Mga yunit
1. Panimula sa Artipisyal na Katalinuhan sa Pamamahala ng Proyekto: Mga Tungkulin, Hangganan, Authentication at Privacy 2. Work Breakdown Structure (WBS) at Pagpaplano ng Saklaw 3. Oras at Resource Estimation: Time Estimation at Verification 4. Iskedyul ng Proyekto: Mga Milestone, Dependencies, at Kritikal na Landas 5. Pamamahala sa Panganib at Pagpaparehistro sa Panganib 6. Ulat sa Katayuan at Pagsubaybay sa Pag-unlad: EVM, Paglihis at Executive Summary 7. Buod ng Pulong at Pagsubaybay sa Aksyon 8. Pamamahala ng Komunikasyon at Pag-asa ng Stakeholder 9. Pagbabago, Problema at Pamamahala ng Kalidad 10. Dokumentasyon ng PMO at Pamamahala ng Impormasyon 11. Privacy ng Data, Etika at End-to-End Governance
Yunit 5 / 11

Pamamahala sa Panganib at Pagpaparehistro sa Panganib

Mga nadagdag:

  • Kakayahang maunawaan ang mga konsepto ng panganib, probabilidad, epekto, marka ng panganib at diskarte sa pagtugon (pag-iwas, pagpapagaan, paglipat, pagtanggap) at gumawa ng draft na record ng panganib na may suporta ng artificial intelligence
  • Kakayahang gumamit ng artificial intelligence para sa pagkilala sa panganib, pag-uuri, pagkilala sa trigger at pag-draft ng aksyon sa pagpapagaan at pagpapanatiling buhay ng rekord ng panganib
  • Ang pag-unawa na ang posibilidad at mga halaga ng epekto na ginawa ng artificial intelligence ay nangangailangan ng pag-calibrate ng dalubhasa, at ang pagmamay-ari ng panganib at ang huling desisyon ay pagmamay-ari ng tao.

Ang hinaharap ay hindi tiyak sa bawat proyekto; Ang kawalan ng katiyakan ay nangangahulugan ng panganib. Ang panganib ay isang hindi tiyak na kaganapan o kundisyon na, kung maisasakatuparan, ay makakaapekto sa mga layunin ng proyekto (oras, gastos, saklaw, kalidad). Ang mga panganib ay maaaring negatibo (banta) o positibo (pagkakataon), ngunit sa pang-araw-araw na pananalita, kadalasan ay banta ang ibig nating sabihin. Ang naghihiwalay sa isang mahusay na tagapamahala ng proyekto mula sa isang pangkaraniwan ay madalas na pamamahala sa peligro: nakakakita ng mga problema bago ito lumitaw, binabawasan ang kanilang posibilidad, at nagpaplano nang maaga para sa kung ano ang gagawin kapag nangyari ang mga ito. Sa gitna ng yunit na ito ay ang rehistro ng panganib: isang buhay na dokumento kung saan ang lahat ng mga panganib, ang kanilang posibilidad, mga epekto, mga may-ari at mga plano sa pagtugon ay pinananatili. Ang AI ay lubos na nakakatulong sa pagkilala sa panganib at draft na pagmamarka; Ngunit ang mga pagtatantya ng probabilidad at epekto ay nangangailangan ng paghuhusga na tukoy sa ahensya, at palaging nananatiling tao ang pagmamay-ari sa panganib.

Anatomy ng rehistro ng panganib

Karaniwang kasama sa isang linya ng log ng panganib ang: paglalarawan ng panganib (sa format na sanhi-kaganapan-epekto: "kung huli ang supplier, hindi magsisimula ang pagsasama, mga slip ng paghahatid"), kategorya (teknikal, mapagkukunan, panlabas, pinansiyal, legal), probabilidad (pagkakataon ng paglitaw; hal. 1-5 o %), epekto (magnitude ng pagkawala kung mangyari; 1-5) ang panganib na iyon, (progresibong pagharap sa pagtugon), (problema ng panganib), (progresibong pagharap sa pagtugon) diskarte, may-ari ng panganib (taong may tungkulin sa pagsubaybay sa panganib na iyon), at katayuan.

Marka ng peligro = probabilidad × epekto ay isang simple ngunit mahusay na tool sa pag-prioritize. Ang panganib na may posibilidad na 4 at epekto ng 5 (iskor 20) ay nararapat na higit na pansinin kaysa sa panganib na may posibilidad na 2 at epekto ng 2 (iskor 4). Ang mga panganib ay inilalagay sa pula/dilaw/berdeng mga sona sa isang risk matrix (probability-impact grid) batay sa markang ito.

Mayroong apat na pangunahing diskarte sa pagtugon (para sa mga pagbabanta):

  • Pag-iwas: Ganap na pagpapalit/pag-alis ng trabaho na lumilikha ng panganib.
  • Bawasan: Pagbabawas ng posibilidad o epekto (hal. paghahanap ng kapalit na supplier).
  • Paglipat: Paglilipat ng panganib sa ibang tao (insurance, contract clause, subcontractor).
  • Tanggapin: Upang kunin ang panganib; ngunit maglaan ng contingency plan at budget/time allocation.

lugar

halimbawa

Sino ang pumupuno nito?

Depinisyon ng panganib

"Kung umalis ang pangunahing developer, bumagal ang pag-unlad."

PM + team

Probability (1-5)

3

ekspertong paghuhusga

Epekto (1-5)

4

ekspertong paghuhusga

puntos

12

Account (mga tulong sa AI)

gatilyo

"Pagdating sa trabaho pagtanggi, interview tsismis"

tagakuha ng panganib

Sumagot

Pagbabawas: pagbabahagi ng impormasyon, backup na tao

Ang PM + ay mayroon

May-ari

pinuno ng pangkat

nagpapadala ng PM

Hakbang-hakbang: Panganib na pag-log gamit ang AI

  1. Panganib na brainstorming. Bigyan ang AI ng anonymous na konteksto ng proyekto at hayaan itong bumuo ng posibleng kategorya ng mga panganib ayon sa kategorya. Ang AI ay mahusay sa pagpapaalala sa atin ng mga panganib na tatalunin ng mga tao.
  2. Ilagay ito sa format na sanhi-kaganapan-epekto. Ilagay ang bawat panganib sa format na "dahil sa X, kung mangyari ang Y, magkakaroon ng epekto Z"; Ang mga hindi tiyak na panganib ay hindi maaaring pamahalaan.
  3. Draft scoring. Tanungin ang AI para sa probability/impact plots, ngunit i-calibrate ang mga ito gamit ang ekspertong paghuhusga. Ang numero ng AI ay isang panimulang punto, hindi katotohanan.
  4. Kilalanin ang trigger. Para sa bawat makabuluhang panganib, "paano natin malalaman na darating ito?" Sagutin ang tanong.
  5. Draft ng plano ng pagtugon. Hilingin sa AI na magmungkahi ng naaangkop na 4 na diskarte at konkretong aksyon para sa bawat panganib na may mataas na marka.
  6. Magtalaga ng may-ari at panatilihin itong buhay. Bigyan ang bawat panganib ng isang may-ari; Suriin ang rehistro ng panganib linggu-linggo. Ang rehistro ng panganib ay isang buhay na dokumento, hindi nakasulat nang isang beses at nakalimutan.
Tip: Ibuod ang panganib na pag-log in sa "nangungunang 5 panganib" at isama ito sa bawat ulat sa status. Sa ganitong paraan, mananatiling nakikita ang mga panganib at nababawasan ang mga sorpresa.

tatlong mini case

Kaso 1 — Hindi nakuha ang panganib. Ibinigay ng isang espesyalista sa PMO ang nakumpletong 18-line na rehistro ng panganib sa AI at nagtanong, "Anong mga tipikal na panganib ang maaaring napalampas ko?" tanong niya. AI; Ipinaalala nito ang 5 panganib tulad ng "pag-renew ng lisensya ng third party", "panganib sa pagkawala ng data migration" at "pangunahing dependency ng tauhan." Nagdagdag ang eksperto ng 3 sa kanila. Pagkalipas ng dalawang buwan, naganap ang panganib sa paglilisensya, ngunit handa na ang plano.

Kaso 2 — Pagkakaiba sa pagkakalibrate. Isang PM ang nagtanong sa "probability of 2" na halaga na ibinigay ng AI sa isang panganib. Ang mga pagkaantala ay karaniwan sa kasaysayan ng koponan sa supplier na ito; ang aktwal na posibilidad ay mas malapit sa 4. Ang marka ay tumaas mula 6 hanggang 12, at ang panganib ay lumipat mula sa listahan ng "manood" patungo sa listahan ng "aktibong pag-iingat". Aralin: Ang hula ng posibilidad ng AI ay dapat na itama ng data ng ahensya.

Kaso 3 — Hindi inaangkin na panganib. Mahusay na natukoy ng isang team ang mga panganib ngunit nabigo ang pag-aari. May naganap na panganib, walang nanonood, nakatakas ang gatilyo at nahuli ng 3 linggo ang proyekto. Lesson: risk without owner is risk without monitoring; Ang AI ay gumagawa ng mga panganib, ngunit ang may-ari ng tao ay nagtatalaga sa kanila.

Mahinang prompt / Malakas na prompt

Mahinang prompt:

Ilista ang mga panganib para sa aking proyekto.

Walang konteksto, walang mga kategorya at walang format; Lumilitaw ang isang pangkalahatang listahan, karamihan sa mga ito ay walang kaugnayan sa iyong proyekto.

Napakahusay na prompt:

Ang iyong tungkulin: isang espesyalista sa pamamahala ng peligro.Konteksto: [anonymous na buod ng proyekto: industriya, tagal, koponan, teknolohiya, mga hadlang].Gawain: Bumuo ng panganib ayon sa kategorya (teknikal, mapagkukunan, panlabas/tagapagtustos, pananalapi, legal, saklaw). Para sa bawat panganib:- Paglalarawan sa format na sanhi-kaganapan-epekto- Probability (1-5) at epekto (1-5) at epekto (Early trigger) na diskarte sa pagtugon sa pagbabago ng maagang + 5 DRAFT. (iwasan/bawasan/ilipat/tanggapin) at 1 kongkretong aksyonTandaan: Ang mga halaga ng probabilidad/epekto ay DRAFT; I-calibrate ko ito gamit ang institutional data. Huwag magbigay ng mga pekeng numero, isulat ang iyong mga dahilan. Output: talahanayan.

Makapangyarihan ang prompt na ito: kabilang dito ang kategorya, format, babala sa pag-iskor ng draft, at tala sa pagkakalibrate.

Mga karagdagang template:

# Blind spot finderTingnan ang aking risk log sa ibaba. Paalalahanan ako, kategorya ayon sa kategorya, ng mga panganib na KARANIWAN sa mga naturang proyekto ngunit WALA sa aking listahan. Huwag ulitin ang mga dati.

# Trigger generatorMagmungkahi ng 3 early warning signs (triggers) para sa panganib: [risk]. Para sa bawat sign, isulat din kung aling data/indicator ang masusubaybayan ko ito.

# Pagpapalalim ng plano sa pagtugonSuriin ang lahat ng apat na diskarte para sa panganib na ito na may mataas na marka (iwasan/bawasan/ilipat/tanggapin); ihambing ang gastos at epekto ng bawat isa, na nagpapaliwanag kung alin ang inirerekomenda mo at kung bakit. Tandaan na ang huling desisyon ay akin.

Mga karaniwang pagkakamali

  • Pagsusulat ng hindi malinaw na panganib: "Ang panganib ng pagkaantala" ay hindi maaaring pamahalaan; Ang "integration slips kung ang supplier X ay naantala" ay mapapamahalaan.
  • Napagkakamalang tunay na marka ng AI: Ang posibilidad/epekto ay partikular sa institusyon; Hindi ito dapat gamitin nang walang pagkakalibrate.
  • Hindi nagtatalaga ng may-ari: Hindi sinusubaybayan ang hindi pagmamay-ari na panganib.
  • Hindi pagtukoy ng trigger: Kung walang maagang mga senyales, mahuhuli ka ng panganib.
  • Pagyeyelo sa rehistro ng panganib: Nagbabago ang proyekto, nagbabago ang mga panganib; Kung ang rekord ay hindi na-update ito ay namatay.
  • Tinitingnan lang ang mga banta: Ang mga pagkakataon (natapos ang trabaho nang maaga, nagiging mas mura ang mga mapagkukunan) ay maaari ding pamahalaan.
Mag-ingat: Maaaring lagyan ng AI ang isang panganib bilang "mababang posibilidad"; Ngunit kung madalas mangyari ang panganib na iyon sa iyong organisasyon, malilinlang ka ng generalization ng AI. Palaging sumubok ng mga marka laban sa iyong sariling makasaysayang data.

Sa buod

Ang pamamahala sa peligro ay ang sining ng pagtingin sa mga problema bago sila sumabog, at ang rehistro ng panganib ay ang buhay na dokumento sa puso nito. Tinutukoy ang bawat panganib sa isang format na sanhi-kaganapan-epekto, na namarkahan ayon sa posibilidad at epekto, ang trigger at diskarte sa pagtugon nito (iwasan/bawasan/ilipat/tanggapin) ay tinutukoy, at ito ay itinalaga ng isang may-ari. Ang AI ay malakas sa panganib na brainstorming at draft scoring; Ito ay nagpapaalala sa iyo ng mga blind spot. Gayunpaman, ang pag-calibrate ng dalubhasa sa mga halaga ng probabilidad/epekto, pagmamay-ari ng panganib at panghuling desisyon sa pagtugon ay laging nakasalalay sa tao.

Gawain ng aplikasyon

Bumuo ng draft na kategorya-by-category na rehistro ng peligro mula sa AI para sa iyong proyekto (i-anonymize ang konteksto). Piliin ang 5 pinakamataas na panganib sa pagmamarka; I-calibrate ang halaga ng probabilidad/epekto ng bawat isa gamit ang sarili mong makasaysayang data, magsulat ng trigger at pagkilos ng pagtugon, at magtalaga ng may-ari. Pagkatapos ay suriin ang mga panganib na napalampas mo gamit ang template na "blind spot finder."

checklist

  • [ ] Isinulat ko ang mga panganib sa format na sanhi-kaganapan-epekto.
  • [ ] Na-calibrate ko ang mga halaga ng posibilidad/epekto sa ani ng aking institusyon.
  • [ ] Inuna ko ang mga panganib ayon sa marka (risk matrix).
  • [ ] Natukoy ko ang mga trigger at mga diskarte sa pagtugon para sa bawat makabuluhang panganib.
  • [ ] Nagtalaga ako ng may-ari sa bawat panganib.
  • [ ] Pinlano kong panatilihing live ang log ng panganib at idagdag ito sa ulat ng katayuan.
Nakaraang Susunod