34、服务项目管理中人工智能适用性研究

服务项目管理中人工智能适用性研究

1. 研究背景

一位担任日本领先全球 IT 服务提供商中国及亚太地区项目管理办公室（PMO）经理的研究者，长期致力于跨国 IT 服务组织内的知识创造与转移研究。其业务目标聚焦于探究将业务流程知识转移至亚洲子公司并实现稳定应用的困难原因。

2. 研究问题

• 主要研究问题（MRQ） ：总部位于日本的全球 IT 服务公司 A 跨国/价值体系组织内创造和转移了哪些知识？
• 子研究问题（SRQ） ：若人工智能由不同国家或价值体系开发，项目经理（PMs）和项目管理办公室（PMO）如何使人工智能为服务项目提供支持？

3. 前期研究

针对主要研究问题，关于日本 - 亚洲 IT 服务外包的前期研究有限，但日本 - 中国软件离岸开发研究较多，如西中（2015）和田泽（2015）的研究。同时，美国 - 印度全球交付模型（GDM）研究也很热门，包括弗里德曼（2004、2005、2007）和哈姆（2004）的研究，以及印度软件和服务业企业行业协会（NASSCOM）的年度报告（2017）等。基于此，研究者在所属公司内部收集数据。

4. 前期研究回顾

研究者在之前的研究中，对上述子研究问题进行了案例研究和分析，包括比较日本 - 中国（“+1”）离岸开发模型和美国 - 印度全球交付模型，相关成果发表于项目管理国际会议 ProMAC（2016、2017、2018、2019）和国际项目管理协会（IPMA），总结如下：
- 跨国和多价值体系 IT 服务管理 ：在 2016 年澳大利亚黄金海岸举行的 ProMAC 会议上，研究者将人类项目经理与具备类似项目经理能力的人工智能（AI - PM）的关系，解释为不同价值体系的跨国 IT 服务项目经理关系的延伸。
- 中国及亚太地区 IT 服务项目经理技能评估 ：总部项目管理办公室对亚洲国家的项目经理进行了技能评估。结果显示，亚洲项目经理的平均知识水平接近全球标准（案例研究展示了两个国家子公司的评估结果），但多利益相关方管理技能有待提高（特别是可扩展性方面）。通过项目经理评估和对 A1 公司业务单元 P 的 13 名项目经理的访谈（此前有 12 名参与者），发现前 25%的项目经理达到了 N 公司的高级项目经理标准（相当于 IPA 5 级，约占高级 IT 技能标准的 5%），下一层约 25%的项目经理相当于 N 公司的“助理项目经理”（中型 IT 技能标准，相当于 IPA 3 - 4 级），与日本的 N 公司及其附属公司处于同一水平。研究者认为，对中间层实施第三阶段及以后的措施是有效的，并建议举办研讨会，重点进行里程碑的双边讨论，同时结合在职培训（OJT）进行项目经理实践。

5. 亚太地区项目经理评估及待扩展领域

• 技能评估结果发现 ：
  • 日本“助理项目经理”（IPA 3 - 4 级）与亚洲中层项目经理的水平差距正在缩小。
  • 尽管差距在减小，但在管理中大型项目时所需的技能，如风险管理和预算管理技能，仍需进一步加强。
• 项目经理特征分析 ：基于日本 IT 服务公司 N 两家子公司的研讨会问卷调查结果，发现项目经理的偏好（价值体系），如质量、成本、交付（QCD）的优先级以及质量特征内的优先级，不仅受国家影响，还受业务单元影响。
• 项目经理对 IT 服务项目三个因素的偏好 ：研究者对两个国家项目经理研讨会上问卷答案中的关键词进行主成分分析，并对跨国项目经理进行关键词分析，得出两个结论：
  • 项目经理对质量、成本、交付的偏好受垂直行业影响，而非国籍。这意味着总部组织者必须考虑将全球标准化业务流程进行调整，以符合当地价值体系。研究者使用扩展的 SECI 模型解释不同价值体系的跨国组织间的知识转移过程。
  • 包括深度学习人工智能（AI）在内的新技术的本地适应水平，依赖于当地工程师的技术水平和全球标准化流程的调整程度。研究者通过案例研究展示了一些有效的策略，并区分了专业服务经理适用和不适用的业务流程。

年份	行业	对 AI 有积极感受时的使用方式	对 AI 有消极感受时需添加或改进的功能
2018	IT 服务（已使用 AI）x3	将 AI 作为选择文档或照片的助手	更智能，能展示下一步的可选方案
2018	IT 服务（未使用 AI）x3	中立：目前不使用 AI，但不担心其取代自己的职位，因为当前 AI 不足以在复杂、不稳定或变化的条件下做出决策	同左
2016	航空航天（无 AI 的小行星探测器）	虽未在隼鸟 2 号中使用，但 AI 对可预学习操作（如样本采集）有用	当前 AI 不适用于不可学习操作，如着陆和射击
2019	公共建筑（带 AI 的无人机）	项目旨在推广带 AI 的无人机用于建筑检查，无人机可识别需修复的位置，但比人工检查需要多 10 - 100 倍的照片	AI 尚未达到修复水平，项目的下一个目标是改进带 AI 的无人机，期望其在学习类似建筑后能够修复裂缝

6. 本文重点

本文后续部分将通过案例研究，从服务科学视角出发，结合跨国系统与多价值体系的相似性，探讨服务行业项目经理如何在数字化转型（DX）时代利用人工智能支持项目管理流程。

7. 项目经理与人工智能可能存在的问题

• 人工智能发展预测 ：库兹韦尔（2005）预测，到 2029 年，单台具有人工智能的计算机能力将超过人类大脑（预奇点），到 2045 年将超过所有人类大脑（奇点）。然而，这一预测对 IT 行业的专业人士和研究人员影响有限。21 世纪第二个十年初深度学习（DL）技术确立后，沙纳汉（2015）和沃勒克（2015）表达了对人工智能技术过度发展的担忧，并提出应对风险的思路。
• 人工智能的支持能力 ：人工智能（AI）或认知技术，无论是本地部署还是在公共云环境中，已经足够成熟，能够为决策过程提供支持，包括资源调配和分配。同时，通用人工智能技术在苹果、脸书、谷歌、IBM 和英伟达等公司的竞争推动下不断加速发展。

8. 人类项目经理与人工智能的对比

• 就业威胁 ：福特（2015）指出，具有人工智能的机器人可能导致人类面临“无工作未来”的威胁。扎尔卡达基斯（2015）总结了人类与人工智能系统之间可能存在的冲突。卡尼曼（基于经验的逻辑派）和克莱因（直觉派）（2009）对人工智能问题进行了讨论，但未达成一致结论。由于谷歌等公司开发自动驾驶汽车，以及汽车制造商计划在 2020 年实现 4 级自动驾驶汽车商业化，这些担忧可能在未来十年内成为现实。
• 技术发展情况 ：从半导体完整性或密度角度看，摩尔定律的发展速度放缓，预测与实际密度翻倍率存在差距，但从计算能力和成本效益角度看，该定律仍然适用。例如，研究“两人零和有限确定性完全信息博弈”的人工智能挑战人类冠军并获胜。

graph LR
    A[研究背景] --> B[研究问题]
    B --> C[前期研究]
    C --> D[前期研究回顾]
    D --> E[亚太地区项目经理评估及待扩展领域]
    E --> F[本文重点]
    F --> G[项目经理与人工智能可能存在的问题]
    G --> H[人类项目经理与人工智能的对比]

9. 服务项目管理中人工智能适用性的案例研究

基于对前期研究的外部和自我审查，研究者认为之前的文献要么高估要么低估了当前及近期人工智能的能力。因此，决定通过对各行业服务项目经理的访谈来开展案例研究，常见问题如下：
- Q0 ：作为项目的项目经理，如果有了人工智能，你如何评价当前的人工智能？
- Q1 ：如果你对人工智能有积极的看法，你希望如何利用人工智能来支持你的项目？
- Q2 ：如果你对人工智能有消极的看法，请指出需要为人工智能添加或改进的功能。

9.1 案例一：2018 年 ProMAC “全球咖啡馆”研讨会对 IT 服务项目经理的访谈

• 时间和地点 ：2018 年 11 月 28 日 13:50 - 15:10，在泰国曼谷举行的 ProMAC2018 世界咖啡馆，主题为“人工智能是否会取代人类项目经理？”，由国际项目管理协会（IPMA）前主席莱因哈德·瓦格纳主持。
• 访谈情况 ：参与访谈的人员来自英国、印度、日本（2 人）、马来西亚和泰国。英国的项目经理表示使用人工智能进行旧设计文档的搜索，以便将现有/遗留系统迁移到新开发的系统。德国和日本的项目经理已经将人工智能用于软件开发的质量管理，以监控项目的当前状态，并在检测到关键风险因素时发出警报。其他项目经理表示目前未在项目管理中使用人工智能，但了解当前人工智能的功能局限性，一旦确认其功能和性能达到预期，将以英国和德国项目经理提到的方式使用人工智能来支持项目管理。

9.2 案例二：2016 年对航空航天行业项目经理的访谈

• 时间和场合 ：2016 年 7 月 14 日，16:00 - 17:00（小组访谈）和 17:00 - 17:30（一对一访谈），IEEE 和 IECIJ 代表团访问日本宇宙航空研究开发机构（JAXA）相模原基地。
• 访谈对象 ：隼鸟 2 号项目的项目经理津田博士。
• 访谈结果 ：津田博士表示基于深度学习的人工智能可用于样本采集，但不适用于着陆/触地操作。隼鸟 2 号团队通过手动操作使卫星安全着陆，并半手动采集了龙宫小行星的样本。他还指出，在隼鸟 2 号的操作中，特别是在条件不可预测的表面着陆，非常困难，当前基于机器学习的人工智能无法处理该过程。

9.3 案例三：2019 年公共建筑行业人工智能在服务项目管理中的适用性访谈

• 时间和场合 ：2019 年 12 月 19 日，在“推广将检查机器人引入基础设施检查——人工智能检查可行性研究”会议 10:30 - 12:00 时段结束后进行的一对一访谈。
• 访谈对象 ：日本国土交通省（MLIT）人工智能与基础设施机器人项目团队负责人兼主任新田康之博士。
• 访谈结果 ：搭载人工智能的无人机在学习类似建筑后，能够识别需要修复的位置，但其所需照片数量比人工检查多 10 - 100 倍，且尚未达到修复水平。该项目的下一个目标是改进搭载人工智能的无人机。

9.4 案例总结

序号	年份	项目经理所属行业（具体）	对 AI 有积极看法时的使用方式	对 AI 有消极看法时需添加或改进的功能
1.1	2018	IT 服务（已使用 AI）x3	AI 作为选择文档或照片的助手，具有支持作用	更智能，能展示下一步的可选方案
1.2	2018	IT 服务（未使用 AI）x3	中立，目前不使用 AI，但不担心其取代职位，因当前 AI 不足以在复杂、不稳定或变化的条件下决策	同左
2	2016	航空航天（无 AI 的小行星探测器）	虽未在隼鸟 2 号使用，但 AI 对可预学习操作（如样本采集）有用	当前 AI 不适用于不可学习操作，如着陆和射击
3	2019	建筑（带 AI 的无人机）	项目旨在推广带 AI 的无人机用于建筑检查，无人机可识别需修复位置	AI 未达到修复水平，期望学习类似建筑后能修复裂缝

总体而言，几乎所有项目经理都表示，尽管知道人工智能存在功能局限性，但仍会在当前或近期项目中使用它。

10. 结论

通过对服务行业项目经理的小组讨论（世界咖啡馆）和一对一访谈（2016 年 7 月至 2019 年 12 月），以及与 IT 行业人工智能专家和专业用户的讨论，发现人工智能技术对特定用户存在一些功能局限性，关于人工智能在项目管理中的使用，具体情况如下：

10.1 跨国条件下基于深度学习的人工智能使用

• 功能特点 ：如费根鲍姆（2020）所述，基于深度学习/机器学习的人工智能适用于识别/感知，但不适用于认知/思考。没有预学习过程，基于深度学习的人工智能无法做出任何决策或建议。这意味着，即使基于深度学习的人工智能引擎可以在包括美国在内的某个国家设计，但当该人工智能系统引入到具有不同价值体系的其他国家/地区时，需要在当地环境中重新建立带有字典的外部数据库或通过学习过程制定的规则。因此，项目经理可能需要管理本地化过程。
• 应用局限性 ：目前，人工智能在某些领域的识别速度超过了人力，但适用领域仍然有限。例如，尽管人工智能可以在两人零和游戏中击败冠军，但它尚未学会在游戏场所发生灾难时如何疏散。一些 IT 公司，如 2017 年 SPM 春季会议上展示的 IBM 日本公司，已经开始进行人工智能在项目管理中的概念验证，即将人工智能的识别能力应用于支持项目经理的决策。但目前人工智能的水平仍然有限，实际项目更加复杂，并非零和游戏，也不具备完全信息。因此，截至 2020 年 1 月的技术水平，只有人类项目经理能够识别项目的真实情况。

10.2 对使用人工智能的服务项目经理的建议

• 数据支持 ：人类项目经理可以期望人工智能支持分析大数据并向其报告。例如，一些 IT 服务提供商决定将人工智能作为“增强智能”而非“人工智能”来支持项目经理的决策。
• 模型应用 ：森等人（2019）提出在项目管理的 SECI 知识创造过程中使用“循环中的机器”。SECI 模型由野中郁次郎和竹内弘高（1995）引入，用于解释四个阶段的知识创造过程和知识创造场“Ba”。 Kohda（2020）从服务角度解释了人类与人工智能的关系。基于此，人类项目经理可以将人工智能作为增强智能加以利用。研究者引入了一个修改后的 SECI 模型，在外部化过程的后半部分增加了全球化子过程，在内部化过程的后续部分增加了本地化子过程，以将 SECI 知识创造模型应用于跨国组织的案例。为了在跨国服务项目管理中使用人工智能，项目经理必须在修改后的 SECI 模型的第 5 - 7 层拥有目标国家收集的大数据。

graph LR
    A[案例研究] --> B[案例一: IT服务项目经理访谈]
    A --> C[案例二: 航空航天项目经理访谈]
    A --> D[案例三: 公共建筑行业访谈]
    B --> E[案例总结]
    C --> E
    D --> E
    E --> F[结论]
    F --> G[跨国条件下AI使用]
    F --> H[对服务项目经理的建议]

11. 进一步研究计划

• 混合人工智能适用性研究 ：在讨论了基于深度学习的人工智能的问责性/可解释性之后，许多研发中心已经开始对混合人工智能（基于机器学习和基于规则的人工智能）进行研究，作为解决基于深度学习的人工智能不可解释性的一种方案。后续将在服务行业深入研究这一主题。
• 区域分析 ：由于研究者认为每个地区/国家都有可能影响基于深度学习的人工智能输出的价值体系，因此“价值体系差异如何影响基于深度学习的人工智能”是一个具有潜力的后续研究方向。