譚現(xiàn)成

【摘? 要】 企業(yè)人工智能中臺可以實現(xiàn)企業(yè)對AI的自主可控，讓企業(yè)具有創(chuàng)造AI、應(yīng)用AI的能力，提升企業(yè)AI的核心競爭力。文章以人工智能中臺項目的進(jìn)度管理為分析對象，對人工智能中臺項目進(jìn)度管理的關(guān)鍵路徑進(jìn)行研究。首先，梳理目前人工智能中臺項目的研究現(xiàn)狀，指出目前對于人工智能中臺項目研究的不足。其次，對人工智能中臺的模塊進(jìn)行分析，研究人工智能中臺項目特點。然后，通過對人工智能中臺的活動進(jìn)行工期評估，梳理出關(guān)鍵路徑。最后，對關(guān)鍵路徑進(jìn)行分析，提供一些優(yōu)化思路。通過上述研究，能夠保障人工智能中臺項目按時推進(jìn)，加快產(chǎn)品進(jìn)入市場的時間點，贏得更多市場份額。同時，通過對于項目進(jìn)度的研究，提供同類型平臺項目進(jìn)度管理的研究案例，可為其他智能化平臺建設(shè)提供參考。

【關(guān)鍵詞】 人工智能中臺；項目進(jìn)度管理；企業(yè)管理

本研究針對人工智能中臺模塊多、技術(shù)難度大、周期長等特點，運用項目管理的技術(shù)以及方法，對人工智能中臺項目建設(shè)過程進(jìn)行研究分析，以平臺研發(fā)進(jìn)度作為研究方向，探究這類技術(shù)復(fù)雜度高、項目周期短的項目在實施過程中可能遇到的進(jìn)度問題。

一、人工智能中臺項目的功能模塊分析

人工智能中臺是為企業(yè)智能應(yīng)用提供AI能力支撐的統(tǒng)一共享服務(wù)平臺，其包含AI服務(wù)的管理和編排，以及AI能力的優(yōu)化、標(biāo)注、訓(xùn)練等模塊。人工智能中臺向上對接業(yè)務(wù)前臺，通過AI賦能業(yè)務(wù)落地，提高生產(chǎn)效率。向下接入管理后臺，整合多供應(yīng)商AI方案，優(yōu)化資源配置，管理數(shù)字資產(chǎn)。

圖1是一個人工智能中臺的典型業(yè)務(wù)場景：

人工智能中臺主要是建設(shè)中間部分，包括數(shù)據(jù)平臺、標(biāo)注平臺、訓(xùn)練平臺和管理平臺建設(shè)。其中不同功能模塊之間存在一定的依賴關(guān)系。依賴關(guān)系為標(biāo)注平臺和訓(xùn)練平臺需要使用數(shù)據(jù)平臺提供數(shù)據(jù)底座，管理平臺依賴標(biāo)注平臺進(jìn)行管理，統(tǒng)一門戶需要管理平臺的數(shù)據(jù)進(jìn)行展示。依賴關(guān)系如圖2所示：

二、人工智能中臺項目研發(fā)流程

軟件平臺的研發(fā)流程較為固定，一般流程是需求確認(rèn)—原型設(shè)計—高保真設(shè)計—功能開發(fā)—版本測試—版本發(fā)布。結(jié)合人工智能中臺的特點，首先進(jìn)行需求確認(rèn)，確認(rèn)人工智能中臺的功能范圍，主要包括數(shù)據(jù)平臺、標(biāo)注平臺、訓(xùn)練平臺以及管理平臺的功能邊界。然后由產(chǎn)品進(jìn)行產(chǎn)品原型設(shè)計，在通過原型評審后，進(jìn)行高保真頁面繪制。同時進(jìn)行架構(gòu)設(shè)計，選擇合適的技術(shù)路線。設(shè)計通過后，開始進(jìn)行各個模塊的開發(fā)工作。開發(fā)工作的順序，需要滿足人工智能中臺各個功能模塊之間的依賴關(guān)系，以此開展相應(yīng)工作。完成版本開發(fā)工作之后，測試人員開始進(jìn)行測試工作。測試內(nèi)容主要分為功能測試、效率測試以及穩(wěn)定性測試，其中功能測試花費時間最長，需要對人工智能中臺的所有功能進(jìn)行全量測試。功能測試通過后，對更新后的人工智能中臺進(jìn)行效率和穩(wěn)定性測試，形成測試報告，最終完成版本發(fā)布。流程圖如圖3所示：

對上述流程進(jìn)行分析，該流程具備以下特點：

1. 流程之間具備依賴性，比如軟件流程的依賴，即需求確認(rèn)、產(chǎn)品原型設(shè)計、架構(gòu)設(shè)計、高保真版本設(shè)計、版本開發(fā)、版本測試之間具備前后關(guān)系，不可并發(fā)進(jìn)行。

2. 人工智能中臺主要功能之間具備依賴關(guān)系，比如標(biāo)注平臺和訓(xùn)練平臺都需要數(shù)據(jù)平臺進(jìn)行數(shù)據(jù)的管理，所以要求功能安排具備合理性。

3. 個別關(guān)鍵節(jié)點流程較長，如需求評審、版本測試這兩個節(jié)點，一個位于項目起始階段，一個位于項目結(jié)束階段，導(dǎo)致項目工期整體變長。

4. 版本測試節(jié)點的功能測試節(jié)點花費時間較多，只有功能測試通過，才可以進(jìn)行性能測試和穩(wěn)定性測試工作。

針對上述流程特點的分析，需要對人為的關(guān)鍵步驟進(jìn)行進(jìn)一步拆解，并對各個模塊所花費的時間進(jìn)行評估，列出各個活動節(jié)點的最樂觀時間、最悲觀時間和最可能時間，然后采用工作分解結(jié)構(gòu)，對活動進(jìn)行整理，然后采用關(guān)鍵路徑進(jìn)行分析，從而進(jìn)行研究。

三、人工智能中臺項目的進(jìn)度管理

針對人工智能中臺項目，項目特點是人工智能中臺具備一定的技術(shù)復(fù)雜性，而且不同模塊之間存在依賴。由于目前市場對于人工智能中臺的需求比較迫切，所以需要盡早地發(fā)布可用版本，在市場中完成占位，所以對于項目進(jìn)度管理尤為重視。

文章將人工智能中臺的主要模塊進(jìn)行羅列，然后拆解為相應(yīng)的活動，并為活動賦予清晰、唯一的編號。根據(jù)已有類似平臺的開發(fā)經(jīng)驗以及人工智能中臺的投入資源，對活動花費時間進(jìn)行評估。通過最樂觀時間、最悲觀時間和最可能時間的估算，評估活動節(jié)點花費時間。通過這種方法，減少工期的不確定性。

采用三點估算法，對人工智能中臺的各個活動節(jié)點所需時間進(jìn)行估算，所需時間=（最樂觀時間+4*最可能時間+最悲觀時間）/6。以此數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)圖的繪制，根據(jù)繪制結(jié)果確認(rèn)關(guān)鍵路徑，關(guān)鍵路徑為A-E-F-H-K-L-M-N-O-Q，總工期為231個工作日。

（一）關(guān)鍵路徑分析

對上述關(guān)鍵路徑進(jìn)行分析，產(chǎn)品原型設(shè)計存在單一路徑問題，后續(xù)活動節(jié)點都依賴于產(chǎn)品原型設(shè)計完成，很多資源都等待該模塊完成，比如架構(gòu)設(shè)計以及高保真原型設(shè)計等。而且平臺開發(fā)和平臺測試之間為串行關(guān)系，整個鏈路同一時間點的投入資源不高，導(dǎo)致人員項目整體投入不高，浪費了人力。訓(xùn)練平臺開發(fā)節(jié)點和管理模塊開發(fā)節(jié)點工期較長，兩個節(jié)點的工期就已經(jīng)占到項目工期的一半左右。因此通過對以上問題進(jìn)行優(yōu)化，從而加快項目進(jìn)度，縮短項目的周期。

（二）流程優(yōu)化

1. 在項目起始階段，提前做好需求確認(rèn)，通過深入調(diào)研需求、明確業(yè)務(wù)預(yù)期、確定項目目標(biāo)，防止后續(xù)功能返工帶來的項目周期延長。

2. 功能確認(rèn)階段，采用從整體到局部的思想，先把人工智能中臺整體功能考慮清楚，對于局部功能，可以采用功能分解的方式進(jìn)行多次討論，明確功能邊界。

3. 將版本進(jìn)行拆分，拆分為不同版本進(jìn)行推進(jìn)，讓開發(fā)和測試的資源提前介入，減少串行工作，增大人員參與效率，縮短項目工期。

4. 按模塊進(jìn)行管理，不同模塊由專門的負(fù)責(zé)人進(jìn)行進(jìn)度管理，保障模塊的研發(fā)進(jìn)度。對于重點模塊重點監(jiān)督，防止該模塊延遲對其他模塊造成影響。

5. 對關(guān)鍵活動節(jié)點增加人力資源，如訓(xùn)練平臺開發(fā)節(jié)點和管理模塊開發(fā)節(jié)點，對這兩部分模塊進(jìn)行資源傾斜，可以有效縮短整個項目工期。

四、結(jié)語

文章分析了人工智能中臺項目的特點，以流程圖的方式對整個研發(fā)流程進(jìn)行梳理，并對主要活動進(jìn)行拆解，根據(jù)評估時間生成了人工智能中臺的關(guān)鍵路徑。在項目實施過程中，項目經(jīng)理可以根據(jù)工作開展情況，對工作進(jìn)行管理，確保項目進(jìn)度。

對于人工智能中臺項目，由于功能模塊多，而且互相之間有一定的依賴關(guān)系，所以不能按照傳統(tǒng)項目進(jìn)行版本排期，否則會導(dǎo)致研發(fā)工作串行問題，增加項目延期風(fēng)險。合理的方式是設(shè)置為不同的版本進(jìn)行推進(jìn)，讓研發(fā)以及測試人員提前投入進(jìn)來，增加人員項目參與度。同時對于關(guān)鍵節(jié)點進(jìn)行資源傾斜，解決關(guān)鍵節(jié)點周期過長問題，從而達(dá)到整體上縮短項目周期、加快項目進(jìn)度的目的。

參考文獻(xiàn)：

［1］ 薛慶祥. AI中臺成為金融數(shù)字化新基建［J］. 中國金融，2022（S1）：47-50.

［2］ 靳巾. 5G新媒體平臺AI中臺的建設(shè)與應(yīng)用［J］. 現(xiàn)代電視技術(shù)，2021（06）：102-107.

［3］ 趙春昊，熊自偉. 智慧城市AI中臺實踐及標(biāo)準(zhǔn)化探索［J］. 信息技術(shù)與標(biāo)準(zhǔn)化，2020（11）：7-12+16.

［4］ 王興山. 云+數(shù)+AI，助力建企數(shù)字化轉(zhuǎn)型［J］. 施工企業(yè)管理，2019（12）：43-44.

［5］ 孟媛媛. Y企業(yè)數(shù)字化轉(zhuǎn)型策略研究［D］. 長春：吉林大學(xué)，2022.

［6］ 楊洋. 數(shù)智化轉(zhuǎn)型鑄就一流科技型企業(yè)新底座［N］. 人民郵電，2022-12-30（002）.

［7］ 基于云計算的人工智能服務(wù)［J］. 軟件，2018，39（09）：218-220.