مدیریت ریسک و ثبت ریسک

سود:

• توانایی درک مفاهیم ریسک، احتمال، تاثیر، امتیاز ریسک و استراتژی پاسخ (اجتناب، کاهش، انتقال، پذیرش) و تولید پیش نویس سابقه ریسک با پشتیبانی هوش مصنوعی
• امکان استفاده از هوش مصنوعی برای شناسایی ریسک، طبقه بندی، شناسایی محرک و پیش نویس اقدامات کاهشی و زنده نگه داشتن سابقه ریسک
• درک اینکه مقادیر احتمال و تاثیر تولید شده توسط هوش مصنوعی نیاز به کالیبراسیون متخصص دارد و مالکیت ریسک و تصمیم نهایی متعلق به انسان است.

آینده در هر پروژه نامشخص است. عدم قطعیت یعنی ریسک. ریسک یک رویداد یا شرایط نامطمئن است که در صورت تحقق، بر اهداف پروژه (زمان، هزینه، محدوده، کیفیت) تأثیر می گذارد. ریسک ها می توانند منفی (تهدید) یا مثبت (فرصت) باشند، اما در زبان روزمره بیشتر به معنای تهدید است. چیزی که یک مدیر پروژه خوب را از یک مدیر متوسط ​​جدا می کند، اغلب مدیریت ریسک است: دیدن مشکلات قبل از بروز آنها، کاهش احتمال آنها و برنامه ریزی از قبل برای اینکه در صورت وقوع چه کاری انجام شود. در قلب این واحد، ثبت ریسک است: یک سند زنده که در آن همه خطرات، احتمال، اثرات، مالکان و طرح‌های واکنش نگهداری می‌شوند. هوش مصنوعی در شناسایی ریسک و امتیازدهی پیش نویس بسیار مفید است. اما تخمین احتمالات و تاثیر به قضاوت آژانس خاص نیاز دارد و مالکیت ریسک همیشه انسانی باقی می ماند.

آناتومی ثبت خطر

خط گزارش ریسک معمولاً شامل: شرح ریسک (در قالب علت-رویداد: "اگر تامین کننده تاخیر داشته باشد، یکپارچه سازی شروع نشود، تحویل لغزش پیدا کند")، دسته (فنی، منابع، خارجی، مالی، قانونی)، احتمال (احتمال وقوع؛ به عنوان مثال 1-5 یا %)، تاثیر (میزان خطر از دست دادن امتیاز (بزرگ 1-5 در صورت وقوع)؛ (علائم اولیه که خطر نزدیک است)، استراتژی پاسخ، صاحب ریسک (فردی که وظیفه نظارت بر آن خطر را دارد)، و وضعیت.

امتیاز ریسک = احتمال × تاثیر یک ابزار اولویت بندی ساده اما قدرتمند است. ریسکی با احتمال 4 و تاثیر 5 (امتیاز 20) نسبت به ریسکی با احتمال 2 و تاثیر 2 (امتیاز 4) شایسته توجه بسیار بیشتری است. بر اساس این امتیاز، ریسک ها در مناطق قرمز/زرد/سبز بر روی یک ماتریس ریسک (شبکه احتمال- تاثیر) قرار می گیرند.

چهار راهبرد اساسی پاسخ (برای تهدیدات) وجود دارد:

• اجتناب: تغییر/حذف کامل شغلی که خطر ایجاد می کند.
• کاهش: کاهش احتمال یا تاثیر (مثلا پیدا کردن تامین کننده جایگزین).
• انتقال: انتقال خطر به شخص دیگری (بیمه، بند قرارداد، پیمانکار فرعی).
• پذیرش: ریسک کردن. اما یک برنامه اضطراری و تخصیص بودجه/زمان اختصاص دهید.

منطقه

مثال

چه کسی آن را پر می کند؟

تعریف ریسک

"اگر توسعه دهنده کلیدی را ترک کند، توسعه کند می شود."

PM + تیم

احتمال (1-5)

3

قضاوت کارشناسی

اثر (1-5)

4

قضاوت کارشناسی

نمره

12

حساب (AI کمک می کند)

ماشه

"افت سر کار آمدن، شایعه مصاحبه"

ریسک پذیر

پاسخ دهید

کاهش: به اشتراک گذاری اطلاعات، فرد پشتیبان

PM + دارد

مالک

رهبر تیم

PM می فرستد

گام به گام: ثبت ریسک با هوش مصنوعی

1. طوفان فکری ریسک زمینه پروژه ناشناس را به هوش مصنوعی بدهید و از آن بخواهید خطرات احتمالی را طبقه به دسته ایجاد کند. هوش مصنوعی در یادآوری خطراتی که انسان ها به آن ها می پردازند خوب است.
2. آن را در قالب علت - رویداد - معلول قرار دهید. هر ریسک را در قالب "به دلیل X، اگر Y اتفاق بیفتد، تاثیر Z وجود خواهد داشت" قرار دهید. ریسک های مبهم قابل مدیریت نیستند.
3. امتیازدهی پیش نویس نمودارهای احتمال/تاثیر را از هوش مصنوعی بخواهید، اما آنها را با قضاوت متخصص کالیبره کنید. شماره هوش مصنوعی یک نقطه شروع است، نه واقعیت.
4. محرک را شناسایی کنید. برای هر ریسک مهم، "چگونه می دانیم که در راه است؟" به سوال پاسخ دهید.
5. پیش نویس طرح پاسخ. از هوش مصنوعی بخواهید 4 استراتژی مناسب و اقدام مشخص را برای هر ریسک با امتیاز بالا پیشنهاد کند.
6. یک مالک تعیین کنید و آن را زنده نگه دارید. به هر ریسکی یک مالک بدهید. هفتگی ثبت ریسک را مرور کنید. ثبت ریسک یک سند زنده است که یک بار نوشته نشده و فراموش شده است.

نکته: ورود ریسک را در «5 خطر برتر» خلاصه کنید و آن را در هر گزارش وضعیت قرار دهید. به این ترتیب، خطرات قابل مشاهده باقی می ماند و شگفتی ها کاهش می یابد.

سه کیف کوچک

مورد 1 - خطر از دست رفته کشف شد. یک متخصص PMO ثبت ریسک 18 خطی تکمیل شده را به هوش مصنوعی داد و پرسید: "چه خطرات معمولی را ممکن است از دست داده باشم؟" او پرسید. هوش مصنوعی این 5 خطر مانند "تمدید مجوز شخص ثالث"، "خطر از دست دادن انتقال داده ها" و "وابستگی به پرسنل کلیدی" را یادآور شد. کارشناس 3 مورد از آنها را اضافه کرد. دو ماه بعد، ریسک صدور مجوز رخ داد، اما طرح آماده بود.

مورد 2 - تفاوت کالیبراسیون. یک PM ارزش "احتمال 2" را که هوش مصنوعی به یک ریسک می دهد زیر سوال برد. تاخیر در تاریخ تیم با این تامین کننده رایج بود. احتمال واقعی نزدیکتر به 4 بود. امتیاز از 6 به 12 افزایش یافت و ریسک از لیست "برای تماشا" به لیست "احتیاط فعال" منتقل شد. درس: پیش‌بینی احتمال هوش مصنوعی باید توسط داده‌های آژانس تصحیح شود.

مورد 3 - خطر غیر قابل ادعا. یک تیم خطرات را به خوبی شناسایی کرد اما نتوانست مالکیت آن را بگیرد. خطری رخ داد، کسی نظاره گر نبود، ماشه فرار کرد و پروژه 3 هفته تاخیر داشت. درس: ریسک بدون مالک ریسک بدون نظارت است. هوش مصنوعی خطراتی را ایجاد می کند، اما مالک انسان آنها را تعیین می کند.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

خطرات پروژه من را فهرست کنید.

بدون زمینه، بدون دسته بندی و بدون قالب. یک لیست کلی ظاهر می شود که بیشتر آنها به پروژه شما ربطی ندارند.

اعلان قدرتمند:

نقش شما: یک متخصص مدیریت ریسک. زمینه: [خلاصه پروژه ناشناس: صنعت، مدت، تیم، فناوری، محدودیت ها]. وظیفه: ایجاد ریسک بر اساس دسته بندی (فنی، منبع، خارجی/تامین کننده، مالی، حقوقی، حوزه). استراتژی پاسخ پیشنهادی (اجتناب/کاهش/انتقال/پذیرش) و 1 اقدام مشخص توجه: مقادیر احتمال/تاثیر پیش‌نویس هستند. من آن را با داده های سازمانی کالیبره خواهم کرد. اعداد جعلی ندهید، دلایل خود را بنویسید. خروجی: جدول

این اعلان قدرتمند است: شامل دسته، قالب، هشدار امتیازدهی پیش‌نویس و یادداشت کالیبراسیون است.

قالب های اضافی:

# یاب نقطه کور گزارش خطر من را در زیر ببینید. به من، طبقه به دسته، خطراتی را که در چنین پروژه هایی معمول هستند، اما در لیست من نیستند، یادآوری کنید. موارد موجود را تکرار نکنید.

# مولد ماشه 3 علامت هشدار اولیه (محرک) را برای خطر پیشنهاد دهید: [ریسک]. برای هر علامت، همچنین بنویسید که با کدام داده/شاخص می توانم آن را ردیابی کنم.

# طرح پاسخ عمیق تر هر چهار استراتژی را برای این خطر با امتیاز بالا ارزیابی کنید (اجتناب/کاهش/انتقال/پذیرفت). هزینه و تاثیر هر کدام را مقایسه کنید و توضیح دهید که کدام یک را توصیه می کنید و چرا. به یاد داشته باشید که تصمیم نهایی با من است.

اشتباهات رایج

• نوشتن ریسک مبهم: "خطر تاخیر" قابل مدیریت نیست. «در صورت تأخیر تأمین‌کننده X، یکپارچگی لغزش می‌یابد» قابل مدیریت است.
• اشتباه گرفتن امتیاز هوش مصنوعی واقعی: احتمال/تاثیر مربوط به موسسه است. نباید بدون کالیبراسیون استفاده شود.
• عدم اختصاص مالک: ریسک ناشناس نظارت نمی شود.
• عدم شناسایی عامل محرک: بدون علائم اولیه، خطر شما را غافلگیر خواهد کرد.
• انجماد ثبت ریسک: پروژه تغییر می کند، ریسک ها تغییر می کنند. اگر رکورد به روز نشود می میرد.
• فقط به تهدیدها نگاه کنید: فرصت‌ها (کار زودتر به پایان رسید، منابع ارزان‌تر می‌شوند) نیز قابل مدیریت هستند.

احتیاط: هوش مصنوعی ممکن است خطر را به عنوان "احتمال کم" برچسب گذاری کند. اما اگر این خطر به طور مکرر در سازمان شما رخ دهد، تعمیم هوش مصنوعی شما را گمراه خواهد کرد. همیشه نمرات را با داده های تاریخی خود آزمایش کنید.

به طور خلاصه

مدیریت ریسک هنر دیدن مشکلات قبل از انفجار است و ثبت ریسک سند زنده در قلب این امر است. هر ریسک در قالب علت-رویداد- معلول شناسایی می‌شود، بر اساس احتمال و تأثیر امتیاز می‌یابد، راهبرد راه‌اندازی و پاسخ آن (اجتناب/کاهش/انتقال/پذیرش) تعیین می‌شود و به آن مالک اختصاص داده می‌شود. هوش مصنوعی در خطر طوفان فکری و امتیازدهی پیش نویس قدرتمند است. شما را به یاد نقاط کور می اندازد. با این حال، کالیبراسیون متخصص مقادیر احتمال/تاثیر، مالکیت ریسک و تصمیم نهایی پاسخ همیشه در اختیار انسان است.

وظیفه کاربردی

یک پیش نویس ثبت ریسک دسته به دسته از هوش مصنوعی برای پروژه خود ایجاد کنید (زمینه را ناشناس کنید). 5 خطر بالاترین امتیاز را انتخاب کنید. مقدار احتمال/تاثیر هر کدام را با داده‌های تاریخی خود کالیبره کنید، یک اقدام ماشه و پاسخ بنویسید و یک مالک تعیین کنید. سپس خطراتی را که از دست داده اید با الگوی "نقطه کور" بررسی کنید.

چک لیست

• [ ] من خطرات را در قالب علت - رویداد - معلول نوشتم.
• [ ] من مقادیر احتمال/تاثیر را با بازده موسسه خود کالیبره کردم.
• [ ] من ریسک ها را بر اساس امتیاز اولویت بندی کردم (ماتریس ریسک).
• [ ] من محرک ها و راهبردهای پاسخ را برای هر خطر مهم شناسایی کرده ام.
• [ ] من برای هر ریسک یک مالک تعیین کردم.
• [ ] من قصد داشتم گزارش ریسک را زنده نگه دارم و آن را به گزارش وضعیت اضافه کنم.