti rapidi; A livello strategico fornisce solo input, la decisione è presa dal management e dallo sponsor. Spiegheremo concetti come sponsor (il top manager che finanzia il progetto e la proprietà aziendale), stakeholder (tutti coloro che sono interessati dal progetto o influenzano il progetto - cliente, team, fornitore, utente) uno per uno nelle unità seguenti.
Definiamo alcuni termini fondamentali fin dall'inizio. L’ambito è ciò che il progetto farà e non farà. Una struttura di scomposizione del lavoro (WBS) è una scomposizione del lavoro in parti gestibili. Una pietra miliare è un punto importante che segna il progresso (ad esempio "approvazione del progetto"). Un rischio è un evento incerto che influenzerà il progetto se si verifica. Il deliverable è l'output concreto prodotto dal progetto. In tutti questi concetti, l’intelligenza artificiale fornisce lo schema e l’analisi, ma non prende decisioni.
La tabella seguente riassume il ruolo e il livello di rischio dell'IA per missione:
Ricerca
Ruolo dell'intelligenza artificiale
Livello di rischio
Chi approva
Riepilogo della riunione/bozza dell'e-mail
generatore di schizzi
basso
responsabile del progetto
WBS/profilo dell'ambito
generatore di schizzi
medio-basso
Primo Ministro + squadra
Durata e stima delle risorse
Previsore, generatore di scenari
medio-alto
PM + dati della squadra
Punteggio del registro dei rischi
Stimolo statistico
medio
Proprietario del rischio + PM
Rapporto sullo stato/commento EVM
Analisi e bozza
medio
responsabile del progetto
Data di consegna/impegno di budget
ingresso ausiliario
molto alto
Primo Ministro + sponsor
Decisione di allocazione del contratto/risorse
ingresso ausiliario
molto alto
Sponsor + PM
Tieni presente una linea in questo grafico: all’aumentare del rischio, il ruolo dell’intelligenza artificiale si riduce, l’approvazione umana cresce.
Perché la "verifica" è il cuore di questo business
I modelli linguistici dell’intelligenza artificiale sembrano fiduciosi nella loro risposta, ma potrebbero non esserlo. Nel linguaggio tecnico questa si chiama allucinazione: è la fabbricazione da parte del modello di informazioni inesistenti in una frase scorrevole, proprio come se fossero vere. Per un project manager, questa è una trappola seria: il modello può darti con sicurezza un periodo di tempo di "questo tipo di integrazione software richiede in genere 3 settimane", mentre non sa nulla della velocità del tuo team, del debito tecnico, del programma delle ferie e questo numero è una generalizzazione completa. Oppure potrebbe travisare una metodologia (ad esempio, "PMBOK 7 richiede quanto segue"). Dal momento che li dice entrambi con la stessa fluidità, l'unica cosa che separa il bene dallo sbagliato è la tua conoscenza e l'abitudine alla verifica.
La disciplina di verifica si compone di tre fasi:
- Collegamento alla fonte: fai affidamento sui record della tua organizzazione (dati storici del progetto, pianificazioni, pool di risorse, contabilità) e sulle congetture del tuo team, non sulla memoria dell'intelligenza artificiale, per durate, costi, capacità e prestazioni passate. Usa l’intelligenza artificiale per commentare quei dati, non per ricordarli.
- Ricalcola/confronta: controlla in modo indipendente ogni risultato numerico restituito dall'IA (tempo totale, budget, percentuale di completamento, CPI/SPI). Verifica tu stesso un totale, una media ponderata, un percorso critico.
- Filtro manageriale: verifica dal punto di vista del manager se i risultati contraddicono i fatti sul campo (disponibilità del team, budget, contratto, dipendenze).
Attenzione: Presentare allo sponsor una previsione o un report prodotto dall'AI o affidarlo al cliente senza verificarlo è come dare un contratto non firmato. Solo perché l'output è fluido non è vero.
Riservatezza: i dati del progetto sono spesso riservati
Gran parte dei dati del progetto sono sensibili. Il nome del cliente, l'importo del contratto, i prezzi delle offerte, la retribuzione del personale, le informazioni sulle prestazioni e i piani di prodotto che non sono ancora stati annunciati sono spesso protetti da NDA (accordo di non divulgazione); I dati personali sono coperti dalla KVKK (legge sulla protezione dei dati personali) in Turchia e dal GDPR in Europa. Incollare semplicemente il nome del cliente, il prezzo del contratto, i nomi dei membri del team e i punteggi delle prestazioni in uno strumento di intelligenza artificiale disponibile al pubblico potrebbe costituire sia una violazione del contratto che una violazione dei dati. La regola è semplice: rendere anonimi i dati e non condividerli inutilmente. "Progetto software per un grande cliente finanziario" invece di "Progetto CRM da 4,2 milioni di TL con ABC Bank"; Invece di "Zia (sviluppatore senior, scarse prestazioni)", scrivi "un membro senior del team". Se possibile, scegli strumenti aziendali che dispongano di un accordo sul trattamento dei dati e non utilizzino i tuoi dati nell'addestramento del modello.
tre mini custodie
Caso 1: utilizzo sicuro. Un coordinatore del progetto dedicava 2,5 ore ogni settimana alla compilazione dei progressi di 6 pacchetti di lavoro in un unico rapporto sullo stato. Ha fornito i dati sullo stato di avanzamento in forma anonima (nome del cliente e importi mascherati) ad AI e ha richiesto una bozza di sintesi. L'IA ha prodotto uno schizzo in 12 minuti; Il coordinatore ha confrontato ogni percentuale con il suo grafico di monitoraggio, ha corretto un tasso di completamento errato e ha adattato i colori dello stato alla realtà. Durata: 35 minuti invece di 2,5 ore. L'IA ha dato la bozza, la responsabilità è rimasta dell'umano.
Caso 2 – Trappola di previsione non confermata. Un primo ministro ha chiesto all’IA “quanti giorni richiede il test di un’app mobile?” AI ha detto "circa 8 giorni" prima di vedere i dati della squadra. PM lo ha impegnato nei confronti del cliente; il tempo effettivo è stato di 15 giorni lavorativi in base ai dati storici del team. Una deviazione di 7 giorni ha comportato una penalità. Errore: aspettarsi un numero dall'IA per generare un impegno senza i dati della squadra.
Caso 3 — Violazione della riservatezza. Un team leader ha caricato un piano delle risorse contenente il nome del cliente, l'importo del contratto e le informazioni sul nome e sullo stipendio dell'intero team in uno strumento pubblico di intelligenza artificiale e ha detto "ottimizza questo". I dati sono andati a un server esterno; il cliente ha inviato un avviso per violazione dell'NDA. Il modo corretto era omettere nome, importo e stipendio e condividere solo campi anonimi come ruolo e percentuale di impegno.
Prompt debole / Prompt forte
Suggerimento debole:
Scrivi sullo stato del nostro progetto questo mese e raccontaci quanta strada abbiamo fatto.
Questa affermazione è errata: all'intelligenza artificiale non sono stati forniti dati, quindi può solo rispondere alla domanda "quanto siamo lontani?" con un numero inventato. Né il periodo, né la portata, né il contesto sono chiari.
Suggerimento potente:
Il tuo ruolo: assistente che assiste un project manager. Contesto: di seguito sono riportati il piano/dati effettivi per 5 pacchetti di lavoro (nome del cliente e importi mascherati). Compito: scrivere una bozza di un riepilogo esecutivo (200 parole o meno). Usa semplicemente i dati che ho fornito; scrivere "[conferma richiesta]" per informazioni mancanti, adattamento del numero. Struttura: 1) Stato generale (RAG), 2) Pacchetti in avanzamento, 3) Pacchetti devianti e motivazione, 4) Raccomandazione. Dati:- Analisi WBS-1: piano 100%/effettivo 100%- Progettazione WBS-2: piano 80%/effettivo 60%- Sviluppo WBS-3: piano 40%/effettivo 25%- Test WBS-4: piano 10%/effettivo 0% - Documentazione WBS-5: piano 20%/effettivo 20%
Questo suggerimento è forte perché il ruolo, il contesto, i dati, il confine (“adattamento del numero”), il formato e l’ambiguità (“[conferma richiesta]”) sono forniti chiaramente. L'output deve essere comunque validato dal project manager.
Altri tre utili modelli iniziali:
# Modello che impone l'incertezzaEstrai decisioni e azioni dal testo seguente. Non assegnare responsabilità o date che non siano chiaramente menzionate nel testo; Scrivi "incerto" dove non sei sicuro. Non inventarlo.
# Promemoria di anonimizzazione (autocontrollo) Se nel testo che ti fornirò vedi il nome del cliente, l'importo o il nome della persona, avvisami prima di iniziare il processo e suggeriscimi di sostituire questi campi con [MASKED].
# Modello che genera un elenco di convalida Per ogni risultato numerico prodotto, aggiungi un "passaggio di convalida" di una riga su come il project manager può verificarlo in modo indipendente.
Errori comuni
- Aspettarsi numeri senza fornire dati: chiedere all’IA tempi, costi o progressi senza fornire i dati del proprio progetto la invita ad avere allucinazioni.
- Confondere la fluidità con l'accuratezza: un testo ben scritto non significa che sia corretto.
- Incollare i dati riservati così come sono: il nome del cliente, l'importo e le informazioni di contatto non devono essere inseriti in nessuno strumento aperto senza anonimizzazione.
- Delegare l'impegno all'intelligenza artificiale: la data di consegna e il budget non devono essere impegnati senza la verifica del team.
- Cercando di concluderlo con un singolo prompt: buoni risultati provengono da prompt strutturati che includono il formato dei limiti dei dati del contesto del ruolo.
Suggerimento: inizia ogni sessione di intelligenza artificiale chiedendo: "Quali tre cose dovrei verificare personalmente prima di presentare questo risultato a uno sponsor?" Inizia con la domanda. Questa abitudine ti proteggerà durante tutte le attività del resto del modulo.
In sintesi
L'intelligenza artificiale è un potente assistente nella gestione dei progetti che accelera report, piani, stime e comunicazione; Si tratta però di uno strumento che produce bozze, non impegni. Quando dividiamo il business in livelli operativi, tattici e strategici, il ruolo dell’intelligenza artificiale si riduce all’aumentare del rischio. Ogni output deve essere validato attraverso tre passaggi (collegamento alla fonte, ricalcolo, filtro amministrativo); I dati del progetto e del cliente devono essere resi anonimi nell'ambito della KVKK/NDA. La responsabilità e l’approvazione finale delle decisioni critiche spetta sempre all’essere umano.
Compito dell'applicazione
Scegli un'attività dal tuo progetto attuale. Innanzitutto, scrivi un prompt deliberatamente "debole" per l'IA (senza contesto, senza fornire alcun dato) e salva l'output. Quindi chiedi di nuovo lo stesso compito con la struttura "forte suggerimento" in questa unità (ruolo, contesto, dati anonimi, confine, formato). Affianca le due stampe e scrivi la differenza e almeno tre punti che devi verificare tu stesso in entrambe le stampe.
lista di controllo
- [ ] Ho posizionato il ruolo dell'IA come "assistente/bozza" e la decisione come "umana".
- [ ] Ho determinato il livello di rischio (basso/medio/alto) del mio compito.
- [ ] Ho aggiunto ruolo, contesto, dati, confine e formato al prompt.
- [ ] Ho reso anonimo il nome del cliente, l'importo e le informazioni sulla persona.
- [] Ho notato il passaggio in cui verificherò in modo indipendente ciascun numero nell'output.
- [ ] Non ho condiviso alcun output contenente impegni (data/budget) senza verificarlo.