लाभ:
- कृत्रिम बुद्धिमत्ताले परियोजना व्यवस्थापन (योजना, अनुमान, रिपोर्टिङ, सञ्चार) मा वास्तविक समय कहाँ बचत गर्छ र जहाँ बजेट प्रतिबद्धता र डेलिभरी मिति जस्ता निर्णयहरू परियोजना प्रबन्धकलाई छोडिन्छ, कार्य जोखिम स्तरमा निर्भर गर्दछ भनेर छुट्याउन सक्षम हुनु।
- एक अनुशासन लागू गर्ने क्षमता जसले प्रत्येक कृत्रिम बुद्धिमत्ता आउटपुटलाई स्रोतमा जडान गर्ने चरणहरू मार्फत प्रमाणित गर्दछ, यसलाई पुन: गणना गर्ने र प्रशासनिक फिल्टरिंग मार्फत पारित गर्दछ।
- KVKK/गोपनीयता र NDA को दायरा भित्र परियोजना, ग्राहक र सरोकारवाला डेटा गुमाउने र सुरक्षित सवारी साधन छनौट गर्ने बानी बसाल्ने
प्रत्येक परियोजनामा सयौं निर्णयहरू हुन्छन्, जसमध्ये अधिकांश चुपचाप गरिन्छ। यो काम कसको लागि हो? यो काम कति दिन लाग्छ ? बजेट टिक्छ ? हामीले ग्राहकलाई कुन मिति बताउनुपर्छ? यस्तो जोखिम आयो भने हामीले के गर्ने? गत हप्ताको बैठकमा के निर्णय भयो, कसले के गर्ने ? यी निर्णयहरू मध्ये केही पुनरावृत्ति, डेटा-गहन, र समय-उपभोग गर्ने छन्; परियोजना प्रबन्धक (पीएम - परियोजना प्रबन्धक, योजनाबाट परियोजनाको डेलिभरीको लागि जिम्मेवार व्यक्ति) को अधिकांश काम रिपोर्टहरू लेख्ने, तालिकाहरू भर्ने, इ-मेलहरू तयार गर्ने र बैठक नोटहरू राख्नमा खर्चिन्छ। आर्टिफिसियल इन्टेलिजेन्स (एआई, वा छोटो कम्प्युटर प्रणालीका लागि एआई जसले पाठ उत्पन्न गर्न, ढाँचाहरू पहिचान गर्न, भविष्यवाणी गर्न, र मानिसजस्तै डेटा संक्षेप गर्न सक्छ) यो चित्रको बीचमा फिट हुन्छ: सही रूपमा प्रयोग गर्दा, यसले कार्य ब्रेकडाउन ढाँचा, जोखिम दर्ता, स्थिति रिपोर्ट, वा बैठकको सारांशलाई घण्टा भन्दा मिनेटमा ड्राफ्ट गर्न सक्छ; गलत तरिकाले प्रयोग गरियो, यसले सुरक्षित देखिने तर निराधार अनुमानबाट ग्राहक प्रतिबद्धता निम्त्याउन सक्छ।
यस मोड्युलको पहिलो एकाइ सफ्टवेयर परिचय होइन। यसको उद्देश्य तपाईको प्रोजेक्टको काममा AI कहाँ राख्ने र कहाँ राख्न नहुने भन्ने स्पष्ट पार्नु हो। किनभने परियोजना व्यवस्थापन "सञ्चालन-महत्वपूर्ण" र "प्रतिबद्धता-महत्वपूर्ण" क्षेत्र दुवै हो: तपाईंले दिनुभएको समय अनुमान ग्राहकसँग हस्ताक्षर गरिएको सम्झौतामा आधारित हुन्छ; एउटा स्रोत निर्णय हप्ताहरूले भरिएको टोली सदस्यको पात्रोमा परिणत हुन्छ। सुरुदेखि नै आधारभूत सिद्धान्त राखौं: AI एक सहायक हो, परियोजना प्रबन्धक होइन। जिम्मेवारी र निर्णयहरूको अन्तिम स्वीकृति जस्तै बजेट प्रतिबद्धता, वितरण मिति प्रतिज्ञा, स्रोत विनियोजन र अनुबंध दायित्व सक्षम परियोजना प्रबन्धक र जिम्मेवार सरोकारवालाहरूको हो।
परियोजना व्यवस्थापन को तह र AI को स्थान
परियोजना बुझ्न, यो काम तीन तहमा विभाजन गर्न उपयोगी छ। परिचालन तह भनेको दिन-प्रतिदिन सञ्चालन हो: कार्य ट्र्याकिङ, बैठक नोट, इमेल, स्थिति अपडेट। रणनीतिक तह योजना र ट्र्याकिङ हो: कार्य ब्रेकडाउन संरचना, तालिका, पूर्वानुमान, जोखिम दर्ता, स्थिति रिपोर्ट। रणनीतिक तहले परियोजनाको तर्क र दिशा निर्धारण गर्दछ: लागत-लाभ, पोर्टफोलियो प्राथमिकता, दायरा निर्णय। एआई सबै तीन तह छुन सक्छ; तर प्रत्येक मा फरक अधिकार संग। परिचालन तहमा, एआईले द्रुत ड्राफ्ट र सारांशहरू उत्पादन गर्दछ; रणनीतिक तहमा, यसले मात्र इनपुट प्रदान गर्दछ, व्यवस्थापन र प्रायोजकले निर्णय गर्दछ। हामी प्रायोजक (परियोजना र कर्पोरेट स्वामित्वलाई वित्त पोषण गर्ने शीर्ष प्रबन्धक), सरोकारवाला (प्रोजेक्टबाट प्रभावित वा परियोजनालाई असर गर्ने सबैजना - ग्राहक, टोली, आपूर्तिकर्ता, प्रयोगकर्ता) जस्ता अवधारणाहरू निम्न एकाइहरूमा एक-एक गरी व्याख्या गर्नेछौं।
सुरुबाट केही आधारभूत सर्तहरू परिभाषित गरौं। स्कोप भनेको परियोजनाले के गर्छ र के गर्दैन। वर्क ब्रेकडाउन स्ट्रक्चर (WBS) भनेको कामलाई व्यवस्थित टुक्राहरूमा विभाजन गर्नु हो। माइलस्टोन एउटा महत्त्वपूर्ण बिन्दु हो जसले प्रगतिलाई चिन्ह लगाउँछ (जस्तै "डिजाइन अनुमोदन")। जोखिम एक अनिश्चित घटना हो जसले परियोजनालाई असर गर्छ यदि यो भयो भने। डेलिभरेबल भनेको परियोजना द्वारा उत्पादित कंक्रीट आउटपुट हो। यी सबै अवधारणाहरूमा, AI ले तपाईंलाई रूपरेखा र विश्लेषण दिन्छ, तर निर्णय गर्दैन।
निम्न तालिकाले मिशन द्वारा एआई को भूमिका र जोखिम स्तर संक्षेप गर्दछ:
खोज
AI को भूमिका
जोखिम स्तर
कसले अनुमोदन गर्छ
बैठक सारांश / इमेल मस्यौदा
स्केच जेनरेटर
कम
परियोजना प्रबन्धक
WBS / स्कोप रूपरेखा
स्केच जेनरेटर
कम-मध्यम
PM + टोली
अवधि र स्रोत अनुमान
पूर्वानुमानकर्ता, परिदृश्य जनरेटर
मध्यम-उच्च
PM + टोली डेटा
जोखिम दर्ता स्कोरिङ
सांख्यिकीय प्रोत्साहन
मध्यम
जोखिम मालिक + PM
स्थिति रिपोर्ट / EVM टिप्पणी
विश्लेषण र मस्यौदा
मध्यम
परियोजना प्रबन्धक
वितरण मिति / बजेट प्रतिबद्धता
सहायक इनपुट
धेरै उच्च
PM + प्रायोजक
सम्झौता/स्रोत विनियोजन निर्णय
सहायक इनपुट
धेरै उच्च
प्रायोजक + PM
यस चार्टको एउटा लाइनलाई ध्यानमा राख्नुहोस्: जोखिम बढ्दै जाँदा, AI को भूमिका कम हुँदै जान्छ, मानव अनुमोदन बढ्दै जान्छ।
किन "प्रमाणीकरण" यो व्यवसायको मुटु हो
कृत्रिम बुद्धिमत्ता भाषा मोडेलहरू तिनीहरूको जवाफमा विश्वस्त देखिन्छन्, तर तिनीहरू निश्चित नहुन सक्छन्। प्राविधिक भाषामा, यसलाई भ्रम भनिन्छ: यो एक धाराप्रवाह वाक्यमा अवस्थित नभएको जानकारीको मोडेलको निर्माण हो, जस्तै कि यो सत्य हो। परियोजना प्रबन्धकको लागि, यो एक गम्भीर जाल हो: मोडेलले तपाईंलाई "यस प्रकारको सफ्टवेयर एकीकरणमा सामान्यतया 3 हप्ता लाग्छ" को समय सीमा दिन सक्छ, जबकि यसलाई तपाइँको टोलीको गति, प्राविधिक ऋण, छुट्टीको तालिका बारे केही थाहा छैन, र यो संख्या पूर्ण सामान्यीकरण हो। वा यसले पद्धतिलाई गलत रूपमा प्रस्तुत गर्न सक्छ (जस्तै, "PMBOK 7 लाई निम्न आवश्यक छ")। उसले दुबैलाई समान प्रवाहका साथ भनेको हुनाले, सही र गलत छुट्याउने एक मात्र चीज तपाईको ज्ञान र प्रमाणीकरण गर्ने बानी हो।
प्रमाणीकरण अनुशासनमा तीन चरणहरू हुन्छन्:
- स्रोतमा लिङ्क गर्नुहोस्: अवधि, लागत, क्षमता, र विगतको कार्यसम्पादनको लागि तपाईंको आफ्नै संगठनको रेकर्डहरू (ऐतिहासिक परियोजना डेटा, समयतालिका, स्रोत पोखरी, लेखा) र तपाईंको टोलीको अनुमानमा भर पर्नुहोस्, एआईको मेमोरीमा होइन। त्यो डेटामा टिप्पणी गर्न AI प्रयोग गर्नुहोस्, यसलाई सम्झन होइन।
- पुन: गणना / तुलना गर्नुहोस्: स्वतन्त्र रूपमा AI रिटर्न (कुल समय, बजेट, प्रतिशत पूर्ण, CPI/SPI) प्रत्येक संख्यात्मक परिणाम जाँच गर्नुहोस्। कुल, एक भारित औसत, एक महत्वपूर्ण मार्ग आफै प्रमाणित गर्नुहोस्।
- प्रबन्धकीय फिल्टर: प्रबन्धकको परिप्रेक्ष्यबाट परीक्षण गर्नुहोस् कि आउटपुटले जमीनमा भएका तथ्यहरू (टोलीको उपलब्धता, बजेट, सम्झौता, निर्भरता) को विरोधाभास गर्दछ।
ध्यान दिनुहोस्: प्रायोजकलाई AI द्वारा उत्पादन गरिएको भविष्यवाणी वा रिपोर्ट प्रस्तुत गर्नु वा प्रमाणित नगरी ग्राहकलाई प्रतिबद्ध गर्नु भनेको हस्ताक्षर नगरिएको सम्झौता दिनु जस्तै हो। केवल किनभने आउटपुट धाराप्रवाह छ सत्य होइन।
गोपनीयता: परियोजना डेटा प्रायः गोप्य हुन्छ
आयोजनाको धेरैजसो तथ्याङ्क संवेदनशील छ । ग्राहकको नाम, सम्झौता रकम, बोली मूल्य, कर्मचारीको तलब र कार्यसम्पादन जानकारी, र उत्पादन योजनाहरू जुन अझै घोषणा गरिएको छैन प्रायः NDA (गैर-प्रकटीकरण सम्झौता); व्यक्तिगत डेटा KVKK (व्यक्तिगत डेटा संरक्षण कानून) Türkiye र युरोपमा GDPR द्वारा कभर गरिएको छ। सार्वजनिक रूपमा उपलब्ध एआई उपकरणमा ग्राहकको नाम, सम्झौता मूल्य, टोली सदस्यको नाम, र प्रदर्शन स्कोरहरू टाँस्नु मात्र सम्झौताको उल्लङ्घन र डेटा उल्लंघन दुवै हुन सक्छ। नियम सरल छ: डेटा गुमनाम गर्नुहोस् र अनावश्यक साझेदारी नगर्नुहोस्। "एबीसी बैंकको साथ ४.२ मिलियन TL CRM परियोजना" को सट्टा "ठूलो स्तरको वित्तीय ग्राहकको लागि सफ्टवेयर परियोजना"; "आन्टी (वरिष्ठ विकासकर्ता, खराब प्रदर्शन)" को सट्टा "एक वरिष्ठ टोली सदस्य" लेख्नुहोस्। यदि सम्भव छ भने, डेटा प्रशोधन सम्झौता भएको कर्पोरेट उपकरणहरू छनौट गर्नुहोस् र मोडेल प्रशिक्षणमा तपाईंको डेटा प्रयोग नगर्नुहोस्।
तीन मिनी केसहरू
केस 1 - सुरक्षित प्रयोग। एक परियोजना संयोजकले 6 कार्य प्याकेजहरूबाट एकल स्थिति रिपोर्टमा प्रगति संकलन गर्न प्रत्येक हप्ता 2.5 घण्टा खर्च गर्दै थिए। उनले AI लाई अज्ञात रूपमा प्रगति डेटा (ग्राहकको नाम र मास्क गरिएको रकम) दिए र मस्यौदा कार्यकारी सारांश अनुरोध गरे। एआईले १२ मिनेटमा स्केच बनायो; संयोजकले प्रत्येक प्रतिशतलाई उसको ट्र्याकिङ चार्टमा तुलना गर्यो, गलत पूर्णता दर सच्यायो, र वास्तविकतामा स्थिति रङहरू परिमार्जन गर्यो। अवधि: 2.5 घण्टाको सट्टा 35 मिनेट। एआईले मस्यौदा दियो, जिम्मेवारी मानवमा रह्यो ।
केस 2 - अपुष्ट भविष्यवाणी जाल। एक प्रधानमन्त्रीले एआईलाई सोधे "मोबाइल एप परीक्षण कति दिन लाग्छ?" एआईले टोलीको डाटा हेर्नु अघि "लगभग 8 दिन" भन्यो। प्रधानमन्त्रीले ग्राहकलाई यो प्रतिबद्धता गरे; टोलीको ऐतिहासिक डेटामा आधारित वास्तविक समय 15 व्यापार दिन थियो। 7-दिनको विचलनले पेनाल्टी पाएको छ। गल्ती: टोली डेटा बिना प्रतिबद्धता उत्पन्न गर्न AI बाट संख्याको अपेक्षा गर्दै।
केस 3 - गोपनीयताको उल्लङ्घन। एक टोली नेताले एक सार्वजनिक AI उपकरणमा ग्राहकको नाम, अनुबंध रकम, र सम्पूर्ण टोलीको नाम-तलब जानकारी समावेश भएको स्रोत योजना अपलोड गर्यो र भन्यो "यसलाई अनुकूलन गर्नुहोस्।" डाटा बाह्य सर्भरमा गयो; ग्राहकले NDA उल्लङ्घनको लागि सूचना पठायो। सही तरिका नाम, रकम, र तलब छोडेर भूमिका र प्रयास प्रतिशत जस्ता बेनामी क्षेत्रहरू मात्र साझेदारी गर्न थियो।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
यो महिना हाम्रो परियोजनाको स्थिति बारे लेख्नुहोस् र हामीलाई भन्नुहोस् कि हामी कति टाढा आएका छौं।
यो दाबी त्रुटिपूर्ण छ: AI लाई कुनै डाटा दिइएको छैन, त्यसैले यसले मेड-अप नम्बरको साथ "हामी कति टाढा आएका छौं" भन्ने प्रश्नको मात्र जवाफ दिन सक्छ। न अवधि, न दायरा, न सन्दर्भ स्पष्ट छन्।
शक्तिशाली प्रम्प्ट:
तपाईंको भूमिका: परियोजना प्रबन्धकलाई सहयोग गर्ने सहायक। सन्दर्भ: तल 5 कार्य प्याकेजहरूको लागि योजना/वास्तविक डेटा (ग्राहकको नाम र रकमहरू मास्क गरिएको छ)। कार्य: कार्यकारी सारांश (200 शब्द वा कम) को मस्यौदा लेख्नुहोस्। मैले दिएको डाटा मात्र प्रयोग गर्नुहोस्; हराएको जानकारी को लागी "[पुष्टि आवश्यक]" लेख्नुहोस्, नम्बर फिटिंग। संरचना: 1) सामान्य स्थिति (RAG), 2) अग्रिम प्याकेज, 3) विचलित प्याकेज र कारण, 4) सिफारिस। डेटा:- WBS-1 विश्लेषण: योजना 100% / वास्तविक 100%- WBS-2 डिजाइन: योजना 80% / वास्तविक 60%- WBS-3 विकास: योजना 40% / वास्तविक 25%- WBS-4 परीक्षण: योजना 10% / वास्तविक 0% - WBS-5 दस्तावेज: योजना 20% / वास्तविक 20%
यो प्रम्प्ट बलियो छ किनभने भूमिका, सन्दर्भ, डेटा, सीमा ("नम्बर फिटिंग"), ढाँचा, र अस्पष्टता ("[पुष्टि आवश्यक]") स्पष्ट रूपमा दिइएको छ। आउटपुट अझै पनि परियोजना प्रबन्धक द्वारा मान्य हुनुपर्छ।
तीन अन्य उपयोगी स्टार्टर टेम्प्लेटहरू:
# टेम्प्लेट जसले अनिश्चितता लागू गर्दछ निम्न पाठबाट निर्णय र कार्यहरू निकाल्नुहोस्। पाठमा स्पष्ट रूपमा उल्लेख नभएको कुनै जिम्मेवारी वा मितिहरू तोक्नुहोस्; "अनिश्चित" लेख्नुहोस् जहाँ तपाईं अनिश्चित हुनुहुन्छ। यसलाई बनाउन नगर्नुहोस्।
# अज्ञात रिमाइन्डर (आत्म-जाँच) यदि तपाईंले मैले तपाईंलाई दिने पाठमा ग्राहकको नाम, रकम वा व्यक्तिको नाम देख्नुभयो भने, प्रक्रिया सुरु गर्नु अघि मलाई चेतावनी दिनुहोस् र मलाई यी क्षेत्रहरू [MASKED] को साथ बदल्न सुझाव दिनुहोस्।
# टेम्प्लेट जसले प्रमाणीकरण सूची उत्पन्न गर्दछ तपाईले उत्पादन गर्नुहुने प्रत्येक संख्यात्मक नतिजाको लागि, परियोजना प्रबन्धकले यसलाई कसरी स्वतन्त्र रूपमा प्रमाणित गर्न सक्छ भन्ने बारे एक-लाइन "प्रमाणीकरण चरण" थप्नुहोस्।
सामान्य गल्तीहरू
- डाटा नदिई संख्याको अपेक्षा गर्नु: तपाईंको आफ्नै परियोजनाको डाटा नदिई समय, लागत वा प्रगतिको लागि AI लाई सोध्नु भनेको यसलाई भ्रमित गर्न आमन्त्रित गर्नु हो।
- शुद्धता संग भ्रमित प्रवाह: एक राम्रो लेखिएको पाठ सही छ मतलब छैन।
- गोप्य डाटा यसरी टाँस्दै: ग्राहकको नाम, रकम र सम्पर्क जानकारी गुमनाम बिना कुनै पनि खुला उपकरण प्रविष्ट गर्नु हुँदैन।
- AI लाई प्रतिबद्धता प्रत्यायोजन गर्दै: डेलिभरी मिति र बजेट टोली प्रमाणीकरण बिना प्रतिबद्ध हुनु हुँदैन।
- यसलाई एकल प्रम्प्टको साथ समाप्त गर्ने प्रयास गर्दै: राम्रो परिणामहरू भूमिका-सन्दर्भ-डेटा-सीमा-ढाँचा समावेश गर्ने संरचित प्रम्प्टहरूबाट आउँछन्।
सुझाव: "प्रायोजकलाई डेलिभर गर्न मिल्ने यो प्रस्तुत गर्नु अघि मैले आफ्नो लागि कुन तीन कुराहरू प्रमाणित गर्नुपर्छ?" भनेर सोधेर हरेक AI सत्र सुरु गर्नुहोस्। प्रश्नको साथ सुरु गर्नुहोस्। यो बानीले तपाइँलाई बाँकी मोड्युलमा सबै कार्यहरू मार्फत सुरक्षित गर्नेछ।
संक्षेपमा
आर्टिफिसियल इन्टेलिजेन्स परियोजना व्यवस्थापनमा एक शक्तिशाली सहायक हो जसले रिपोर्ट, योजना, अनुमान र सञ्चारलाई गति दिन्छ; यद्यपि, यो एक उपकरण हो जसले ड्राफ्टहरू उत्पादन गर्दछ, प्रतिबद्धताहरू होइन। जब हामीले व्यवसायलाई परिचालन, रणनीतिक र रणनीतिक तहहरूमा विभाजन गर्छौं, जोखिम बढ्दै जाँदा AI को भूमिका सानो हुँदै जान्छ। प्रत्येक आउटपुट तीन चरणहरू (स्रोतमा लिङ्क, पुन: गणना, प्रशासनिक फिल्टर) मार्फत मान्य हुनुपर्छ; परियोजना र ग्राहक डेटा KVKK/NDA को दायरा भित्र अज्ञात हुनुपर्छ। महत्वपूर्ण निर्णयहरूको उत्तरदायित्व र अन्तिम अनुमोदन सधैं मानवमा हुन्छ।
आवेदन कार्य
आफ्नो हालको परियोजनाबाट एउटा कार्य छान्नुहोस्। पहिले, AI मा जानाजानी "कमजोर" प्रम्प्ट लेख्नुहोस् (सन्दर्भ बिना, कुनै डाटा नदिई) र आउटपुट बचत गर्नुहोस्। त्यसपछि यो एकाइ (भूमिका, सन्दर्भ, बेनामी डेटा, सीमा, ढाँचा) मा "बलियो प्रम्प्ट" संरचनाको साथ उही कार्यलाई फेरि सोध्नुहोस्। दुई प्रिन्टआउटहरू एकैछिनमा राख्नुहोस् र फरक लेख्नुहोस् र कम्तिमा तीन बिन्दुहरू तपाईंले दुबै प्रिन्टआउटहरूमा आफै प्रमाणित गर्न आवश्यक छ।
चेकलिस्ट
- [ ] मैले AI को भूमिका "सहायक/ड्राफ्ट" र निर्णयलाई "मानव" को रूपमा राखें।
- [] मैले मेरो कार्यको जोखिम स्तर (कम/मध्यम/उच्च) निर्धारण गरेको छु।
- [] मैले प्रम्प्टमा भूमिका, सन्दर्भ, डेटा, सीमा र ढाँचा थपेँ।
- [ ] मैले ग्राहकको नाम, रकम र व्यक्ति जानकारी गुमाए।
- [] मैले स्टेप नोट गरेको छु जहाँ म आउटपुटमा प्रत्येक नम्बरलाई स्वतन्त्र रूपमा प्रमाणित गर्नेछु।
- [ ] मैले प्रमाणीकरण नगरीकन प्रतिबद्धता (मिति/बजेट) भएको कुनै पनि आउटपुट साझेदारी गरेको छैन।