# AI 项目经理

## 一句话定义

AI 项目经理把一个包含研究不确定性、数据依赖和持续模型风险的目标，组织成可治理、可交付、可验收、可运营的项目。

传统项目常问“需求是否完成”；AI 项目还必须问“在代表性数据上达到什么效果、以什么成本、在什么风险边界内、上线后如何持续证明”。

## AI 项目与普通软件项目的区别

| 维度 | 普通软件 | AI 项目 |
|---|---|---|
| 输出 | 多数确定、规则可枚举 | 概率性、受数据和模型影响 |
| 需求 | 功能与流程为主 | 任务、数据、评测、失败与权限并重 |
| 计划 | 工作量不确定为主 | 还含研究可行性和效果上限不确定 |
| 验收 | 功能、性能、缺陷 | 还需分层质量、偏差、安全、成本与回归 |
| 变更 | 代码/配置发布 | 模型、数据、Prompt、索引、策略均可改变行为 |
| 运营 | 稳定性和业务指标 | 还需漂移、质量抽检、内容风险和模型版本治理 |

## 六个责任面

AI 项目经理同时面对两类责任：使用 AI 辅助计划/风险/报告时，复核事实、来源、计算与覆盖；交付 AI 产品时，组织数据、质量、权限、影响和运营证据。[PMI 2026 AI 标准](https://www.pmi.org/standards/artificial-intelligence)的公开概览涵盖这两类工作、八项原则、五个绩效域、人在回路与生命周期裁剪。本库的六责任面和 G0–G6 是实践组织方式，不冒充标准原文；具体证据流程见 [交付与采购](../14_行业基线/06_交付_采购与证据包.md)。

1. **治理整合**：章程、阶段门、决策权、汇报与审计路径。
2. **交付基线**：范围、里程碑、预算、资源、质量和验收。
3. **不确定性管理**：将“研究”切成有时限、有停止条件的实验。
4. **依赖管理**：数据、标注、算力、供应商、接口、法务、业务专家。
5. **风险与变更**：RAID、威胁、模型变更、范围变更和回滚。
6. **移交运营**：SLO、监控、Runbook、值班、成本和持续评测。

## 生命周期与阶段门

| 阶段门 | 必须回答 | 典型通过证据 |
|---|---|---|
| G0 探索授权 | 值得花时间验证吗？ | 问题、用户、基线、风险初筛 |
| G1 可行性 | 能以可接受成本达到最低效果吗？ | 数据审计、PoC、基线评测、架构选择 |
| G2 构建承诺 | 范围、资源和验收清楚吗？ | 章程、WBS、RACI、预算、风险与 DoD |
| G3 试点 | 对有限用户是否安全有用？ | UAT、红队、灰度、培训、支持计划 |
| G4 放量 | 质量、容量、成本、合规可控吗？ | Go/No-Go 签字、回滚、SLO、监控 |
| G5 运营复核 | 是否持续创造价值？ | 业务指标、漂移、事件、单位经济 |
| G6 退役 | 如何安全停止并保留证据？ | 数据处置、依赖解除、通知、归档 |

## 计划方法：双轨而非假装确定

把工作拆为两条并行轨：

- **发现/实验轨**：假设 → 最小实验 → 结论 → 决策。每个实验有预算盒、成功阈值和停止条件。
- **产品/交付轨**：已被证明的能力 → 工程化 → 测试 → 上线 → 运营。

不要把“模型效果预计提升”写成确定性交付承诺。用区间与情景：

- 保底：达到最低可用阈值，限定用户和场景。
- 目标：达到业务论证所需指标。
- 挑战：在不增加高风险的前提下争取更高效果。

## WBS 必须包含的 AI 工作包

- 数据发现、授权、抽取、清洗、去标识、标注和数据卡。
- 非 AI/人工基线与评测集设计。
- 模型和供应商短名单、PoC、压测与合同评审。
- Prompt/RAG/微调/Agent 方案实验。
- 离线评测、人工评测、偏差切片、红队和回归。
- AI UX：能力告知、引用、确认、纠错、撤销、人工接管。
- 隐私影响、威胁模型、内容安全、版权和法务评审。
- 观测、成本、缓存、限流、降级、回滚和灾备。
- UAT、培训、知识转移、Runbook、值班和运营移交。

## AI 项目的估算

估算四类量，而不是只报人天：

1. **确定工作**：接口、页面、日志、权限等，可用类比或拆分估算。
2. **数据工作**：样本数 × 单样本处理时长 ÷ 有效产能，加返工率。
3. **实验工作**：每个假设给时间盒和最大轮数，不承诺一定成功。
4. **运行成本**：流量 × 输入/输出量 × 单价 + 检索/工具/存储/人工复核。

对 P50/P80 交付时间和保底/目标/峰值流量做情景估算。高不确定阶段保留管理储备，不把所有储备摊进每个任务后失去可见性。

## 质量与验收

AI 验收标准要同时包含：

- 功能正确：输入、输出、权限、错误处理。
- 任务质量：代表性黄金集上的最低分和高风险切片底线。
- 安全与合规：红队严重问题清零或被正式接受。
- 性能可靠：延迟、吞吐、可用性、限流和故障恢复。
- 成本：单任务成本与月度上限。
- 可运营：版本、日志、监控、告警、Runbook、回滚。
- 人员就绪：培训、支持、责任人、升级路径。

## 最重要的项目台账

- **Decision Log**：何时、谁、基于什么证据做了什么决定。
- **RAID Log**：风险、假设、问题、依赖及责任人。
- **Experiment Log**：假设、数据、版本、指标、结果、结论。
- **Model/Data/Prompt Registry**：生产行为由哪些版本共同决定。
- **Change Log**：每次变更的影响分析、审批、部署和回滚。
- **Residual Risk Register**：上线时仍存在什么风险、谁接受、何时复核。

## 常见失败与纠偏

- **把研究排成线性甘特图** → 对未知设时间盒和决策门。
- **数据工作隐形** → 数据获取、授权和标注明确进入关键路径。
- **PoC 团队与生产团队断层** → 从 PoC 起就约定代码、数据和文档移交。
- **供应商 Demo 代替验收** → 在本方数据、权限、峰值流量和攻击条件下测试。
- **只在项目结束做合规** → 立项时风险初筛，设计时嵌入控制。
- **上线即结项** → 以运营接管、监控稳定和价值复核作为项目关闭条件。

下一步：[组织与 RACI](03_组织协作与RACI.md) · [立项与计划](../04_AI项目管理/01_立项与计划.md) · [项目模板](../06_模板工具箱/README.md)