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
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

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
AI全球100+台灣20
© 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