فائدہ:
- یہ فرق کرنے کے قابل ہونا کہ مصنوعی ذہانت کہاں پراجیکٹ مینجمنٹ (منصوبہ بندی، تخمینہ، رپورٹنگ، مواصلات) میں حقیقی وقت کی بچت کرتی ہے اور جہاں کام کے خطرے کی سطح پر منحصر ہے، بجٹ کی کمٹمنٹ اور ڈیلیوری کی تاریخ جیسے فیصلے پروجیکٹ مینیجر پر چھوڑے جاتے ہیں۔
- ایک نظم و ضبط کو لاگو کرنے کی صلاحیت جو ہر مصنوعی ذہانت کی پیداوار کو ماخذ سے منسلک کرنے، اس کی دوبارہ گنتی کرنے اور انتظامی فلٹرنگ کے ذریعے اسے منتقل کرنے کے مراحل کے ذریعے تصدیق کرتی ہے۔
- KVKK/پرائیویسی اور NDA کے دائرہ کار میں پروجیکٹ، کسٹمر اور اسٹیک ہولڈر کے ڈیٹا کو گمنام رکھنا اور محفوظ گاڑیوں کے انتخاب کی عادت ڈالنا
ہر منصوبے میں سینکڑوں فیصلے ہوتے ہیں جن میں سے اکثر خاموشی سے کیے جاتے ہیں۔ یہ کام کس کے لیے ہے؟ اس کام میں کتنے دن لگیں گے؟ کیا بجٹ برقرار ہے؟ ہمیں کس تاریخ کو گاہک کو بتانا چاہئے؟ اگر یہ خطرہ ہوتا ہے تو ہم کیا کریں؟ گزشتہ ہفتے کی میٹنگ میں ہم نے کیا فیصلہ کیا، کون کیا کرنے جا رہا ہے؟ ان میں سے کچھ فیصلے تکراری، ڈیٹا پر مبنی اور وقت طلب ہیں۔ پراجیکٹ مینیجر کا زیادہ تر کام (PM - پروجیکٹ مینیجر، منصوبہ بندی سے لے کر پروجیکٹ کی فراہمی تک کا ذمہ دار شخص) رپورٹیں لکھنے، میزیں بھرنے، ای میلز تیار کرنے اور میٹنگ کے نوٹ رکھنے میں صرف ہوتا ہے۔ مصنوعی ذہانت (AI، یا مختصر کمپیوٹر سسٹمز کے لیے AI جو ٹیکسٹ تیار کر سکتے ہیں، پیٹرن کو پہچان سکتے ہیں، پیشین گوئیاں کر سکتے ہیں، اور انسانوں کی طرح ڈیٹا کا خلاصہ کر سکتے ہیں) اس تصویر کے بالکل درمیان میں فٹ بیٹھتا ہے: جب صحیح طریقے سے استعمال کیا جائے، تو یہ کام کی خرابی کا ڈھانچہ، رسک رجسٹر، اسٹیٹس رپورٹ، یا میٹنگ کا خلاصہ گھنٹوں کے بجائے منٹوں میں تیار کر سکتا ہے۔ غلط استعمال کیا جاتا ہے، یہ بظاہر محفوظ لیکن بے بنیاد اندازے سے گاہک کے عزم کا باعث بن سکتا ہے۔
اس ماڈیول کی پہلی اکائی سافٹ ویئر کا تعارف نہیں ہے۔ اس کا مقصد یہ واضح کرنا ہے کہ آپ کے پروجیکٹ کے کام میں اے آئی کو کہاں رکھنا ہے اور کہاں بالکل نہیں لگانا ہے۔ کیونکہ پراجیکٹ مینجمنٹ ایک "آپریشن-اہم" اور "عزم-نازک" فیلڈ دونوں ہے: آپ جو وقت کا تخمینہ دیتے ہیں وہ گاہک کے ساتھ دستخط شدہ معاہدے پر مبنی ہوتا ہے۔ ایک وسائل کا فیصلہ ٹیم کے ممبر کے ہفتوں سے بھرے کیلنڈر میں بدل جاتا ہے۔ آئیے شروع سے بنیادی اصول بیان کرتے ہیں: AI ایک اسسٹنٹ ہے، پروجیکٹ مینیجر نہیں۔ فیصلوں کی ذمہ داری اور حتمی منظوری جیسے بجٹ کا عہد، ڈیلیوری کی تاریخ کا وعدہ، وسائل کی تقسیم اور معاہدہ کی ذمہ داری قابل پروجیکٹ مینیجر اور ذمہ دار اسٹیک ہولڈرز کی ہے۔
پروجیکٹ مینجمنٹ کی پرتیں اور AI کی جگہ
کسی پروجیکٹ کو سمجھنے کے لیے کام کو تین پرتوں میں تقسیم کرنا مفید ہے۔ آپریشنل پرت روزانہ کی کارروائی ہے: ٹاسک ٹریکنگ، میٹنگ نوٹ، ای میل، اسٹیٹس اپ ڈیٹ۔ حکمت عملی پرت منصوبہ بندی اور ٹریکنگ ہے: کام کی خرابی کا ڈھانچہ، شیڈول، پیشن گوئی، رسک رجسٹر، اسٹیٹس رپورٹ۔ اسٹریٹجک پرت پروجیکٹ کی عقلیت اور سمت کا تعین کرتی ہے: لاگت کا فائدہ، پورٹ فولیو کی ترجیح، دائرہ کار کا فیصلہ۔ AI تینوں تہوں کو چھو سکتا ہے۔ لیکن ہر ایک میں ایک مختلف اتھارٹی کے ساتھ۔ آپریشنل پرت پر، AI تیزی سے مسودے اور خلاصے تیار کرتا ہے۔ اسٹریٹجک پرت میں، یہ صرف ان پٹ فراہم کرتا ہے، انتظامیہ اور اسپانسر فیصلہ کرتے ہیں۔ ہم مندرجہ ذیل اکائیوں میں ایک ایک کرکے اسپانسر (سب سے اوپر مینیجر جو پروجیکٹ اور کارپوریٹ ملکیت کی مالی معاونت کرتے ہیں)، اسٹیک ہولڈر (ہر وہ شخص جو پروجیکٹ سے متاثر ہوتا ہے یا پروجیکٹ کو متاثر کرتا ہے - کسٹمر، ٹیم، سپلائر، صارف) جیسے تصورات کی وضاحت کریں گے۔
آئیے شروع سے چند بنیادی اصطلاحات کی وضاحت کرتے ہیں۔ دائرہ کار وہ ہے جو پروجیکٹ کرے گا اور کیا نہیں کرے گا۔ کام کی خرابی کا ڈھانچہ (WBS) کام کو قابل انتظام ٹکڑوں میں تقسیم کرنا ہے۔ ایک سنگ میل ایک اہم نقطہ ہے جو پیشرفت کو نشان زد کرتا ہے (جیسے "ڈیزائن کی منظوری")۔ خطرہ ایک غیر یقینی واقعہ ہے جو اس منصوبے کو متاثر کرے گا اگر ایسا ہوتا ہے۔ ڈیلیوری ایبل پروجیکٹ کے ذریعہ تیار کردہ کنکریٹ آؤٹ پٹ ہے۔ ان تمام تصورات میں، AI آپ کو خاکہ اور تجزیہ دیتا ہے، لیکن فیصلے نہیں کرتا۔
درج ذیل جدول مشن کے لحاظ سے AI کے کردار اور خطرے کی سطح کا خلاصہ کرتا ہے:
جستجو
AI کا کردار
خطرے کی سطح
کون منظور کرتا ہے۔
میٹنگ کا خلاصہ / ای میل ڈرافٹ
خاکہ جنریٹر
کم
پروجیکٹ مینیجر
WBS / دائرہ کار کا خاکہ
خاکہ جنریٹر
کم درمیانی
پی ایم + ٹیم
دورانیہ اور وسائل کا تخمینہ
پیشن گوئی کرنے والا، منظر نامے کا جنریٹر
درمیانے درجے کا
پی ایم + ٹیم ڈیٹا
رسک رجسٹر اسکورنگ
شماریاتی محرک
درمیانہ
خطرے کا مالک + PM
اسٹیٹس رپورٹ / ای وی ایم تبصرہ
تجزیہ اور مسودہ
درمیانہ
پروجیکٹ مینیجر
ڈیلیوری کی تاریخ / بجٹ کی وابستگی
معاون ان پٹ
بہت اعلی
پی ایم + اسپانسر
معاہدہ/وسائل مختص کرنے کا فیصلہ
معاون ان پٹ
بہت اعلی
اسپانسر + پی ایم
اس چارٹ میں ایک لائن کو ذہن میں رکھیں: جیسے جیسے خطرہ بڑھتا ہے، AI کا کردار سکڑتا ہے، انسانی منظوری بڑھتی ہے۔
کیوں "تصدیق" اس کاروبار کا دل ہے۔
مصنوعی ذہانت کی زبان کے ماڈل اپنے جواب میں پراعتماد نظر آتے ہیں، لیکن ہو سکتا ہے کہ وہ اس بات کا یقین نہ کریں۔ تکنیکی زبان میں، اسے ہیلوسینیشن کہتے ہیں: یہ ایک روانی سے جملے میں غیر موجود معلومات کی ماڈل کی من گھڑت ہے، جیسے کہ یہ سچ ہے۔ ایک پروجیکٹ مینیجر کے لیے، یہ ایک سنگین جال ہے: ماڈل آپ کو اعتماد کے ساتھ "اس قسم کے سافٹ ویئر انضمام میں عام طور پر 3 ہفتے لگتے ہیں" کا ٹائم فریم دے سکتا ہے، جب کہ اسے آپ کی ٹیم کی رفتار، تکنیکی قرض، چھٹیوں کے شیڈول کے بارے میں کچھ نہیں معلوم، اور یہ تعداد ایک مکمل عام ہے۔ یا یہ کسی طریقہ کار کو غلط انداز میں پیش کر سکتا ہے (مثال کے طور پر، "PMBOK 7 کو درج ذیل کی ضرورت ہے")۔ چونکہ وہ دونوں ایک ہی روانی کے ساتھ کہتا ہے، اس لیے صحیح اور غلط کو الگ کرنے والی واحد چیز آپ کا علم اور تصدیق کرنے کی عادت ہے۔
تصدیق کا نظم تین مراحل پر مشتمل ہے:
- ماخذ سے لنک: مدتوں، اخراجات، صلاحیتوں اور ماضی کی کارکردگی کے لیے اپنی تنظیم کے ریکارڈز (تاریخی پراجیکٹ ڈیٹا، نظام الاوقات، وسائل کا پول، اکاؤنٹنگ) اور اپنی ٹیم کے اندازے پر بھروسہ کریں، نہ کہ AI کی یادداشت پر۔ اس ڈیٹا پر تبصرہ کرنے کے لیے AI کا استعمال کریں، اسے یاد رکھنے کے لیے نہیں۔
- دوبارہ گنتی / موازنہ کریں: AI کی واپسی کے ہر عددی نتیجہ کو آزادانہ طور پر چیک کریں (کل وقت، بجٹ، فیصد مکمل، CPI/SPI)۔ کل، ایک وزنی اوسط، ایک اہم راستے کی خود تصدیق کریں۔
- انتظامی فلٹر: مینیجر کے نقطہ نظر سے جانچیں کہ آیا آؤٹ پٹ زمینی حقائق سے متصادم ہے (ٹیم کی دستیابی، بجٹ، معاہدہ، انحصار)۔
دھیان دیں: AI کے ذریعہ تیار کردہ پیشین گوئی یا رپورٹ اسپانسر کے سامنے پیش کرنا یا تصدیق کیے بغیر اسے گاہک سے ارتکاب کرنا ایک غیر دستخط شدہ معاہدہ دینے کے مترادف ہے۔ صرف اس لیے کہ آؤٹ پٹ روانی ہے درست نہیں ہے۔
رازداری: پروجیکٹ کا ڈیٹا اکثر خفیہ ہوتا ہے۔
پروجیکٹ کا زیادہ تر ڈیٹا حساس ہے۔ گاہک کا نام، معاہدے کی رقم، بولی کی قیمتیں، عملے کی تنخواہ اور کارکردگی کی معلومات، اور پروڈکٹ پلانز جن کا ابھی تک اعلان نہیں کیا گیا ہے اکثر NDA (غیر افشاء معاہدہ) کے ذریعے محفوظ کیا جاتا ہے۔ ذاتی ڈیٹا ترکی میں KVKK (پرسنل ڈیٹا پروٹیکشن لاء) اور یورپ میں GDPR کے تحت آتا ہے۔ عوامی طور پر دستیاب AI ٹول میں صرف کسٹمر کا نام، معاہدے کی قیمت، ٹیم کے اراکین کے نام، اور کارکردگی کے اسکور کو چسپاں کرنا معاہدے کی خلاف ورزی اور ڈیٹا کی خلاف ورزی دونوں ہو سکتا ہے۔ اصول آسان ہے: ڈیٹا کو گمنام رکھیں اور غیر ضروری شیئر نہ کریں۔ "ABC بینک کے ساتھ 4.2 ملین TL CRM پروجیکٹ" کے بجائے "بڑے پیمانے پر مالیاتی کسٹمر کے لیے سافٹ ویئر پروجیکٹ"؛ "آنٹی (سینئر ڈویلپر، خراب کارکردگی)" کے بجائے "ایک سینئر ٹیم ممبر" لکھیں۔ اگر ممکن ہو تو، کارپوریٹ ٹولز کا انتخاب کریں جن میں ڈیٹا پروسیسنگ کا معاہدہ ہو اور وہ ماڈل ٹریننگ میں اپنا ڈیٹا استعمال نہ کریں۔
تین چھوٹے مقدمات
کیس 1 - محفوظ استعمال۔ ایک پروجیکٹ کوآرڈینیٹر ہر ہفتے 2.5 گھنٹے صرف کر رہا تھا 6 ورک پیکجز سے ایک ہی سٹیٹس رپورٹ میں پیش رفت کو مرتب کرنے میں۔ اس نے AI کو گمنام طور پر پیشرفت کا ڈیٹا دیا (کسٹمر کا نام اور رقم مخفی) اور ایک ڈرافٹ ایگزیکٹو سمری کی درخواست کی۔ اے آئی نے 12 منٹ میں ایک خاکہ تیار کیا۔ کوآرڈینیٹر نے ہر فیصد کا اپنے ٹریکنگ چارٹ سے موازنہ کیا، تکمیل کی غلط شرح کو درست کیا، اور اسٹیٹس کے رنگوں کو حقیقت سے بدل دیا۔ دورانیہ: 2.5 گھنٹے کے بجائے 35 منٹ۔ اے آئی نے ڈرافٹ دیا، ذمہ داری انسان کے پاس رہی۔
کیس 2 - غیر مصدقہ پیشن گوئی کا جال۔ ایک پی ایم نے AI سے پوچھا "موبائل ایپ کے ٹیسٹ میں کتنے دن لگتے ہیں؟" AI نے ٹیم کے ڈیٹا کو دیکھنے سے پہلے "تقریبا 8 دن" کہا۔ وزیر اعظم نے گاہک سے یہ عہد کیا؛ ٹیم کے تاریخی ڈیٹا کی بنیاد پر اصل وقت 15 کاروباری دن تھا۔ 7 دن کے انحراف کے نتیجے میں جرمانہ ہوا۔ غلطی: ٹیم کے ڈیٹا کے بغیر AI سے ایک عزم پیدا کرنے کی توقع کرنا۔
کیس 3 - رازداری کی خلاف ورزی۔ ایک ٹیم لیڈر نے ایک ریسورس پلان اپ لوڈ کیا جس میں گاہک کا نام، معاہدے کی رقم، اور پوری ٹیم کے نام-تنخواہ کی معلومات ایک عوامی AI ٹول میں شامل ہیں اور کہا کہ "اس کو بہتر بنائیں۔" ڈیٹا ایک بیرونی سرور پر چلا گیا؛ گاہک نے این ڈی اے کی خلاف ورزی کے لیے نوٹس بھیجا۔ صحیح طریقہ یہ تھا کہ نام، رقم اور تنخواہ کو چھوڑ دیا جائے اور صرف گمنام فیلڈز جیسے کردار اور کوشش کا فیصد شیئر کیا جائے۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
اس ماہ ہمارے پروجیکٹ کی صورتحال کے بارے میں لکھیں اور ہمیں بتائیں کہ ہم کس حد تک پہنچے ہیں۔
یہ دعویٰ غلط ہے: AI کو کوئی ڈیٹا نہیں دیا گیا ہے، اس لیے یہ صرف اس سوال کا جواب دے سکتا ہے کہ "ہم کہاں تک آئے ہیں" بنا ہوا نمبر۔ نہ مدت، نہ دائرہ، نہ سیاق و سباق واضح ہیں۔
طاقتور اشارہ:
آپ کا کردار: پراجیکٹ مینیجر کی مدد کرنے والا معاون۔ سیاق و سباق: ذیل میں 5 ورک پیکجز کا منصوبہ/حقیقی ڈیٹا ہے (کلائنٹ کا نام اور رقم مخفی)۔ ٹاسک: ایگزیکٹو سمری (200 الفاظ یا اس سے کم) کا مسودہ لکھیں۔ بس میں نے جو ڈیٹا دیا ہے اسے استعمال کریں۔ گمشدہ معلومات، نمبر فٹنگ کے لیے "[تصدیق درکار]" لکھیں۔ ڈھانچہ: 1) عمومی حیثیت (RAG)، 2) ایڈوانسنگ پیکجز، 3) انحراف پیکیجز اور وجہ، 4) سفارش۔ ڈیٹا:- WBS-1 تجزیہ: منصوبہ 100% / اصل 100%- WBS-2 ڈیزائن: منصوبہ 80% / اصل 60%- WBS-3 ترقی: منصوبہ 40% / اصل 25%- WBS-4 ٹیسٹنگ: منصوبہ 10% / اصل 0% - WBS-5 دستاویزی: منصوبہ 20%
یہ اشارہ مضبوط ہے کیونکہ کردار، سیاق و سباق، ڈیٹا، باؤنڈری ("نمبر فٹنگ")، فارمیٹ، اور ابہام ("[تصدیق درکار]") واضح طور پر دی گئی ہیں۔ آؤٹ پٹ کو ابھی بھی پروجیکٹ مینیجر کے ذریعہ توثیق کرنا ضروری ہے۔
تین دیگر مفید اسٹارٹر ٹیمپلیٹس:
# ٹیمپلیٹ جو غیر یقینی صورتحال کو نافذ کرتا ہے درج ذیل متن سے فیصلے اور اعمال نکالیں۔ ایسی کوئی ذمہ داریاں یا تاریخیں متعین نہ کریں جن کا متن میں واضح طور پر ذکر نہ کیا گیا ہو۔ جہاں آپ کو یقین نہیں ہے وہاں "غیر یقینی" لکھیں۔ اسے نہ بنائیں۔
# گمنامی کی یاد دہانی (خود چیک) اگر آپ کو متن میں گاہک کا نام، رقم یا شخص کا نام نظر آتا ہے جو میں آپ کو دوں گا، تو عمل شروع کرنے سے پہلے مجھے خبردار کریں اور مجھے ان فیلڈز کو [MASKED] سے بدلنے کا مشورہ دیں۔
# ٹیمپلیٹ جو ایک توثیق کی فہرست تیار کرتا ہے ہر عددی نتیجہ کے لیے جو آپ تیار کرتے ہیں، ایک سطری "توثیق کا مرحلہ" شامل کریں کہ کس طرح پراجیکٹ مینیجر آزادانہ طور پر اس کی تصدیق کر سکتا ہے۔
عام غلطیاں
- ڈیٹا دیے بغیر نمبروں کی توقع کرنا: اپنے پراجیکٹ کا ڈیٹا دیے بغیر AI سے وقت، لاگت یا پیشرفت پوچھنا اسے فریب میں مبتلا کرنے کی دعوت دے رہا ہے۔
- درستگی کے ساتھ مبہم روانی: اچھی طرح سے لکھے گئے متن کا مطلب یہ نہیں ہے کہ یہ درست ہے۔
- خفیہ ڈیٹا کو پیسٹ کرنا جیسا کہ ہے: گاہک کا نام، رقم اور رابطہ کی معلومات بغیر گمنامی کے کسی بھی کھلے ٹول میں داخل نہیں ہونا چاہیے۔
- AI کو وابستگی سونپنا: ٹیم کی تصدیق کے بغیر ترسیل کی تاریخ اور بجٹ کا ارتکاب نہیں کیا جانا چاہیے۔
- اسے ایک ہی پرامپٹ کے ساتھ ختم کرنے کی کوشش کرنا: اچھے نتائج سٹرکچرڈ پرامپٹس سے آتے ہیں جن میں رول-سیاق و سباق-ڈیٹا-باؤنڈری-فارمیٹ شامل ہوتا ہے۔
ٹپ: ہر AI سیشن کا آغاز یہ پوچھ کر کریں، "اس ڈیلیور ایبل کو اسپانسر کو پیش کرنے سے پہلے مجھے اپنے لیے کن تین چیزوں کی تصدیق کرنی چاہیے؟" سوال سے شروع کریں۔ یہ عادت باقی ماڈیول کے تمام کاموں میں آپ کی حفاظت کرے گی۔
خلاصہ میں
مصنوعی ذہانت پراجیکٹ مینجمنٹ میں ایک طاقتور معاون ہے جو رپورٹوں، منصوبوں، تخمینوں اور مواصلات کو تیز کرتی ہے۔ تاہم، یہ ایک ایسا آلہ ہے جو ڈرافٹ تیار کرتا ہے، وعدے نہیں۔ جب ہم کاروبار کو آپریشنل، ٹیکٹیکل اور اسٹریٹجک پرتوں میں تقسیم کرتے ہیں، تو خطرہ بڑھنے کے ساتھ ہی AI کا کردار چھوٹا ہو جاتا ہے۔ ہر آؤٹ پٹ کو تین مراحل (ذریعہ سے لنک، دوبارہ حساب، انتظامی فلٹر) کے ذریعے توثیق کرنا ضروری ہے؛ KVKK/NDA کے دائرہ کار میں پروجیکٹ اور کسٹمر ڈیٹا کا گمنام ہونا ضروری ہے۔ اہم فیصلوں کی ذمہ داری اور حتمی منظوری ہمیشہ انسان پر عائد ہوتی ہے۔
درخواست کا کام
اپنے موجودہ پروجیکٹ سے ایک کام کا انتخاب کریں۔ سب سے پہلے، AI کو جان بوجھ کر "کمزور" پرامپٹ لکھیں (بغیر سیاق و سباق کے، کوئی ڈیٹا دیے بغیر) اور آؤٹ پٹ کو محفوظ کریں۔ پھر اسی کام کو اس یونٹ میں "مضبوط پرامپٹ" ڈھانچے کے ساتھ دوبارہ پوچھیں (کردار، سیاق و سباق، گمنام ڈیٹا، باؤنڈری، فارمیٹ)۔ دونوں پرنٹ آؤٹس کو ساتھ ساتھ رکھیں اور فرق لکھیں اور کم از کم تین پوائنٹس جو آپ کو دونوں پرنٹ آؤٹس میں خود تصدیق کرنے کی ضرورت ہے۔
چیک لسٹ
- میں نے AI کے کردار کو "اسسٹنٹ/ڈرافٹ" اور فیصلے کو "انسانی" کے طور پر رکھا۔
- میں نے اپنے کام کے خطرے کی سطح (کم/درمیانی/اعلی) کا تعین کر لیا ہے۔
- میں نے پرامپٹ میں کردار، سیاق و سباق، ڈیٹا، باؤنڈری اور فارمیٹ شامل کیا۔
- میں نے گاہک کا نام، رقم اور شخص کی معلومات کو گمنام کر دیا۔
- میں نے وہ مرحلہ نوٹ کیا ہے جہاں میں آؤٹ پٹ میں ہر نمبر کی آزادانہ طور پر تصدیق کروں گا۔
- [ ] میں نے تصدیق کیے بغیر عزم (تاریخ/بجٹ) پر مشتمل کوئی آؤٹ پٹ شیئر نہیں کیا۔