ダイナミックAIプロジェクト見積もり’ (Dainamikku AI purojekuto mitsumori)

ダイナミックAIプロジェクト見積もり' (Dainamikku AI purojekuto mitsumori)' Condensed result Dynamic AI project estimate.

アジャイル成功の基礎をマスターする

Tom Parkesによる写真、Unsplash

見積もり

今日では、ほとんどの人が見積もりを使用しています。顧客はプロジェクトの結果を使用する予定を立て、制御するためにそれを必要とします。見積もりはまた、プロジェクトマネージャーがスコープ、作業量、および各タスクまたはプロジェクト全体の大まかなコストを把握するのに役立ちます。

見積もりは、次のようなさまざまな状況で役立ちます:

  • 作業がどのように設定されているかを知る:タスクをいくつかの小さなタスクに分割して、必要な主要な手順を確認します。
  • 複雑さを理解する:単独の複雑なタスクの見積もりをするのは難しいですが、作業構造の各部分ごとに見積もりを出すのは簡単です。これにより、仕事の難しさと完了にかかる時間を把握するのに役立ちます。
  • コストを把握する:ほとんどの企業では、プロジェクトに取り組む前に、それがいくらかかり、どのようなリソースが必要かを説明し、守る必要があります。

現実はどうなのか?

具体的な真実に直面しましょう…. 見積もりは一般的には機能しませんし、これが最大の問題です。私たちの計画は間違っており、完全ではなく、実際の作業とは何の関係もありません。チームが似たようなタスクに何度も取り組んできたとしても、最も経験豊富なソフトウェア開発者でも、それを終えるのにどれくらいの時間がかかるかを推測するのは難しいです。相対的な見積もりをAIプロジェクトで使用するには、関連するサンプルと良い見積もりプロセスが必要です。関連する見積もりには、過去に行われたすべての関連するタスクの平均時間を考慮した簡単な統計的な見積もりなどがあります。このような見積もりを作成するには、まずデータセットを収集する必要があります。

上記で述べたように、各タスクを個別のレベルに分解することが鍵です。そのため、Scrumは正確な時間ではなく相対的なストーリーポイントを使用するようにしています。最初に、見積もりはタスクのレベルでより正確になり、次にスプリントのレベルで、最後にプロジェクトのレベルでより正確になります。過去の経験が相対的な見積もりの作成に役立つ場合、プロジェクトの最初のスプリントに対しては絶対的な見積もりのみを行うべきです。その後は、すでに完了したタスクを使用して新しい見積もりを行うべきです。

ビジネスと実装の見積もり

見積もりは2つの異なる視点から特定することができます。最初の視点は実装部分であり、この部分は主にプロジェクトマネージャーやチームリーダーがプロジェクトを完了させるために理解しようとするものです。この時点での見積もりの主な目標は、最終的なソリューションを構築するために必要な時間と費用をよりよく理解することです。

2つ目の視点は、プロジェクトのビジネス目標に多く関連しています。この視点は通常、実装チームには見えません。ほとんどのプロジェクトには通常、収益増加、顧客満足度向上、コスト削減などのビジネスモデルがあります。実装の見積もりを進める際には、このビジネスモデルを考慮に入れる必要があります。なぜなら、ビジネスモデルは可能な制約を設定するからです。AIプロジェクトでは、ビジネスの見積もりはまずビジネスモデルの予算制約を考慮に入れ、プロジェクトのパフォーマンスを計算するために使用できる一連のビジネスメトリクスを作成することで行われます。

まずは一般的な手順をまとめ、その後詳細に入っていくべきです。以前にこのようなプロジェクトを行ったことがある場合は、その計画を参考にしてどこから始めるかを把握することができます。他のプロジェクトからデータを収集し、それを見積もりに活用することは、見積もりを得るための素晴らしい方法ですので、過去の仕事を軽視しないでください。

アウトラインに十分な情報が含まれている場合は、ソフトウェアアーキテクチャの提案を行う時です。これは非常に重要なステップです。なぜなら、アウトラインを顧客やエンドユーザーのニーズに必ずしも合わせることができない場合があるからです。使用する技術、それらが顧客のシステムの他の部分とどのように連携するか、ソリューションの展開方法などについて、少なくとも一般的なアイデアを持っている必要があります。24時間365日利用可能などの重要な非機能要件がある場合、ソフトウェアアーキテクトは技術とシステム設計の観点からそれを実現する方法についても考える必要があります。ハイレベルなアーキテクチャのビジョンをまとめることで、このアウトラインが意味を持つようになります。アウトラインを変更する必要があると思った場合は、躊躇せずに変更してください。ソフトウェア設計は経験豊富なエンジニアによって行うべき難しいタスクです。ソフトウェアソリューションの設計経験があまりない場合は、チームの誰かに助けを求めるか、さらに良い場合はソフトウェア設計をグループで行ってください。

アウトラインが完成し、ソフトウェアアーキテクチャの計画ができたら、プロジェクトの見積もりを開始することができます。プログラム評価とレビュー技法(PERT)のような簡単な統計的手法を使用して、数値を見積もることができます。

PERTとは何ですか?

PERTは、タスク完了に必要な予想期間を見積もるための手法であり、多くの未知の変数が存在するシナリオに取り組む際に非常に価値があります。PERTは元々アメリカ海軍で開発されたものであり、その後、数多くのプロジェクト監督者の間で大きな支持を得ています。

PERTの枠組みでは、各タスクに1から3の範囲で評価を割り当てることができます。具体的には、タスクが最適な条件下で要求する時間投資を考慮することを意味します。さらに、進行を妨げる前提条件から生じる小さな技術的な問題や複雑さの可能性も、開発の軌道に組み込む必要があります。

したがって、計算が必要な主要な要素は次のとおりです:

  1. 最もありそうな見積もり: 与えられたタスクに対して最も正確な評価を提供することです。
  2. 悲観的な見積もり: 逆境の状況でのタスク完了に必要な時間を表します。このカテゴリには、実験の失敗や複雑なデバッグセッションなどのリスクが含まれます。
  3. 楽観的な見積もり: 条件が最適に進行した場合にタスクを達成するための予想される時間枠を指します。

PERT見積もり = (楽観的な見積もり + 4 x 最もありそうな見積もり + 悲観的な見積もり) / 6

PERT標準偏差 = (悲観的な見積もり – 楽観的な見積もり) / 6

確率の範囲を約99.7%にするためには、次のように計算することができます:Pert見積もり ± 3 x PERT標準偏差(範囲を制限するために3を2に設定することもできます)。

相対的な見積もりの出発点として、既に完了したプロジェクトからデータを使用することを忘れないでください。見積もりをする際には、使用する外部情報が多いほど、見積もりの正確性が向上し、リスクを回避することができます。

見積もりの目標

予測を立てる際には、究極の目標に着実に焦点を当てることが非常に重要です。正確な見積もりを作成し続けるには、多くの努力と時間が必要です。特にAIの取り組みの領域では、予測結果が複雑な性質を持つため、信頼を築くことが重要であり、チームとクライアントの両方からの信頼は、成功した実行の可能性と正の相関関係があります。

予測には、業界の未知の領域(新しいビジネスドメインのソリューションの作成や先進的なアルゴリズムや技術の統合など)といった未知の領域に直面した場合、時間の側面や詳細な設計図に対する過度の依存は避けるべきです。代わりに、見積もりの洞察力を駆使して適切に活用することが望ましいです。これらは、実装戦略と顧客の期待との一致を確保するだけでなく、これらの欲望に沿ってプロジェクトを導くためのツールとして機能します。

リスク

AIプロジェクトの領域で、最初のかつ重要な脆弱性のポイントは、プロジェクトの目標を明確にすることです。望ましい結果を正確に理解することが成功のポイントです。プロジェクトの実装が迅速に始まることは非常に興味深いですが、正確さに欠ける場合は、実際のビジネス要件から大きく逸脱する可能性があります。したがって、明確に定義された目標を持つことは非常に重要です。これらの目標は、チームにとってコンパスのように機能し、正確な解決策と誤った解決策との区別を可能にします。

研究プロジェクトへのアプローチ方法

研究プロジェクトは、これまで遭遇したことのない問題の解決を目指したプロジェクトを指します。特に、研究プロジェクトの背後にある動機は、科学的知識の向上を越えています。これらは、チームが未踏の領域(新しいビジネスドメインや新興のAIライブラリなど)に没頭し、ビジネスコンテキストでのAIの革新的な応用を見つけ出すことを目指すシナリオを含みます。ほとんどのAIイニシアチブには、副次的な研究プロジェクトがモデリングプロセスを担当します。

ただし、研究プロジェクトの基本的な問題は、包括的な範囲を持たない傾向があることです。各研究プロジェクトには、明確に定義された目標が必要です。このような明確さがなければ、成功の達成は難しいです。また、研究の領域では、外部の課題に対処することも同様に重要です。研究のための財政的な割り当ては、プロジェクトの範囲の広がりに比例して自然に増加します。予算の制約が存在する場合は、研究の深さ期間にも制約が加わります。

研究の可能性が決定されると、共同の取り組みが保留中の実験に向けられることができます。バックログの各エントリは、モデルの品質を豊かにしたり、所望の機能を実現するのに適したアイデアを具体化するための適切な枠組みであるSMART基準(具体的、測定可能、達成可能、関連性がある、期限がある)を提供します。

現在の研究サイクル内のすべての進行中の実験について、迅速かつ包括的な品質評価を実施してください。この実践は、各実験に対する予想される時間投資を評価するのに役立ちます。研究プロジェクトの軌道を守り、潜在的な誤りを防ぐために、以下のガイドラインに従うことが重要です:

  • 具体的な目標を設定する
  • 成功の基準を設定する
  • 時間や費用の制限などの制約を定義する
  • 実験のキューを埋める
  • 希望に基づいて優先順位を付ける
  • すべてのテストとその結果を追跡する
  • コードを簡単にコピーできるようにする
  • 見つけたことを書き留める

考慮すべき追加の部分は以下の通りです:

  • 必要なものと主要な部分を特定する
  • 開始時に重要でない部分の努力を減らす
  • できるだけ効率的にする(予算に基づいて)

プロジェクトのかなりの部分は、トップダウンの推定アプローチに依存しており、このアプローチでは、プロジェクト全体の予算配分から始まり、その後、それをより小さなコンポーネントに分解します。この方法は、プロジェクトの財務フレームワーク価格設定がすでに確立されている場合に特に使用されます。ただし、このアプローチには注目すべき問題があります。プロジェクトの開始時には初期の見積もりが信頼性に欠ける傾向があることです。この課題は、プロジェクトの要件と詳細な計画が確定する前に、必要な予算を決定することが複雑であるという事実から生じます。

この課題は、特に初期見積もりの正確さを最終的なプロジェクトの結果に対して評価することが不可能な場合にさらに悪化する可能性があります。トップダウンの推定の効果は、プロジェクトの範囲内の各タスクが最初の固定価格にどのように貢献するかについての深い理解が存在する場合に最適化されます。ただし、このレベルの理解には手動で確認するのが不可能なほどの時間と労力が必要です。

追加の役立つ部分

  • 誰もが常にプロジェクトに取り組むわけではありません。休憩が必要だったり、会議に出たり、交通渋滞に巻き込まれたりします。そのため、リソースが利用できない時間は20%と想定し、利用可能な時間は80%と想定する必要があります。プロジェクトのリソースが半分の時間しか利用できない場合は、最大利用可能単位を40%に設定します。プロジェクトのスケジュールを設定する際には、各リソースの休日や工場の閉鎖、トレーニング、休暇も考慮することを忘れないでください。計画は常に完全に予定通りに進まないものです。いくつかのタスクは遅れることがあります。
  • 余裕を持たせる: 計画は常に完全に予定通りに進まないものです。いくつかのタスクが遅れる可能性があるため、エラーの余地を持たせる必要があります。良いアイデアは、特定のフェーズ(チームがほとんど経験がない新しい技術を使用するフェーズなど)の最後に余裕のタスクを追加することです。または、そのフェーズのプロジェクト概要の締め切りを元の長さから20%延長することです。たとえば、フェーズの元の長さが100日の場合、それを120日にすることができます。
  • プロジェクトの開始時に可能なリスクのいくつかを特定し、これを継続的な手続きとして行うことを試みてください。

結論

  • 見積もりは、プロジェクトの計画と制御、複雑さの理解、コストの把握に使用されます。
  • 見積もりは困難で正確ではないため、関連するサンプルと良い見積もりプロセスが必要です。
  • 正確性を向上させるために、正確な時間ではなく相対的なストーリーポイントを使用してください。
  • ビジネスの見積もりと実装の見積もりを区別し、ビジネスモデルの予算制約を考慮してください。
  • ステップをアウトラインし、ソフトウェアアーキテクチャの提案を行い、PERTのような統計的な方法を使用してプロジェクトを見積もります。
  • PERTは、各タスクに対して1〜3のスケールで評価を行います(最良の場合、最も可能性が高い場合、悲観的な見積もり)。

参考文献

Dubovikov K.(2019)。データサイエンスの管理。Packt Publishing

プロジェクト予算の作成-完全ガイド

現実的なプロジェクト予算を作成するために、システムの有無にかかわらず、1つの簡単なガイドで必要なすべてを見つけましょう。

www.forecast.app

A Three-Point Estimating Technique: PERT

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

「クリス・サレンス氏、CentralReachのCEO - インタビューシリーズ」

クリス・サレンズはCentralReachの最高経営責任者であり、同社を率いて、自閉症や関連する障害を持つ人々のために優れたクラ...

人工知能

「aiOlaのCEO兼共同創設者、アミール・ハラマティによるインタビューシリーズ」

アミール・ハラマティは、aiOlaのCEO兼共同創業者であり、スピーチを作業可能にし、どこでも完全な正確さで業界固有のプロセ...

機械学習

「機械学習 vs AI vs ディープラーニング vs ニューラルネットワーク:違いは何ですか?」

テクノロジーの急速な進化は、ビジネスが効率化のために洗練されたアルゴリズムにますます頼ることで、私たちの日常生活を形...

人工知能

ギル・ジェロン、Orca SecurityのCEO&共同創設者-インタビューシリーズ

ギル・ゲロンは、オルカ・セキュリティのCEO兼共同設立者ですギルは20年以上にわたりサイバーセキュリティ製品をリードし、提...

人工知能

エンテラソリューションズの創設者兼CEO、スティーブン・デアンジェリス- インタビューシリーズ

スティーブン・デアンジェリスは、エンタラソリューションズの創設者兼CEOであり、自律的な意思決定科学(ADS®)技術を用いて...

人工知能

「マーク・A・レムリー教授による生成AIと法律について」

データサイエンス内で新しい分野が現れ、研究内容が理解しにくい場合は、専門家やパイオニアと話すことが最善です最近、私た...