學習專案管理的基本思維
學習專案管理的基本思維

這些年來,許多學習專案管理的朋友,在初學專案管理時都一頭栽入專案管理工具與框架,卻未曾了解更源頭的問題,包含:

「為什麼需要學專案管理?」
「專案管理能解決什麼問題?」
「專案管理不能解決什麼問題?」
「為什麼案子總是做不好?」
「怎麼樣才能做好一個案子?」

在學習一門知識時,我建議大家必須先從問題開始思考,當你對這些問題有了基本的認知,接著開始去找幾個framework、methodology或best practice,然後看看它們用什麼樣的流程與工具來解決你所面對的那幾個問題,唯有經過這樣的過程,你對這門知識才會有更清晰的認知。

PMP或Scrum這類的framework或best practice的出現,都是累積了足夠多的實務案例,並將常見的問題以 框架、流程、方法、工具 來封裝,讓其他人更容易上手。但若你未試圖理解它背後要解決的問題,你就容易錯用。

不管工具有多好,若你運用的場合不對,它就不是個好工具。

CMMI與PMP真的不好嗎?

剛出社會時,我在一家ERP軟體公司從事研發工作,我在哪裡接觸到非常正規的軟體工程,也見識到當研發流程與業務特性匹配時的高效,以及不匹配時產生的諸多問題。在2000年初期,軟體發展大多仍依循瀑布式(Waterfall)方法,必然得先進行需求收集、分析、設計,使得進入開發與測試,經過一道道程式後將成品完整的交付。

我在ERP軟體公司的那些年,我也參與了CMMI Lv4(軟體成熟度模型)的導入與認證,過程中 我見識到CMMI的嚴謹之處,同時也體會到嚴謹背後帶來的低效與冗餘。 由於當時我所負責的產品處於需求不明確,市場性待驗證的狀態,若要依CMMI的規則產出完整需求清單與完整的分析檔,估計是不可能。

因此在過程中我試著提出用假設性需求,以及用雛型替代成品來進行市場驗證。出乎意意料的,這個提議獲得CMMI顧問團隊的認同,而這也是我對CMMI有所改觀的轉捩點,公司內推動小組的負責人告訴我:

「CMMI本來就是一個模型,每家公司得依自己最適合的方式建構流程,但最終須能達到CMMI要求的水準。」

2011年,我開始負責SaaS相關業務,也首次接觸了敏捷觀念以及Scrum,與此同時,互聯網開始進入火爆增長,所有的企業都在求新求快,技術團隊也被要求要具備更靈活、更彈性、更迅速,只是一兩年時光,大陸的公司都在討論敏捷開發,而少有人討論PMP、CMMI所談的瀑布式專案管理與研發流程管理方法 (註:PMI後來也提出ACP這套敏捷框架)

2013年,我開始在團隊中大量引用敏捷觀念,透過頻繁的交付來驗證用戶與市場需求,也在技術社區中與許多朋友交流專案管理與軟體發展方法,我看見愈來愈多人想擁抱敏捷,同時我也發現,許多人因崇尚敏捷,而對PMP及CMMI抱持著嚴重的偏見。

2015年,我進入互聯網公司後,人人口中所談的都是敏捷,若你在討論過程中提到CMMI或PMP,就會有人露出鄙視的眼神。他們誤以為過去專案做不好,是CMMI與PMP所造成的,卻未曾思考過,或許專案失敗的真正原因不在流程與工具,而是運用的那些人。

瀑布式與敏捷並存,可能嗎?

我曾在先前的文章中提過,我認為組織長大到一定規模後,必然會出現混合式的組織架構,當企業內外部狀況穩定,需求的變化性較少,可預測性高,功能型組織是相對適合的組織架構;而當需求變化性較大,不確定性高,變平化的產品型或戰鬥小組可能是更適合組織架構。

而相同的概念,其實也適用於專案管理方法,當你特別強調 分工程序、輸入(input)、輸出(output)與權責,這與功能性組織不謀而合,傳統的專案管理方法可能非常合用;反之,若你強調快速回應、迭代等敏捷特性,則與產品型組織或戰鬥小組更加匹配。

所以,瀑布式與敏捷方法並存在一家公司內,可能嗎?

我的答案是「肯定的」,當我們把重點放在解決問題,而非落入比較方法或工具的優劣時,我們便會理解,沒有必要硬要逼所有人套用相同的工作流程與方法,除非真有必要性。

經過這些年的實戰運用,我試著將這種混合式的專案管理方法整理成如下的框架,多數的專案都是介於完全不確定與完全確定之間,面對不確定性高專案,敏捷方法、分工模糊的戰鬥小組相對較佳,然而面對確定性極高的專案,Waterfall與分工明確的功能型或專案型團隊則相對適合。以目標導向來看,很多時候我們甚至該採用混編的方式同時進行專案。

瀑布式 vs 敏捷.png
圖/ 游舒帆

追求敏捷,但更要重視專案管理基本功

在帶領團隊時,我特別強調專案管理的基本功,因為 我認為多數的問題都是出在基本功不夠扎實。在專案開始前與進行中,一般我會對PM提出很多問題,以確保專案能如原先預期。

在專案啟動階段,一般會由團隊先就已知資訊先擬定draft plan,內容陳述專案要 做哪些事?打算如何進行?由誰來做?預計花費多少時間?以及得到什麼樣的結果?

draft plan.png
圖/ 游舒帆

「這個專案中有哪些不確定性,它們可能會導致你無法準時交付?」

而當團隊將計畫產出後,我會問PM這個問題。從這個問題的回答中,我便能有效檢視PM對這個專案的把握度有多少。

專案管理早期的主要問題大多是「要解決的問題不明確」、「需求不夠清晰」、「專案的deadline太趕」、「不確定人力資源能否配合」、「對工作的估時過長或過短」、「技術可行性待驗證」、「老闆可能還會改動需求」等。

而這些,就是導致專案行階段會頻繁發生變更(change)的重要原因。

這些不確定性,都可能是專案執行時期的風險,你可以選擇在規劃前期就想辦法處理這些不確定性,也可以選擇在執行時,透過變更管理來因應這些不確定而帶來的更動,而成熟的PM會將這些不確定性有效控管,並以面對風險的方式去處理。

敏捷雖強調擁抱不確定性,並歡迎隨時的更動,但不意味著我們要對那些不確定性置之不理,而是要儘快的讓不確定成為確定。

敏捷強調不斷進步與回饋,透過一個又一個專案的磨練,讓我們能把需求看得更清楚,對時程估算更準確,能更有效對齊老闆的期待,而要做到這些,團隊就需要逼著自己不斷進步,透過反覆的迭代,將不確定性一一消除。

若你對Scrum架構有所研究,你便會發現best practice裡頭強調的架構,其實正是針對上述幾個最常見的專案不確定性而來。

針對時程,Scrum強調固定的交付週期,以1–4周為佳;

針對團隊,強調最好是feature team,在過程中也盡可能避免團隊成員同時參與多個專案;

針對範疇,根據迭代週期與team的資源,由Product Backlog中挑選能完成的工作項目;

加上每個迭代的週期較短,工作總量較小,若過程中發生變更或插單,其實影響的範圍相對較小,等待時間也較短,對變更的因應能力自然較強,若你正確的引入Scrum,這將是你可期待的結果。

先思維,後框架、工具

在學習專案管理或其他知識時,我非常建議大家一定要先建立思維,先了解我們要解決的問題,也就是背後的「Why」,例如要確保工作能如期如質的交付。並圍繞著為什麼去找尋別人是用什麼樣的框架與方法去解決的,也是就「How-to」,例如PMP或Scrum,而在框架與方法之下,又分別選用了什麼樣的工具,這就是「What」,例如WBS、user story等等。

學習過程,一定要先搞懂要解決的問題,並進一步思考為何框架的設計與工具能解決我們遭遇到的問題,並思考它的適用範圍。

唯有如此,我們才能跳脫被框架與工具,而不為物所役。

思考金字塔.png
圖/ 游舒帆

本文由游舒帆授權轉載自其> Mediuam

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #專案管理
往下滑看下一篇文章
以晶片的一瓦算力開啟AI新架構!耐能智慧從邊緣到核心,打造臺灣主權算力新典範
以晶片的一瓦算力開啟AI新架構!耐能智慧從邊緣到核心,打造臺灣主權算力新典範

當全球聚光燈都匯集在那動輒使用上萬顆圖形處理器(Graphics Processing Unit, GPU)、耗能堪比核電廠的資料中心時,另一場關乎AI永續發展的運算革命正悄悄發生。這場革命的核心,是如何以更低能耗、更高效率的方式支撐下一世代的人工智慧。而耐能智慧(Kneron)正是這場轉變的推動者之一。

早在2015年,當多數企業仍沉浸在雲端運算帶來的紅利時,耐能智慧創辦人暨執行長劉峻誠便選擇了「邊緣運算」之路的賽道,投入AI系統單晶片(System-on-Chip, SoC)與神經網路處理器(Neural Processing Unit, NPU)的開發。「如果 GPU 是需要龐大設備才能運行的錄影帶,中央處理器(Central Processing Unit, CPU)是性能平庸的 影音光碟(Video Compact Disc, VCD),那麼 NPU 就是能在輕薄裝置中高效運算的 MP3。」劉峻誠用一個簡單的譬喻如此描述著,這不只是晶片製程的改進,而是從架構層重新定義AI運算的方式。

十年磨一劍,如今耐能智慧的NPU晶片已成功進入物聯網、安防、車用與伺服器等不同領域。從智慧水表、穿戴裝置到車用語音系統,乃至企業伺服器與工業應用,都能在有限功耗下執行即時AI運算。合作夥伴從國內上市櫃企業到歐美等地的國際大型企業,都能看見耐能智慧身影,「我們從GPU、CPU進不去的地方出發,讓晶片像樂高積木一樣,從只需一顆晶片的穿戴式裝置,到需要多顆晶片的伺服器,都能使用我們的晶片。」劉峻誠說。

面對算力與能源雙重瓶頸,耐能智慧以新架構迎戰生成式AI時代

面對終端AI應用面臨的「資料流衝突」瓶頸,耐能智慧創辦人暨執行長劉峻誠指出,新世代AI運算不再只屬於
面對終端AI應用面臨的「資料流衝突」瓶頸,耐能智慧創辦人暨執行長劉峻誠指出,新世代AI運算不再只屬於雲端,必須開發能兼容多模態資料並在低功耗環境下運行的自主架構。
圖/ 數位時代

「語言模型和影像模型的資料處理方式完全不同,」劉峻誠解釋到,語言模型要短時間內處理大量資料,但影像模型則需要長時間、連續的低流量傳輸。而傳統AI架構無法同時兼容這兩種特性,這造成了終端AI應用面臨「資料流衝突」的瓶頸。也正是在這樣的挑戰下,成為耐能智慧下一階段的技術突破口。生成式AI不再只屬於雲端,運算正快速轉移至終端,從智慧家庭到醫療、車用、製造現場,都迫切需要能在低功耗環境下即時運行的AI系統。

但更大的壓力來自能源現實與國家安全。劉峻誠表示,GPU架構的能耗與散熱需求驚人,一個大型AI資料中心每年電費可高達60億美元,碳排放量更是巨獸等級。「如果繼續用GPU支撐生成式AI,將會對淨零碳排的目標帶來嚴重衝擊。」劉峻誠坦言並進一步指出,臺灣雖是全球GPU製造重鎮,但本地可用算力有限。「我們製造了全世界近8成的GPU,卻沒有自己的算力,」他語帶無奈,「如果國家級AI應用仍須仰賴境外基礎設施,國家的核心技術與自主權將受制於人,不利於在AI時代掌握主導地位。」

因應這場可能產生的算力主權的危機,耐能智慧決定以「多模態資料流衝突」與「低碳永續算力」這兩項挑戰為目標,開發新世代AI晶片架構。為加速這場技術革命並將臺灣的自主架構推向國際,耐能智慧投入全新晶片KL1140的開發,並成功得到由經濟部產業發展署推動的「驅動國內IC設計業者先進發展補助計畫」(以下簡稱晶創IC補助計畫)的支持。該計畫在國科會協調與經濟部及相關部會共同合作所提出「晶片驅動臺灣產業創新方案」的框架下,以實質政策補助鼓勵業者布局AI、高效能運算或新興應用等高值化領域的關鍵技術,提升臺灣IC設計產業的國際競爭力與韌性。

從晶片創新到主權AI,晶創IC補助計畫助攻耐能跨入新戰場

耐能智慧透過經濟部「晶創 IC 補助計畫」加速開發的 AI 晶片 KL1140,其效能與能耗表現均顯
耐能智慧透過經濟部「晶創 IC 補助計畫」加速開發的 AI 晶片 KL1140,其效能與能耗表現均顯著提升。
圖/ 數位時代

「KL1140最大的突破在於多模態資料處理架構的創新。」劉峻誠直言其中關鍵。在晶創IC補助計畫的挹注下,耐能智慧得以加速開發新一代晶片,這不僅是十年研發累積的成果,更是政策資源與技術創新的結合,象徵著臺灣在AI架構自主化道路上的重要里程碑。

這項架構革新,使KL1140在效能與能效上都達到顯著飛躍。相較於前一代產品,效能提升6至8倍、能耗比提升10倍、體積縮小至四分之一;以往需10瓦才能運行的任務,現在僅需1瓦即可完成。「你看GPU要加風扇、要水冷,而我們不用,」他笑著說,而這就是低功耗的力量。

這樣的設計,使KL1140成為真正能落地的AI晶片,既可部署於穿戴、車用與工業場域,也能堆疊成伺服器模組,實現了靈活的異構運算(Heterogeneous Computing)基礎建設。透過晶創IC補助計畫的協助,耐能智慧不僅強化晶片設計,更能整合模組、子系統與軟體生態,打造可供企業與政府使用的在地AI解決方案,邁向「AI基礎建設提供者」的新定位。劉峻誠也透露,目前KL1140晶片已開始導入國際主權AI專案,協助能源與環境條件嚴苛的地區,利用該晶片低功耗與高算力的特性,順利發展AI自主。

「我們不是在打造更大的GPU,而是在打造更聰明的AI,」劉峻誠強調。「主權AI的關鍵不只是算力自主,更是能源自主。」他認為,晶創IC補助計畫的核心價值在於讓臺灣的IC設計業者能從單一產品開發,邁向整體系統構建,具備定義新架構、主導新標準的能力。KL1140晶片的問世,不僅讓耐能智慧從邊緣運算邁入AI 核心基礎建設的新格局,更代表臺灣在全球生成式AI時代中,擁有以低功耗、高自主性技術參與未來競局的關鍵實力。

從製造到定義,臺灣AI自主的新起點

在生成式AI帶動的新一輪技術競賽中,算力的分配將決定未來世界的科技秩序。劉峻誠認為,臺灣若要在這場變局中保持主導權,必須擁有能自我定義的架構與技術。「我們不只是為企業造晶片,而是在為國家建算力。」他說。從十年前堅持走上邊緣運算的冷門之路,到今日以KL1140晶片開啟主權AI的新典範,耐能智慧的發展軌跡正體現了臺灣IC設計產業的潛力與決心。未來,耐能智慧將持續推動更高能效、更高彈性的AI架構,讓臺灣不僅能製造世界的晶片,更能定義世界的智慧。

|企業小檔案|
- 企業名稱:耐能智慧
- 創辦人:劉峻誠
- 核心技術:專注邊緣AI SoC專用處理器研發
- 資本額:新台幣6億7520萬元

|驅動國內IC設計業者先進發展補助計畫簡介|
由國科會協調經濟部及相關部會共同合作,所提出「晶片驅動臺灣產業創新方案」,目標在於藉由半導體與生成式AI的結合,帶動各行各業的創新應用,並強化臺灣半導體產業的全球競爭力與韌性。在此政策框架下,經濟部產業發展署執行「驅動國內IC設計業者先進發展補助計畫」,以實質政策補助,於113年鼓勵國內業者往 AI、高效能運算、車用或新興應用等高值化領域之「16奈米以下先進製程」或「具國際高度信任之優勢、特殊領域」布局,以避開中國大陸在成熟製程的低價競爭,並提升我國IC設計產業價值與國際競爭力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
進擊的機器人
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓