Η ταχεία εξάπλωση της Τεχνητής Νοημοσύνης δημιουργεί νέες ευκαιρίες για οργανισμούς σε κάθε κλάδο, από τις χρηματοοικονομικές υπηρεσίες και την υγεία έως τη βιομηχανία και το λιανεμπόριο. Ωστόσο, η επιτυχής υλοποίηση ενός έργου AI δεν εξαρτάται αποκλειστικά από την τεχνολογική αρτιότητα της λύσης. Εξαρτάται σε μεγάλο βαθμό από το πόσο αποτελεσματικά διοικείται το έργο από τη σύλληψη της ιδέας έως την ενσωμάτωση της λύσης στην καθημερινή λειτουργία του οργανισμού.
Της Χρύσας Ζερβάκη, BizApps Project Manager / Business Analyst, BEWISE
Οι διαφορές στα έργα Τεχνητής Νοημοσύνης
Σε αντίθεση με πιο παραδοσιακά έργα πληροφορικής, τα έργα AI χαρακτηρίζονται από υψηλότερη αβεβαιότητα. Συχνά, στην έναρξη του έργου δεν είναι απολύτως σαφές αν τα διαθέσιμα δεδομένα επαρκούν, αν το μοντέλο θα πετύχει την επιθυμητή ακρίβεια ή αν οι χρήστες θα εμπιστευτούν τα αποτελέσματα. Αυτό σημαίνει ότι ο project manager δεν μπορεί να βασιστεί μόνο σε μια γραμμική λογική σχεδιασμού και εκτέλεσης. Χρειάζεται μια πιο προσαρμοστική προσέγγιση, με συνεχείς επαναξιολογήσεις, πειραματισμό και ταχεία ανατροφοδότηση ορίζοντας όχι μόνο deliverables αλλά και learning milestones, όπως proof of concept, data readiness checks και model performance gates.
Ένα από τα σημαντικότερα σημεία στα έργα AI είναι η διαχείριση των δεδομένων. Η ποιότητα, η πληρότητα και η προσβασιμότητα των δεδομένων επηρεάζουν άμεσα το αποτέλεσμα του έργου. Επομένως, η διοίκηση έργου πρέπει να ενσωματώνει από νωρίς ελέγχους διαθεσιμότητας δεδομένων, σαφείς ρόλους ιδιοκτησίας και διαδικασίες διακυβέρνησης. Ένα έργο AI μπορεί να φαίνεται τεχνικά εφικτό, αλλά να αποτύχει επιχειρησιακά επειδή τα δεδομένα είναι ελλιπή, ασύνδετα ή μη αξιόπιστα.
Εξίσου κρίσιμη είναι η διαχείριση των ενδιαφερόμενων μερών. Σε ένα έργο AI εμπλέκονται διαφορετικές ομάδες με διαφορετικές προσδοκίες. Σε τέτοια έργα ο PM δεν συντονίζει μόνο tasks αλλά γεφυρώνει business owners, data scientists, engineers, legal, compliance και end users. Εκεί βρίσκεται συχνά η πραγματική δυσκολία: όχι στην ανάπτυξη του μοντέλου αλλά στη συμφωνία για το τι σημαίνει επιτυχία, ποιος εγκρίνει τι και πότε ένα αποτέλεσμα είναι αρκετά καλό για παραγωγική χρήση.
Ένα ακόμη χαρακτηριστικό των έργων AI είναι ότι η επιτυχία δεν τελειώνει με την παράδοση. Ένα μοντέλο μπορεί να χρειάζεται συνεχή παρακολούθηση, επανεκπαίδευση και προσαρμογή, καθώς αλλάζουν τα δεδομένα και οι συνθήκες λειτουργίας. Άρα, το project management οφείλει να προβλέπει όχι μόνο το στάδιο της ανάπτυξης αλλά και το πλαίσιο λειτουργίας μετά την υλοποίηση. Η μετάβαση από το “build” στο “run” αποτελεί κρίσιμο σημείο για τη βιωσιμότητα της επένδυσης.
Από Project Management σε AI Governance
Παράλληλα, ζητήματα ηθικής, διαφάνειας και κανονιστικής συμμόρφωσης αποκτούν όλο και μεγαλύτερη σημασία. Η διοίκηση έργου σε περιβάλλον AI δεν περιορίζεται στην παρακολούθηση χρονοδιαγραμμάτων και προϋπολογισμών. Περιλαμβάνει και τη διασφάλιση ότι η λύση είναι υπεύθυνη, εξηγήσιμη όπου απαιτείται, και συμβατή με το νομικό και κοινωνικό πλαίσιο μέσα στο οποίο θα λειτουργήσει. Στα AI initiatives η μέτρηση επιτυχίας δεν μπορεί να περιορίζεται στο on time / on budget. Για τους PMs έχει σημασία να συνδεθεί το έργο με business KPIs, adoption metrics, reliability in production και μηχανισμούς συνεχούς παρακολούθησης μετά το go-live.
Η διαχείριση κινδύνων πρέπει να είναι πιο εξειδικευμένη. Εκτός από τους κλασικούς κινδύνους κόστους και χρόνου, υπάρχουν κίνδυνοι όπως data bias, έλλειψη explainability, regulatory exposure, model drift, εξάρτηση από τρίτους παρόχους και δυσκολία ενσωμάτωσης στο operational environment. Αυτό ενδιαφέρει ιδιαίτερα τους PMs γιατί μεταφράζεται σε διαφορετικό risk register και διαφορετικά response plans.
Τελικά, το project management σε έργα AI είναι ένας συνδυασμός στρατηγικής σκέψης, προσαρμοστικότητας και ισχυρής διακυβέρνησης. Οι οργανισμοί που θα αντιμετωπίσουν τα έργα AI μόνο ως τεχνολογικές πρωτοβουλίες ενδέχεται να δυσκολευτούν να αποκομίσουν πραγματική αξία. Αντίθετα, όσοι τα προσεγγίσουν ως σύνθετα έργα αλλαγής, με σωστή διοίκηση και καθαρή σύνδεση με τους επιχειρησιακούς στόχους, θα έχουν πολύ μεγαλύτερες πιθανότητες επιτυχίας.
Ο σύγχρονος ρόλος του Project Manager
Για τους επαγγελματίες του project management, τα έργα AI απαιτούν αναθεώρηση βασικών παραδοχών της διοίκησης έργου. Το ζητούμενο δεν είναι μόνο η παράδοση ενός τεχνικού αποτελέσματος εντός χρονοδιαγράμματος, αλλά η διαρκής επιβεβαίωση ότι το πρόβλημα έχει οριστεί σωστά, ότι τα διαθέσιμα δεδομένα υποστηρίζουν τη λύση και ότι το παραγόμενο αποτέλεσμα δημιουργεί μετρήσιμη επιχειρησιακή αξία. Σε αυτό το περιβάλλον, η λογική του M.O.R.E.* αποκτά ιδιαίτερη σημασία: ο project manager καλείται να διαχειρίζεται τις προσδοκίες των stakeholders, να αναλαμβάνει ευθύνη για την πραγματική επιτυχία του έργου πέρα από τους τυπικούς δείκτες παράδοσης, να επαναξιολογεί διαρκώς παραμέτρους και παραδοχές και να διευρύνει τη σκοπιά του ώστε να ενσωματώνει ζητήματα διακυβέρνησης, δεοντολογίας, υιοθέτησης και επιχειρησιακής αξίας.
* Manage perceptions – Own success – Relentlessly Reassess – Expand perspective
Σχετικά με τη Χρύσα Ζερβάκη
Η κυρία Χρύσα Ζερβάκη δραστηριοποιείται στον χώρο της Πληροφορικής για περισσότερα από 25 χρόνια, διαθέτοντας εκτενή εμπειρία στη διαχείριση και υλοποίηση έργων. Είναι πιστοποιημένη Project Manager και μέλος του PMI Greece Chapter. Στην BEWISE εργάζεται ως Project Manager σε έργα Business Applications, αξιοποιώντας τεχνολογίες Microsoft της πλατφόρμας Dynamics 365, βοηθώντας επιχειρήσεις να οργανώνονται και να λειτουργούν πιο αποτελεσματικά.
Στην καθημερινότητά της συνεργάζεται στενά με νέους & νέες επαγγελματίες στο χώρο της Πληροφορικής, στηρίζοντας τη μάθησή τους και συμβάλλοντας στη δημιουργία ενός θετικού και συνεργατικού περιβάλλοντος.
Παράλληλα, αποτελεί ενεργό μέλος του PMI Greece Chapter, στηρίζοντας ουσιαστικά στην προώθηση των αρχών της Διοίκησης Έργων, μέσα από τη συμμετοχή της στην εθελοντική ομάδα «Εκπαίδευσης». Δραστηριοποιείται στην ενίσχυση του Επαγγελματικού Προσανατολισμού, φέρνοντας τη φιλοσοφία του project managemen tπιο κοντά στις νέες γενιές με δια ζώσης επισκέψεις στα σχολεία.