اولویت‌بندی پروژه‌های AI

فهرست ایده‌های هوش مصنوعی معمولاً از توان اجرا بلندتر است. این ابزار هر پروژه را روی چند محور روشن امتیاز می‌دهد — ارزش، آمادگی داده، هزینه، زمان، ریسک و امکان اجرا — با وزن‌هایی که خودتان تعیین می‌کنید، و بعد می‌پرسد: اگر وزن‌ها کمی فرق کنند و امتیازهای نامطمئن کمی جابه‌جا شوند، ترتیب چقدر عوض می‌شود؟

خروجی یک رتبهٔ قطعی ۱ تا n نیست؛ پروژه‌ها در سه گروه می‌آیند: اولویت روشن، بسته به فرض‌ها، و فعلاً نه. بازگشت مالی، ارزش یادگیری و ارزش زیرساخت جدا از امتیاز نگه داشته می‌شوند تا یک عدد همه‌چیز را پنهان نکند.

• امتیاز = مجموع وزن × امتیاز محور ÷ مجموع وزن‌ها، روی مقیاس ۱ تا ۵. هزینه، زمان و ریسک پیش از وزن‌دهی به ۶ منهای عدد تبدیل می‌شوند تا «بیشتر» همیشه «بهتر» باشد.
• اطمینان «کم» هر امتیاز آن پروژه را ±۱ و «متوسط» ±۰٫۵ باز می‌کند (داخل ۱ تا ۵)؛ بازهٔ امتیاز کنار عدد می‌آید.
• تحلیل حساسیت: ۴٬۰۰۰ بار هر وزن در عددی تصادفی بین ۰٫۵ و ۱٫۵ ضرب و هر امتیاز به‌طور یکنواخت داخل بازه‌اش انتخاب می‌شود، و پروژه‌ها رتبه می‌گیرند. احتمال رتبهٔ اول، احتمال قرارگرفتن در یک‌سوم بالا و بازهٔ ۵ تا ۹۵ درصدی رتبه گزارش می‌شود. بذر تصادفی ثابت است، پس ورودی یکسان همیشه همین نتیجه را می‌دهد.
• گروه‌بندی: احتمال حضور در یک‌سوم بالا ۸۰٪ یا بیشتر «اولویت روشن»، بین ۲۰ تا ۸۰٪ «بسته به فرض‌ها» و کمتر از ۲۰٪ «فعلاً نه».
• بررسی تک‌محوره: هر محور وزن‌دار یک بار حذف می‌شود تا معلوم شود پروژهٔ اول به کدام محور وابسته است.

• امتیاز ۱ تا ۵ قضاوت است، نه اندازه‌گیری. اختلاف ۰٫۱ یا ۰٫۲ در امتیاز نهایی از دقت این قضاوت کمتر است و نباید تصمیم را عوض کند.
• شبیه‌سازی فقط همان عدم‌قطعیتی را می‌بیند که وارد کرده‌اید. اگر همه‌چیز را با اطمینان «زیاد» امتیاز دهید، نتیجه قطعی‌تر از واقعیت به نظر می‌رسد.
• محورها مستقل فرض شده‌اند؛ در واقعیت هزینه و زمان معمولاً با هم بالا می‌روند و ممکن است یک چیز دو بار شمرده شود.
• ROI مالی را از جای دیگری بیاورید و با بازه در نظر بگیرید؛ برای برآورد هزینهٔ ساخت و نگه‌داری از «برآورد هزینه پروژه AI» استفاده کنید.