Во-первых, это улучшение планирования проектов. С помощью глубокого обучения можно прогнозировать, какие задачи и ресурсы потребуются, а интеллектуальные виртуальные помощники могут находить оптимальные и эффективные планы реализации проектов с учётом ограничений по ресурсам.
Второе преимущество заключается в том, что это помогает избежать рисков и осложнений за счёт выявления закономерностей, указывающих на потенциальные проблемы. Третье преимущество заключается в улучшении процесса принятия решений, касающихся дальнейшего управления ресурсами, стратегических ответов на изменения и разрешения потенциальных конфликтов, связанных с ресурсами.
Третье и последнее преимущество заключается в том, что управление проектами развивается в направлении адаптивных проектов. Алгоритмы обработки естественного языка могут анализировать проектную документацию и преобразовывать её в точные структурные данные, которые используются в адаптивном управлении проектами, а также в машинном обучении и визуализации данных с применением ИИ.
Искусственный интеллект (ИИ) — это интеллект машин и область компьютерных наук, целью которой является его создание. В учебниках по ИИ эта область определяется как изучение «интеллектуальных агентов»: любых устройств, которые воспринимают окружающую среду и совершают действия, максимально повышающие их шансы на достижение цели.
Термин «искусственный интеллект» часто используется для описания машин или компьютеров, которые имитируют «когнитивные» функции, ассоциирующиеся у людей с человеческим разумом, такие как «обучение» и «решение задач» По мере того как машины становятся всё более функциональными, из определения исключаются умственные способности, которые когда-то считались необходимыми для интеллекта Например, оптическое распознавание символов больше не воспринимается как пример «искусственного интеллекта», поскольку стало обычной технологией. По состоянию на 2020 год к возможностям, которые в настоящее время классифицируются как ИИ, относятся успешное распознавание человеческой речи, участие в стратегических играх на высшем уровне, таких как шахматы и го, беспилотные автомобили, интеллектуальная маршрутизация в сетях доставки контента и военные симуляции.
2. Применение ИИ в управлении проектами
Подводя итог, можно сказать, что принцип машинного обучения заключается прежде всего в выявлении алгоритма на основе набора обучающих входных и выходных данных. После их ввода компьютер понимает, как воспроизводить выходные данные на основе этих входных данных. Как мы уже упоминали, одно из применений искусственного интеллекта в управлении проектами — это возможность оценивать затраты и сроки выполнения. Однако это лишь малая часть того, что может предложить ИИ. Существует множество способов применения искусственного интеллекта в управлении проектами, но здесь мы рассмотрим наиболее важные из них.
Одним из терминов, наиболее близких к понятию «искусственный интеллект», является «машинное обучение». Когда речь идёт об управлении проектами, к искусственному интеллекту наиболее близка концепция машинного обучения. Говоря о машинном обучении, мы имеем в виду компьютеризированные системы, которые научились выполнять заданную задачу. Принцип схож с тем, как учатся люди. Другими словами, речь идёт об обучении компьютеров, чтобы они могли учиться на подготовленных нами данных. Речь идёт о том, чтобы научиться что-то делать, а не просто отдавать чёткие команды компьютеру.
3. Проблемы и ограничения применения ИИ в управлении проектами
В настоящее время в программных продуктах для управления проектами нет функций искусственного интеллекта. Внедрение функций искусственного интеллекта может сделать интеллектуальные инструменты управления проектами более привлекательными и обеспечить им конкурентное преимущество. Однако у искусственного интеллекта в управлении проектами есть и свои ограничения. Многие популярные методы искусственного интеллекта, такие как нейронные сети, представляют собой модели «чёрного ящика», то есть их сложно интерпретировать. Из-за этого трудно определить ключевые входные данные и процессы, а также оценить их качество. Поэтому сложно проверить правильность результатов и решений, принятых этими моделями. Следовательно, нецелесообразно полагаться исключительно на ИИ при решении проблем, связанных с управлением проектами.
Помощь ИИ в принятии решений человеком, скорее всего, станет наиболее практичным применением ИИ в управлении проектами. Несмотря на значительный прогресс, современные возможности ИИ дают относительно скромные результаты, когда требуется выполнить более сложные действия, а управление проектами предполагает сложное взаимодействие между людьми или принятие когнитивных решений, требующих деловой интуиции и развитых навыков делового общения. Чем больше когнитивный ИИ будет совершенствоваться в принятии сложных решений, преодолении неопределённости и эффективном информировании о деятельности по управлению проектами, тем чаще ему придётся сталкиваться с проблемами, выходящими за рамки его текущей компетенции.
Системам искусственного интеллекта сложно определить, когда возникают непредвиденные последствия, и эффективно применить к ним различные стандарты и механизмы ответственности. Существует признанная необходимость в регулировании ИИ, чтобы обеспечить этичное использование технологии и предотвратить непреднамеренный вред. Несмотря на значительные потенциальные преимущества применения ИИ и машинного обучения в управлении проектами, необходимо учитывать риски, связанные с их использованием. Для точного снижения этих рисков и стимулирования инноваций необходимо разработать законодательство и отраслевые стандарты.
В настоящее время многие задачи требуют внимания исследователей, чтобы сделать методы искусственного интеллекта более конкурентоспособными в сфере управления проектами. Методы машинного обучения чувствительны к качеству и объёму данных. Недостаток данных или их низкое качество могут привести к проблемам с переобучением. Часто возникает проблема с доступностью данных по проектам. Наборы данных в сфере управления проектами, как правило, довольно малы, и для решения таких многомерных задач небольшого объёма требуются продвинутые методы.
Методы искусственного интеллекта, включающие в себя нейронную лингвистическую генерацию и обработку изображений, сложны в разработке и управлении. Поиск оптимальной подсети остаётся NP-сложной задачей. В таких условиях различные специфические показатели будут оказывать совокупное негативное влияние на сложность эвристического поиска и качество перевода. Как правило, существует ограниченное количество оптимальных алгоритмов для обучения высокопроизводительных моделей и выявления эффективных признаков. Кроме того, всё более актуальными становятся проблемы, связанные с необъективностью обучающих данных, конфиденциальностью и интерпретируемостью. Разработка методов искусственного интеллекта, не зависящих от предметной области, важна для изучения потенциала ИИ в решении сложных задач по управлению проектами.
4. Будущие тенденции и их последствия
В частности, применение ИИ может в корне изменить взаимодействие и динамику в рамках проекта. ИИ способен преодолеть некоторые ограничения, присущие человеку, поскольку он может выполнять некоторые задачи быстрее и точнее в круглосуточном режиме. К другим важным характеристикам ИИ относятся его способность снижать затраты, предлагать альтернативные решения, учитывающие различные источники данных и информации, а также