Zyski:
- Umiejętność rozróżnienia, gdzie sztuczna inteligencja oszczędza czas rzeczywisty w zarządzaniu projektami (planowanie, szacowanie, raportowanie, komunikacja), a gdzie decyzje takie jak zaangażowanie budżetu i termin realizacji pozostawia się kierownikowi projektu, w zależności od poziomu ryzyka zadania
- Możliwość zastosowania dyscypliny weryfikującej każdy wynik sztucznej inteligencji poprzez etapy podłączenia go do źródła, przeliczenia i poddania filtrowaniu administracyjnemu.
- Anonimizacja danych projektowych, klientów i interesariuszy w zakresie KVKK/privacy i NDA oraz wyrobienie nawyku wybierania bezpiecznych pojazdów
W każdym projekcie są setki decyzji, z których większość jest podejmowana po cichu. Dla kogo jest ta praca? Ile dni zajmie to zadanie? Czy budżet się trzyma? O jakiej dacie powinniśmy powiedzieć klientowi? Co zrobimy w przypadku wystąpienia takiego ryzyka? Jaką decyzję podjęliśmy na zeszłotygodniowym spotkaniu, kto co miał zrobić? Niektóre z tych decyzji mają charakter iteracyjny, wymagają dużej ilości danych i są czasochłonne; Większość pracy kierownika projektu (PM - Project Managera, osoby odpowiedzialnej od planu do realizacji projektu) polega na pisaniu raportów, wypełnianiu tabel, przygotowywaniu e-maili i prowadzeniu notatek ze spotkań. Sztuczna inteligencja (sztuczna inteligencja, w skrócie sztuczna inteligencja – systemy komputerowe, które potrafią generować tekst, rozpoznawać wzorce, przewidywać i podsumowywać dane jak ludzie) wpisuje się w sam środek tego obrazu: prawidłowo wykorzystana może sporządzić strukturę podziału pracy, rejestr ryzyka, raport o stanie lub podsumowanie spotkania w minutach, a nie w godzinach; Nieprawidłowo zastosowany może prowadzić do zaangażowania klienta na podstawie pozornie bezpiecznego, ale bezpodstawnego przypuszczenia.
Pierwszą częścią tego modułu nie jest wprowadzenie do oprogramowania. Jego celem jest wyjaśnienie, gdzie umieścić sztuczną inteligencję w pracy nad projektem, a gdzie w ogóle jej nie umieszczać. Ponieważ zarządzanie projektami jest dziedziną zarówno „krytyczną dla operacji”, jak i „krytyczną dla zaangażowania”: podany przez Ciebie szacunkowy czas opiera się na umowie podpisanej z klientem; jedna decyzja dotycząca zasobów zamienia się w kalendarz członka zespołu wypełniony tygodniami. Ustalmy od początku podstawową zasadę: AI jest asystentem, a nie kierownikiem projektu. Odpowiedzialność i ostateczne zatwierdzenie decyzji, takich jak zobowiązanie budżetowe, obietnica terminu dostawy, alokacja zasobów i zobowiązania umowne, należą do kompetentnego kierownika projektu i odpowiedzialnych interesariuszy.
Warstwy zarządzania projektami i miejsce AI
Aby zrozumieć projekt, warto podzielić pracę na trzy warstwy. Warstwa operacyjna to codzienna operacja: śledzenie zadań, notatka ze spotkania, e-mail, aktualizacja statusu. Warstwa taktyczna to planowanie i śledzenie: struktury podziału pracy, harmonogramu, prognozy, rejestru ryzyka, raportu o stanie. Warstwa strategiczna określa uzasadnienie i kierunek projektu: koszty i korzyści, priorytet portfela, decyzja o zakresie. AI może dotknąć wszystkich trzech warstw; ale w każdym z nich inny autorytet. W warstwie operacyjnej sztuczna inteligencja generuje szybkie wersje robocze i podsumowania; Na poziomie strategicznym zapewnia jedynie wkład, a decyzję podejmują kierownictwo i sponsor. W kolejnych rozdziałach będziemy wyjaśniać pojęcia takie jak sponsor (najwyższy menadżer finansujący projekt i własność korporacyjna), interesariusz (każdy, na kogo projekt wpływa lub na który ma wpływ – klient, zespół, dostawca, użytkownik).
Zdefiniujmy na początek kilka podstawowych pojęć. Zakres określa, co projekt będzie robił, a czego nie. Struktura podziału pracy (WBS) to podział pracy na łatwe do zarządzania części. Kamień milowy to ważny punkt oznaczający postęp (np. „zatwierdzenie projektu”). Ryzyko to niepewne zdarzenie, które w przypadku wystąpienia będzie miało wpływ na projekt. Produkt dostarczany to konkretny wynik wytworzony w ramach projektu. We wszystkich tych koncepcjach sztuczna inteligencja zapewnia zarys i analizę, ale nie podejmuje decyzji.
W poniższej tabeli podsumowano rolę i poziom ryzyka sztucznej inteligencji według misji:
Zadanie
Rola sztucznej inteligencji
Poziom ryzyka
Kto zatwierdza
Podsumowanie spotkania / wersja robocza e-maila
generator szkiców
niski
kierownik projektu
WBS / zarys zakresu
generator szkiców
nisko-średni
Premier + zespół
Czas trwania i szacowanie zasobów
Synoptyk, generator scenariuszy
średnio-wysoki
PM + dane zespołu
Punktacja rejestru ryzyka
Bodziec statystyczny
średni
Właściciel ryzyka + PM
Raport o stanie / komentarz EVM
Analiza i projekt
średni
kierownik projektu
Termin dostawy / zobowiązanie budżetowe
wejście pomocnicze
bardzo wysoki
Premier + sponsor
Decyzja o kontrakcie/alokacji zasobów
wejście pomocnicze
bardzo wysoki
Sponsor + PM
Należy pamiętać o jednej linii na tym wykresie: wraz ze wzrostem ryzyka rola sztucznej inteligencji maleje, a akceptacja ludzi rośnie.
Dlaczego „weryfikacja” jest sercem tego biznesu
Modele językowe sztucznej inteligencji wydają się pewne swojej odpowiedzi, ale mogą nie być tego pewne. W języku technicznym nazywa się to halucynacją: jest to sfabrykowanie przez model nieistniejącej informacji w płynnym zdaniu, tak jakby to była prawda. Dla kierownika projektu jest to poważna pułapka: model może z pewnością podać ramy czasowe „tego typu integracja oprogramowania trwa zwykle 3 tygodnie”, podczas gdy nie wie nic o szybkości pracy Twojego zespołu, zadłużeniu technicznym, harmonogramie urlopów, a liczba ta jest całkowitym uogólnieniem. Może też błędnie przedstawiać metodologię (np. „PMBOK 7 wymaga następujących elementów”). Ponieważ mówi jedno i drugie z taką samą płynnością, jedyną rzeczą, która oddziela dobro od zła, jest twoja wiedza i nawyk sprawdzania.
Dyscyplina weryfikacji składa się z trzech etapów:
- Link do źródła: polegaj na dokumentacjach własnej organizacji (historyczne dane projektu, harmonogramy, pula zasobów, księgowość) i domysłach swojego zespołu, a nie pamięci sztucznej inteligencji, jeśli chodzi o czas trwania, koszty, możliwości i przeszłe wyniki. Używaj sztucznej inteligencji do komentowania tych danych, a nie do ich zapamiętywania.
- Oblicz ponownie/porównaj: niezależnie sprawdzaj każdy wynik liczbowy zwracany przez sztuczną inteligencję (całkowity czas, budżet, procent wykonania, CPI/SPI). Sam sprawdź sumę, średnią ważoną i ścieżkę krytyczną.
- Filtr menedżerski: Sprawdź z perspektywy menedżera, czy wyniki są sprzeczne z faktami w terenie (dostępność zespołu, budżet, umowa, zależności).
Uwaga: Przedstawienie sponsorowi prognozy lub raportu stworzonego przez sztuczną inteligencję lub przekazanie jej klientowi bez weryfikacji jest jak przekazanie niepodpisanej umowy. To, że dane wyjściowe są płynne, nie jest prawdą.
Poufność: dane projektu są często poufne
Duża część danych projektu jest poufna. Imię i nazwisko klienta, kwota kontraktu, ceny ofertowe, informacje o wynagrodzeniu i wynikach personelu oraz plany produktów, które nie zostały jeszcze ogłoszone, są często chronione umową NDA (Umowa o zachowaniu poufności); Dane osobowe podlegają przepisom KVKK (ustawa o ochronie danych osobowych) w Turcji i RODO w Europie. Samo wklejenie nazwy klienta, ceny umowy, nazwisk członków zespołu i wyników wydajności do publicznie dostępnego narzędzia AI może oznaczać zarówno naruszenie umowy, jak i naruszenie danych. Zasada jest prosta: anonimizuj dane i nie udostępniaj niepotrzebnych informacji. „Projekt oprogramowania dla dużego klienta finansowego” zamiast „Projekt CRM za 4,2 mln TL z ABC Bankiem”; Zamiast „Ciocia (starszy programista, słabe wyniki)” napisz „starszy członek zespołu”. Jeśli to możliwe, wybieraj narzędzia korporacyjne, które mają umowę powierzenia przetwarzania danych i nie wykorzystuj swoich danych w szkoleniach modeli.
trzy mini etui
Przypadek 1 – Bezpieczne użytkowanie. Jeden z koordynatorów projektu spędzał 2,5 godziny tygodniowo na kompilowaniu postępów z 6 pakietów prac w jednym raporcie o stanie. Przekazał AI anonimowo dane dotyczące postępów (nazwa klienta i zamaskowane kwoty) AI i poprosił o projekt podsumowania. Sztuczna inteligencja stworzyła szkic w 12 minut; Koordynator porównał każdy procent ze swoim wykresem śledzenia, poprawił nieprawidłowy wskaźnik ukończenia i zrewidował kolory statusu do rzeczywistości. Czas trwania: 35 minut zamiast 2,5 godziny. AI dała projekt, odpowiedzialność pozostała po stronie człowieka.
Przypadek 2 – Niepotwierdzona pułapka przewidywania. Premier zapytał AI „ile dni zajmuje test aplikacji mobilnej?” AI powiedziała „około 8 dni”, zanim zobaczyła dane zespołu. PM zobowiązał się to do klienta; rzeczywisty czas wynosił 15 dni roboczych na podstawie danych historycznych zespołu. Odstępstwo wynoszące 7 dni spowodowało nałożenie kary. Błąd: oczekiwanie, że liczba od AI wygeneruje zobowiązanie bez danych zespołu.
Przypadek 3 – Naruszenie poufności. Lider zespołu przesłał plan zasobów zawierający nazwę klienta, kwotę umowy oraz informacje o nazwisku i zarobkach całego zespołu do publicznego narzędzia sztucznej inteligencji i powiedział „zoptymalizuj to”. Dane trafiły na serwer zewnętrzny; klient wysłał powiadomienie o naruszeniu umowy NDA. Prawidłowym sposobem było pominięcie nazwiska, kwoty i wynagrodzenia i udostępnienie tylko anonimowych pól, takich jak rola i procent wysiłku.
Słaba zachęta/silna zachęta
Słaba zachęta:
Napisz o statusie naszego projektu w tym miesiącu i powiedz nam, jak daleko zaszliśmy.
Twierdzenie to jest błędne: sztuczna inteligencja nie otrzymała żadnych danych, więc na pytanie „jak daleko zaszliśmy” może odpowiedzieć jedynie wymyśloną liczbą. Ani okres, ani zakres, ani kontekst nie są jasne.
Potężny monit:
Twoja rola: asystent pomagający kierownikowi projektu. Kontekst: Poniżej znajduje się plan/dane rzeczywiste dla 5 pakietów prac (nazwa klienta i kwoty zamaskowane). Zadanie: Napisz wersję roboczą streszczenia wykonawczego (200 słów lub mniej). Po prostu skorzystaj z danych, które podałem; wpisz „[wymagane potwierdzenie]” w przypadku brakujących informacji, dopasowania numeru. Struktura: 1) Stan ogólny (RAG), 2) Pakiety rozwijające się, 3) Pakiety różniące się od siebie i powód, 4) Zalecenie. Dane:- WBS-1 Analiza: plan 100%/rzeczywisty 100%- WBS-2 Projekt: plan 80%/rzeczywisty 60%- WBS-3 Rozwój: plan 40%/rzeczywisty 25%- WBS-4 Testowanie: plan 10%/rzeczywisty 0% - WBS-5 Dokumentacja: plan 20%/rzeczywisty 20%
Ta zachęta jest silna, ponieważ jasno podano rolę, kontekst, dane, granicę („dopasowanie liczb”), format i niejednoznaczność („[wymagane potwierdzenie]”). Wyniki muszą jeszcze zostać zatwierdzone przez kierownika projektu.
Trzy inne przydatne szablony startowe:
# Szablon wymuszający niepewnośćWyodrębnij decyzje i działania z poniższego tekstu. Nie przypisuj żadnych obowiązków ani dat, które nie są wyraźnie wymienione w tekście; Wpisz „niepewny” tam, gdzie nie jesteś pewien. Nie wymyślaj tego.
# Przypomnienie o anonimizacji (samosprawdzenie) Jeśli w otrzymanym przeze mnie tekście zobaczysz imię i nazwisko klienta, kwotę lub nazwisko osoby, ostrzeż mnie przed rozpoczęciem procesu i zasugeruj zastąpienie tych pól słowem [MASKOWANE].
# Szablon generujący listę walidacyjną Do każdego uzyskanego wyniku liczbowego dodaj jednowierszowy „etap walidacji”, w jaki sposób kierownik projektu może go niezależnie zweryfikować.
Typowe błędy
- Oczekiwanie liczb bez podawania danych: pytanie AI o czas, koszt lub postęp bez podawania danych dotyczących własnego projektu zaprasza ją do halucynacji.
- Mylenie płynności z dokładnością: Dobrze napisany tekst nie oznacza, że jest poprawny.
- Wklejanie poufnych danych w niezmienionej postaci: Imię i nazwisko klienta, kwota oraz dane kontaktowe nie powinny być wprowadzane do żadnego otwartego narzędzia bez anonimizacji.
- Delegowanie zaangażowania na AI: Termin realizacji i budżet nie powinny być ustalane bez weryfikacji zespołu.
- Próba zakończenia tego jednym monitem: dobre wyniki dają ustrukturyzowane podpowiedzi, które obejmują format roli-kontekst-dane-granica.
Wskazówka: każdą sesję AI rozpoczynaj od zadania pytania: „Jakie trzy rzeczy powinienem sam sprawdzić, zanim zaprezentuję ten produkt sponsorowi?” Zacznij od pytania. Ten nawyk ochroni Cię podczas wykonywania wszystkich zadań w pozostałej części modułu.
Podsumowując
Sztuczna inteligencja to potężny asystent w zarządzaniu projektami, który przyspiesza raporty, plany, szacunki i komunikację; Jest to jednak narzędzie, które generuje projekty, a nie zobowiązania. Kiedy dzielimy biznes na warstwę operacyjną, taktyczną i strategiczną, wraz ze wzrostem ryzyka rola AI staje się mniejsza. Każdy wynik musi zostać zweryfikowany w trzech etapach (połączenie ze źródłem, ponowne obliczenie, filtr administracyjny); Dane projektu i klienta muszą zostać zanonimizowane w ramach KVKK/NDA. Odpowiedzialność i ostateczna akceptacja kluczowych decyzji zawsze spoczywa na człowieku.
Zadanie aplikacji
Wybierz zadanie z bieżącego projektu. Najpierw napisz celowo „słaby” monit do AI (bez kontekstu, bez podawania jakichkolwiek danych) i zapisz wynik. Następnie zadaj to samo zadanie ponownie, korzystając ze struktury „silnego podpowiedzi” w tej jednostce (rola, kontekst, dane anonimowe, granica, format). Połóż oba wydruki obok siebie i na obu wydrukach zapisz różnicę oraz co najmniej trzy punkty, które musisz samodzielnie sprawdzić.
lista kontrolna
- [ ] Rolę sztucznej inteligencji określiłem jako „asystent/projekt”, a decyzję jako „ludzką”.
- [ ] Określiłem poziom ryzyka (niski/średni/wysoki) mojego zadania.
- [ ] Dodałem do podpowiedzi rolę, kontekst, dane, granicę i format.
- [ ] Zanonimizowałem imię i nazwisko klienta, kwotę oraz dane osobowe.
- [ ] Zanotowałem krok, w którym niezależnie zweryfikuję każdą liczbę na wyjściu.
- [ ] Nie udostępniłem żadnego wyniku zawierającego zobowiązanie (data/budżet) bez jego weryfikacji.