準不準時都要估!預估工時的意義究竟在哪?
準不準時都要估!預估工時的意義究竟在哪?

看到PTT Soft_Job板上有人問了一個問題,作者公司的開發方法是瀑布式,但是由於規格常常變動(據說原因是「加入了敏捷的迭代想法」),所以專案預估的時程也很不準,所以作者心中浮起了一個疑惑:預估工時的意義是什麼?

[請益] 預估工時的意義在哪?

姑且先不戰這瀑布融合敏捷迭代的說法,來以PM的角度來討論為什麼要預估工時,還有為什麼我覺得即使估不準也要估。

為什麼要預估工時?

我平常最常使用的App,除了通訊、社交App以外,最常用的是「台北等公車」,這個App功能很簡單,能讓你知道你在等的公車現在在哪一站、還有多久會到你現在在等的這一站,以及多久之後會到某個目的站牌。

我非常依賴這個App,因為它讓我能評估什麼時候出門、什麼時候到,並預估後續的時程。

這跟預估工時有什麼關係呢?為什麼要預估工時?

我認為最重要的目的,就是藉由「同步各方預期」,成為「溝通與協作的基礎」。

「軟體功能開發」這件事,不是功能開完就能開發,開發完了就可以賣了,你必須與其他部門協作,而這協作常常是有先後順序與相依性的。在開發的一開始,PM提出需求,設計師需要提供設計圖檔,工程師需要設計技術架構,接著寫程式,測試人員需要排定測試時間,行銷需要規劃上市活動,業務需要規劃推銷計畫等等,如果沒有一個對時程的預估,並與各方同步,各方資源怎麼知道該什麼時候投入,彼此如何協作?

若沒有同步各方預期,可能一個要做三個月的功能,業務覺得這很簡單,跟客人說一個月就能交,行銷可能猜測要四個月,先把行銷資源調到其他產品上,或是等到功能快完成時,PM才去要後續行銷以及業務資源,如果臨時要不到怎麼辦?

文中的RD可能會說,但是規格一直變,時程也會一直改變,估不準如何協作?不,就是因為有變動,才要估計,才能協作。

因為只有開始時有了估計,在delay時才能評估跟原本計畫的「差距」,進而準確調整計畫。

就好像公車到站時間App,可以讓我知道到站時間,我就可以評估我什麼時候要出門──公車還有半小時,我可以慢慢來;公車快到了,我趕快出門不要滑手機了,我也可以知道什麼時候可以抵達目的地,如果看起來會來不及,也可以提早決定搭計程車,或是先打個電話跟對方說一聲。

在專案上,如果你知道開發還有三個月才會完成,行銷資源就可以先專注在其他產品上;如果你看到某一個人的時間分配看起來會是專案瓶頸,或功能在他身上要花最多時間,我會提早分配其他資源協助;當計畫有變,我看到預估和實際的差距,就會趕緊啟動應變計畫(談範疇、砍功能、橋資源、排beta版、調整開發測試順序等等),我會知道若我要維持原本的協作計畫,需要縮短多少時間,也會知道如果萬一真的無法縮短,對應的各部門要延後多久投入資源,我的溝通與談判要建立在什麼樣的新schedule上。這就是文中提到的 「甘特圖」 的價值。

而且這估計結果等於是將「勞力」以時間的方式具體化了,也更能估成本、比較功能規模、排優先順序,也能累積、傳承在其他專案上──PM記得類似的功能之前估計多久,對於新專案、新功能的scope就會越來越有理解,更知道要如何跟客人談判﹑收錢。

如果時程估不準,是否還有價值?

我認為 「估計schedule」本身就有價值。 因為估計schedule的過程,就是在逼你把事情想清楚。要能估計時程,總該從頭到尾想清楚要做什麼事情、各要花多少時間吧?越厲害的RD,能想得越周到,對於可能遇到的問題也會多抓一些時間做緩衝,他們估的時間就越準。

所以這本身也是一種練習,幫助RD/PM把事情想清楚,當時程不如預期時,也能知道自己哪邊沒想清楚,就像讀書考試一樣,如果只有讀書,沒有考試,很難知道自己是不是真的懂了,還是只是看過去,沒有融會貫通。

考試答案有錯,就像schedule不準一樣,能幫助我們看到盲點, 可以注意到那邊是容易被忽略、高風險的地方,下次會記得不踩到,如果沒有「超過預期要delay了」的震撼,很難知道這邊其實是風險所在,幾次下來,之後在做規劃時就能思考得更周全。所以說——

重要的不是schedule有多準,而是「它為什麼不準」,我忽略了什麼,「下次如何讓它更準」。

這也是一種成長思維吧?

另外,如果時程估不準的原因,是因為老闆或客戶一直改規格,反而這樣才更要估時程。做為PM,老闆壓時間時,就能把功能以及所需時間攤開,問他要捨哪一項,或老闆真的要硬壓加班時,知道要加多少班,也可以跟客戶說明,根據預估,若改這個功能,會delay幾天,要多收多少錢。

估時程還有一個好處,我覺得是心理層面的,就是我預估schedule時,都是請RD自己評估,這有種「承諾」的味道,自己估出去的schedule,像是自己的承諾,會盡量逼自己想清楚,也會努力去達到目標,或是眼看著目標無法達成,也會先舉手示警,可以讓PM啟動後續的應變計畫。

總之,估計時程有幾個好處:

  1. 藉由時程估計,同步各方預期,啟動協作
  2. 藉由時程估計,在面對變動或不如預期時,幫助評估影響,並提早啟動應變計畫
  3. 藉由估時程的過程,把專案想清楚,要做的事情拆細,減少不確定性
  4. 藉由檢討實際時程以及預估時程的差別,幫助自己辨識盲點,在未來規劃時想得更清楚
  5. 藉由估時程,把勞力投入具體化,就能估成本、收錢、排優先順序,而且可以延伸到類似功能,累積專案評估經驗並傳承

其實我認為問「為什麼要預估工時」,跟「為什麼要做計畫」一樣,如果預估會不準,應該要去檢討不準的原因、如何改善,而不是乾脆就不估了;如果知道計畫總是沒有照規劃的執行,應該是要去檢討為什麼,而不是不做計畫,直接放棄治療。

但是當然「老闆硬壓時程」這件事不在這篇文章「估時程」的討論範圍內。不過如前面提到的,我面對老闆硬壓時程的應對,也是會估「合理時程」給老闆參考,若老闆還是堅持,就問他要砍什麼功能,如果連功能也不給砍,到時候他壓的時間真的做不出來,至少不是RD/PM的鍋,他就會慢慢學到他的要求真的不合理。

本文由Evonne Tsai授權轉載自其Medium

責任編輯:陳建鈞

《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。)

往下滑看下一篇文章
Physical AI應用崛起,勤崴國際如何打造台灣智慧移動國家隊?
Physical AI應用崛起,勤崴國際如何打造台灣智慧移動國家隊?

若將生成式人工智慧(GenAI)技術視為改變人與資訊互動的重要分水嶺,Physical AI(實體AI)則讓 AI 真正理解並介入真實世界:從機器人、自駕車到智慧製造,AI 正從「理解內容」走向「理解物理世界」,其中,自駕車被公認是 Physical AI 最具代表性的落地場域,也是目前最能驗證 AI 感知、推理與決策能力的應用,因為,不僅要控制車輛,還必須即時與人流、車流、道路設施及各類載具互動,需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言,Physical AI不只是 AI 技術演進,而是自駕車產業邁向下一個世代的重要轉折:從依賴規則控制(Rule-based)的自駕系統,逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台,讓全球自駕車產業競爭從單一技術比拚,走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去,自駕車依靠高精地圖、光達(LiDAR)、攝影機等感測器,以及大量預先設定好的規則進行判斷,這種作法能處理相對固定的情境,但一旦遇到複雜且快速變化的交通環境,例如大量機車穿梭、行人突然穿越、不同國家的交通規則,系統很容易受到限制。

勤崴國際認為,Physical AI 的出現正改寫自駕車的發展模式:透過更強大的 GPU 算力,結合世界模型(World Model)、數位孿生(Digital Twin)與模擬器(Simulator),AI 能先在虛擬世界完成大量交通情境模擬,再將學習成果快速部署到真實道路,不僅大幅縮短訓練與驗證時間,也讓自駕系統持續學習與進化。

#2 Physical AI應用崛起,勤崴國際如何打造台灣智慧移動國家隊?
勤崴國際以廠區自駕接駁車與自駕載貨車服務,協助製造業者實現智慧工廠願景。
圖/ 勤崴國際

「在 Physical AI 賦能下,自駕車將從依照規則開車轉變成能理解環境、預測意圖,再做出最佳決策。」勤崴國際副總經理林映帆表示,例如當系統看到路邊有人揮手,不只是辨識動作,而是能推論對方有搭車需求;當機車快速切入車道,也能提前預測可能路徑,而非等事件發生後才反應。

這也意味著,自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭:自駕車不僅是智慧移動的新載具,更是觀察 Physical AI 是否真正成熟的重要指標;換言之,Physical AI比拚的不是演算法,而是誰能持續累積真實場域、建立與完善資料庫,讓 AI 在每一次行駛中不斷學習、持續進化,形成下一波智慧移動競爭的關鍵。

七年累積三十個場域,勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料,勤崴國際的策略是透過不同場域的長期營運,建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來,勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署,累積自駕行駛里程突破38萬公里、服務超過80萬人次,更逐步建立台灣少數具規模的智慧移動資料庫;為進一步加速自駕車產業價值鏈發展,勤崴國際也攜手車廠、路側設備,感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例,由於路線涵蓋園區內外道路,自駕車不僅要與物流車、叉車及一般車流共存,離開園區後更須面對台灣特有的高密度機車交通環境,對 AI 的感知與決策能力形成高度挑戰;截至今日,該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里,接駁率高達96.7%;此外,勤崴國際也於廠區內導入自駕接駁車與自駕載貨車,累積服務超過216,794人次,驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域,勤崴也將自駕技術延伸至觀光應用,例如今(2026)年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務;林映帆指出,相較於工業場域重視效率,觀光應用更重視人車互動與乘車體驗,遊客只需一鍵即可啟動自駕接駁,系統除了安全辨識行人與周遭環境,也能透過語音互動提升搭乘安心感,證明自駕車不僅適用於產業應用,更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

#3 Physical AI應用崛起,勤崴國際如何打造台灣智慧移動國家隊?
勤崴國際在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務。
圖/ 勤崴國際

接下來,勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗,攜手產業夥伴、針對未來對自駕公車有需求的城市,協助客運業者解決公車缺工等議題。

林映帆說:「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後,勤崴逐步發展出「一個平台、多種載具、多種場域」策略:將共通技術平台模組化,再依不同客戶需求進行客製化調整,讓每新增一個場域,都成為下一個場域快速且安全部署的重要養分。

#0 Physical AI應用崛起,勤崴國際如何打造台灣智慧移動國家隊?
勤崴國際副總經理林映帆表示,將以「一個平台、多種載具、多種場域」策略,攜手自駕車產業鏈夥伴,協助AI自駕車等智慧移動落地應用,以及打造「國家隊」前進海外市場。
圖/ 數位時代

隨著Physical AI的成熟與落地,未來智慧移動的競爭,不再只是比誰擁有更大的模型,而是比誰能持續累積場域、建立完整資料庫,以及串聯完整生態系;在這個關鍵時刻,勤崴國際除因應不同場域客戶需求提供自駕車解方,也希望攜手更多產業夥伴,共同打造具有國際競爭力的智慧移動國家隊,讓台灣在全球自駕與 Physical AI 的新賽局中,占有一席關鍵位置。

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
代理式商務連動百兆商機
© 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