基于大語言模型的相關方參與計劃制定

胡琪瑸，喬宇

（上海交通大學，上海 200240）

0 引言

作為人工智能領域的最新熱點之一，大語言模型及其工具憑借強大的語言輸出、內容生成、信息搜索等綜合能力，在諸多領域得到了廣泛應用，包括程序開發、文字編輯、娛樂聊天等。更為重要的是，受益于模型海量參數的優勢，原先一些需要依賴經驗、理解，甚至是個人感覺的非量化問題，也得到全新的解決思路。根據美國項目管理協會（PMI）出版的PMBOK（Projectmanagement body of knowledge）中的規定，相關方（或干系人）管理工作分布于啟動、規劃、執行、監控過程組中，每個過程組中分別對應一個工作流程，分別包含不同輸入文檔、工具與技術、輸出文檔［1］。相關方管理工作流程主要有識別相關方、規劃相關方管理、管理相關方參與、控制相關方參與。隨著工程項目管理不斷成熟，關于相關方管理工作的研究也在不斷增加。ALAIN VERBEKE等［2］認為相關方與公司的關系會隨著時間轉移而演變，企業需要積極適應，以維持其競爭優勢。樸建宇等［3］使用SNA（社會網絡分析）識別相關方，并利用UCINET軟件進行了核心-邊緣模型分析，確定核心治理相關方，同時使用社會網絡模型，確定出核心相關方能力范圍，為后續工作提供參考。

1 研究假設

1.1 生成相關方參與計劃

在實際項目管理過程中，企業可以根據自身情況對管理流程進行裁剪，因此企業可能不會專門制定項目章程等文件，而是將內容分散在不同項目文件中。如果將中間環節隱藏（如圖1所示），以可行性報告、項目合同等文檔作為輸入項，由于項目在啟動時不會有明顯的需求變更、問題反饋情況，所以可以直接得到相關方參與計劃。

圖1 屏蔽中間過程使用項目文檔輸出相關方參與計劃

故提出假設H1：在項目啟動階段，從可行性報告、技術規范書、項目合同、事業環境因素、組織過程資產等方面可以直接得到相關方參與計劃。

1.2 大語言模型的作用

根據上文可得，使用標準流程制訂相關方參與計劃時，其總時間由3個部分構成，包括制定項目章程、識別相關方、規劃相關方管理，由于后一流程的輸入依賴于前一流程的文檔輸出，所以3個流程之間為串行執行。則得到相關方參與計劃的總時間如下：

其中，Ti為各階段所用時間。

對于各種項目文檔，企業的編制時間一般都是以小時單位完成，較為復雜的文檔完成時間甚至以天計算，而對于相關方參與計劃涉及的3個流程，除各種文檔本身的編寫修改時間之外，流程中也存在大量無法信息化、自動化完成的工具和操作，需要花費人力和時間完成，如組織會議、制定問卷、分析根因等。如果使用大語言模型，則可以屏蔽3個步驟流程，避開人工操作環節，直接輸出結果，并且輸入的材料不變（如圖2所示）。其所用時間如下：

圖2 使用大語言模型屏蔽中間環節

大語言模型給出結果的時間以秒級計算，要短于現有方法中任何一個步驟的時間。因此，提出假設H2：使用大語言模型可以顯著節省相關方參與計劃的時間。

2 研究設計

2.1 大語言工具

研究使用的大語言模型為百度“文心一言”，“文心一言”為百度開發的大語言模型工具，實驗選用該工具是因為與其他大語言模型相比，“文心一言”在概念理解、定義解釋等領域更具優勢，語義更加清晰。同時，“文心一言”直接內置文件閱讀插件，可以直接對文本文件進行概括，方便實驗。

2.2 數據來源

研究以某地事業單位支撐系統的升級優化項目為例，該事業單位為項目甲方單位，該項目經過可行性論證、招投標、簽署合同等工作后，由某軟件公司作為乙方單位承接，進行需求分析、軟件開發、系統測試、上線部署。在項目執行過程中，管理人員完成了一系列項目文檔，包括可行性研究報告、技術承諾書等。同時，甲方單位也根據自身情況，安排專門項目小組進行領導、協調、對接。根據技術規范書，乙方單位人員的項目職責見表1，項目在正式啟動前可以獲取到的文件見表2。

表1 乙方單位項目人員職責

在實際過程中，項目最終順利完成，但是在總結和資料歸檔過程時，發現項目在執行過程中的相關方管理工作存在以下問題：①缺少相關方管理步驟。甲方作為事業單位，具有一套完整的項目管理和審批流程，但其中卻缺少相關方管理步驟及文檔，使對乙方的管理工作高度依賴管理者經驗和人工操作。②項目延期。由于甲方自身展開項目較多，并且管理制度復雜，導致未能和乙方進行及時溝通，會出現乙方需要等待甲方的命令和反饋的情況，造成延誤。③缺少文檔。在項目歸檔階段，發現項目缺少部分文檔和審批流程，需要進行的會議和溝通沒有開展，只能在后續進行補齊和修改，嚴重影響項目合規性。

2.3 研究過程

2.3.1 構建Prompt

根據Elavis總結的優質Prompt需要包含的元素，一個優質Prompt需要具備如下元素：①Instruction（必須），指令，即用戶希望模型執行的具體任務。②Context（選填），背景信息，或上、下文信息，這可以引導模型做出更好的反應。③InputData（選填），輸入數據，告知模型需要處理的數據。④Output Indicator（選填），輸出指示器，告知模型要輸出的類型或格式，即P={I，C，ID，OI}（I≠?）。其中：P表示Prompt；I表示Instruction，并且為非空；C表示Context；ID表示InputData；OI表示Output Indicator。

對于本次實驗，如果需要得到相關方參與計劃，4項內容分別為C（Context）、I（Instruction）、ID、OI。

（1）C（Context）為項目文件內容，即假設H1中提及的輸入文件，包括商業文件、協議等。在這一過程中，由于“文心一言”有字數限制，所以需要對輸入的文檔內容進行調整。①刪除冗余章節。在進行研究時，可以在輸入前對文檔進行整理，刪除不必要的章節，如合約中保證金條款、合約份數條款等。②分批多次輸入。在研究時，可以對材料進行分次輸入，每次輸入一個章節材料，在編寫Instruction時，可以要求系統聯系上、下文進行解答。

（2）I（Instruction）為目標要求輸出的文檔，要求大語言模型先輸出相關方登記冊，再輸出相關方參與計劃，其中相關方登記冊需要包含需求/期望、相關方所需參與程度，相關方參與計劃需要涵蓋參與階段、參與程度、參與方式。如果項目材料分多次輸入，則可以強調要求大語言模型聯系上文進行輸出。

（3）ID為項目相關方涉及的背景資料和數據，包括雙方人員名單，其主要來源為協議、技術規范書、事業環境因素、組織過程資產。

（4）OI為相關方登記冊和參與計劃的格輸出式，研究為方便查看，要求用表格輸出相關方登記冊和相關方參與計劃。

2.3.2 整理文檔

根據統計，研究所涉及的項目文檔總字數達到28 000字以上，而研究所用大語言工具“文心一言”單詞輸入最大字符數為2 000字符，并且文檔中包含支付賬號、單位地址等無關信息，因此研究選擇對已發布的文檔進行摘錄，選擇有用部分進行整合，再分次輸入工具。選取已有文檔中的部分內容整合到一起。

2.3.3 輸入文檔

將整理后的文檔分次輸入“文心一言”，然后輸入Prompt，要求系統輸出一份相關方登記冊，在Instruction中要求內容包括主要需求/期望、干系人所需參與程度，驗證系統是否可以識別出相關方，并記錄時間；再輸入Prompt，要求系統輸出相關方參與計劃，要求包含參與階段、參與程度、參與方式。

3 研究結果與分析

3.1 研究結果

根據研究過程，將Prompt輸入系統，首先得到相關登記冊（見表3）。

表3 相關方登記冊

在此基礎上，再要求系統輸出相關方參與計劃（見表4）。

表4 相關方參與計劃

相關方登記冊與參與計劃生成的時間分別為23.39 s和26.80 s。

3.2 研究結論

根據所得結果，結合假設進行分析。對于假設H1，研究選取可行性報告、技術規范書、項目合同、事業環境因素、組織過程資產中的部分內容，最終得到相關方參與計劃。在實際過程中如果需要更詳細的計劃，可以在構造Prompt時要求輸出更多結論。

對于假設H2，一般情況下，完成相關方管理計劃的時間以天、小時為單位，使用大語言模型后相關方登記冊和相關方參與計劃的輸出時間都在30 s以內，可以顯著縮短編寫時間，提升效率。

3.3 方法優勢

根據前文所述，通過與原有方法相比，使用大模型制訂相關方參與計劃具有以下優勢。

3.3.1 縮短分析時間

根據前文，實驗合計選取4個項目進行研究，4個項目類型各不相同，項目材料的詳略程度也各有差異，其中項目2、項目3、項目4沒有項目甲、項目乙方名單，需要進行人工或大語言模型識別。各個項目均已完成交付，文檔達到各自公司交付要求。同時，受到大語言模型工具的字數限制，需要對材料進行整理和取舍，因此也將此時間進行統計。實驗結果見表5。

表5 多項目實驗時間

根據實驗結果，使用大語言模型生成相關方管理計劃的生成時間都明顯短于人工用時，并且這一優勢呈現出數量級的程度，平均倍數達到159.7倍，效果明顯。相關方識別工作的速率同樣得到顯著提升，倍數達到97.6倍。即使算上文檔整理時間，使用大語言模型依然存在明顯優勢，特別是在沒有給出相關方名單和崗位的文檔中，大語言模型的相關方識別優勢更為明顯。而且，由于實驗使用的是通用大語言工具，導致必須根據實際對文檔進行整理。如果企業自主開發大語言模型工具或者基于專用SDK和接口進行二次開發，則可以完全或部分規避這一流程，進一步縮短管理計劃時間。

3.3.2 減少人為干預

在進行相關方管理工作時，使用的工具與技術中存在大量人為參與的過程。例如，制定項目章程中的專家判斷、人機關系與團隊技能、會議；識別相關方中的問卷調查、頭腦寫作。通過使用大語言模型，直接給出最終管理計劃，完全屏蔽了其中人為參與的部分。實驗中，在使用大語言模型工具進行處理時，可以完全不使用其他工具方法，包括各種非量化、人工工具，只需由操作人員獨自完成全部操作，體現了大語言模型可以提升計劃的準確性和科學性，如果管理人員在實際管理工作中需要對相關方進行人為管理，也可以以計劃為準繩，對管理工作進行調整。

3.3.3 提升管理效率

在傳統管理模式中，相關方管理計劃受識別范圍不完全、利益變化快等要素影響，使相關文檔有效期短，需要及時進行更新或重做，導致文檔使用效率低，企業使用意愿低。通過使用大語言模型，可以有效縮短相關方管理計劃的制訂周期，方便管理者快速進行文檔更新，提升管理工作效率。

4 結語

綜上所述，目前受限于人員投入、工作效率、人為干預等多種因素，企業對相關方管理工作缺少必要的重視，特別是對管理計劃的制訂缺乏積極性，導致在實際工作中出現溝通不暢、進度慢等問題。通過使用大語言模型，可以有效縮短相關管理計劃的制訂時間，減少人為干預，提升管理工作效率，促進項目的順利進行。同時，本研究為大語言模型在管理工作中的應用提供參考，有助于進一步推動管理信息化。