小编序：

前不久，PMI发布了2019《职业脉搏深度报告——人工智能创新组织：解密项目绩效》，报告显示人工智能（AI）已经在引发颠覆性改变：81%的受访者表示其组织受到了AI技术的影响；37%的受访者表示采用AI技术是自己所在组织高度优先考虑的事项。对AI技术的重视也引发了项目管理方法上的转变。一些项目管理专业人士预计，在接下来的3年里，他们使用AI管理的项目比例将从23%上升到37%。

人工智能已经不再遥不可及，这不，AI“抓”bug已经实现，项目管理中使用AI技术还会远吗？

小问题，大损失

每年全球会产生数十亿甚至数百亿条新代码，其中很多是由开发者广泛共享的开源应用软件代码。那么问题来了：只要出现一个小错误，可能就会“一石激起千层浪”，造成数以千计的漏洞（bug），使黑客趁虚而入，获取安全信息甚至破坏主要基础设施系统。即使在较小的范围内，bug也会造成严重后果：如推迟产品发布、引发公司系统崩溃、造成公司经济损失等。

这些bug代价高昂：IT公司Tricentis的数据显示，2017年软件故障造成的经济损失达1.7万亿美元，包括引发股价下跌、系统宕机期间的收入损失，以及由于新增的修复工作占用大量人力，导致推迟新产品发布而造成的损失。

AI出手，大减人力成本

一些项目团队正在测试人工智能是否可以解决这一问题。程序员“抓”bug既耗时，也不可能做到尽善尽美，而AI“抓”常见的bug可以做到快速、高效。因此，中国和美国政府部门都发起了相关研究项目，推进利用AI检测代码中的错误。企业也加入了这一领域：去年，Facebook和法国视频游戏公司育碧（Ubisoft）各自启动了相关项目，研发AI识别bug工具。

机器学习是关键

案例1：育碧游戏

育碧的项目团队用其软件库中累积了10年的代码训练AI工具，让它学习历史上出现过的错误，并参考已应用的修正。这款AI工具不是直接指出具体bug，而是告诉程序员代码的某个部分出现bug的统计学概率。

“这个项目的难点之一就是如何让程序员接受AI工具。”加拿大育碧软件蒙特利尔分部制作工作室执行董事Yves Jacquier说。机器学习的统计学属性要求我们改变工作方式：传统软件的开发需要编写应用程序遵循的规则，而机器学习算法则利用数据指导软件应该如何工作。“机器学习算法需要进行大量的变更管理，从技术角度调整解决方案，并确定最佳阈值，使捕捉bug的数量最大化，同时不会出现太多误报。”

为了简化从传统到AI工具的过渡，育碧项目团队采用了迭代法推出这一工具，从加拿大视频游戏制作项目开始推行，并且为程序员开展培训，指导使用。尽管开发这一AI“抓”bug工具耗费了不少人力，但收益明显：预计借助AI工具，可以在测试阶段之前捕捉70%的bug，让团队从找bug的工作中得到解放，研发更高价值的产品特征。

案例2：机器学习系统DeepCode

去年，美国政府完成了一项800万美元的项目，该项目由美国国防高级研究计划局(U.S. Defense Advanced Research Projects Agency)和美国空军研究实验室(U.S. Air Force Research Lab)出资，通过非营利性研发组织Draper完成。该项目旨在通过运用基于神经网络的机器学习系统DeepCode，研究可以自动检测并修复软件缺陷的算法。项目为期4年，其中最大的一项挑战是无法找到适合训练DeepCode的数据。

Draper国家太空安全项目集经理Jeffrey Opper说：“大量的原始代码中，被标注是好是坏的例子并不多。”

为了解决这一问题，团队运用专门开发的测试套件和开源数据库生成大量数据，专门用于训练DeepCode系统，并将有问题的代码做标记，运用静态分析工具让DeepCode算法学习辨别错误。

此外，Draper内部团队的软件专家也会手动测试DeepCode的准确性，减少它的错误报告率。训练和完善DeepCode18个月之后，项目在10月份顺利结束。Opper表示，“这一工具证明，DeepCode在学习足够多的有效数据后，辨别代码错误的准确性与开源的静态分析工具相比有显著提高。”

AI技术以及其他颠覆性技术的浪潮势不可当，作为项目经理，也需要早做准备。“组织可以根据需要采用任何人工智能技术，但是要想真正激发出人工智能的潜能，仍然需要依靠人机协作。”因此，除了需要提升软硬技能，项目经理也必须学会适应科技的发展，尽早提高自己的PMTQ（项目管理技商）！