ARTICLE · 1078488

AI + 项目管理 72

发布时间：2026-09-26 00:25:42 最近访问：2026-09-26 00:25:12

AI + 项目管理 72

案例研究：项目管理中的 AI 模型微调与定制化开发

研究背景

在项目管理工作中，AI 工具的落地应用差异很大，具体取决于项目的特定需求以及所处理数据的类型。

应用场景

处理结构化数据的项目可使用电子表格这类简易工具；而处理文本、音频等非结构化数据的项目，则可以借助 AI 模型。此时需要做出抉择：是对现有 AI 模型做微调，还是开发定制化 AI 模型。

面临问题

核心难题是选出最合适的实现路径：微调已有的 AI 模型，或是从零开发定制 AI 模型。该选择会直接影响项目的执行效率、成本与最终成果。

选择失误带来的后果

如果选型错误，会造成成本上升、资源浪费，项目产出达不到预期；还会出现项目实际需求与 AI 模型能力之间不匹配的问题。

解决方案

■ AI 模型微调

■ 复用 OpenAI 的 GPT 等现成预训练模型

■ 对数据量、技术专业度要求更低

■ 针对与模型原始训练任务相近的场景，资源消耗更少，具备成本优势

■ AI 模型定制开发

■ 从零搭建 AI 模型，或是对现有模型做大规模改造

■ 需要海量数据集，同时要求高水平 AI 专业能力

■ 灵活性更强，适合高度专业化的任务场景

经验总结

AI 项目中，选择微调还是定制开发，应当依据项目具体需求、可用资源以及预期成果来判断。充分理解两种方案的利弊取舍，是在项目管理领域用好人工智能的关键。

本章介绍了对企业至关重要的三类 AI 服务：提供云端 AI 解决方案的模型即服务（MaaS）、用于适配预训练模型的AI 即服务（AIaaS），以及面向个性化解决方案的定制 AI 模型开发。本章阐述了人工智能给项目管理带来的优势，尤其针对多元文化环境下的沟通与决策场景。

对企业而言，借助 OpenAI‑GPT 等平台对 AI 模型做微调，是针对特定业务目标优化现有模型的可行方案。相较于从零搭建定制模型，微调方案在数据需求、技术门槛上更加节约资源。

本文详细阐述 AI 模型开发生命周期，介绍数据科学家与项目经理各自承担的角色，涵盖数据准备、模型训练、部署上线等环节。整个周期分为现有模型微调、构建定制 AI 解决方案两条路径，选型决策应当立足于项目本身的实际要求，而非仅仅考虑现有技术能力与资源条件。

第 18 章：认清 ChatGPT 在项目管理中的局限性

ChatGPT 和其他先进技术一样，存在诸多局限性。想要高效、负责任地使用该工具，就必须充分认识这些短板。表 18.1 汇总了 ChatGPT 在项目管理、模型稳健训练与提示词工程方面的主要局限。

表 18.1 ChatGPT 的局限性及其对项目管理的影响

序号	局限性	说明	项目管理场景示例
1	低配设备性能问题	电脑硬件性能不足的用户，会遇到输出准确度下降、响应变慢的情况。	项目经理使用低配设备办公时，响应延迟会阻碍及时决策。
2	信息存在时效性滞后	ChatGPT 训练数据无法实时更新，缺少最新资讯。	基于过时趋势、老旧市场调研开展项目规划，造成方案脱离现状。
3	语法错误与文字笔误	尽管整体输出可靠，但处理复杂专业文本时仍会出现语法错误、错别字。	项目文档、对内对外沟通文本出现语病错字，损害专业性，造成表意不清。
4	API 调用产生成本	调用 OpenAI 的 ChatGPT 接口会产生额外费用，累计开销可能很高。	受项目预算约束，无法大规模调用接口开展数据分析、多轮交互。
5	字数、字符计数不准	模型对字符、单词数量的判断和统计容易出错。	撰写项目文档、营销材料时，字数统计偏差会影响内容产出。
6	代码生成存在缺陷	ChatGPT 生成的代码可能无法正常运行，或是忽略指令要求。	未经充分审核直接使用 AI 生成代码，会引发项目实施阶段的技术故障。
7	上下文记忆有限	模型对对话前文记忆能力有限，容易丢失上下文，产生错误。	遗忘前期讨论内容、已确定的决策，造成项目规划、执行前后矛盾。
8	输出格式错乱	模型生成内容偶尔会格式混乱，无视指定排版要求。	输出报告、演示文稿结构错乱。
9	图像与非文本内容理解不足	ChatGPT 以文本处理为主，不能解析图片、视频以及其他非文本素材。	无法解读图表、信息图等可视化项目资料，限制数据分析与汇报能力。
10	消息发送数量受限	ChatGPT 会限制单位时间内用户可发送消息的条数。	消息额度受限，难以持续监控项目，也无法开展长时间团队研讨。
11	多语言能力不均衡	ChatGPT 支持多种语言，但不同语种的输出质量差异显著。	团队成员使用多种语言协作时，AI 语言能力不足会造成沟通障碍。
12	长文本结构化内容生成困难	很难产出篇幅长、结构连贯且无重复的文本。	难以生成完整详尽的项目报告、长篇演示材料和深度分析内容。
13	不支持多任务并行处理	无法在单次提示词或者连续快速交互中同时处理多项任务。	不能一次性处理多条项目查询、多项任务，拉低工作效率。
14	无法理解、表达情绪	作为人工智能，ChatGPT 不能真正感知和输出情绪。	面对带有情感色彩的沟通场景，容易出现理解偏差。
15	复杂数学运算能力不足	处理复杂数学计算时经常出错。	项目财务测算、数据分析结果可能出现错误。
16	生成虚构合成数据	会生成看似合理但实际为虚构的数据，不经核验会产生误导。	误采信 AI 编造的虚假数据，导致项目决策失误。
17	单次提示词可处理字数上限	举例：GPT‑4 最多处理约 8192\\ 词元（token）\\ 的输入输出，约折合 6144 个英文单词（对应 Word 文档中，字号、页边距为常规设置、单倍行距的 12 页 8.5×11 英寸文档），该计数同时包含用户输入与模型输出。	上传项目章程压缩包时，应拆分成单份约 12 页、单倍行距、常规字号页边距的文档。

注：表 18.1 内容基于 2024 年 4 月版本。随着微软与 OpenAI 持续迭代更新，部分缺陷未来有望得到解决或改善。

未完待续

术语注释

Token（词元）：大模型文本处理的最小计算单元，同时作为计费单位。
Project charter 项目章程：项目管理标准文档，正式批准项目立项、授权项目经理动用组织资源。
Single‑spaced：单倍行距；8.5×11 英寸：北美标准信纸尺寸。
MaaS 模型即服务；AIaaS AI 即服务：主流云 AI 服务模式。
Prompt engineering 提示词工程：设计指令来引导大模型输出的技术。