ARTICLE · 1083275
AI + 项目管理 73
单次交互的文字分析上限
表 18.1 中的第 17 项 ——单次提示词可分析的文字数量有限，是项目经理需要了解并掌握规避方法的要点。有时我们希望一次性分析超过 750 个单词的文本。即便是普通用户乃至提示词工程师，也常会忽略该限制。例如，该工具没有内置的内容分段选取功能。
因此解决办法是：把文本拆分为更小的片段或文档，使其适配单次分析交互的字数上限。采用该方式，可确保 ChatGPT 完整分析完一个片段之后，再处理下一段。这需要用户手动对文件做拆分，但在令牌数约束下，能实现更细致的分析。
向 ChatGPT 提交文档开展分析，请遵循以下步骤：
收集全部文档，将其拆分为约 6144 词或 12 页的片段（单倍行距、标准字体与页边距）。
使用数据分析功能，将拆分后的各份文档分别上传至同一条用户提示词内。
用户提示词模板：
“附件包含 < 文档数量> 份待阅读文档。请阅读每一份文档，读完后仅回复‘已阅读’并附上文件名。全部文档读取、确认完毕后，询问我是否准备好提出问题。可以开始吗？”
或者，不使用文件上传，采用如下提示词：
“我将发给你 < 数字> 个待阅读片段，每收到一个片段请回复已接收。全部片段读取确认完毕后，请询问我是否准备好提出问题。可以开始吗？”
接下来即可提出你的问题！
注意：使用压缩包批量上传便于批量文档分析，但不会提升单次交互的处理能力。
把握人工智能使用的宜与忌
以下清单给出了在组织内部落地项目管理人工智能（PMAI）、引入 AI 模型的若干宜做与忌做事项。
宜做事项：
优先保障数据质量。投入资源改善数据质量，开展全面测试，避免因错误决策产生技术债。
推行 AI 培训项目。面向项目经理及团队成员，开设人工智能技术及其应用的培训。
恪守 AI 伦理规范。采用透明的 AI 方案，对从数据采集到模型部署、监督的全流程进行管控。
AI 设计将安全置于首位。开发 AI 解决方案时重点考量安全性，保证训练数据与用户访问权限相匹配。
有选择地运用 AI。在 AI 收益最大的场景使用 AI，其余场景可考虑更简单的传统方法或自动化工具。
保持持续人工监督。AI 部署全程保留人的监督，包含定期评估，针对异常数据模式设置告警。
忌做事项：
切勿忽视数据测试与数据质量。不可低估 AI 项目中数据质量与全面测试的重要性。
切勿无视培训需求。不要回避项目团队开展 AI 专项培训的必要性。
切勿漠视伦理问题。开展 AI 应用不能抛开伦理考量，不能忽略 AI 流程的透明性。
不能牺牲安全。设计 AI 方案不可放弃安全与数据隐私要求。
切勿过度依赖 AI。对于简单方案即可解决的任务，不要强行使用 AI。
不能取消人的参与。不可在缺少持续人工监控与干预的前提下实现全流程自动化。
切勿忽视外部威胁。警惕第三方数据源、AI 技术合作方带来的潜在风险。
不要错失团队成长机会。要吸纳对 AI 感兴趣的团队成员参与，否则人才可能流向竞争对手。
本章阐述 ChatGPT 用于项目管理的各类局限：低配设备性能不足、信息过时、语法错误、API 调用成本、字数统计不准、编程出错、短期记忆有限、格式错乱、无法理解非文本内容、消息条数限制、语言兼容问题、长文本处理、多任务处理困难、无法表达情感、复杂数学求解、合成数据生成、令牌上限等。 应对以上约束，需要重点关注数据质量、开展 AI 培训、落实 AI 伦理与安全、把 AI 用在合适场景，并坚持人工监督。
第五部分
结语
将人工智能应用于网络安全与项目管理，需要一套完善的项目管理方案，在创新思路、安全要求与伦理考量之间取得平衡。AI 模型既要赋能安全防护，同时必须保障数据安全。 最佳实践是持续审慎评估新型威胁带来的风险，采取对应处置，并遵守适用的数据隐私法律法规。对项目经理而言，这意味着在 AI 模型集成全生命周期使用 AI 时，必须把安全放在首位。包括运用差分隐私、同态加密等技术保护敏感信息，实现网络安全与项目管理协同统一。
核心要点
包括 ChatGPT 在内的 AI 系统，必须具备完备的安全与隐私保护机制，医疗、IT、金融等敏感领域尤其如此。
AI 模型需要持续学习迭代，才能有效应对不断演变的网络威胁。
AI 在网络安全领域兼具防护工具与受攻击目标双重属性，因此需要审慎地融入网络安全框架。
在网络安全与项目管理中落地 AI，需要在技术创新、强安全措施与隐私保护之间做好平衡。
常态化安全审计手段与管理方案，是保障 AI 系统完整性的必要条件。
差分隐私与同态加密，是 AI 应用中维护数据隐私的关键技术。
项目经理应当确保 AI 模型开发符合不断更新的全球法规以及伦理准则。
AI 模型开发需要完整策略，例如采用拆分数据集开展模型训练，以此提升准确度、降低偏见。
AI 项目管理要理解机器学习的短板，例如数据分布漂移、模型脆性。
对 AI 模型做微调可为项目管理带来诸多收益：节约时间与资源、提升任务表现、快速部署。
AI 模型微调也存在挑战：面向新任务训练、处理复杂指令、保证可解释性与隐私安全。
项目经理在 AI 集成中要把握各类宜做与忌做事项，重点关注数据质量、AI 伦理、安全以及人工监督。
充分认识 ChatGPT 等 AI 工具的局限，包括性能、信息过时、复杂内容处理等问题，是在项目管理中有效使用 AI 的关键。
未完待续
关键术语
token limit：令牌上限
technical debt：技术债
differential privacy：差分隐私
homomorphic encryption：同态加密
fine‑tuning：模型微调
model brittleness：模型脆性
single‑spaced：单倍行距
prompt engineer：提示词工程师