Kockázatkezelés és korai jelzés

A lista és a valóság

A hagyományos kockázati regiszter két okból gyenge. Az egyik az, hogy a projekt elején készül, amikor a legkevesebbet tudjuk, és utána ritkán frissül. A másik az, hogy azt tartalmazza, amit a csapat el mer mondani. A kényes kockázatok, a szállító megbízhatatlansága, a szponzor ingadozása, a saját becslésünk gyengesége, ritkán kerülnek bele. A gépi megközelítés nem a listát tökéletesíti, hanem a jelekből dolgozik. A projekt élő adataiból, a feladatok csúszásmintázatából, a költésütemből, a nyitott kérdések torlódásából, a jegyzőkönyvek hangulatából olvassa ki, merre tart a projekt valójában.

Mit jelez a gép korábban

A korai jelzés lényege, hogy a baj lenyomata hamarabb megjelenik az adatokban, mint a státuszriportban. Amikor egy projekt csúszni kezd, először a kis feladatok határidői tolódnak, a döntésre váró kérdések száma nő, a megbeszélések jegyzőkönyveiben szaporodnak a nyitva maradt mondatok. Az emberi projektvezető ezt érzi, de bizonyítani nehezen tudja, a vezetés felé pedig kényelmetlen jelezni, amíg a fő mérföldkő papíron tartható. A gép ezeket a mintázatokat érzelem és politika nélkül jelzi, és ezzel átvágja a projektek leggyakoribb kommunikációs csapdáját, a túl későn jelentett problémát.

A generatív modellek új képessége ehhez képest a szöveg olvasása. A projektek valósága nagyrészt szövegben él, emailekben, jegyzőkönyvekben, kockázati leírásokban. A nyelvi modell ezekből ki tudja emelni az ismétlődő aggodalmakat, össze tudja vetni a lezárt projektek tanulságaival, és meg tudja fogalmazni azt a kérdést, amit a következő státuszmegbeszélésen fel kell tenni.

Az emberi rész, ami marad

A gép jelez, de a kockázat kezelése ember nélkül nem megy. A jelzés utáni beszélgetés, a szállítóval való kemény egyeztetés, a szponzor meggyőzése, a csapat megnyugtatása mind emberi munka marad. Sőt, a jó jelzőrendszer több ilyen munkát csinál, nem kevesebbet, mert korábban hozza felszínre a kényes ügyeket. A projektiroda dolga ebben a modellben az, hogy a jelzésekből döntési javaslat legyen, és hogy a rendszer ne váljon megfigyelő géppé. A cél a projekt védelme, nem az emberek minősítése, és ezt a különbséget a bevezetésnél világosan ki kell mondani.

Források és további olvasnivaló

Fridgeirsson és társai, Sustainability, 2021, a kockázati tudásterület kiemelt érintettségéről. Antonio Nieto-Rodriguez és Ricardo Vargas, Harvard Business Review, 2023, a folyamatos figyelésről és a korai jelzésről.