AI・PMOの進化
不確かさの定量化
Uncertainty Quantification
読み：ふたしかさのていりょうか
予測や推定に含まれる不確かさを整理し、幅や確率、分布などで示すこと。
01初心者向け
まず意味をつかむ
完了までの見込みが20日とだけ分かるより、どの程度長引くことがありそうかも分かると、後続作業の予約を調整しやすい。
02実務者向け
仕事でどう使うか
どの入力や想定が工期、費用の幅を広げるかを整理する。意思決定では、遅れの影響が大きい期限を決め、その期限を超える見込みと見積りの前提を合わせて伝える。
03専門家向け
判断を一段深める
偶然の変動と、データや知識の不足に由来する不確かさを区別する。要因間の依存を検討し、想定を変えると推定値がどの程度動くか、過去の実績に照らして点検する。
IN PRACTICE
具体例で考える
架空の調達案件では、輸送時間のばらつきと通関情報の不足を分けて検討した。通関の情報を追加収集し、残る輸送リスクには工程上の予備を設けた。
理解を助けるための架空の例です。不確かさの要因
予測範囲を計算
判断への影響を確認
結果の範囲とその根拠を示し、予備や追加調査の判断に使う。
ここは誤解しやすい
計算で出した確率は前提に依存する。桁数を増やすより、供給元の変更など結果が大きく動く条件を明示する。
PROXIA INSIGHTS
考え方を、実務へつなぐ
AIを「使う」から、PMの判断に「活かす」へ ↗この知識を、組織の力へ。