Представьте дивный новый мир управления проектами, оснащенный мощью искусственного интеллекта, где руководителям проектов не нужно тратить бесконечные часы, пытаясь разобраться в данных (часто неполных), разбросанных по разрозненным и разрозненным системам, и составлять планы проектов на основе предположений. , настойчиво отслеживать статус проекта, гоняясь за обновлениями отдельных лиц. Вместо этого они могут использовать мощные идеи инструментов ИИ, которые могут анализировать, импровизировать, самообучаясь куче проектных данных, чтобы прогнозировать и планировать графики, оценки / сроки, бюджеты, распределение ресурсов и т. д., позволяя руководителям проектов тратить свое время, сосредоточившись на других важных вещах. например, убедиться, что команда хорошо оснащена для своевременной реализации проекта, выявлены и сообщены зависимости, поняты риски и готовы планы по смягчению последствий, переговоры с межфункциональными командами для более плавного выполнения проекта и т. д. и т. д. Благодаря быстрой развития в области ИИ, особенно в области машинного обучения и способности машин к глубокому обучению, существует огромный потенциал, который может полностью изменить лицо управления проектами и позволить машинам выполнять рутинную работу, связанную с проектом, чтобы помочь PMO.

Текущая задача PMO

Сегодня большинство менеджеров проектов сталкиваются с трудностями при планировании и отслеживании проектов с неполными данными, которые зависят от человеческого участия, а люди, ответственные за ввод информации, не имеют реального стимула для этого. Как часто кто-то чувствует стимул регулярно обновлять статус своей задачи или обновлять оценки на основе новых результатов, но это очень важная часть для понимания текущего состояния и прогнозирования графика проекта.

Несмотря на то, что ИИ предоставляет множество возможностей для управления проектами, в ближайшем будущем есть две ключевые области, которые могут извлечь огромную пользу из евангелизации, управляемой ИИ, — оценки и отслеживание.

Оценки на основе данных

Способность правильно оценивать является основным строительным блоком хорошего плана проекта, она обеспечивает предсказуемость и наглядность проекта. Как люди, мы не так хороши в оценках, мы либо недооцениваем, либо переоцениваем. В большинстве случаев наши оценки лишь частично основаны на фактах; интуиция, эмоциональные и психологические факторы также играют важную роль в этом. Вот почему мы часто называем это предположением.

Может быть много разных факторов, влияющих на ответ на простой вопрос: «Как вы думаете, сколько времени займет выполнение этой задачи/работы?» Для некоторых ответ может быть 5 дней (В прошлый раз мне потребовалось 10 дней для чего-то подобного, но если я скажу 10 дней, возможно, я не получу проект. Позвольте мне сначала получить проект, я могу договориться о сроках позже. )или для некоторых это может быть 15 дней (Ну, в прошлый раз мне потребовалось 10 дней, но я хочу убедиться, что у меня есть запас). Такого рода догадки могут ввести в заблуждение план и график проекта.

Алгоритмы машинного обучения могут очень помочь в таких ситуациях, предлагая оценки на основе предыдущей истории и контекста. А предоставление алгоритмам качественных и хорошо организованных наборов данных позволит им давать более точные результаты, чем человеческая интуиция.

Ежедневное отслеживание и статус:

Хотя регулярное обновление статуса является очень важной частью для понимания состояния проекта, обновление статуса отдельными лицами не является очень стимулирующим процессом, и руководители проектов тратят больше времени, чем необходимо, на погоню за людьми, чтобы получить обновления статуса. Самообучающиеся боты, управляемые искусственным интеллектом, могут очень помочь в этой сфере. Часто люди забывают обновлять статус, поскольку у них есть куча других дел. Боты могут регулярно взаимодействовать с людьми и предоставлять им более простые способы быстрого обновления статуса и возврата этой информации для обновления системы управления проектами. Это может резко сократить встречи, посвященные только статусу, и высвободить больше времени для более продуктивных дел. Часто люди считают, что иметь дело с ботами менее сложно, чем с человеком, запрашивающим статус. Эти боты также могут предоставить людям полезную информацию с точки зрения определения приоритетов их рабочей нагрузки и эффективного управления своим временем, а также возможности обеспечения цикла обратной связи для импровизации повседневных задач, что может быть сильным стимулом для людей вводить правильные данные.

Заменят ли алгоритмы человека-менеджера проекта

Если ИИ возьмет на себя большую часть рутинной работы, которая считается основной обязанностью проектного менеджера, что это будет означать для будущих менеджеров проектов? Могут ли машины автоматизировать управление проектами, чтобы полностью исключить необходимость в менеджерах проектов? Это правильный вопрос, и он не ограничивается только областью управления проектами. В последние годы, когда все больше и больше внимания уделяется инструментам и приложениям на основе ИИ, растет беспокойство по поводу безработицы в будущем во всех областях, начиная от областей с интенсивным ручным трудом и заканчивая высококвалифицированными научными и медицинскими областями. Существует огромный потенциал использования ИИ в проектах. управления, и это стоит изучить. Однако не будет ли это угрозой для работы руководителя проекта? Я сильно сомневаюсь в этом. По мнению экспертов, уязвимость работы к ИИ и автоматизации зависит от того, насколько она рутинна и может быть автоматизирована. И очевидно, что большая часть работы руководителя проекта далека от рутины.

Роль менеджера проекта заключается не в создании отчетов, отслеживании статусов. Ее основная роль заключается в том, чтобы добиться цели и довести проект до успешного завершения, убедившись, что у команды есть необходимые возможности и среда для этого, устранить препятствия и препятствия, которые могут блокировать прогресс команды. Это требует огромного понимания динамики и культуры команды, навыков ведения переговоров, способности разрешать конфликты, и это лишь некоторые из них. Успешный менеджер проекта находчив, настойчив и готов пройти лишнюю милю, чтобы добиться успеха для своей команды. Это навыки, которые никакая автоматизация ИИ не заменит, по крайней мере, в ближайшем будущем, и когда (если) это произойдет, все виды работ окажутся под угрозой. Использование машинного обучения и алгоритмов глубокого обучения для получения ценной информации чрезвычайно поможет менеджерам проектов стать более эффективными и продуктивными. Это джинн, о котором втайне молился каждый руководитель проекта. Управление проектами всегда было ролью, которая в значительной степени зависит от данных для прогнозирования, планирования и выполнения. Имеет смысл использовать только новейшие и лучшие достижения в области анализа данных и использовать их для получения выгоды.

На протяжении всей истории неоднократно предсказывалось, что машины займут рабочие места. Во время промышленной революции среди текстильщиков были огромные волнения, которые опасались, что машины заменят их. Однако по мере того, как процесс ткачества все больше и больше автоматизировался, рабочие переключили свое внимание на то, что машины не могли делать, например, на эксплуатацию, техническое обслуживание машин и т. д. Автоматизация текстильной промышленности привела к увеличению производства, что, в свою очередь, снизило цены, что привело к росту. потребление и увеличение спроса. Это подпитывало петлю за счет увеличения производства и создания новых рабочих мест.

Подобный страх предсказывался, когда компьютеры дебютировали. Но сегодня мы все знаем, чем закончилась эта история. Один из классических примеров, приведенных в статье в The Economist, предполагал, что внедрение банкоматов поставит под угрозу работу банковских кассиров. Однако, в отличие от того, что банкоматы автоматизировали некоторые рутинные задачи, эксплуатационные расходы для банков значительно сократились, что побудило банки открывать все больше и больше отделений, что привело к увеличению числа рабочих мест.

История полна многочисленных примеров того, как автоматизация создала больше рабочих мест, чем когда-либо. Однако также верно и то, что с ростом автоматизации изменился тип навыков, необходимых для работы. С ИИ, расширяющим возможности различных областей, ни одна из профессий не останется прежней, всегда будет потребность в обновлении и адаптации к новым навыкам.

Оттачивание навыков для будущего

В будущем я вижу менеджера проекта, выполняющего большую роль куратора данных и архитектора данных для любых данных, связанных с проектом, помимо прочего. С появлением инструментов совместного управления проектами, которые могут интегрировать и извлекать данные из различных средств коммуникации, таких как вики, чат-приложения. , электронные письма, системы управления исходным кодом и т. д., чрезвычайно важно убедиться, что качество данных хорошее, а целостность данных поддерживается повсюду, чтобы алгоритмы ИИ могли лучше их понимать. убедитесь, что данные чистые.

Существует огромный потенциал использования возможностей ИИ для управления проектами. Многие компании уже экспериментируют с ним. Это определенно то место, на которое стоит обратить внимание в ближайшем будущем и подготовиться, чтобы воспользоваться им.