مقدمه ای بر هوش مصنوعی در مدیریت پروژه: نقش ها، مرزها، احراز هویت و حریم خصوصی

سود:

• توانایی تشخیص اینکه کجا هوش مصنوعی در مدیریت پروژه در زمان واقعی صرفه جویی می کند (برنامه ریزی، تخمین، گزارش، ارتباطات) و تصمیماتی مانند تعهد بودجه و تاریخ تحویل بسته به سطح ریسک کار به مدیر پروژه واگذار می شود.
• امکان اعمال رشته ای که هر خروجی هوش مصنوعی را از طریق مراحل اتصال آن به منبع، محاسبه مجدد و عبور از فیلتر اداری تایید می کند.
• ناشناس کردن پروژه، داده های مشتری و ذینفعان در محدوده KVKK/حریم خصوصی و NDA و کسب عادت انتخاب وسایل نقلیه ایمن

در هر پروژه صدها تصمیم وجود دارد که اکثر آنها بی سر و صدا گرفته می شوند. این شغل برای کیست؟ این کار چند روز طول می کشد؟ آیا بودجه حفظ می شود؟ چه تاریخی را به مشتری بگوییم؟ در صورت بروز این خطر چه کنیم؟ در جلسه هفته گذشته چه تصمیمی گرفتیم، چه کسی قرار بود چه کاری انجام دهد؟ برخی از این تصمیمات تکراری، داده فشرده و زمان بر هستند. بیشتر کار یک مدیر پروژه (PM - مدیر پروژه، مسئول از برنامه تا تحویل پروژه) صرف نوشتن گزارش، پر کردن جداول، تهیه ایمیل و یادداشت های جلسه می شود. هوش مصنوعی (AI یا به اختصار AI - سیستم‌های رایانه‌ای که می‌توانند متن تولید کنند، الگوها را تشخیص دهند، پیش‌بینی کنند و داده‌ها را خلاصه کنند) دقیقاً در میانه این تصویر قرار می‌گیرد: وقتی به درستی استفاده شود، می‌تواند ساختار شکست کار، ثبت ریسک، گزارش وضعیت یا خلاصه جلسه را در چند دقیقه به جای ساعت‌ها پیش‌نویس کند. استفاده نادرست می تواند منجر به تعهد مشتری از یک حدس به ظاهر مطمئن اما بی اساس شود.

واحد اول این ماژول یک معرفی نرم افزار نیست. هدف آن این است که مشخص کند هوش مصنوعی را در کجای کار پروژه خود قرار دهید و اصلاً در کجا قرار ندهید. از آنجایی که مدیریت پروژه هم یک زمینه «عملیات حیاتی» و هم «تعهد حیاتی» است: تخمین زمانی که شما ارائه می‌کنید بر اساس قراردادی است که با مشتری امضا شده است. یک تصمیم منبع به تقویم اعضای تیم پر از هفته ها تبدیل می شود. بیایید اصل اساسی را از ابتدا بیان کنیم: هوش مصنوعی یک دستیار است، نه یک مدیر پروژه. مسئولیت و تایید نهایی تصمیماتی مانند تعهد بودجه، وعده موعد تحویل، تخصیص منابع و تعهد قراردادی به مدیر ذیصلاح پروژه و ذینفعان مسئول تعلق دارد.

لایه های مدیریت پروژه و جایگاه هوش مصنوعی

برای درک یک پروژه، تقسیم کار به سه لایه مفید است. لایه عملیاتی عملیات روزانه است: ردیابی کار، یادداشت جلسه، ایمیل، به روز رسانی وضعیت. لایه تاکتیکی برنامه ریزی و ردیابی است: ساختار شکست کار، برنامه زمان بندی، پیش بینی، ثبت ریسک، گزارش وضعیت. لایه استراتژیک منطق و جهت پروژه را تعیین می کند: هزینه-فایده، اولویت پورتفولیو، تصمیم محدوده. هوش مصنوعی می تواند هر سه لایه را لمس کند. اما با اقتدار متفاوت در هر کدام. در لایه عملیاتی، هوش مصنوعی پیش نویس ها و خلاصه های سریعی را تولید می کند. در لایه استراتژیک، تنها ورودی ارائه می کند، مدیریت و حامی تصمیم می گیرند. مفاهیمی مانند حامی (مدیر ارشد که پروژه و مالکیت شرکتی را تأمین مالی می کند)، ذینفعان (هرکسی که تحت تأثیر پروژه قرار می گیرد یا پروژه را تحت تأثیر قرار می دهد - مشتری، تیم، تأمین کننده، کاربر) را یک به یک در واحدهای زیر توضیح خواهیم داد.

بیایید از ابتدا چند اصطلاح اساسی را تعریف کنیم. محدوده کاری است که پروژه انجام خواهد داد و نخواهد کرد. ساختار شکست کار (WBS) تجزیه کار به قطعات قابل مدیریت است. نقطه عطف یک نقطه مهم است که نشان دهنده پیشرفت است (به عنوان مثال "تأیید طراحی"). ریسک یک رویداد نامطمئن است که در صورت وقوع روی پروژه تاثیر می گذارد. قابل تحویل، خروجی بتن تولید شده توسط پروژه است. در تمام این مفاهیم، ​​هوش مصنوعی طرح کلی و تجزیه و تحلیل را به شما می دهد، اما تصمیم نمی گیرد.

جدول زیر نقش و سطح خطر هوش مصنوعی را بر اساس ماموریت خلاصه می کند:

تلاش

نقش هوش مصنوعی

سطح ریسک

کی تایید میکنه

خلاصه جلسه / پیش نویس ایمیل

مولد طرح

پایین

مدیر پروژه

WBS / طرح کلی محدوده

مولد طرح

کم متوسط

PM + تیم

مدت زمان و برآورد منابع

پیش بینی کننده، مولد سناریو

متوسط به بالا

PM + داده های تیم

امتیاز ثبت ریسک

محرک آماری

متوسط

صاحب ریسک + PM

گزارش وضعیت / نظر EVM

تجزیه و تحلیل و پیش نویس

متوسط

مدیر پروژه

تاریخ تحویل / تعهد بودجه

ورودی کمکی

بسیار بالا

PM + اسپانسر

قرارداد/تصمیم تخصیص منابع

ورودی کمکی

بسیار بالا

اسپانسر + PM

یک خط در این نمودار را به خاطر داشته باشید: با افزایش ریسک، کاهش نقش هوش مصنوعی، تایید انسان افزایش می یابد.

چرا "تأیید" قلب این تجارت است

به نظر می رسد مدل های زبان هوش مصنوعی در پاسخ خود مطمئن هستند، اما ممکن است مطمئن نباشند. در زبان فنی، این توهم نامیده می‌شود: این ساخت مدل از اطلاعات غیر موجود در یک جمله روان است، درست مثل اینکه درست باشد. برای یک مدیر پروژه، این یک تله جدی است: مدل ممکن است با اطمینان یک بازه زمانی به شما بدهد که «این نوع ادغام نرم‌افزار معمولاً 3 هفته طول می‌کشد»، در حالی که چیزی درباره سرعت تیم شما، بدهی فنی، برنامه تعطیلات نمی‌داند و این عدد یک تعمیم کامل است. یا ممکن است یک متدولوژی را نادرست معرفی کند (به عنوان مثال، "PMBOK 7 به موارد زیر نیاز دارد"). از آنجایی که او هر دو را با یک تسلط می گوید، تنها چیزی که حق را از باطل جدا می کند علم و عادت شما به راستی آزمایی است.

رشته تأیید شامل سه مرحله است:

1. پیوند به منبع: برای مدت‌ها، هزینه‌ها، ظرفیت‌ها و عملکرد گذشته، به سوابق سازمان خود (داده‌های پروژه تاریخی، زمان‌بندی، مجموعه منابع، حسابداری) و حدس‌های تیم خود، نه حافظه هوش مصنوعی، تکیه کنید. از هوش مصنوعی برای اظهار نظر در مورد آن داده ها استفاده کنید، نه برای به خاطر سپردن آن ها.
2. محاسبه مجدد / مقایسه: به طور مستقل هر نتیجه عددی را که هوش مصنوعی برمی‌گرداند بررسی کنید (کل زمان، بودجه، درصد تکمیل، CPI/SPI). یک کل، یک میانگین وزنی، یک مسیر بحرانی را خودتان تأیید کنید.
3. فیلتر مدیریتی: از دیدگاه یک مدیر آزمایش کنید که آیا خروجی با واقعیات موجود در زمین (در دسترس بودن تیم، بودجه، قرارداد، وابستگی ها) در تضاد است یا خیر.

توجه: ارائه یک پیش‌بینی یا گزارش تولید شده توسط هوش مصنوعی به حامی مالی یا تعهد آن به مشتری بدون تأیید آن، مانند دادن یک قرارداد بدون امضا است. فقط به این دلیل که خروجی روان است درست نیست.

محرمانه بودن: داده های پروژه اغلب محرمانه است

بسیاری از داده های پروژه حساس هستند. نام مشتری، مبلغ قرارداد، قیمت‌های پیشنهادی، اطلاعات حقوق و عملکرد پرسنل، و برنامه‌های محصولی که هنوز اعلام نشده‌اند اغلب توسط NDA (توافقنامه عدم افشا) محافظت می‌شوند. داده های شخصی تحت پوشش KVKK (قانون حفاظت از داده های شخصی) در ترکیه و GDPR در اروپا است. چسباندن نام مشتری، قیمت قرارداد، نام اعضای تیم و امتیازات عملکرد در یک ابزار هوش مصنوعی در دسترس عموم می‌تواند هم نقض قرارداد و هم نقض داده باشد. قانون ساده است: داده ها را ناشناس کنید و غیر ضروری را به اشتراک نگذارید. "پروژه نرم افزاری برای یک مشتری مالی در مقیاس بزرگ" به جای "4.2 میلیون TL پروژه CRM با بانک ABC"؛ به جای «خاله (توسعه‌دهنده ارشد، عملکرد ضعیف)»، «یک عضو ارشد تیم» را بنویسید. در صورت امکان، ابزارهای شرکتی را انتخاب کنید که دارای قرارداد پردازش داده هستند و از داده های شما در آموزش مدل استفاده نمی کنند.

سه کیف کوچک

مورد 1 - استفاده ایمن. یک هماهنگ کننده پروژه هر هفته 2.5 ساعت را صرف جمع آوری پیشرفت از 6 بسته کاری در یک گزارش وضعیت واحد می کرد. او داده های پیشرفت را به طور ناشناس (نام مشتری و مبالغ پوشانده شده) به هوش مصنوعی داد و یک پیش نویس خلاصه اجرایی را درخواست کرد. هوش مصنوعی طرحی را در 12 دقیقه تولید کرد. هماهنگ کننده هر درصد را با نمودار ردیابی خود مقایسه کرد، میزان تکمیل نادرست را تصحیح کرد و رنگ وضعیت را به واقعیت بازنگری کرد. مدت زمان: 35 دقیقه به جای 2.5 ساعت. هوش مصنوعی پیش نویس را داد، مسئولیت با انسان باقی ماند.

مورد 2 - تله پیش بینی تایید نشده. یک PM از هوش مصنوعی پرسید: "تست اپلیکیشن موبایل چند روز طول می کشد؟" هوش مصنوعی قبل از دیدن داده های تیم گفت: "حدود 8 روز". PM این را به مشتری متعهد کرد. زمان واقعی بر اساس داده های تاریخی تیم 15 روز کاری بود. انحراف 7 روزه منجر به جریمه شد. اشتباه: انتظار داشتن یک عدد از AI برای ایجاد تعهد بدون داده های تیم.

مورد 3 - نقض محرمانه بودن. یکی از رهبران تیم یک طرح منبع حاوی نام مشتری، مبلغ قرارداد و اطلاعات نام و دستمزد کل تیم را در یک ابزار هوش مصنوعی عمومی آپلود کرد و گفت: «این را بهینه کنید». داده ها به یک سرور خارجی رفت. مشتری برای نقض NDA اخطار ارسال کرد. روش صحیح این بود که نام، مبلغ و حقوق را حذف کنید و فقط فیلدهای ناشناس مانند نقش و درصد تلاش را به اشتراک بگذارید.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

در مورد وضعیت پروژه ما در این ماه بنویسید و به ما بگویید که چقدر پیشرفت کرده ایم.

این ادعا ناقص است: به هوش مصنوعی هیچ داده ای داده نشده است، بنابراین می تواند تنها با یک عدد ساخته شده به این سوال پاسخ دهد که "تا کجا آمده ایم". نه دوره، نه دامنه و نه زمینه مشخص نیست.

اعلان قدرتمند:

نقش شما: دستیار به مدیر پروژه کمک می کند. زمینه: در زیر نقشه/داده های واقعی برای 5 بسته کاری (نام مشتری و مبالغ پوشانده شده) آمده است. وظیفه: پیش نویس یک خلاصه اجرایی (200 کلمه یا کمتر) بنویسید. فقط از داده هایی که دادم استفاده کنید. برای اطلاعات از دست رفته، برازش شماره، «[تأیید لازم است]» را بنویسید. ساختار: 1) وضعیت عمومی (RAG)، 2) بسته های پیشرفته، 3) بسته های انحرافی و دلیل، 4) توصیه. داده ها:- تجزیه و تحلیل WBS-1: طرح 100٪ / واقعی 100٪ - WBS-2 طراحی: طرح 80٪ / واقعی 60٪ - توسعه WBS-3: طرح 40٪ / واقعی 25٪ - آزمایش WBS-4: برنامه 10٪ / واقعی 0٪ - WBS-5 مستندات: طرح 20٪ / واقعی

این اعلان قوی است زیرا نقش، زمینه، داده، مرز ("تناسب عدد")، قالب، و ابهام ("[تأیید لازم است]") به وضوح ارائه شده است. خروجی همچنان باید توسط مدیر پروژه تایید شود.

سه الگوی شروع مفید دیگر:

# الگویی که عدم قطعیت را اعمال می کند تصمیمات و اقدامات را از متن زیر استخراج کنید. هیچ مسئولیت یا تاریخی که به وضوح در متن ذکر نشده است را تعیین نکنید. در جایی که مطمئن نیستید، «نامشخص» را بنویسید. درستش نکن

# یادآوری ناشناس سازی (خود بررسی) اگر نام مشتری، مبلغ یا نام شخص را در متنی که به شما می دهم مشاهده کردید، قبل از شروع فرآیند به من هشدار دهید و به من پیشنهاد دهید که این فیلدها را با [MASKED] جایگزین کنم.

# الگویی که یک لیست اعتبار سنجی ایجاد می کند برای هر نتیجه عددی که تولید می کنید، یک "مرحله اعتبار سنجی" یک خطی اضافه کنید که چگونه مدیر پروژه می تواند به طور مستقل آن را تأیید کند.

اشتباهات رایج

• انتظار اعداد بدون ارائه داده: درخواست از هوش مصنوعی برای زمان، هزینه یا پیشرفت بدون ارائه داده های پروژه خود، آن را به توهم دعوت می کند.
• اشتباه گرفتن روان با دقت: یک متن خوب به معنای صحیح بودن آن نیست.
• چسباندن داده‌های محرمانه همانطور که هست: نام مشتری، مقدار و اطلاعات تماس نباید بدون ناشناس‌سازی وارد ابزار باز شود.
• تفویض تعهد به هوش مصنوعی: تاریخ تحویل و بودجه نباید بدون تأیید تیم متعهد شود.
• تلاش برای پایان دادن به آن با یک فرمان: نتایج خوب از اعلان‌های ساختاریافته به دست می‌آید که شامل فرمت نقش-زمینه-داده-مرز-مرز می‌شود.

نکته: هر جلسه هوش مصنوعی را با این سوال شروع کنید، "چه سه مورد را باید قبل از ارائه این محصول به یک حامی، برای خودم تأیید کنم؟" با سوال شروع کنید. این عادت شما را در تمام وظایف در بقیه ماژول محافظت می کند.

به طور خلاصه

هوش مصنوعی یک دستیار قدرتمند در مدیریت پروژه است که گزارش ها، برنامه ها، برآوردها و ارتباطات را تسریع می کند. با این حال، این ابزاری است که پیش نویس ها را تولید می کند، نه تعهدات. وقتی کسب و کار را به لایه های عملیاتی، تاکتیکی و استراتژیک تقسیم می کنیم، نقش هوش مصنوعی با افزایش ریسک کوچکتر می شود. هر خروجی باید از طریق سه مرحله تایید شود (پیوند به منبع، محاسبه مجدد، فیلتر اداری). داده های پروژه و مشتری باید در محدوده KVKK/NDA ناشناس باشد. مسئولیت و تایید نهایی تصمیمات حیاتی همیشه بر عهده انسان است.

وظیفه کاربردی

یک کار از پروژه فعلی خود انتخاب کنید. ابتدا یک دستور "ضعیف" عمدی برای هوش مصنوعی بنویسید (بدون متن، بدون دادن هیچ داده ای) و خروجی را ذخیره کنید. سپس دوباره همان کار را با ساختار "اعلان قوی" در این واحد بپرسید (نقش، زمینه، داده های ناشناس، مرز، قالب). دو پرینت را کنار هم قرار دهید و تفاوت را بنویسید و حداقل سه نقطه را که باید به تنهایی در هر دو پرینت تایید کنید، بنویسید.

چک لیست

• [ ] من نقش هوش مصنوعی را به عنوان "دستیار/پیش نویس" و تصمیم را به عنوان "انسان" در نظر گرفتم.
• [ ] من سطح ریسک (کم/متوسط/بالا) وظیفه خود را تعیین کرده ام.
• [ ] من نقش، زمینه، داده، مرز و قالب را به درخواست اضافه کردم.
• [ ] من نام مشتری، مقدار و اطلاعات شخص را ناشناس کردم.
• [ ] من مرحله ای را که در آن به طور مستقل هر عدد را در خروجی تأیید می کنم، یادداشت کرده ام.
• [ ] من هیچ خروجی حاوی تعهد (تاریخ/بودجه) را بدون تأیید آن به اشتراک نگذاشتم.