ITプロジェクトの62％が2025年に納期を守らない――この統計に衝撃を受けたプロジェクトマネージャーのYassin氏は、機械学習を活用してプロジェクト遅延の41％を事前に予測することに成功した。彼は、Jiraの5,000件以上のチケットデータを基に、合成データを生成し、Pythonとデータサイエンスを用いて予測モデルを構築。その結果、遅延の41％を早期に検出できるモデルを実現した。 このモデルは、優先度の高いチケット、依存関係の多さ、複雑さといった要因が遅延と強く関連していることを明らかにした。特に高優先度のチケットは、全体の少数ながら遅延の大部分を占めており、リスクが集中していることが分かった。モデルは再現率（Recall）0.41を達成し、実際に遅延したチケットの約4割を事前に特定。誤検出（偽陽性）は373件あったが、重大な遅延を逃すリスクを回避するという観点から、このトレードオフは受け入れ可能と判断された。 さらに、リスクスコアを各チケットに付与することで、PMが集中すべき「最も危険な20％のタスク」を特定。この20％に集中して対策を講じた場合、プロジェクト全体の遅延リスクを大幅に低減でき、中規模プロジェクト（10万ドル規模）で約9,270ドルのコスト削減が可能とシミュレーションされた。 Yassin氏は、このモデルをリアルタイム監視ダッシュボードに統合し、スプリントの健康状態を可視化。また、5回交差検証で再現率が0.39～0.42と安定しており、信頼性の高い早期警戒システムとして機能することが確認された。 この取り組みの核心は、データと経験の融合にある。単なる「ベストプラクティス」に頼るのではなく、データで仮説を検証し、課題の本質を明確にすること。たとえば、テストフェーズでの生産性低下は、QAチームの能力不足ではなく、開発者との連携不足が原因だった。そこで、チケットにテスト要件を明記し、5分の手渡し会議を導入しただけで、生産性が15％以上向上した。 結論として、プロジェクトマネージャーはデータサイエンスのスキル（SQL、Python）を身につけることで、直感に頼るだけのマネジメントから、予測・対策可能なデータドリブンなマネジメントへと進化できる。今後、PMの分野には「伝統的PM」と「データドリブンPM」の二極化が進む。Yassin氏は、ビジネスと技術の橋渡しを果たすため、データ力と現場知見の融合が、プロジェクト成功の鍵だと訴えている。