利益:
- アナログ、パラメトリック、および 3 点 (PERT) 推定方法を理解し、人工知能を使用して時間とリソースの推定草案を作成する能力。
- 予測の不確実性 (楽観的/可能性的/悲観的シナリオ、信頼区間) を解釈し、単一の数値ではなく範囲に基づいて計画を立てる能力
- AI の予測は過去のパターンと仮定に基づいており、最終的な予算と時間の約束はチームのデータと専門家の判断によって検証される必要があることを認識する能力
見積もりはプロジェクト管理において最も困難でリスクの高い作業です。 「どれくらい時間がかかりますか？」 「何人くらいかかりますか？」これらの質問に対する答えが、スケジュール、予算、顧客との約束の基礎となります。見積もりが不十分だと、適切に管理されたプロジェクトであっても失敗します。楽観的すぎると遅延やペナルティが発生し、悲観的すぎると入札に失敗します。人工知能はこの分野では魅力的なアシスタントです。時間を秒単位で与えます。これがまさにこれが最も危険な理由です。AI は、チームの実際の速度を知らなくても、自信に満ちた数値を生成することができます。この単元では、予測方法、予測で AI を安全に使用する方法、および各予測を検証する方法について説明します。
基本的な予測方法
いくつかのメソッドを定義しましょう。類推とは、過去の似たような仕事を見て、「あれは 10 日かかったが、これは似ている」と言う意味です。速いけど荒っぽい。パラメトリック見積もりでは、単価/時間に数量を掛けます (例: 「1 ページあたり 0.5 日 × 40 ページ = 20 日」)。データに基づいています。ボトムアップ見積もりでは、各作業パッケージを個別に見積もり、集計します。これは最も正確ですが、最も遅いです。 3 点推定 (PERT) は不確実性を認識します。タスクごとに、楽観的 (O)、最も可能性の高い (M)、および悲観的 (P) の期間が推定され、加重平均がとられます。
PERT の式は次のとおりです。 予想期間 = (O + 4M + P) / 6。たとえば、タスクの場合、楽観的な 4 日が 6 日である可能性が最も高い場合、悲観的な 14 日の予想期間は = (4 + 24 + 14) / 6 = 7 日となります。標準偏差は、(P − O) / 6 = (14 − 4) / 6 ≈ 1.7 日です。これは不確実性のマージンを示しています。単一の「6 日」と言う代わりに、「予想 7 日、偏差 ±1.7 日」と言う方がはるかに正直な計画です。
さらに、2 つの概念が重要です。工数は、ジョブに必要な工数です (例: 10 人日)。期間は、カレンダー上でこのジョブにかかる日数です。 2 人で 10 人日分の作業を 5 日で完了できます。しかし、すべての仕事を無限に分割できるわけではありません（1 か月に 9 人の女性が赤ちゃんを産むことはできません）。 AI はこの 2 つを混同する可能性があります。それを分けなければなりません。
方法
いつが適切ですか?
速度
精度
AIの役割
類推的な
初期段階、情報が少ない
高い
低い
同様のプロジェクトパターンを提案する
パラメトリック
測定可能な単位がある場合
高い
中程度
式と単位の概要を生成します
ボトムアップ
詳細なWBSがある場合
低い
高い
下書きのパケットを収集します
3 点 (PERT)
不確実性が高い場合
中程度
中～高
O/M/P シナリオを提案します
ステップバイステップ: AI による安全な予測
- チームデータを最初に置きます。あなた自身の過去の認識を AI に与えてください。「私たちのチームでは、同様のタスクにこれほど時間がかかりました。」したがって、予測は一般化ではなく、データに基づいています。
- 方法を選択します。不確実性が高い場合は、PERT を依頼してください。測定可能な単位がある場合はパラメトリック。
- 単一の数字ではなく、3 つの点を要求してください。各パッケージの O/M/P 値と仮定を尋ねます。
- 仮定を可視化します。各見積もりの基礎となる仮定を出力します (例: 「テスト環境は準備完了」、「顧客は 2 日以内に返品」)。間違った推測は間違った推測です。
- ソースを追加して共有します。労力と時間を分けて、休暇と空き状況を考慮してください (たとえば、人は実際に週に 4 日生産的です)。
- チームと一緒に調整します。作業を行う担当者と最終見積もりを確認します。予測は、それを作成した人がそれを所有する場合に信頼性が高くなります。
注意: AI に「この作業には何日かかりますか?」と尋ねます。質問して、結果の数字をチャートに直接書き込むことは、予測の最も危険な形式です。この数値にはチームのデータは含まれません。それは単なる一般的なパターンであり、幻覚である可能性があります。
ミニケース3個
ケース 1 — PERT を使用した誠実な計画。ソフトウェアチームはAIに12タスクモジュールのO/M/P予測と仮定を依頼しました。 AI が草案を提出しました。チームは各ミッションを独自の履歴データで修正しました。予想の合計は 38 日、悲観的な合計は 52 日でした。 PM は顧客に 45 日間の期限を与え、7 日間のマージンを残しました。プロジェクトは44日目に終了しました。シェアが無い場合は遅延が発生します。
ケース 2 — 労力と時間の混同。コーディネーターはAIに「80人日の仕事を完了するには何日かかりますか?」と尋ねます。彼は言いました。 AIが「80日」と答えたのは、労力と期間を混同しているからだ。作業は 4 人で並行して実行できることがわかったので、コーディネーターは時間を約 25 日に修正しました (割り切れないため 20 日ではありません)。教訓: 人間は AI の労力と時間の配分を制御する必要があります。
ケース 3 — 根拠のない一般化。ある PM は、AI が「API 統合には通常 5 日かかります」と回答したとチャートに書きました。この API プロバイダーに関するチームの過去の経験は乏しく、ドキュメントも貧弱でした。作業には13日間かかりました。チームデータを問われれば、これは最初から見えている。教訓: 一般化はチームの現実の代わりにはなりません。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
ECサイトの立ち上げにはどれくらいの日数がかかりますか?
このプロンプトは、AI にプロジェクトのデータを知らなくてもでっち上げの数値を生成させます。チームも範囲も不確実性もありません。
強力なプロンプト:
あなたの役割: 見積もりスペシャリスト。コンテキスト: 以下は、8 つの作業パッケージと、私たちのチームの同様の過去の割り当てです。タスク: 各パッケージの THREE-POINT (楽観的な O / 最も可能性の高い M / 悲観的な P) の期間推定値を生成し、PERT の予想期間を (O+4M+P)/6 で計算します。ルール:- 私が与えた過去のデータを参照するだけです。一般的な市場の仮定を追加します。- 各見積もりの基礎となる仮定を 1 行で記述します。- 工数 (人日) と期間 (暦日) を別の列に表示します。- 確信が持てないパッケージには「[チームの確認が必要]」とマークしてください。出力: テーブル (パッケージ | O | M | P | PERT | 作業量 | 仮定)。履歴データ:- 支払い統合 (履歴: 9、11、8 日)- 製品カタログ (履歴: 6.5 日)- ... (その他のパッケージ)
この主張は強力です。方法 (PERT)、データ ソースの制限、前提条件、および労力と時間の区別は明確です。
追加のテンプレート:
# 仮定ハンター この予測が真実であることが判明するために、黙って真実として受け入れたすべての仮定をリストします。それぞれの仮定について、それが間違っていることが判明した場合に時間にどの程度影響するかを見積もります。
# 感度分析次のタスクの最も可能性の高い期間が M の場合、 M が 20% 増加すると、プロジェクトの合計期間はどのように変化しますか?合計期間の影響を最も受けやすい 3 つのタスクはどれですか? (これらのタスクを最初に監視する必要があります。)
# 緊急事態推奨者 以下の PERT 偏差に基づいて、プロジェクト全体に対する妥当な時間許容率を提案し、その根拠を説明します。これは提案です。最終的な分け前はマネージャーに帰属します。
よくある間違い
- 単一の数字に固執する: 「10 日」と言うと不確実性が隠されます。 O/M/P範囲は正直です。
- 労力と時間の混同: 40 人日は 40 暦日ではありません。
- 可用性が 100% であると仮定すると、このタスクだけに週 5 日を費やすことは誰にもできません。会議、退勤、中断があります。
- 一般化をチーム データと誤解する: AI の「標準時間」はチームの速度ではありません。
- 仮定を書き留めない: 目に見えない仮定は、爆発する推測です。
- マージンなし: 不確実性がある場合は、適切な時間/予算のマージンが必須です。
ヒント: 推測が終わったら、「この数字が当たる確率は 90% ですか? それとも 50% ですか?」と自問してください。ほとんどの 1 ポイント ベットは実際には 50% のベットです。顧客と約束するときは、このことを理解してください。
要約すると
見積もりはプロジェクトの中で最もリスクの高い仕事です。アナロジカル、パラメトリック、ボトムアップ、および 3 点 (PERT) 手法は、異なる速度と精度を提供します。 AI はドラフト予測とシナリオ生成が高速ですが、チームのデータを知らずに一般化してしまうため、労力や時間が混乱する可能性があります。安全な推測です。チームデータを最優先し、3 つのポイントに取り組み、仮定を可視化し、労力と時間を分離し、最終的な数値をチームで調整します。約束された日付と予算は常に人間による検証を受けます。
アプリケーションタスク
プロジェクトから 5 つのタスクを選択します。 AI に O/M/P の見積もりとそれぞれの PERT の予想時間を尋ねます (チームの履歴データを匿名で提供します)。次に、各タスクの背後にある前提条件を書き出し、その作業を行うチーム メンバーと一緒に見積もりを確認します。チームのデータに基づいて少なくとも 2 つの見積もりを修正し、合計に対する妥当な時間マージンを決定します。
チェックリスト
- [ ] 私は一般化ではなく、チームの過去のデータに基づいて推定しました。
- [ ] 奇数の代わりにO/M/P（点3つ）を練習しました。
- [ ] それぞれの予測の根底にある仮定を書きました。
- [ ] 労力 (人日) と時間 (カレンダー) を分離しました。
- [ ] 可用性や許可などの実際の制約を考慮しました。
- [ ] 不確実性に対して適切なマージンを残し、チームと一緒に推定値を調整しました。