XiaoMi-AI文件搜索系统
World File Search SystemUchihira
人工智能与项目管理
(5) E. Feigenbaum 和 B. Buchanan，“DENDRAL 和 META-DENDRAL：知识系统和专家系统应用的根源，”Artif. Intell.，第 59 卷，第 1-2 期，第 233-240 页，1994 年。 (6) K. Niwa 和 M. Okuma，“技术诀窍转移方法及其在大型建设项目风险管理中的应用，”IEEE Trans. Eng. Manage.，第 29 卷，第 4 期，第 146-153 页，1982 年。 (7) K. Niwa 和 K. Sasaki，“一种新的项目管理系统方法：基于技术诀窍的项目管理系统，”Project Management Quarterly，第 14 卷，第 1 期，第 65-72 页，1983 年。 (8) K. Niwa，“一种基于知识的人机协作系统， ative system for ill-structured management domains，”IEEE Trans. Syst., Man Cybern., vol.16, no.3, pp.335–342, 1986. (9) HM Leung、VM Rao Tummala 和 KB Chuah，“A knowledge-based system for determining potential projectrisks，”Omega, vol.26, no.5, pp.623–638, 1998. (10) Takeshi Oshima 和 Tomiko Maruyama，“Project management method by visualizing volatilitys in software scale，”Journal of the Society of Project Management, vol.19, no.1, pp.26–31, 2017. (11) C. Jones, Applied softwaremeasurement: global analysis of productivity and quality, McGraw-Hill Education Group, 2008.（Hisashi Tomino 和 Kyoichi Kosaka 译） ，软件开发的定量方法：旨在提高生产率和质量（第三版），Kyoritsu Shuppan，2010年。 14）Katero Inoue，Kenichi Matsumoto，Masahiro Tsurubo和Koji Torii，“实现经验软件工程环境的方法”，信息处理，第45卷，第7期，第722-728页，2004年，2004年。（15） Ademia合作：IT系统开发中质量预测的实用方法，” (16) M. Tsunoda、N. Osugi、A. Kadota、K. Matsumoto 和 S. Sato，“使用协同过滤的软件开发工作量预测方法”，信息处理杂志，第 46 卷，第 5 期，第 1155-1164 页，2005 年。 (17) D. Zhang 和 J. J. Tsai，“机器学习和软件工程”，软件质量杂志，第 11 卷，第 2 期，第 87-119 页，2003 年。 (18) J. Wang 和 C. Zhang，“使用基于 RNN 编码器-解码器的深度学习模型进行软件可靠性预测”，Reliab. Eng. Syst. Saf.，第 170 卷，第 73-82 页，2018 年。 (19) T. Mori 和 N. Uchihira，“在软件缺陷预测中平衡准确性和可解释性”，Empir. Softw. Eng.，第 24 卷，第 2 期，第 779-825 页，2019 年。 (20) R. High，认知系统时代：深入了解 IBM Watson 及其工作原理，IBM Corporation，Redbooks，2012 年。 (21) IBM Cognitive PMO，https://www.ibm.com/jp-ja/marketplace/cognitive- pmo-jp（2020 年 1 月 5 日访问） (22) Naoshi Uchihira，“项目管理中的知识转移”，人工智能百科全书，第 19-10 节， pp.1355-1360，共立出版，2017年。 (23) Fujitsu KIWare，https://pr.fujitsu.com/jp/news/2017/11/28.html（2020/1/5访问） (24) Masatoshi Morisaki，“基于AI的源代码审查～通过深度学习诊断代码之美”，信息处理，第59卷，第11期，第985-988页，2018年。 (25) Takeshi Oshima、Naoshi Uchihira，“用于项目管理的AI知识分类模型～IT企业中AI应用方法的研究～”，国际项目管理期刊，第13卷，第1期，第121-141页，2018年。 (26) Toshiki Mori、Naoshi Uchihira，“项目和计划风险管理中的机器学习和知识创造的综合方法”，国际 P2M 杂志，第 14 卷，第 1 期，第 415-435 页，2019 年。
人工智能在管理项目流程和目标中的应用：系统分析
他们的日常生活以及企业如何制造商品和提供服务（Makridakis，2017 年）。人工智能可以改变每个行业和学科（Canhoto & Clear，2020 年），包括项目管理 (PM)（Ong & Uddin，2020 年）。本文将人工智能作为一个总称，指任何能够执行人类智能特征任务的计算机程序。从 SIRI 到自动驾驶汽车，人工智能变得越来越复杂。人工智能技术，如机器学习 (ML)、深度学习 (DL) 和自然语言处理 (NLP)，现在可以更快地识别模式，减少人工指导（最终可能不需要指导）。他们可以使用新的非结构化数据源（包括图像、声音、视频、文本和地图数据）做出更准确的数据驱动决策并解决业务问题。人工智能应用程序已经迅速开发和部署。它们现在出现在金融、营销和销售、人力资源、客户服务等业务职能中，以及银行、制造业和零售业等各个行业的运营中（Halper，2017 年）。它们展现出巨大的潜力，为提高效率和生产力创造了绝佳的机会（Makridakis，2017；Schoper 等，2018）。项目是创造独特产品、服务或成果的临时努力（项目管理协会，2017）。它们是当代组织的基石。大多数项目都是复杂且多方面的，需要精心管理。项目管理是将知识、技能、工具和技术应用于项目活动以满足项目要求（项目管理协会，2017）。 PM 涉及各种人员（例如，PM 经理、团队成员和外部利益相关者）、不同的流程（例如，启动、规划和执行）、众多知识领域（例如，集成、质量和风险）、无数技术（例如，甘特图、PERT（项目评估和审查技术））和多个约束（例如，成本、时间和范围） (Heagney, 2016)。PM 对于项目成功至关重要 (Munns & Bjeirmi, 1996)。在当今瞬息万变的商业环境中，PM 使组织能够在预算紧张、时间紧迫和资源有限的项目中取得成功。人工智能可以深刻影响 PM 的许多方面 (Auth et al., 2021; Dam et al., 2019; Uchihira et al., 2020)。例如，基于人工智能的工具可以接管会议计划、提醒、日常更新和其他管理任务等功能。更重要的是，它们可以帮助项目经理和团队成员处理更高层次、复杂的数据驱动决策，例如复杂性和成功分析以及风险评估，以确保项目按计划和预算进行。此外，人工智能应用程序可以做的不仅仅是估算成本和进度。它们还可以分析当前和以前项目的数据以提供见解，指导项目通过艰难的决策和意想不到的障碍。简而言之，人工智能应用正在兴起，用于根据项目或环境变量的可能变化及其与其他变量的关系来评估、分析或预测潜在结果。