AI 时代的项目预估：为什么 PERT 估算法反而更重要了？

很多开发者现在给客户报价或排期时，潜意识里会被 AI 带来的高效误导，导致预估数值变得极不稳定。在这种环境下，我建议回归到最传统的 PERT（三点估算法），因为它能强迫你量化那种“说不准”的焦虑。

对于任何一个任务，不要只给一个数字，而是给出三个：

• 乐观值 (O)： 所有的 AI 生成全部一次命中，无需大幅修改，直接跑通。
• 最可能值 (M)： 按照以往经验，AI 帮写框架，我来修 Bug 和调细节。
• 悲观值 (P)： AI 产生了极其隐蔽的幻觉，代码在隔离环境下完美，但在集成测试时崩盘，导致我得推倒重写。

Expected Duration = (O + 4M + P) / 6

现在的实际情况是：O（乐观值）确实大幅下降了。写样板代码、CRUD 接口、基础单元测试，AI 确实快得惊人。但这正是陷阱所在，因为人们习惯性地把 O 当成了 M 甚至最终交付日期。

最棘手的是 P（悲观值）变得更难定义了。AI 并没有消除工作量，而是重新分配了工作量。你节省了敲键盘的时间，却增加了审阅代码的时间。最可怕的失败模式不再是“这个功能太难实现”，而是“AI 信心满满地写错了，且在集成前没人发现”。

这种隐蔽的错误会导致项目在最后 10% 的进度上卡死 90% 的时间。因此，在 AI 驱动的开发流中，你的 P 值应该比以前设得更高，用来对冲那些隐藏在生成的代码行之间的“逻辑地雷”。