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
一文看懂 AI 電視可以幹嘛?不只有 AI 演算法,頂級硬體帶來高畫質表現
一文看懂 AI 電視可以幹嘛?不只有 AI 演算法,頂級硬體帶來高畫質表現

火熱的 AI 風潮掀起客廳革命,到底 AI 電視可以幹嘛?簡單來說,AI 電視透過 AI 處理器與演算法,即時進行 AI 畫質優化、音效調整、智慧語音搜尋和極致的個人化推薦,全面顛覆傳統智慧電視。在 AI 電視功能中,最讓消費者有感的是 AI 畫質優化,但許多人往往忽略了,畫質提升不只關乎演算法,更取決於底層的背光、色彩與控光技術。Sony BRAVIA True RGB LED 電視,正是將軟體思維與硬體工藝深度結合的最好示範。透過創新的 XR 認知智慧處理器搭配 True RGB 技術,精準呈現 AI 電視的畫質優化能力。

AI 電視是什麼?不只是能上網看串流的智慧電視

要理解 AI 電視可以幹嘛,首先必須釐清 AI 電視與一般智慧電視的差異。傳統智慧電視是為電視接上網路,讓使用者單向觀看連網影音。AI 電視則是在智慧電視的基礎上,導入了 AI 處理器與先進演算法,讓智慧電視具備「主動分析與學習」的能力,可即時判斷每一幀影像的畫質特徵、聲音頻率、觀看環境(如白天強光或夜晚暗光),甚至是家庭成員的使用習慣,進而動態調整視聽呈現。簡單來說,傳統智慧電視解決的是「能不能連網看內容」的問題,而 AI 電視解決的是「如何讓內容呈現得最好」的體驗問題。

但當 AI 演算法分析出最佳的畫面設定後,如果硬體無法精準跟上,優化效果就會大打折扣。這也是為什麼高階顯示技術 True RGB 開始受到市場矚目,確保 AI 算出的極致色彩與對比,能精準落地在觀眾眼前。

傳統電視容易出現暗部發灰或亮處過曝。Sony BRAVIA 9 II 透過 True RGB 三色獨立背光,能將 AI 算出的極致對比與飽和色彩精準落地。
傳統電視容易出現暗部發灰或亮處過曝。Sony BRAVIA 9 II 透過 True RGB 三色獨立背光,能將 AI 算出的極致對比與飽和色彩精準落地。
圖/ 數位時代

AI 電視可以幹嘛?從畫質、場景、音效到個人化推薦的四大核心進化

面對消費者的核心疑問「AI 電視可以幹嘛?」,可從四大 AI 電視功能深入拆解。

AI 畫質升頻與降噪:讓低解析度內容更清晰

透過 AI 升頻與降噪技術,可分析解析度較低或經過壓縮的影音內容,改善線條、紋理與雜訊,使畫面在 4K 螢幕上呈現得更清晰。True RGB 則能協助 AI 優化後的畫面亮度、色彩與對比度精準呈現。不過實際效果仍會受到原始片源解析度與壓縮品質影響。

智慧場景辨識:依電影、球賽、遊戲自動調整畫面

AI 電視能即時辨識播放內容,自動調整畫面呈現,比如看電影時調整為劇院感色溫、看球賽即時插幀消除動態殘影、玩遊戲時自動切換至低延遲模式。在不同場景轉換時,True RGB 讓亮度與色彩對比表現依然精準自然。

左圖為電影模式,右圖為遊戲模式。智慧場景辨識功能會根據電影、球賽或遊戲自動切換最佳模式。搭配 True RGB 技術,即使在動態或暗部場景下,色彩依然自然不失真。
左圖為電影模式,右圖為遊戲模式。智慧場景辨識功能會根據電影、球賽或遊戲自動切換最佳模式。搭配 True RGB 技術,即使在動態或暗部場景下,色彩依然自然不失真。
圖/ 數位時代

AI 音效優化:讓人聲與環境音更清楚

AI 音效演算法能分離出人聲對白與背景音效。看動作大片時,能放大環繞立體感;看新聞時,則優化人聲頻率,甚至能根據客廳結構進行空間音效校正。

除了頂級畫質,Sony 將 AI 音效演算法與機身背部揚聲器深度結合,能根據客廳結構進行空間校正,分離出清晰人聲與震撼環繞音效。
除了頂級畫質,Sony 將 AI 音效演算法與機身背部揚聲器深度結合,能根據客廳結構進行空間校正,分離出清晰人聲與震撼環繞音效。
圖/ 數位時代

語音互動與個人化推薦:減少尋找內容時間

AI 語音互動更能理解複雜語意,當你說出「我想看適合週末晚上的搞笑電影」時,AI 便會結合使用者的觀看偏好推薦清單,真正做到懂你所想。

整體而言,在眾多 AI 電視功能中,消費者最能直觀感受到的是 AI 畫質升頻與場景優化。但不論軟體演算法如何強大,都需要有對應的硬體執行力,而 True RGB 正是讓這些高階 AI 畫質能精準落地的關鍵技術。

AI 畫質優化的關鍵:不只靠演算法,硬體也是決勝點

在討論 AI 電視時,大眾常有一種迷思,認為只要電視內建強大的 AI 處理器和演算法就行,事實上,AI 電視的畫質優化不是靠單一演算法完成,而是包含「AI 判斷」與「硬體呈現」兩大層次:

首先由 AI 負責辨識畫面中的主體物件、人眼焦點、光影分佈及動態物體的移動軌跡等。根據 AI 判斷結果,演算法在底層即時計算出一套優化藍圖,決定哪些區域需要進行 AI 升頻、降噪、提高畫質、調整亮度、對比或色彩飽和度等。而硬體則負責最終畫面呈現,包含電視的背光、面板、控光技術與色彩控制技術,才是真正決定這張優化藍圖能被實現到什麼程度的關鍵。

而 Sony BRAVIA True RGB LED 電視便精準示範,硬體如何賦予 AI 電視極致表現。傳統 LED 電視使用單一藍色 LED,再搭配濾光片混色的方式,容易產生色彩混濁或亮度減損,True RGB 技術則以獨立驅動紅(Red)、綠(Green)、藍(Blue)三原色 LED 作為背光源,當 XR 認知智慧處理器分析影像內容,發出畫面調整指令後,True RGB 能精準響應,讓紅、綠、藍三色背光以極高精度進行獨立控光,將 AI 畫面調整的判斷精準呈現。

一般智慧電視、AI 電視、搭載 True RGB 的 AI 電視差在哪?

跳脫複雜的規格參數,一次搞懂三代智慧電視有何不同。簡單來說,一般 AI 電視可以做到升頻、降噪與場景辨識;搭載 True RGB 的 AI 電視則進一步把 AI 判斷延伸到背光與色彩控制,真實還原亮度、色彩與對比。

一般智慧電視 AI電視 搭載 True RGB 的 AI 電視
核心定位 解決「連網與內容獲取」 解決「基礎畫面自動優化」 解決「極致高階畫質精準執行」
畫質處理能力 支援基本的數位降噪,無法因應訊號源差而改善 具備 AI 升頻技術,能動態辨識場景並優化低解析度影片 結合 XR 認知智慧處理器與硬體優勢,進行深度的 AI 畫面優化
背光技術 傳統常亮背光,容易產生漏光與局部發灰現象 具備區域控光,但演算法與硬體匹配度較為普遍 採用 True RGB 三色獨立背光,控光精準度極高,無溢光與色偏
色彩與亮度表現 色彩表現較為平淡,高亮處易過曝,暗部細節容易丟失 色彩飽和度高,但有時因演算法過度補償而顯得不夠自然 實現豐富飽和的色彩表現層次,精準還原真實色彩
主要適合情境 看第四台、日常追劇 看 4K 串流,希望電視能自動適應不同影音內容 追求劇院級體驗,喜歡高畫質影音、球賽、遊戲的用戶
跳脫傳統電視容易漏光與發灰的痛點,Sony BRAVIA 9 II 結合旗艦級 XR 認知智慧處理器與 True RGB 背光技術,從底座美學到內在核心,皆為追求劇院級體驗的頂級用戶而生。
跳脫傳統電視容易漏光與發灰的痛點,Sony BRAVIA 9 II 結合旗艦級 XR 認知智慧處理器與 True RGB 背光技術,從底座美學到內在核心,皆為追求劇院級體驗的頂級用戶而生。
圖/ 數位時代

買 AI 電視時,真正該看哪些規格?

當你準備為家裡添購 AI 電視時,除了關心它是否支援智慧語音、刷新率有多高、個人化推薦好不好用之外,以下四個核心 AI 電視功能才是決定長期觀看品質的關鍵指標:

AI 處理器

大腦優劣決定電視表現,挑選時認準旗艦級的 AI 處理器,如 Sony 的 XR 認知智慧處理器,不只單純堆疊算力,而能模擬人類大腦的認知方式,打造身歷其境的畫面真實感。

AI 升頻能力

優秀的 AI 升頻能力應能精準區分「影像噪訊」與「畫面原生紋理」,在去除雜訊的同時保留皮膚毛孔、衣服編織等細節,而非一味抹平。

背光與控光技術

若重視高階畫質,True RGB 可作為判斷 AI 畫質能否精準呈現的重要顯示技術,徹底告別傳統畫面暗部發灰、亮部慘白的通病。

色彩與亮度表現

不能只看標榜的 HDR 規格,更要檢視硬體能否真實呈現。True RGB 能賦予 AI 電視更強悍的畫面執行力,銳利呈現 AI 算出的明暗對比與色彩飽和度。

關於 AI 電視與 True RGB 的常見問答

Q1:AI 電視適合哪些人?
AI 電視適合所有對影音品質有追求的人。不論你是愛看高畫質影音的追劇族、追求畫面流暢不殘影的運動迷、重視高刷新率與低延遲的遊戲玩家,AI 電視都能大幅提升觀影體驗。

Q2:AI 升頻會把影片變成 4K 嗎?
無法完全等同原生 4K,但能讓畫面更接近高解析度的觀看效果。AI 升頻利用比對與像素補插,將原本模糊線條變得銳利清晰,結合 True RGB 的高精細控光後,視覺表現會非常接近 4K 原生畫質。

Q3:買 AI 電視時,只看 AI 處理器夠嗎?
絕對不夠。演算法算出的完美畫面需要顯示硬體來執行,電視的背光技術、控光與色彩管理能力(如 True RGB)同樣重要。軟硬完美結合,才是高畫質的保障。

Q4:AI 電視對看球賽或玩遊戲有什麼差別?
AI 電視能根據不同場景優化畫面表現,觀看球賽時,能動態識別高速移動對象,即時插幀消除動態殘影;玩遊戲時,能自動切換至低延遲模式和強化暗部細節。

Q5:白天和晚上看電視,AI 電視會自動切換不同的畫質設定嗎?
Sony 搭載 True RGB 的 AI 電視內建環境光感測器,能根據環境光線變化動態調節畫面呈現,在白天明亮時自動增亮、晚上變暗時調降亮度並柔化對比,省去手動切換的麻煩。

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
台達電全解讀
© 2026 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