跳到主要內容
研究與觀察科技 × 專案管理
TECH × PROJECT MANAGEMENT / ARTICLE 11
科技 × 專案管理 · 系列開篇

AI 時代的軟體專案管理:從三本經典看交期、風險與人

從《人月神話》《與熊共舞》與《Peopleware》重看交期承諾、專案風險及人的工作條件,思考 AI 加速開發後如何維持團隊協作與信任。

AI 生成揭露|本文由 AI 依人類指定的研究主題,自主蒐集公開資料、整理研究並生成全文。人類參與僅限選題及審核稿件,未親自撰寫正文。

TL;DR

生成式 AI 讓程式碼、測試案例與技術文件更快產生,專案裡那些難以量化的事卻依然存在:日期說出口後的承諾、需求未明時的焦慮、面對風險的猶豫,以及團隊能否安心把問題說清楚。

《人月神話》《與熊共舞》與《Peopleware》值得放在一起討論,因為一個專案很少只遇到協作、風險或人的問題。它們往往同時發生:團隊努力縮短工期,也要面對未知,還得保留足夠時間把工作做好。三本書各自照亮其中一面,讓我們能更完整地思考交付與承諾。

Takeaways|重點整理

  • 《人月神話》關心協作,也關心進度壓力下的管理決策。 增加資源是一項選擇,工作相依與整合責任仍須有人承擔。
  • 《與熊共舞》替不確定性保留了討論空間。 交期承諾需要說明假設、風險,以及情勢變動後的處置方式。
  • 《Peopleware》把人放回工作的中心。 專注時間、品質與團隊信任,是長期交付能力的一部分。
  • AI 改變執行速度,也改變管理問題浮現的位置。 除了工作量,更值得關心成果何時通過驗收,以及負責審查的人是否仍有餘裕。

為什麼要把三本經典放在一起談

軟體專案的交期、風險與人的工作條件,常在同一件事情上交會。需求反覆修改時,團隊需要重新協調工作;一項承諾愈來愈難達成,管理者必須決定要如何面對風險;而這些調整,最後都由正在工作的人承接。

對同時接觸軟體測試、系統導入與專案協調的工程工作者來說,這三種難題尤其貼近職涯。技術能力能幫助解決問題,但如何和別人一起完成工作、如何做出可靠承諾,以及如何照顧團隊的長期能力,也值得認真學習。

經典主要關懷放到 AI 時代重新思考
《人月神話》分工、協作與整合更多 Agent 能否讓專案更早完成驗收?
《與熊共舞》交期的不確定性與風險速度提高後,如何誠實承諾、及早預警?
《Peopleware》工作環境、專注與團隊信任AI 產出增加時,人還有多少判斷與合作的空間?

這也是「科技 × 專案管理」系列從這篇開始的理由。Insights 原本已有科技工程與人文觀察的內容;管理是能讓兩者相互對話的第三個角度。這篇先介紹三本經典之間的關係,接下來再沿著各自的問題深入。

一個日期經常承載許多人的期待

專案進度會議裡,一個日期很容易成為大家最後記住的結論。它會進入簡報、行事曆和工作分配,也可能成為其他團隊安排測試、教育訓練及上線準備的依據。

日期一旦成為承諾,就牽動了人與人之間的信任。但尚未釐清的需求不會因此變得清楚;跨系統介接需要的溝通,也不會因為專案被要求提早完成就自然省略。管理者可能急著找到能推進進度的方法,工程師則需要時間把細節做好。雙方未必抱持不同目的,卻往往承受不同形式的壓力。

生成式 AI 讓這種張力更值得重新思考。程式碼可以更快寫出來,測試草稿可以一次生成許多份,進度回報也變得密集。當執行速度提高,對完工日期的期待很可能跟著上升。原本藏在程式撰寫之後的整合、風險判斷與人工審查,也逐漸成為更明顯的工作。

半個世紀前的《人月神話》,以及後來的《與熊共舞》《Peopleware》,對這些現象提供了三種不同的思考角度。以下是依據三書公開出版資料與後續研究整理的閱讀札記;原典細節與當代工程實證,仍需要各自深入檢驗。

《人月神話》讓人重新理解增加人手的決定

Fred Brooks 在 1975 年出版的《The Mythical Man-Month》(《人月神話》)提出 Brooks 定律:在已經延誤的軟體專案中增加人手,有時會讓專案更加延誤。

這個觀點容易被簡化成「人多反而礙事」。實際的問題更細緻。新成員需要理解系統,原有成員需要重新分配任務,設計與介面也要保持一致。當工作具有相依性,新增的人數無法直接換算成等比例縮短的時間。

這也使人重新理解管理者的處境。專案落後時,「增加資源」是一項具體、可見的決策;重新檢查需求、承認原本排程可能過於樂觀,或向利害關係人解釋交期為何需要調整,往往更困難。這些選擇牽涉承諾、信任與責任歸屬。這是從經典延伸的管理反思,並非 Brooks 對所有主管動機的判斷。

對工程師而言,同樣需要檢查自己的工作安排。有些任務確實可以分開處理:彼此獨立的規格研究、測試草稿或資料整理,如果界線清楚,新增人力或 Agent 可能帶來淨效益。當多條工作線同時修改共享資料契約、依據尚未定案的需求開發,整合就會需要更多協調。

關鍵路徑(critical path,決定專案最早完工日期的相依工作鏈)仍然存在。假如某項驗收必須等待介面確認,增加測試腳本的產出速度,不能自動消除那段等待。

這份提醒其實很有人味:好的協作需要清楚的分工,也需要尊重他人理解工作所花的時間。至於如何具體安排多 Agent 的分流、交接與人工審核,站內已有一篇多 Agent 協作的審核瓶頸研究,可作為此處的延伸閱讀。

《與熊共舞》讓團隊可以及早談論未知

Tom DeMarco 與 Timothy Lister 在 2003 年出版的《Waltzing with Bears: Managing Risk on Software Projects》(《與熊共舞》),把軟體專案裡難以迴避的不確定性帶上桌面。

書中討論的五類核心風險,包括時程計畫偏差、需求膨脹、人員流失、規格失效及績效低於預期。這些名稱聽起來像專案管理的分類,但每一項背後都有人的決定:需求究竟何時才算確認?關鍵成員離開後,誰能接起沒有寫下來的知識?當規格已不適用,團隊能否提出異議?

不少管理情境都希望得到確定的答案。即使依據還不充分,明確的日期也比一串條件更容易放進報告。但如果組織把揭露風險視為悲觀或能力不足,工程師就可能只剩下報喜的空間。直到問題無法再隱藏,調整時程和補救的成本通常也更高。

因此,願意討論不確定性,反映的是組織如何看待壞消息。它需要團隊及早說出風險,也需要管理者能以合理方式回應。提早揭露風險有助於履行承諾,讓各方知道目前的判斷依據與可能採取的行動。

《與熊共舞》用不確定性圖與模擬討論交期。P50/P90(預測完成日期的機率分位數)分別表示,在特定模型與假設下,約有一半或九成模擬結果會在某個日期以前完成。Monte Carlo(蒙地卡羅模擬)可以協助形成這類分布,但歷史資料、工作相依與風險假設若不可靠,計算也可能失準。

這些工具的價值,在於讓團隊討論不同交期承諾會承擔什麼風險。對醫療資訊系統的上線、跨廠商介接或重大改版,及早辨識風險、準備回復路徑,比單純要求大家相信一個日期更有幫助。

AI 讓修補與重試變得便捷,也帶來過期規格、模型變動、工作脈絡中斷或反覆自動重試等風險。這些是今天可以研究的延伸,原作者在 2003 年並未討論生成式 AI。

《Peopleware》把人的工作環境與尊嚴帶回管理視野

前兩本書幫助理解如何協作、如何面對風險。《Peopleware》則把視線帶回正在工作的人身上。

DeMarco 與 Lister 的《Peopleware: Productive Projects and Teams》在 2013 年第三版中持續討論工作環境、品質、專注時間與團隊凝聚。書中的「腦力時間與身體時間」尤其值得在今天重新思考:一個人坐在電腦前八小時,並不表示他有八小時能連續理解問題、形成判斷。

工作被打斷,有時只是多了一則訊息;對正在追查複雜錯誤或理解跨系統資料的人來說,卻可能需要重新把思緒接回原處。AI 讓更多任務可以並行,也讓完成通知、待核准修改與測試報告更頻繁地湧向同一個人。工具節省的操作時間,可能有一部分轉移到閱讀和審查。

原書談到 Teamicide(團隊殺手,指破壞合作與凝聚的管理行為),包括虛假的截止日期、過度競爭、時間碎片化,以及為了趕工而降低品質。把這些觀點用到 AI 工作環境,可以思考一件事:若績效只看完成多少任務,誰會願意花時間協助同事、維護共用測試工具,或指出大家暫時不想聽見的風險?

這還牽涉工作的尊嚴。好的工程成果往往包含不容易立即被看見的勞動:反覆確認規格、替別人找出缺少的證據、留下可供後人理解的紀錄。它們未必能帶來漂亮的產出數字,卻可能讓團隊少走很多彎路。

後來的 SPACE 開發者生產力框架把成果、活動、協作、效率與工作福祉放在一起觀察;DevEx(開發者體驗)則關注回饋速度、認知負荷與專注狀態。DORA 2025 研究也指出,AI 可能放大團隊既有的優點和弱點。這些是原書之後發展的研究,能補充今天的管理判斷,仍需要依團隊條件驗證。

《Peopleware》留下一個值得長期思考的問題:管理者能不能創造讓人好好工作的環境?這種環境需要合理的干擾與回饋節奏,也需要信任、提問空間和能被守住的品質標準。

三本書共同關心的是承諾如何被履行

把三本書放在一起讀,原本分散的管理難題就連成了一條線。

《人月神話》讓我們檢查承諾所依賴的工作安排:誰做什麼、哪些事情必須先完成,最後由誰整合。《與熊共舞》讓團隊公開討論承諾裡的不確定性,並在風險成為事故前保留選擇。《Peopleware》則提醒我們,履行承諾的人需要時間、信任和合理的工作條件。

這三個角度能讓進度會議多出一些有用的討論。日期被提出時,團隊可以先辨認哪些工作仍有相依,再說明風險與尚未確認的假設。最後還要檢查:負責交付與驗收的人,是否有足夠時間做出品質判斷?

這些問題未必能立刻換來更好看的進度表。它們能讓決策更接近工作現場,也讓團隊遇到意外時,仍然有空間調整方向。

AI 的除錯能力讓管理經典有了新的工程場景

網站已公開的 Auto Omniverse D03:AI 自主除錯與完整驗收,使用合成的會議室預約情境,展示測試失敗後如何蒐證、判讀原因、有限修復並重新驗收。當儲存動作逾時,系統可能已經寫入資料;重跑以前需要先確認狀態,避免再次執行造成重複結果。

從《人月神話》的角度看,調查可以分頭進行,需求、共享狀態與整合仍需要共同的負責窗口。《與熊共舞》提醒我們先想好重試的界線、風險訊號和人工接手方式。《Peopleware》讓我們注意到,最後仍有人要在有限時間內理解證據,判斷這次交付對使用者是否正確。

D03 是公開的合成展示,沒有提供能推算所有專案節省工時或成功率的實測資料。它的意義,是讓經典管理觀念有了具體可談的場景。涉及醫療資訊系統時,工具顯示 PASS 仍需獨立業務驗收與資料保護。

這些經典留給今天的讀者什麼

正在面對多 Agent 整合問題的人,可以從《人月神話》讀起。承受交期、外部依賴與上線風險的管理者或工程師,能從《與熊共舞》找到討論未知的語言。如果團隊長期疲於通知、會議和審查,《Peopleware》提供的是更貼近人與工作關係的提問方式。

三本書都早於今天的 AI Agent,也各有時代背景。它們值得被重新檢視,因為其中關於時間、風險、品質與人的問題,仍能幫助我們檢查現代工作的安排。

當工具讓執行越來越容易,如何做出值得信任的承諾、讓團隊坦然面對問題,以及保留把事情做對所需的時間,會是軟體專案管理持續需要回答的課題。

主要參考資料

  1. Fred Brooks(1975),《The Mythical Man-Month》;Martin Fowler 的經典重讀提供相關背景。
  2. Tom DeMarco、Timothy Lister(2003),Waltzing with Bears 原著目錄與核心風險。
  3. Tom DeMarco、Timothy Lister(2013,第 3 版),Peopleware: Productive Projects and Teams(Pearson)。
  4. Nicole Forsgren 等(2021),The SPACE of Developer Productivity。
  5. Abi Noda 等(2023),DevEx: What Actually Drives Productivity?。
  6. DORA(2025),State of AI-assisted Software Development。

延伸閱讀

三本經典的獨立深讀