راهنمای PMBOK ویرایش هشتم را از طریق مجموعهٔ « Inside PMBOK® 8 Series » بشناسید.
این مجموعه، راهنماهایی کاربردی است که استاندارد جهانی و به‌روزشدهٔ مدیریت پروژه را به زبان ساده توضیح می‌دهد. شما می توانید از بخش های زیر بسیار منتفع شوید .
استانداردها: با چارچوب‌های حاکم بر ارائه خدمات و نتایجِ بسیار تأثیرگذار آنها ، در بخش «استانداردها و چارچوب‌ها» آشنا شوید.
جعبه‌ابزار: با منابع رایگان، مستندات پروژهٔ خود را ممیزی و ارتقا دهید.
شتاب‌دهنده: اگر آماده‌اید از وضعیت فعلی که بیشتر نقش هماهنگ کننده دارید به نقش راهبر برسید، این بخش برای شماست .
اگر اینجا چیزی یاد گرفتید، بدانید که ما در شرکت سامان ایده ، آموزش‌ها و ابزارهای پیشرفته‌تری هم داریم—برای وقتی که پروژه‌ها پیچیده می‌شوند و به کمک بیشتری نیاز دارید:
نقش مدیر پروژه دیگر فقط سازمان‌دهی نیست. امروز بسیار فراتر از مهارت‌های سنتی ما رفته است. از ما انتظار می‌رود در محیط‌های بسیار پیچیده حرکت کنیم، از فناوری‌های نوظهور بهره بگیریم، و نتایج پروژه‌هایمان را کاملاً با اهداف راهبردی سازمان هم‌راستا کنیم. همهٔ ما فشار «بیشتر با کمتر» را احساس کرده‌ایم. هوش مصنوعی مولد در حال گام برداشتن به سوی مشارکت در حوزهٔ ماست و قابلیت‌های پیشرفتهای ارائه می‌دهد که اگر مسئولانه استفاده شوند، می‌توانند واقعاً نتایج پروژه را بهبود بخشند.
بیایید یک فنجان قهوه بریزیم و دقیقاً بررسی کنیم که آخرین راهنمای PMBOK چگونه پیشنهاد می‌کند این ابزارها را در زندگی حرفه‌ای‌مان ادغام کنیم.
ابهام‌زدایی از فناوری
پیش از ورود به کاربردهای عملی، کمک می‌کند روشن کنیم که واقعاً دربارهٔ چه چیزی صحبت می‌کنیم. اصطلاحات پیرامون هوش مصنوعی می‌تواند به‌سرعت طاقت‌فرسا شود. خوشبختانه، راهنمای PMBOK آن را به چارچوبی بسیار قابل‌دسترس تجزیه می‌کند.
در بالاترین سطح، هوش مصنوعی اصطلاحی گسترده است که سیستم‌هایی را توصیف می‌کند که می‌توانند استدلال کنند، یاد بگیرند و به‌طور خودمختار عمل کنند. این اصطلاح مجموعه‌ای از فناوری‌ها را توصیف می‌کند که رفتار انسانی را در رایانه شبیه‌سازی می‌کنند. این فناوری به ماشین‌ها اجازه می‌دهد وظایفی را انجام دهند که مستقیماً برای آنها برنامه‌ریزی نشده‌اند، با موقعیت‌های کاملاً جدید سازگار شوند و از تجربیات گذشته بیاموزند. زیر آن چتر گسترده، چند لایهٔ مشخص وجود دارد که باید بدانید:
• یادگیری ماشین (ML): زیرشاخه‌ای از هوش مصنوعی است که از داده برای آموزش مدل‌های شبکهٔ عصبی استفاده می‌کند. این مدل‌ها می‌توانند خروجی‌ها را کاملاً بر اساس ورودی‌های قبلی پیش‌بینی کنند.
• یادگیری عمیق (DL): نوع پیشرفته‌تری از یادگیری ماشین است. بر شبکه‌های عصبی چندلایه تکیه می‌کند تا ویژگی‌ها را استخراج و تصمیم‌گیری کند. معمولاً به مجموعه‌داده‌های عظیم و توان محاسباتی قابل‌توجهی نیاز دارد.
• هوش مصنوعی مولد (GenAI): این همان فناوری‌ای است که امروزه بیشتر ما با آن در تعامل هستیم. زیرمجموعه‌ای از یادگیری عمیق است که مدل‌های زبانی بزرگ را به کار می‌گیرد تا سیستم‌هایی بسازد که قادر به تولید دادهٔ جدید هستند. این شامل ایجاد متن، گفتار، صدا، تصویر و ویدئوی جدید می‌شود.
پیشرفتهای اخیر در مدل‌های زبانی بزرگ، این فناوری را مستقیماً به جریان اصلی آورده است. چیزی که زمانی ابزاری بسیار تخصصی بود و فقط در دسترس متخصصان یا شرکت‌های فناوری عظیم قرار داشت، اکنون با کمترین مداخلهٔ دستی قابل دسترسی است. این فناوری چنان فراگیر شده که هر متخصصی برای باقی‌ماندن در بهره‌وری، نیاز دارد درک بهتری از آن کسب کند. هم‌اکنون ابزارهای هوش مصنوعی بسیاری برای استفادهٔ عمومی وجود دارد، هم رایگان و هم پولی. گزینه‌های رایگان معمولاً تعداد سؤالاتی که می‌توانید در بازهٔ زمانی مشخصی ارسال کنید را محدود می‌کنند. اما مهم‌ترین تفاوت بین این سطوح، نحوهٔ برخورد موتور با داده‌های کاربری شماست. نسخه‌های پولی معمولاً به شما اجازه می‌دهند پلتفرم را از استفادهٔ داده‌هایتان برای بازآموزی مدل‌هایش محدود کنید. این ویژگی برای تضمین حریم خصوصی و حفاظت از مالکیت فکری شرکت شما حیاتی است.
سه سطح راهبرد هوش مصنوعی
چگونه این ابزارها را عملاً برای مدیریت بهتر پروژه‌هایمان به کار ببریم؟ راهنمای PMBOK راهبردی درخشان بر اساس طبقه‌بندی وظایف بر حسب پیچیدگی و نیاز به نظارت انسانی پیشنهاد می‌کند. این طبقه‌بندی سه دستهٔ متمایز پذیرش هوش مصنوعی به ما می‌دهد.
۱. خودکارسازی برای کارهای روتین
این سطح برای وظایفی است که پیچیدگی پایین دارند و در خروجی نهایی‌شان مداخلهٔ انسانی بسیار کمی لازم است. دربارهٔ کارهای اداری سنگینی صحبت می‌کنیم که اغلب انرژی ما را تخلیه کرده و باعث خستگی تصمیم‌گیری می‌شوند. نمونه‌های رایج شامل تولید خودکار گزارش، تحلیل اسناد، و خلاصه‌سازی تماس‌های کنفرانسی است. می‌توانید دستورهای استاندارد بسازید و آنها را در پروژه‌ها و تیم‌های مختلف برای رسیدگی به این کارهای تکراری بازاستفاده کنید. با خودکارسازی این فرایندهای روتین، ما به‌عنوان مدیران پروژه می‌توانیم زمان ارزشمندی را آزاد کنیم تا بر فعالیت‌های راهبردی تمرکز کنیم. هوش مصنوعی حتی می‌تواند جلسات را زمان‌بندی کند، مکالمات را رونویسی کند، تصمیمات کلیدی را شناسایی کند و به‌طور خودکار صورت‌جلسهٔ تفصیلی تولید کند.
۲. کمک برای تحلیل
در سطح کمک، ابزارهای هوش مصنوعی بیشتر مانند یک دستیار بسیار توانمند عمل می‌کنند. آنها تحلیل شما را تکمیل می‌کنند و به‌صورت تکراری ایده‌ها را به سمت خروجی مورد انتظار می‌سازند. مثال عالی، ایجاد یک رجیستر ریسک یا ساخت یک برنامهٔ زمان‌بندی با بافرهای مناسب است. هوش مصنوعی می‌تواند تشخیص الگو را برای کمک به ارزیابی ریسک‌های زمان‌بندی و پیشنهاد راه‌حل برای تعارضات بالقوهٔ زمان‌بندی به کار گیرد. همچنین می‌تواند برنامه‌های پروژه را به‌صورت پویا با در نظر گرفتن وابستگی‌ها و دسترس‌پذیری منابع بهینه کند. اما نکتهٔ ظریف اینجاست. نمی‌توانیم کورکورانه به ماشین اعتماد کنیم. قاعدهٔ طلایی کمک هوش مصنوعی: نتیجهٔ این تکرارهای اولیهٔ هوش مصنوعی هرگز نباید بدون تحلیل بیشتر کامل در نظر گرفته شود. یک متخصص انسانی پروژه باید نتایج را به‌طور کامل بررسی کند تا از صحت و آمادگی آنها برای استفاده اطمینان حاصل کند.
۳. غنی سازی توان مدیریت استراتژیک پروژه ، در وجود شما
این بالاترین سطح تعامل است. افزودن، ارتقای واقعی قابلیت‌های موجود شما و کاوش در قابلیت‌های کاملاً جدید است. این سطح بر وظایف راهبردی و پیچیده تمرکز دارد. در این سطح، باید از ابزار به‌عنوان یک شریک طوفان فکری اختصاصی استفاده کنید. ایده‌ها را تبادل می‌کنید و نتایج را از طریق تکرارهای متعدد پالایش می‌کنید. برای نمونه، هوش مصنوعی می‌تواند داده‌های تاریخی پروژه، روندهای بازار و اولویت‌های سازمانی را تحلیل کند تا به رهبران کمک کند اولویت‌بندی کنند کدام پروژه‌ها را پیش ببرند. می‌تواند عناصری مانند بازگشت سرمایهٔ بالقوه، دسترس‌پذیری منابع و سطوح ریسک را بسنجد تا بهترین مسیر را توصیه کند. کاربرد جذاب دیگر افزودن، تحلیل احساسات ذی‌نفعان است. ابزارهای هوش مصنوعی می‌توانند داده‌های ارتباطی مانند ایمیل‌ها، یادداشت‌های جلسه و رسانه‌های اجتماعی را تحلیل کنند تا تعیین کنند ذی‌نفعان واقعاً چه احساسی دارند. با درک ایمن و اخلاقی این احساسات، می‌توانید مسائل را به‌صورت پیش‌دستانه حل کنید و مشارکت کلی را بهبود دهید. هوش مصنوعی حتی می‌تواند ترجیحات ذی‌نفعان را بررسی کند تا راهبردهای ارتباطی شما را متناسب‌سازی کند و مؤثرترین کانال‌ها و تناوب‌ها را برای هر فرد تعیین کند.
عنصر انسانی: اخلاق و مسئولیت
در حالی که هوش مصنوعی پتانسیل افزایش بهره‌وری نیروی کار ما و ایجاد فرصت‌های جدید شگفت‌انگیز را دارد، یک راه‌حل جادویی نیست. استفاده از هوش مصنوعی مزایای مرتبط و ریسک‌های واقعی را با هم می‌آورد که باید بسیار دقیق آنها را در نظر بگیریم. در نهایت، این ما انسان‌ها هستیم که باید این ریسک‌ها را در نظر بگیریم و تصمیمات مناسب دربارهٔ نحوهٔ استفاده از این فناوری اتخاذ کنیم. راهنمای PMBOK چند عامل اخلاقی حیاتی را برجسته می‌کند که باید در ذهن داشته باشیم:
• سوگیری: سیستم‌های هوش مصنوعی می‌توانند به‌راحتی سوگیرانه شوند اگر با داده‌های سوگیرانه آموزش دیده باشند یا اگر الگوریتم‌های زیربنایی خودشان سوگیری ایجاد کنند. می‌توانیم این ریسک را با آزمایش دوره‌ای سیستم‌ها با تمرکز خاص بر سوگیری و با تضمین تنوع گستردهٔ مجموعه‌داده‌هایمان کاهش دهیم.
• حریم خصوصی : این سیستم‌ها بر مجموعه‌داده‌های عظیمی تکیه می‌کنند که اغلب حاوی اطلاعات حساس تحت قوانین حریم خصوصی هستند. ریسک بسیار واقعی وجود دارد که داده‌ها به‌گونه‌ای استفاده شوند که استانداردهای اخلاقی را نقض کند. باید داده‌هایمان را به‌درستی ایمن کنیم و اطمینان حاصل کنیم که با سیاست‌های حریم خصوصی شفاف جمع‌آوری می‌شوند.
• پاسخ‌گویی : در حالی که هوش مصنوعی ممکن است تصمیمات را توصیه کند، یک انسان باید همیشه برای هر تصمیم واحد گرفته‌شده در پروژه پاسخ‌گو باشد. این پاسخ‌گویی باید از همان ابتدا به‌وضوح تعریف شود.
• قابلیت اطمینان و ایمنی : اطلاعات به‌دست‌آمده از هوش مصنوعی باید همیشه بررسی و اعتبارسنجی شود. ممکن است نادرست، سوگیرانه یا کاملاً بی‌ربط به بافت خاص شما باشد. علاوه بر این، سیستم باید به‌درستی پایش شود تا از سطح ایمنی حداکثری مورد نیاز اطمینان حاصل گردد.
• شفافیت و حق تکثیر : باید با کاربران نهایی خود دربارهٔ نحوهٔ مدیریت داده‌ها و نحوهٔ تأثیر الگوریتم‌ها بر تصمیم‌گیری شفاف باشیم. همچنین باید از مقررات مربوط به حق تکثیر آگاه باشیم. معضلاتی می‌تواند در مورد اینکه واقعاً چه کسی مالک حقوق اطلاعات تولیدشده توسط هوش مصنوعی است، به وجود آید.
• پایداری : این عاملی است که بسیاری نادیده می‌گیرند. هر درخواستی که به موتور هوش مصنوعی ارسال می‌کنید، برق، آب و سایر منابع فیزیکی مصرف می‌کند. باید این هزینهٔ زیست‌محیطی را هنگام تصمیم‌گیری برای استفاده از هوش مصنوعی در وظایف خاص در نظر بگیریم.
رهنمودهای اخلاقی سازمان شما باید پایه‌ای محکم برای ایجاد درک مشترک از نحوهٔ استفادهٔ تیم‌تان از هوش مصنوعی باشد. ما به‌عنوان متخصص، باید فرهنگ سالمی از آگاهی و استفادهٔ اخلاقی را پرورش دهیم و مسئولیت‌پذیری را در تیم‌هایمان برای اتخاذ تصمیمات درست افزایش دهیم. این یک مرز کاملاً جدید برای مدیریت پروژه است. هوش مصنوعی در حال ایجاد تغییری اساسی در بیشتر حرفه‌هاست. وعده می‌دهد کار روزمرهٔ ما را از وظایف تکراری و پیش‌پاافتاده به سمت حل مسائل خلاقانهٔ سطح بالاتر و عمیق‌تر سوق دهد.
مشتاقم نظرات شما را بشنوم. آیا در حال حاضر از هوش مصنوعی برای کمک به مدیریت جریان کارتان استفاده می‌کنید؟
کدام یک از سه راهبرد خودکارسازی، کمک، یا غنی سازی توان راهبردی را ، بیشتر مورد استفاده قرار می‌دهید؟ بیایید گفتگویی را شروع کنیم.
محمدعلی مجیدیان
مدیرعامل شرکت سامان ایده
برای دریافت خدمات تحصصی مدیریت پروژه با ما تماس بگیرید .
سامان ایده محل تلاقی دانش و تجربه