AI 시대의 프로젝트 관리자

학습목표

• 일반 업무와 구분되는 프로젝트의 특성을 설명하고 SWOT 분석으로 환경을 진단해 핵심성공요인을 도출할 수 있다.
• 타당성 조사보고서 구성과 프로젝트 선정 기법으로 착수를 준비할 수 있다.

학습내용

• 프로젝트의 정의와 제약사항
• SWOT 환경분석과 핵심성공요인(CSF)
• 타당성 조사보고서 구성
• 프로젝트 선정 기법과 착수 시 기본 규칙

학습목표

• 요구사항을 수집해 프로젝트 범위기술서를 작성하고 WBS로 분해할 수 있다.
• 범위 확인과 통제 절차로 범위 변경을 관리할 수 있다.

학습내용

• 요구사항 수집과 범위기술서
• WBS(작업분류체계) 개발
• 범위 확인과 인수
• 범위통제와 변경관리

학습목표

• 활동을 정의·배열하고 네트워크도로 일정을 산정할 수 있다.
• 크리티컬 패스와 일정 기준선으로 진도를 통제할 수 있다.

학습내용

• 활동 정의와 순서 배열
• 네트워크도(PDM)와 크리티컬 패스
• 일정 산정 기법
• 일정 기준선과 통제

학습목표

• 활동별 원가를 산정해 예산기준선을 수립할 수 있다.
• 조달 계획을 세우고 공급자를 선정·관리할 수 있다.

학습내용

• 원가 산정과 예산기준선
• 원가 통제 기초
• 조달관리 계획과 계약 유형
• 공급자 선정과 조달 종료

학습목표

• 리스크를 식별·정성분석하고 정량분석 기법으로 우선순위를 매길 수 있다.
• 리스크 대응전략을 수립하고 모니터링할 수 있다.

학습내용

• 리스크 식별과 정성분석
• 정량 리스크분석 기법
• 리스크 대응전략 수립
• 리스크 모니터링

학습목표

• 프로젝트 팀을 구성하고 팀 개발 단계에 따라 관리할 수 있다.
• 팀 갈등을 다루고 효과적인 팀의 조건을 적용할 수 있다.

학습내용

• 프로젝트 팀 구성
• 팀 개발 5단계(형성-격동-규범-성취-해산)
• 갈등관리 스타일
• 효과적인 팀의 조건

학습목표

• 이해관계자를 식별·분석해 관리대장을 작성할 수 있다.
• 의사소통계획서를 수립하고 정보를 배포할 수 있다.

학습내용

• 이해관계자 식별과 분석
• 이해관계자 관리대장
• 의사소통계획서 수립
• 정보 배포와 의사소통 채널

학습목표

• 프로젝트 헌장을 작성하고 영역별 계획서를 통합해 프로젝트관리계획서를 개발할 수 있다.

학습내용

• 프로젝트 헌장 개발
• 영역별 계획서 통합
• 프로젝트관리계획서 개발
• 기준선 수립

학습목표

• 품질관리 계획을 수립하고 예방 중심으로 통제할 수 있다.
• 작업 지시부터 성과 점검까지 실행 단계의 핵심 절차를 적용할 수 있다.

학습내용

• 품질관리 계획수립과 예방원칙
• 품질원가와 지속적 개선
• 작업 지시와 성과 분석 기준
• 시정조치와 예방조치

학습목표

• 단계·프로젝트 종료 절차를 수행하고 최종 인도물을 검수·인계할 수 있다.
• 교훈 정보를 기록해 다음 프로젝트로 전달할 수 있다.

학습내용

• 종료 준비와 최종 인도물 검수
• 고객 인도 절차
• 종료 보고서 작성
• 교훈 정보 기록과 전달

학습목표

• PMI·세계경제포럼 등 최신 조사를 근거로 AI가 프로젝트관리 실무에 어느 정도 도입되고 있는지 설명할 수 있다.
• 조직의 AI 도입 성숙도를 가르는 구조적 요인을 판별할 수 있다.

학습내용

• PM 전문가 대상 AI 도입 설문 현황
• AI 성숙도가 높은 조직과 낮은 조직의 차이
• AI 도입의 산업별·지역별 격차

학습목표

• AI가 정형업무를 흡수하면서 PM 역할이 실행자에서 전략가로 이동하는 메커니즘을 설명할 수 있다.
• 인간-AI 협업에서 인간이 여전히 필수적인 지점을 판별할 수 있다.

학습내용

• AI 시대 PM 역할 재정의 이론
• 하이브리드 인간-AI 팀 관리
• human-in-the-loop 협업 모델
• AI가 대체 못 하는 PM 역량

학습목표

• PM이 조직의 AI 도입을 이끄는 변화관리 절차를 설명할 수 있다.
• AI 프로젝트에서 PM이 지는 거버넌스·윤리적 책임을 판별할 수 있다.

학습내용

• AI 도입 저항관리와 체인지 매니지먼트 절차
• OECD·UNESCO의 AI 거버넌스 원칙
• AI 프로젝트의 책무 분산과 책임소재

학습목표

• Bechtel·Skanska 등 기업의 AI-PM 도입 실제 사례를 설명할 수 있다.
• PM 리더 개인이 실무에 AI를 활용하는 구체적 방식을 사례로 판단할 수 있다.

학습내용

• 빅테크 소프트웨어팀의 AI 도입 사례(Atlassian·Microsoft·Spotify)
• 건설·엔지니어링 기업의 AI 에이전트 활용 사례
• 대형 자본프로젝트의 AI 스케줄링 사례
• PM 리더 개인의 AI 활용 워크플로

학습목표

• AI 시대 PM 직무 전망과 신생 역할을 설명할 수 있다.
• 자동화 편향 등 AI 도입의 위험을 판별하고 조직·개인이 AI 시대 PM 역량을 갖추는 절차를 실행할 수 있다.

학습내용

• PM 커리어·신생 직무 전망
• 자동화 편향·과신·데이터품질 위험
• AI 프로젝트 실행 로드맵

학습목표

• 애자일 선언과 12원칙을 설명하고 워터폴(예측형) 방법론과의 차이를 구분할 수 있다.
• 프로젝트 특성에 따라 예측형·애자일·하이브리드 중 적합한 접근을 판단할 수 있다.
• SAFe 같은 확장 애자일 프레임워크가 조직 규모가 커질 때 하는 역할을 설명할 수 있다.

학습내용

• 애자일 선언과 4가치·12원칙
• 예측형(워터폴)과 애자일 생애주기 비교
• 하이브리드 접근과 PMI Disciplined Agile
• SAFe 프레임워크의 원칙과 구성

학습목표

• 스크럼의 3역할·5이벤트·3산출물을 설명할 수 있다.
• 칸반의 워크플로 정의·WIP 제한·풀 시스템을 실무에 적용할 수 있다.
• 스프린트 계획부터 회고까지 실제 운영 절차를 수행할 수 있다.

학습내용

• 스크럼 역할(프로덕트오너·스크럼마스터·개발자)
• 5개 이벤트(스프린트~회고)
• 3개 산출물(백로그~인크리먼트)
• 칸반 워크플로·WIP·풀시스템·흐름지표

학습목표

• AI가 스프린트 계획·백로그 정리·추정·회고에서 실제로 어떻게 쓰이는지 설명할 수 있다.
• AI 활용의 한계(자동화 편향·검증 생략 등)를 인식하고 대응할 수 있다.

학습내용

• AI 기반 백로그 정리와 스프린트 목표 초안
• AI 활용 추정 기법
• AI 지원 회고와 개선백로그 자동화
• AI 도입의 리스크

학습목표

• 입장과 이해관계를 구분하고 BATNA를 활용해 협상 전략을 세울 수 있다.
• 팀 내 갈등 유형과 TKI 모델의 5가지 대응 스타일을 설명할 수 있다.

학습내용

• 입장 대 이해관계
• BATNA와 통합적 협상
• TKI 갈등관리 모델(경쟁·회피·타협·수용·협력)
• 갈등 상황별 대응 전략

학습목표

• 저항하는 이해관계자를 식별하고 대응할 수 있다.
• 벤더·공급업체와의 계약 협상 기본 원칙을 적용할 수 있다.
• AI 기반 이해관계자 분석의 가능성과 한계를 설명할 수 있다.

학습내용

• 이해관계자 저항 대응
• Power-Interest Grid
• 벤더 계약 협상(계약유형·리스크배분)
• AI 예측 이해관계자 분석

학습목표

• PMO의 세 유형(지원형·통제형·지시형)과 조직 내 위치별 유형을 구분할 수 있다.
• 포트폴리오 우선순위화 기법을 적용해 프로젝트를 선정할 수 있다.

학습내용

• PMO 정의와 영향력 기준 3유형
• 조직위치 기준 유형(개별·부서·전사)
• 포트폴리오 정렬·우선순위화 분석
• 가중순위·스코어링 기법

학습목표

• 여러 프로젝트에 걸친 자원 공급·수요를 조정할 수 있다.
• 포트폴리오 거버넌스 기구의 역할과 보고체계를 설명할 수 있다.
• AI가 포트폴리오 관리에 미치는 영향을 설명할 수 있다.

학습내용

• 자원 공급-수요 관리와 병목자원
• 포트폴리오 거버넌스·승인·감독
• 포트폴리오 보고와 대시보드
• AI 기반 포트폴리오 예측분석

학습목표

• AI/데이터 프로젝트 생애주기를 전통 SDLC와 비교해 설명할 수 있다.
• AI 프로젝트 특유의 불확실성과 반복적 특성을 관리 계획에 반영할 수 있다.

학습내용

• TDSP 5단계(사업이해~고객수용)
• 워터폴·애자일과 다른 점(챔피언-챌린저 등)
• MLOps와 지속적 재학습
• 모델의 '낡음(staleness)'과 유지보수

학습목표

• 데이터 품질·모델 드리프트·편향 등 AI 프로젝트 특유의 리스크를 식별할 수 있다.
• AI 리스크관리 프레임워크를 조직에 적용해 정책·책임소재를 설계할 수 있다.

학습내용

• 데이터 품질·드리프트·편향 리스크
• AI 리스크측정(레드팀 등)
• 거버넌스 정책·책임소재·감사체계
• 중앙집중형과 분산형 거버넌스

학습목표

• 에이전틱 AI의 정의와 어시스턴트와의 차이를 설명할 수 있다.
• 조직이 AI 에이전트를 도입할 때 필요한 감독체계·거버넌스를 준비할 수 있다.

학습내용

• 에이전틱 AI 정의·성숙단계
• 시장 동향과 실패율
• 가디언 에이전트·거버넌스 기구
• 인간-AI 구성과 감독 스펙트럼