至顶网CIO与应用频道 02月06日 编译:每个行业、每个专业和每家公司都有自己的发展和运作规则和准则。伴随着这些准则,“神话”也出现了,项目管理职业也不例外。这里是最常见的10个项目管理神话。认识到这些项目管理的神话,并努力克服这些神话带来的挑战,对于确保项目是基于最佳实践而不是错误理念进行规划、执行和完成来说是至关重要的。
1、项目中的一切都是可以修复的
项目管理专业人士是领导团队成功执行项目、降低风险、与利益相关者合作、解决冲突和其他一系列事情的专家,但他们不是魔术师。项目经理无法解决所有问题,特别是在问题长时间没有得到解决的情况下。对于项目经理、利益相关方和赞助商来说,认识到并接受是时候结束任务或者项目,而不是投入更多资源来尝试修复失败的项目,这一点非常重要。
2、客户总是知道他们想要什么
假设利益相关者知道他们需要什么,这一点很常见。然而,他们往往不了解他们希望达到的什么目标,到底想要什么,他们的愿望清单是否可行,愿望清单的各个部分是如何相互矛盾的。项目经理及其团队可以帮助精简利益相关方的愿望清单,来确定符合利益相关方战略目标的项目目标。如果不聚焦利益相关者的实际预期需求,项目可能很容易会错过这一点。
3、以前的项目模板是未来成功的秘诀
无论以前的项目是如何计划和执行的,将相同的方法、技术、工具、协作风格或方法应用于类似的项目并不能保证一定会成功。还有许多其他的内部或外部因素可能会改变项目的结果,如时间、流程、人力、技术、文化或其他差异。看起来细微的变化可能带来巨大的差距。每个项目都应该分别计划和执行。是的,以前的项目的某些方面可以适用,但只有在适当的时候才适用。
4、所有项目经理都可以成功地执行任何项目
虽然大多数项目管理专业人员(PMP)都接受了相同的培训,并且需要达到相同的教育和经验要求,但他们并不完全相同。无论两个项目管理专业人员有多么相似,每个人都有不同的属性标签。他们的经验、愿景、领导力和协作风格方法、项目或行业参与度,以及从中得到的经验教训,这些因素将决定他们能提供什么能力,以及他们如何处理任何给定的项目。
5、新的项目经理不如资深经理那么高效
每个项目经理都应该以他们的教育培训、经验和项目管理方法进行评估。但是经验并不能保证一定会成功,缺乏经验也不一定会失败。有些项目需要经验丰富的项目经理,有些项目需要一个新的视角,可以从一个新的有利位置评估这个项目。经验丰富的项目经理、利益相关者或赞助商可能很难接受来自经验不足的项目经理的新方法,而这个新方法有时可能为项目的成功创造机会。
6、项目经理可以解决任何冲突
许多项目经理擅长解决冲突,但这并不意味着他们可以解决每一个冲突。项目经理往往必须联系赞助商来协助解决涉及团队成员、利益相关者和/或项目经理本身的冲突。在这些情况下,就需要外部帮助或调解。解决冲突需要各方愿意解决问题,如果各方都不愿意这样做,项目经理根本无法创造奇迹。
7、范围变化表明一个项目正在陷入困境
范围变更是项目中经常发生的事情,并不一定表示出现了问题或项目失败。事实上,根据行业、项目的性质、项目的复杂性或其他因素,范围的变化可能是预期会发生或必定会发生的事情。当范围变化频繁发生或者意外发生的时候,以及在范围变化后项目未来方向仍然不确定时,就会引发人们的担忧。
8、项目经理是团队中的顶尖专家
这是一个常见的误解,有时是利益相关者、赞助商、团队、供应商或项目经理本身。项目经理在项目整个生命周期中扮演指导角色,利用公司其他领域的专家知识来帮助执行项目。
9、如果一个项目能保持在预算之内就一定会成功
不管你信不信,很多项目都是在预算内按时完成的,但完全没有实现可交付的成果。虽然预算、及时交付和质量是项目管理的基石,但还有很多其他的考虑因素。最终的可交付成果、项目执行的方式、利益相关者的满意度、团队的协同作用以及其他因素,在项目成败中扮演着重要的角色。最终利益相关者决定项目是否成功。
10、项目签收时就算项目完成了
当利益相关者接受可交付成果并签署时,项目组成员可能认为这个项目完成了。事实上,没有花时间复盘所学到的经验(在任何项目中都会吸取教训),一个项目并不算是真正的完成。团队成员可能认为盘点经验教训是重复性的、浪费时间的——特别是当他们只想继续新项目时,但是这个部分对于帮助团队不要犯同样的错误至关重要。在这个部分,所有的团队成员都应该在场,以减少错误,为未来的利益相关者创造更多的价值。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。