AI生成任务计划的依赖完整性与计划偏差怎么评估

评估AI生成的任务计划，需要把“计划质量”拆成可复算的指标，并固定统计范围。建议从依赖完整性、任务粒度、资源匹配和计划偏差四个方向入手，分别计算依赖覆盖率、悬空依赖率、拆分充分率、负责人覆盖率、工期偏差率等指标。关键前提是区分AI初稿与人工修订稿两个版本分别统计，这样复盘时才能判断偏差来自生成环节还是人工调整环节。

要点总览（TL;DR）

• 评估AI生成的任务计划，建议固定统计范围（项目集合、迭代数量、时间窗），并把AI初稿与人工修订稿分成两个数据集分别计算，才能判断偏差来自生成环节还是人工调整环节。
• 依赖完整性用依赖覆盖率（真实必要依赖条数÷应有关联条数）和悬空依赖率（悬空依赖条数÷依赖总条数）衡量，分母在评估前确定，中途不随数据调整。
• 任务粒度看子任务规模中位数与拆分充分率，资源匹配看负责人覆盖率与负载偏离度，计划偏差看工期偏差率与依赖返工率，每组指标都要写清分子、分母和单位。
• 取数时依赖关系取自工作项链接并区分阻塞型与关联型，负责人为空、依赖指向已关闭工作项等缺失值单独记录，不静默剔除。
• 单指标不能代表AI计划质量，解读时要结合人工标注、返工原因和样本范围，指标用于改进提示词与评审流程，不宜直接作为绩效依据。

试点复盘要回答哪几个评估问题

复盘开始前先明确评估对象。同一个试点里通常存在两份计划：AI根据需求文档或项目目标生成的初稿，以及团队评审修改后实际执行的修订稿。两份计划的质量含义不同，混在一起统计会让结论失去指向。建议在评估方案中写明本次复盘覆盖哪一份，或两份分别计算并做对比。

四个评估维度各自对应一个决策问题。依赖完整性回答“AI是否识别出了任务之间真实的先后与阻塞关系”；任务粒度回答“拆出来的任务是否小到可以分配和执行”；资源匹配回答“任务是否都有明确负责人，分配量是否明显失衡”；计划偏差回答“实际执行与计划的差距有多大，其中多少与依赖问题有关”。

评估维度	回答的决策问题	主要使用方	典型后续动作
依赖完整性	AI是否漏标或错标了任务依赖	项目经理、技术负责人	调整生成提示词中的依赖识别要求，补充评审检查项
任务粒度	生成的任务是否具备可执行性	项目经理、迭代负责人	在提示词中约定拆分层级与规模上限
资源匹配	任务负责人是否明确、分配是否合理	项目经理、团队负责人	补充角色映射规则，人工复核分配结果
计划偏差	执行结果与计划的差距及成因	项目管理者、试点负责人	判断是否继续试点、扩大范围或暂停

复盘结论通常落在三种决策上：继续扩大试点、调整提示词与评审流程后小范围再试、暂停使用。建议在复盘会上先对照上述四组指标，再讨论结论，避免用个别案例代替整体判断。

指标与统计范围怎么划定

指标定义要在计算前写清楚，包括公式、分子、分母、单位和时间窗。分母一旦确定，中途不随数据变化调整，否则不同迭代之间无法比较。下表给出四组指标的建议口径，团队可根据试点规模调整阈值，但公式结构保持一致。

指标	公式	分子	分母	单位	时间窗
依赖覆盖率	已标注真实依赖条数 ÷ 应有关联条数	经人工标注确认为真实必要的依赖条数	人工标注认定的应有关联总数	百分比	单个迭代或固定评估周期
悬空依赖率	悬空依赖条数 ÷ 依赖总条数	指向已关闭、已删除或不存在的依赖条数	计划中标注的依赖总条数	百分比	同上
子任务规模中位数	任务规模排序后取中位数	—	—	故事点或人时	同上
拆分充分率	达到可执行规模阈值的任务数 ÷ 任务总数	规模不超过约定阈值的任务数	计划中的任务总数	百分比	同上
负责人覆盖率	有明确负责人的任务数 ÷ 任务总数	负责人字段非空的任务数	计划中的任务总数	百分比	同上
负载偏离度	个人分配量与团队均值的平均绝对偏离 ÷ 团队均值	各成员分配量与均值的绝对差之和	成员数 × 团队均值	百分比	同上
工期偏差率	（实际工期 − 计划工期）÷ 计划工期	实际工期减计划工期	计划工期	百分比	任务完成后统计
依赖返工率	因依赖缺失或错配导致的返工任务数 ÷ 任务总数	返工原因标注为依赖问题的任务数	计划中的任务总数	百分比	同上

统计范围需要固定三件事：纳入评估的项目集合、迭代数量和时间窗。例如“本次试点纳入3个项目、共4个迭代，统计窗口为迭代开始日至迭代结束日后5个工作日”。AI初稿与人工修订稿分别建立数据集，用版本标识区分，同一任务在两版中的记录不合并计算。

拆分充分率的阈值由团队自行约定，例如“单个任务规模不超过3个故事点或16人时”。阈值应在评估前写入方案，评估过程中不因结果不理想而调整。

数据从哪里取、口径怎么对齐

四组指标依赖的字段分别来自工作项链接、规模估算、负责人和工期记录。取数前先确认字段是否齐全、单位是否统一，再处理缺失值。

• 依赖关系：取自工作项之间的链接字段，并区分阻塞型与关联型。阻塞型链接计入依赖统计，关联型仅作参考，两类混算会高估依赖数量。
• 任务规模：使用故事点或计划工时，同一评估周期内只选一种单位。两种单位并存时，先统一换算再计算中位数和拆分充分率。
• 负责人：取负责人字段。字段为空的任务计入负责人覆盖率的分母，不计入分子，同时单独列出清单供人工复核。
• 工期：计划工期取计划开始与计划完成日期之差，实际工期取实际开始与实际完成日期之差。跨迭代任务按实际投入天数折算，折算规则提前写明。

缺失值处理遵循“记录、分类、不静默剔除”的原则。依赖指向已关闭工作项的，计入悬空依赖；负责人为空但任务已完成的，在负责人覆盖率中保留为未覆盖，不事后补填。AI初稿与人工修订稿通过版本号或独立数据集区分，修订稿中新增的任务单独标记来源，避免把人工补充的依赖算作AI的产出。

在ONES中，任务、依赖链接、负责人和计划工期都落在工作项与迭代管理的数据上，AI生成的结构化计划、阶段任务与责任分工也会以工作项形式保存，便于按版本取数并逐项标注。ONES Assistant可基于项目、工作项和迭代的真实上下文回答问题并执行后续操作，输出过程可追踪，适合在复盘时回溯生成与修订的差异。

计算与评估步骤

建议按以下顺序执行，每一步产出可核对的中间结果：

1. 确定样本：从试点项目中抽取迭代。样本量较小时全量纳入；迭代数量较多时按项目类型分层抽样，每层不少于2个迭代，并在报告中写明抽样方法。
2. 逐项标注依赖：由熟悉业务的技术负责人对每个任务的依赖逐条判断“是否真实必要”，标注结果作为依赖覆盖率的分子与分母来源。同时标记悬空依赖。
3. 标注粒度与负责人：按约定阈值判断任务是否拆分充分，核对负责人字段，记录负载分配数据。
4. 汇总计算：按S2的公式分别计算AI初稿与修订稿的四组指标，保留分子、分母和中间值，便于复算。
5. 补充定性证据：收集评审记录、返工原因标注、迭代回顾纪要，与定量结果对照。返工原因需在任务关闭时标注，事后补记会降低可信度。
6. 处理异常分母：分母为零时该指标记为“不适用”，不按0%处理；样本量过少时只报告绝对数，不计算百分比，并在结论中注明样本限制。

定量指标说明“差多少”，定性证据说明“为什么差”。两者在同一张表里并列呈现，复盘讨论才有依据。

一个迭代的算例

以下为演示用假设数据，不对应真实项目。某迭代AI初稿生成任务40个，标注依赖28条，其中悬空依赖3条；人工标注认定应有关联35条，实际标注中真实必要的依赖24条。任务规模以故事点计，阈值设为3点，达到阈值的任务31个，规模中位数为2点。负责人字段非空的任务34个，团队5人平均分配8个任务，各成员分配量与均值绝对差之和为6。迭代结束后，完成任务38个，计划工期合计190人时，实际工期合计209人时；返工任务5个，其中标注为依赖缺失或错配导致的有2个。

指标	计算过程	结果
依赖覆盖率	24 ÷ 35	68.6%
悬空依赖率	3 ÷ 28	10.7%
拆分充分率	31 ÷ 40	77.5%
负责人覆盖率	34 ÷ 40	85.0%
负载偏离度	6 ÷（5 × 8）	15.0%
工期偏差率	（209 − 190）÷ 190	10.0%
依赖返工率	2 ÷ 40	5.0%

结果解读：依赖覆盖率68.6%说明AI初稿漏标了约三成应有关联，结合悬空依赖率10.7%，提示生成时对已关闭工作项的引用需要清理，提示词中应要求只引用进行中的前置任务。拆分充分率77.5%与中位数2点表明多数任务粒度可执行，剩余部分可在评审环节补充拆分。负责人覆盖率85%对应6个未分配任务，需在计划发布前补齐。工期偏差率10%属于可接受范围，但依赖返工率5%说明部分延期与依赖问题直接相关，改进重点应放在依赖识别而非单纯压缩工期。

结果怎么解读、有哪些限制

依赖覆盖率高不代表依赖质量高。覆盖率只衡量“标出的依赖中有多少被认定为真实必要”，如果人工标注本身宽松，指标会虚高。解读时必须同时看悬空依赖率和返工原因，三者结合才能判断依赖识别的实际水平。

不同项目规模、任务类型下的指标不宜直接横向比较。一个以缺陷修复为主的迭代与一个以新功能开发为主的迭代，任务粒度和工期偏差的基准差异明显。跨项目对比前应先按任务类型分组，或只做同类型迭代之间的比较。

计划偏差受外部因素影响，包括需求变更、人员变动、环境问题等，不能全部归因于AI生成质量。建议在返工原因标注中区分“依赖问题”“需求变更”“技术障碍”等类别，归因时按类别拆分。

小样本和单迭代结论存在局限。一个迭代的指标波动可能来自偶然因素，试点复盘应至少覆盖2至3个迭代，并在结论中写明样本范围。指标用于改进提示词、评审流程和计划模板，不宜直接作为团队或个人的绩效依据，否则标注环节容易出现迎合指标的倾向，削弱数据可信度。

常见问题

AI初稿和人工修订稿应该分开算还是合并算？

建议分开算，至少在试点复盘阶段分开。两份计划回答的问题不同：AI初稿的指标反映生成环节的识别与拆解水平，修订稿的指标反映人机协作后的最终计划质量。合并统计会把人工补充的依赖、拆分和负责人算进AI的产出，导致依赖覆盖率虚高、偏差归因失真。

操作上给两版数据打上版本标识，同一任务在两版中的记录不合并。修订稿中人工新增的任务或依赖单独标记来源，对比时先看两版指标的差值，再结合评审记录判断差值来自哪些具体修改。

依赖覆盖率和悬空依赖率的分母为什么不能中途调整？

分母是跨迭代比较的基准。依赖覆盖率的分母是人工标注认定的应有关联总数，悬空依赖率的分母是计划中标注的依赖总条数，这两个数一旦随结果变化而调整，不同迭代之间就失去了可比性，也无法复算。

正确做法是在评估方案里先写死公式和统计范围，计算过程中发现标注口径有误，记录问题并在下一轮评估中修正，本轮结果照原口径报告并注明。分母为零时该指标记为“不适用”，不按0%处理。

工期偏差率偏高，怎么判断是不是AI生成计划的问题？

工期偏差率只说明实际与计划差多少，不说明原因。判断归因要看依赖返工率和返工原因标注：把返工任务按“依赖缺失或错配”“需求变更”“技术障碍”等类别拆分，只有标注为依赖问题的部分才与AI生成的依赖识别直接相关。

如果工期偏差率上升而依赖返工率平稳，更可能来自需求变更或外部因素；如果两者同步上升，才值得优先检查提示词中的依赖识别要求和评审检查项。归因结论应写明样本范围和统计窗口，单迭代的波动不足以支撑扩大或暂停试点的决定。

试点只有一个迭代、样本很少，指标还能用吗？

可以用，但要改变报告方式。样本量过少时只报告绝对数，例如“40个任务中6个未分配负责人”，不计算百分比，并在结论中注明样本限制。分母为零的指标记为“不适用”。

建议试点复盘至少覆盖2至3个迭代再下整体结论，样本不足时把本轮结果定位为方法验证：确认字段是否齐全、标注口径是否可执行、公式是否能复算，而不是评价AI计划质量的最终水平。

在ONES里做这套评估，取数环节要注意什么？

任务、依赖链接、负责人和计划工期都落在工作项与迭代管理的数据上，AI生成的结构化计划、阶段任务与责任分工也会以工作项形式保存，便于按版本取数并逐项标注。ONES Assistant可基于项目、工作项和迭代的真实上下文回答问题并执行后续操作，输出过程可追踪，适合在复盘时回溯生成与修订的差异。

取数前先确认依赖链接字段的实际形态、阻塞型与关联型如何区分，以及两版计划的版本留痕方式，这些需在实际系统中核对后再写入评估方案。