プロジェクトエンジニアリング(以下PJ-Eng)ベースでデータモデルを考え、AI活用時のユースケースを「やってみる・やってみた」活動です。
PJマネジメントにおけるAI活用は、“こういう事でAIを利用できる・育つ”という情報が重要なため、相互情報提供・やってみる「場」と「その事例」を公開しました。
この事例では、身近に実施する可能性が高い「家探し」「引っ越し」を題材とし、PJ-Eng帳票を「仮説」とし、使い勝手に合わせてチューニング(変更理由を明確にしながら)しながら、シナリオに沿ってPJ-Engにおけるデータモデル立案とAI活用を試行しました。
業界などにとらわれず、身近に実施する可能性が高い「家探し」「引っ越し」を題材としました。
今回は、水色の背景となっているところを目標に活動しました。使用する生成AIは、一貫性を保つためCopilot(2024/7~10のバージョン)を使用しました。
「自動化」の基準をもうけ、レベル分けの指標としています。自動化レベルの指標を以下に示します。
STEP1:ロールプレイングのシナリオ設定
以下のディティールをもとに生成AIでシナリオを作成しました(詳細は添付1を参照)。
STEP2:各ペルソナい夜要望事項のリストアップ
上記ディティールをもとに参加メンバにて各ペルソナ役を演じ、要望事項をリストアップしました(詳細は添付2を参照)。
仮説としてプロジェクトエンジニアリングのRequirement-SPEC定義法を適用しました。簡易なExcelを利用したフレーム(思考法)を使用し、数回のSTEPに分けて生成AIを使用しました(詳細は添付4を参照)。
今回は以下の①~③をプロジェクトエンジニアリング補助AIで実施しました。
①事象分解カテゴリを基準に、プロジェクト目的、目標をObjective and Key Results(OKR)に分解しました。
②OKR定義で判断が必要な事項を設定しました。
③EquipmentのSPEC、運用・役務のSPEC定義をしました。
今回の試行でプロジェクトエンジニアリングにて生成AIをどのように活用するかをレポートとしてまとめました。また、プロジェクトエンジニアリングで計画制度が上がるのかを考察しました。レポートの結果は以下の資料からご確認ください。
AIから鮮明な回答を返すには、段階的、局面に適した軸で深堀を進めることが重要だとわかりました。深堀のためにプロジェクトエンジニアリングとAIの相性は良いことが確認できたため、より有効的な活用を検討していきます。