IPMA 연구 콘퍼런스 발표: 경험의 PM에서 예측의 PM으로
PM의 AI 역량과 구조화된 KPI를 넣자 프로젝트 성과 예측 정확도가 73.7%에서 86.3%로 올랐습니다.
강병준 연구책임자가 콜롬비아 보고타 EAN 대학교에서 열린 제14회 IPMA(국제프로젝트경영협회) 연구 콘퍼런스에서 'PM의 AI 역량 체계화 연구'를 발표했습니다.
연구는 PM의 AI 역량을 데이터 리터러시, AI 협업 및 도구 활용, AI 윤리 및 거버넌스의 세 축으로 정리했습니다. 측정 도구의 신뢰도·적합도는 Cronbach's α 0.91, CFI 0.95, RMSEA 0.051이었습니다. KPI 설계에서는 측정 가능한 수준(Level), 성과 기여도를 반영한 가중치(Weight), 선행·중간·결과지표의 인과 순서(Sequence)를 제시했습니다.
기존 역량 모델에 AI 역량을 추가하자 설명력(R²)이 0.41에서 0.58로 높아졌습니다. AI 역량과 구조화된 KPI를 포함한 예측 모델은 XGBoost 기준 정확도 86.3%(F1 0.857, AUC-ROC 0.912)로, 기존 변수만 쓴 모델(정확도 73.7%, F1 0.703, AUC-ROC 0.781)보다 크게 나아졌습니다.
프로젝트 보고서 112건 텍스트 마이닝에서는 성공 프로젝트의 AI 관련 키워드가 문서당 평균 18.7회로 실패 프로젝트(11.3회)보다 많았고, 경험·직관·판단 같은 전통적 PM 용어는 성패 간 차이가 없었습니다. 연구는 설문 315건, 4개 알고리즘(Random Forest, XGBoost, 신경망, SVM) 비교, 텍스트 마이닝을 결합한 혼합연구로 진행됐습니다.
원문: 머니투데이