2018.01.16

자원, 일정, 리스크 관리에서 '제안'까지··· AI가 프로젝트 관리에 미칠 영향

Mary Branscombe | CIO

머신러닝과 예측 애널리틱스가 프로젝트 관리에 크게 일조할 수 있다. 추정, 자원 관리, KPI와 같은 핵심 영역에서 특히 그렇다.

소프트웨어 개발부터 건축, 물류, 금융까지 모든 프로젝트에는 계획과 관리, 모니터링이 필요하다. 하지만 여기에 사용되는 툴은 복잡하고 전문가를 위해 개발됐다. 또 잠재적으로 발생할 수 있는 문제에 관해 제대로 경고해주지 못하는 경우가 많다.

그렇다면 여기에 AI를 활용할 수는 없을까? 의사 결정 지원 시스템과 자동화를 통해 비용과 실수를 줄이거나 위험을 분석하거나 효율을 높이거나 시한과 예산을 준수하도록 하면 어떨까?

인공지능, 머신러닝(Machine Learning), 예측 분석이 앞으로 프로젝트 관리 분야에 어떤 영향을 끼칠지에 대해 미리 살펴본다.



리스크 검토
프로젝트 관리를 위해서는 사전에 계획을 잘 세우고 준수하는 것만으로는 부족하다. 프로젝트 내부적인 독립성과 외부적인 변화 때문에 결과를 보장할 수 없다. 추정과 예측은 잘해봐야 직감에 불과하며 최악의 경우 추측과 사기로 끝날 수도 있다. 애자일 및 지속적 전달 등의 현대적인 관리 기법의 목표는 점진적으로 진행하면서 불확실성을 감소시키는 것이지만 그렇다고 해서 최종 결과물을 보장할 수 없다. 위험과 보상의 균형을 맞춘 다양한 프로젝트를 선택해 포트폴리오를 관리할지라도 위험을 정확하게 분석하기가 어렵다.

“프로젝트의 위험은 항상 확률적이다. 그러나 인간의 정신은 위험 기반 확률 관리에 능하지 못하다. 특히 다양한 확률을 결합할 때 더욱 그렇다”라고 앱테이지(Aptage)의 CEO 존 하인츠는 말했다.

그는 “희망 기반의 계획”이라는 표현을 사용하며, “인간들은 모두 어느 정도는 낙관적이다. 우리는 앞날을 긍정적으로 바라보고 제대로 되지 않을 것이라는 증거가 없기 때문에 우리가 원하는 방향으로 이루어지기를 희망하게 된다”라고 설명했다.

앱테이지는 머신러닝을 이용해 프로젝트 결과를 예측하고 있다. 사전 계획된 각 단계의 시작 및 종료 날짜 등 이미 보유하고 있는 데이터를 활용해서다. 가능한 경우에는 백로그 데이터를 이용하기도 한다. 예측은 항상 불확실하기 때문에 과업에 소요되는 시간의 상한선과 하한선을 설정하게 된다. (또는 소프트웨어가 모델링할 수도 있다). 하인츠는 “마지막으로 문제를 안고 있던 사람만 나무랄 것이 아니라 무엇이 잘못되고 있는지 파악할 수 있도록 하는 것”아라고 설명했다.

그는 대부분의 팀이 이런 정보를 확보하곤 한다고 전했다. “매우 엄격한 프로세스가 없는 팀도 우리의 툴을 바로 사용할 수 있다. 7가지나 되는 팀의 밀린 일이 냅킨에 적혀 있다 하더라도 우리가 어느 정도는 도울 수 있다. 팀에 프로젝트 전체를 위한 완전한 최고/최악 사례 분석 및 업무 분류 구조가 있다면 더 많은 조언을 할 수 있다”라고 하인츠가 말했다.

앱테이지는 컨퍼런스, 적합성, 시간에 따른 위험의 증가 또는 감소를 시각적으로 표현해 하인츠가 말하는 빠른 사고와 느린 사고 사이에서 전환할 수 있도록 돕는다.

그는 “직관적인 결정을 내릴 수 있도록 돕기 위해서는 이런 시각화가 필요하다. 프로젝트가 시작되고 모든 것이 더욱 긴박해지면 두뇌가 두려움을 느낄 수 밖에 없다. ‘상처를 입을 수도 있지만 안전망이 있는 것이다. 이 프로젝트에 대한 지출이 20% 늘더라도 [성공의] 확률은 여전히 양호하다. 위험을 감수하자’라는 판단을 내릴 수 있게 된다”라고 말했다.

앱테이지가 활용하는 알고리즘과 모델은 소프트웨어 개발 용도로 개발됐다. 그러나 건축 프로젝트에도 적합하다. 현재는 (다소 기본적인) 지라(Jira)와 통합돼 있지만, 향후에는 마이크로소프트 프로젝트(Microsoft Project), 프리마베라(Primavera) 건축 계획, 트렐로(Trello), 세일즈포스(Salesforce) 또는 파워 BI(Power BI)의 기능 로드맵과 KPI 대시보드 등 프로젝트 팀이 흔히 사용하는 툴과 통합되기를 하인츠는 기대하고 있다. 그는 “트렐로 또는 서비스나우(ServiceNow)에서 언제, 어느 정도 수준의 신뢰도로 예측이 가능할까? ‘90% 신뢰도 날짜를 제시하라’라는 식의 질문이 가능해지는 것”이라고 말했다.

앱테이지의 목표를 쉽게 표현한다면 프로젝트 막바지에 가서 놀라는 일이 없도록 하는 것이다. 하인츠는 “오늘 프로젝트가 제대로 마무리되지 않을 확률이 60%라는 사실을 안다면 어떻게 할까? 또 위험의 근원과 이에 대해 취할 수 있는 조치를 알려줄 수 있다”라고 말했다.

즉 앱테이지는 문제가 되는 프로젝트를 해결하지는 않지만 이에 대해 경고한다. 하인츠는 “두 가지 상황을 예로 들 수 있다. ‘고위험 프로젝트이며 우리가 잘 관리하고 있다’와 ‘우리는 어떤 위험이 있는지 모른다. 우리는 단지 프로젝트를 완료할 것이라고 약속할 수 있으며 마지막 순간에 아니라고 말할 수도 있다’라는 상황이다”라고 말했다.

리소스 관리
예측 유지보수 등 기업들이 이미 도입하고 있는 일부 AI 툴은 프로젝트 효율과 신뢰성을 높이는데 도움이 될 수 있다고 마이크로소프트의 클라우드 AI(Cloud AI)팀 책임자 랜스 올슨이 전했다.

그는 “일정과 위험 측면에서 프로젝트에 문제가 발생하는 가장 보편적인 원인은 프로젝트에서 이용하는 시스템에서 발생하는 예측하지 못한 고장이다”라고 말했다.




2018.01.16

자원, 일정, 리스크 관리에서 '제안'까지··· AI가 프로젝트 관리에 미칠 영향

Mary Branscombe | CIO

머신러닝과 예측 애널리틱스가 프로젝트 관리에 크게 일조할 수 있다. 추정, 자원 관리, KPI와 같은 핵심 영역에서 특히 그렇다.

소프트웨어 개발부터 건축, 물류, 금융까지 모든 프로젝트에는 계획과 관리, 모니터링이 필요하다. 하지만 여기에 사용되는 툴은 복잡하고 전문가를 위해 개발됐다. 또 잠재적으로 발생할 수 있는 문제에 관해 제대로 경고해주지 못하는 경우가 많다.

그렇다면 여기에 AI를 활용할 수는 없을까? 의사 결정 지원 시스템과 자동화를 통해 비용과 실수를 줄이거나 위험을 분석하거나 효율을 높이거나 시한과 예산을 준수하도록 하면 어떨까?

인공지능, 머신러닝(Machine Learning), 예측 분석이 앞으로 프로젝트 관리 분야에 어떤 영향을 끼칠지에 대해 미리 살펴본다.



리스크 검토
프로젝트 관리를 위해서는 사전에 계획을 잘 세우고 준수하는 것만으로는 부족하다. 프로젝트 내부적인 독립성과 외부적인 변화 때문에 결과를 보장할 수 없다. 추정과 예측은 잘해봐야 직감에 불과하며 최악의 경우 추측과 사기로 끝날 수도 있다. 애자일 및 지속적 전달 등의 현대적인 관리 기법의 목표는 점진적으로 진행하면서 불확실성을 감소시키는 것이지만 그렇다고 해서 최종 결과물을 보장할 수 없다. 위험과 보상의 균형을 맞춘 다양한 프로젝트를 선택해 포트폴리오를 관리할지라도 위험을 정확하게 분석하기가 어렵다.

“프로젝트의 위험은 항상 확률적이다. 그러나 인간의 정신은 위험 기반 확률 관리에 능하지 못하다. 특히 다양한 확률을 결합할 때 더욱 그렇다”라고 앱테이지(Aptage)의 CEO 존 하인츠는 말했다.

그는 “희망 기반의 계획”이라는 표현을 사용하며, “인간들은 모두 어느 정도는 낙관적이다. 우리는 앞날을 긍정적으로 바라보고 제대로 되지 않을 것이라는 증거가 없기 때문에 우리가 원하는 방향으로 이루어지기를 희망하게 된다”라고 설명했다.

앱테이지는 머신러닝을 이용해 프로젝트 결과를 예측하고 있다. 사전 계획된 각 단계의 시작 및 종료 날짜 등 이미 보유하고 있는 데이터를 활용해서다. 가능한 경우에는 백로그 데이터를 이용하기도 한다. 예측은 항상 불확실하기 때문에 과업에 소요되는 시간의 상한선과 하한선을 설정하게 된다. (또는 소프트웨어가 모델링할 수도 있다). 하인츠는 “마지막으로 문제를 안고 있던 사람만 나무랄 것이 아니라 무엇이 잘못되고 있는지 파악할 수 있도록 하는 것”아라고 설명했다.

그는 대부분의 팀이 이런 정보를 확보하곤 한다고 전했다. “매우 엄격한 프로세스가 없는 팀도 우리의 툴을 바로 사용할 수 있다. 7가지나 되는 팀의 밀린 일이 냅킨에 적혀 있다 하더라도 우리가 어느 정도는 도울 수 있다. 팀에 프로젝트 전체를 위한 완전한 최고/최악 사례 분석 및 업무 분류 구조가 있다면 더 많은 조언을 할 수 있다”라고 하인츠가 말했다.

앱테이지는 컨퍼런스, 적합성, 시간에 따른 위험의 증가 또는 감소를 시각적으로 표현해 하인츠가 말하는 빠른 사고와 느린 사고 사이에서 전환할 수 있도록 돕는다.

그는 “직관적인 결정을 내릴 수 있도록 돕기 위해서는 이런 시각화가 필요하다. 프로젝트가 시작되고 모든 것이 더욱 긴박해지면 두뇌가 두려움을 느낄 수 밖에 없다. ‘상처를 입을 수도 있지만 안전망이 있는 것이다. 이 프로젝트에 대한 지출이 20% 늘더라도 [성공의] 확률은 여전히 양호하다. 위험을 감수하자’라는 판단을 내릴 수 있게 된다”라고 말했다.

앱테이지가 활용하는 알고리즘과 모델은 소프트웨어 개발 용도로 개발됐다. 그러나 건축 프로젝트에도 적합하다. 현재는 (다소 기본적인) 지라(Jira)와 통합돼 있지만, 향후에는 마이크로소프트 프로젝트(Microsoft Project), 프리마베라(Primavera) 건축 계획, 트렐로(Trello), 세일즈포스(Salesforce) 또는 파워 BI(Power BI)의 기능 로드맵과 KPI 대시보드 등 프로젝트 팀이 흔히 사용하는 툴과 통합되기를 하인츠는 기대하고 있다. 그는 “트렐로 또는 서비스나우(ServiceNow)에서 언제, 어느 정도 수준의 신뢰도로 예측이 가능할까? ‘90% 신뢰도 날짜를 제시하라’라는 식의 질문이 가능해지는 것”이라고 말했다.

앱테이지의 목표를 쉽게 표현한다면 프로젝트 막바지에 가서 놀라는 일이 없도록 하는 것이다. 하인츠는 “오늘 프로젝트가 제대로 마무리되지 않을 확률이 60%라는 사실을 안다면 어떻게 할까? 또 위험의 근원과 이에 대해 취할 수 있는 조치를 알려줄 수 있다”라고 말했다.

즉 앱테이지는 문제가 되는 프로젝트를 해결하지는 않지만 이에 대해 경고한다. 하인츠는 “두 가지 상황을 예로 들 수 있다. ‘고위험 프로젝트이며 우리가 잘 관리하고 있다’와 ‘우리는 어떤 위험이 있는지 모른다. 우리는 단지 프로젝트를 완료할 것이라고 약속할 수 있으며 마지막 순간에 아니라고 말할 수도 있다’라는 상황이다”라고 말했다.

리소스 관리
예측 유지보수 등 기업들이 이미 도입하고 있는 일부 AI 툴은 프로젝트 효율과 신뢰성을 높이는데 도움이 될 수 있다고 마이크로소프트의 클라우드 AI(Cloud AI)팀 책임자 랜스 올슨이 전했다.

그는 “일정과 위험 측면에서 프로젝트에 문제가 발생하는 가장 보편적인 원인은 프로젝트에서 이용하는 시스템에서 발생하는 예측하지 못한 고장이다”라고 말했다.


X