【编辑推荐】
《人工智能项目管理 方法.技巧.案例》的三位作者,都是长期深入人工智能项目领域的实干家,他们在医疗影像、制药、安防、家居等领域的人工智能应用有非常多的经验,也汇聚了很多问题及其解决方案。《人工智能项目管理 方法.技巧.案例》书中提供一系列适用于AI项目管理的基本框架、分析思路和翔实可用的模板、思维图和流程,帮助读者理解人工智能项目管理的点,从而解决工作中的难题。对于立志于参与到人工智能项目中的管理人员、算法专家、开发人员、业务人员和领域专家,都会带来一定的帮助。
【内容简介】
本书从人工智能(AI)项目管理中的实际困难出发,覆盖通用项目管理、通用人工智能、定领域人工智能三个层次的问题。重点讨论治理、范围、进度和质量四个大类的问题,并提供一系列适用于AI项目管理的基本框架、分析思路和翔实可用的模板、思维图表和流程,帮助读者快速理解人工智能项目管理的点,并应用到具体的项目中,解决具体的问题。全书内容可概括为两大部分——“地基”和“上层建筑”。首先覆盖了项目、行业和人这三个基础主题,让AI项目管理能够站在一个稳定的基础知识(地基)上。之后,重点概述了范围、进度和质量三个部分,还将资源、风险、相关方等几个管理领域穿插在各个章节中,这些主题形成了应用部分(上层建筑)。本书对人工智能项目中的管理人员、算法专家、开发人员、业务人员和领域专家,都会带来一定的帮助。
【目录】
第1章 项目管理概要0011.1 项目管理知识体系0031.1.1 项目生命周期0061.1.2 过程组和知识领域0121.1.3 开发生命周期和敏捷0181.2 能力成熟度模型0221.2.1 能力成熟度模型集成的五个级别0231.2.2 能力成熟度模型集成的适用性0281.3 集成产品开发0281.3.1 启动与规划0301.3.2 跨职能团队0311.3.3 项目管理概念0311.3.4 集成产品开发的适用性0331.4 软件开发项目管理0341.4.1 交互和服务模式0341.4.2 需求管理0361.4.3 软件开发生命周期0371.4.4 软件配置管理041第2章 人工智能项目0432.1 人工智能核心技术0442.1.1 机器学习0442.1.2 深度学习0522.1.3 人工智能的开发过程0702.2 人工智能项目0752.2.1 人工智能项目的分类0752.2.2 人工智能项目的共性0772.2.3 常见的7类问题0782.3 人工智能产业0802.3.1 人工智能生态的层次0812.3.2 典型的人工智能项目场景0832.3.3 人工智能的伦理问题0902.4 案例:抗疫场景的人工智能项目0942.4.1 新冠肺炎诊断人工智能项目0952.4.2 抗疫服务机器人项目0962.4.3 疫情社区服务机器人项目0972.4.4 疾控智能分析项目0972.4.5 复工指数预测项目0982.4.6 人工智能在线课堂项目098第3章 项目的环境和团队1013.1 环境:项目经理的资源1023.1.1 冲突:项目经理的挑战1023.1.2 项目治理:协作和结构1043.1.3 委员会:哪里找高端人才1063.1.4 项目管理办公室:方法和模板库1083.2 核心人物:项目经理1103.2.1 定位:赋能者1103.2.2 技能:三种武器1153.2.3 领导力:四种方法1173.2.4 做决策:四步流程1213.2.5 团队建设:规划与对齐1243.3 相关方管理1283.3.1 识别相关方1293.3.2 管理相关方1313.3.3 和相关方的沟通1333.4 案例:医疗影像项目中的伦理1353.4.1 隐私和安全1363.4.2 程序能下诊断吗1373.4.3 人工智能程序的注册1383.5 案例:医工结合管理1393.5.1 为什么医工结合很复杂1393.5.2 医疗机器人1413.5.3 医工结合的项目实践143第4章 项目规划1474.1 确定项目目标1484.1.1 外部条件1494.1.2 内部条件1554.1.3 制定项目章程1574.1.4 制定项目规划1584.2 工作分解1594.2.1 工作分解结构1604.2.2 敏捷任务分解1644.2.3 认知和数据任务分解1654.3 风险规划1674.3.1 风险管理的步骤1684.3.2 人工智能项目的风险1744.4 案例:医疗影像项目的规划1754.4.1 识别相关方1774.4.2 外部环境评估1784.4.3 内部环境评估1794.4.4 商业文件1824.4.5 项目章程1844.4.6 确定项目范围187第5章 进度管理1955.1 资源管理1965.1.1 规划资源1975.1.2 申请资源2015.2 任务估算2115.2.1 两种估算思路2115.2.2 估算中的复杂度2115.2.3 三种任务估算方法2135.2.4 人工智能任务的估算2165.3 进度管理2185.3.1 进度规划准备2205.3.2 建立活动的模型2215.3.3 项目工期计算2285.3.4 形成规划2335.3.5 进度执行和控制2345.4 案例:医疗影像项目的进度计划2385.4.1 资源获取2395.4.2 构建前导图2435.4.3 进度计划表246第6章 质量管理2496.1 项目质量管理2516.1.1 理念和要素2516.1.2 制订质量计划2536.1.3 质量控制2616.2 人工智能项目的质量管理2636.2.1 人工智能质量相关的标准2636.2.2 人工智能伦理的质量评价2666.2.3 算法模型的质量评估2686.2.4 客户需求满足的主观评价2746.2.5 软件相关质量评价2756.2.6 数据质量2776.2.7 配置管理2796.3 案例:医疗影像项目的质量主题2836.3.1 建立指标和验证过程2836.3.2 数据质量2856.3.3 临床验证中的质量289中英文名词索引294参考文献297
【作者简介】
杨志宝,资深产品和项目管理专家。曾任职于IBM、百度、58同城等软件和互联网公司,领导和参与了多个软件产品的研发管理工作。2013年以来深耕医疗行业,在智慧医疗、互联网医疗服务、医学数据管理等领域,领导了多个项目的产品开发、运营和项目管理工作。本科和研究生阶段,分别就读于理工大学和清华大学,学习机电工程和自动化。班超,算法专家,先后毕业于中国科学院大学和伦敦大学学院(UCL),取得天文学博士和机器学习硕士学位。长期从事机器视觉算法工作。曾任职于阿里巴巴集团,负责多项淘宝算法的研发与部署。目前就职于中国电信集团,负责带领团队进行多模态前沿算法的研发与落地。此外,也曾涉及AI辅助制药,自动驾驶等领域。方瀚,算法工程师,本科和研究生均就读于邮电大学,学习电信工程及管理和信息与通信工程专业。研究方向为计算机视觉与模式识别,人脸识别,多模态学习。在IEEE TMM、ECCV、ICASSP、FG等国际期刊,会议发表论文8篇,入选市优秀学士论文奖,市优秀毕业生。目前就职于中国电信集团数字智能科技分公司,从事多模态理解,视频检索等相关算法的研发与落地。
【前言】
我们正处于一场由人工智能等技术引领的革命中,这场技术革命影响着我们身边的每一个人,从人脸打卡、机动车辆的自动识别、智能手表,到正在逐渐成熟的自动驾驶、智慧金融、智慧医疗等领域,每个人都能感受到人工智能给生活带来的巨大改变。根据互联网数据中心(Internet Data Center,IDC)测算,2021年全球在认知和人工智能系统上的支出达到580亿美元。而根据普华永道的预测模型,人工智能在2030年将为世界经济贡献15.7万亿美元。我国政府也很早就看到了这个发展机遇,从2017年开始,我国人工智能政策重点强调技术和产业的深度融合,2017年7月,国务院印发的《新一代人工智能发展规划》明确指出要“加快人工智能深度应用”。2018年“两会”也指出,“人工智能+产业”的融合将是未来的重点,科技部、工信部、民政部等均提出了“人工智能+产业”的发展目标。2019年,“两会”更是将“智能+”写入政府工作报告,人工智能技术对社会的赋能被给予最高层次的期待。我国正处于工业经济由数量和规模扩张向质量和效益提升转变的关键期,“人工智能+”的理念给数字技术提供了最广阔的落地空间和回报想象。通过智能化手段把传统工业生产的全链条要素打通,可以更好地推动制造业的数字化、网络化和智能化转型,更能反向助推技术自身的迭代和进步。从20世纪60年始,项目管理作为管理科学的一个分支,开始逐渐在各个领域中得到应用,形成了知识体系、人才培训体系和行业经验。项目管理是一个不断演变和丰富的实践科学,在遇到新领域的新问题时,项目管理会因地制宜,进一步丰富理论和实践。目前,各行业、各种不同类型的企业和研究机构均开展了人工智能相关的项目,项目管理在人工智能行业中的理论和实践正在逐渐成熟。这其中的参与者,有央企和国企,有互联网头部公司,有创新型公司,也有在数字化转型中的传统企业。人工智能项目把流程、数据、认知这些重要资源整合在一起,理顺相互关系,取得化的结果。每一个人工智能项目的成功开展,都留下了可继承和发扬的项目成果及实践经验。人工智能项目的管理,也给所有参与者带来了新的挑战。《哈佛商业》的调查数据显示,47%的高管表示,很难将认知项目与现有流程和系统集成;40%的高管表示人工智能技术和专业知识过于“昂贵”;37%的高管表示,管理者不了解认知技术及其工作方式。人工智能项目开展的难度来源有三个方面的影响:人工智能项目的本质因素的影响;项目组织的影响;行业性的影响。和其他类型的项目相比,人工智能项目有两个本质性的不同:交付物是认知,输入的是数据。认知作为人工智能模型的交付物,在构建、优化、质控、配置管理方面,都和常规软件产品、实物产品不同。数据作为一种资产和生产资源,已经得到了广泛的认可,但在数据如何计量、存储、确权、质量评估、定价等方面,业界也处于探索中,相应的标准出台缓慢。除了认知和数据外,算力、人才、应用场景、伦理和合规等各因素,对人工智能项目的管理者也提出了新的要求。从项目组角度看,人工智能项目通常有这样的一些挑战:①项目治理结构建设不健全,项目经理职责不明确,或者是由技术人员兼职;②项目组目标和指标模糊,或者难以界定;③定相关方的管理被忽视;④缺少一些核心的项目管理环节,比如数据和算法的工作分解及评估,使得项目进度和成本的估算困难;⑤在人员持续变动的环节中,交付物难以维护,质量难以提升;⑥忽视了不同类型AI的风险管理等。人工智能对项目管理的影响,已经深入到项目管理的各个方面,值得深入探讨。人工智能项目的开展,也受到行业性的制约。各行业的知识密度、知识复杂度、掌握知识的人、数据复杂度、行业规范等均不相同,而人工智能项目是将人的智慧转移到交付物上的过程,因此,行业对人工智能项目管理的影响也不能忽略,脱离具体的行业应用来谈论人工智能项目管理,是不切实际的。其中,智慧医疗是人工智能的重要应用领域。人工智能可以应用在智能诊疗、药物研发、医疗机器人、健康管理等多个领域,为提升整个社会的医疗卫生运营效率和效果做出贡献。本书重点以医疗影像辅助诊断作为重点案例,探讨人工智能在定行业中的应用。经过几年的消化和沉淀,人们从最开始对人工智能的焦虑、恐惧,初期的盲目乐观和过高期待,发展为现在的冷静理智和客观评价。有理由相信,会有更多的人才陆续参与到和人工智能相关的项目中来。因此,有一本关于人工智能项目管理的书来探讨项目管理中共性的问题,是非常有必要的。本书的目标读者,既包括项目决策者、管理者或参与者,即亲身经历人工智能项目的读者,也包括有项目管理背景但尚未参与过人工智能项目的读者。本书并非项目管理的理论书籍,也无意于提供一个完整翔实的人工智能项目管理框架。相反,本书从人工智能项目管理中的实际困难出发,覆盖通用项目管理、通用人工智能、定领域人工智能三个层次的问题。本书重点讨论治理、范围、进度和质量四个大类问题,并提供一系列的模板、图和流程,帮助读者快速应用到具体的项目中,解决具体的问题。全书各章节的内容分布如下。在本书的第1章中,对三类经典的项目管理知识体系进行了回顾。人工智能项目可以看作是一个更复杂的软件项目的延伸,在第1章的最后,对软件项目管理的重要概念进行了回顾。对项目管理的基础理念非常熟悉的读者可以直接跳过,从第2章开始阅读。第2章,重点介绍了人工智能的基本概念、应用和趋势。该章首先对人工智能技术和产业进行了介绍,帮助读者了解机器学习和深度学习的基本概念。在此基础上,对人工智能的项目进行分类,并总结了人工智能项目的伦理、点和常见痛点。本章以新冠肺炎(新型冠状病毒肺炎,简称新冠肺炎)人工智能应用为案例,介绍了产业中丰富的人工智能应用。项目经理需要作为赋能者,整合组织的各项资源开展工作,来推动项目的开展。第3章是关于项目治理和人的章节。对一个新开展人工智能项目的项目经理,第3章能帮助他了解组织中哪些资源对项目是有用的,哪些心态和工作方法是项目经理应该掌握的,如何找全项目的相关方并有效开展工作。在这章的最后,以案例的形式讨论了两个人工智能的典型主题:伦理和跨领域合作。把人工智能项目的规划做全做对,整个项目就成功了一半。在第4章中,重点讨论了项目规划这个主题。本章重点从确定项目目标是什么、项目范围包含了哪些工作和应对人工智能项目风险三个方面来细化项目规划,并以项目工作分解为主介绍了项目范围的管理。在本章的案例中,以医疗影像人工智能项目为例,给出项目规划阶段的各个具体文档样例。人工智能项目的进度经常会延期,进度管理是整个项目组面临的一大挑战,第5章进行了进度管理讨论。本章以各类资源的申请和进度计划制订流程为主线,介绍了资源、进度的各种要素和流程。在案例中给出了医疗影像人工智能的进度管理样例。人工智能项目的质量控制的指标和流程,和其他项目有很大的不同,如何制订质量计划,确定质量指标,对项目经理来说是一大挑战。在第6章中,重点讨论了项目的质量管控。除了介绍基础的质量管理外,还重点介绍了人工智能的标准体系、质量指标和相关流程。在本章的案例中,介绍了数据质量和临床验证质量的主题。希望通过这些章节的介绍和讨论,帮助读者快速了解人工智能项目管理的主要方法、技巧和案例,给具体的项目工作带来帮助。由于作者自身水平的限制,加上人工智能产业还在快速发展中,覆盖行业又极广泛,本书中疏漏之处在所难免,内容也不可能面面俱到。对于书中的不足,欢迎读者提出批评、建议和指正。在这里,也向支持本书创作的家人们、指导方向的导师们、提出建议的朋友们和出版社的工作人员一并表示衷心的感谢!著者