logo
خانهسرویس BYOقوانین پرداخت WINaTALENTپادکستدرباره ماارتباط با ما

loding sdearcvar

logo
  • خانه
  • سرویس BYO
  • قوانین پرداخت WINaTALENT
  • ۴۰۴ پادکست
  • درباره ما
  • ارتباط با ما

تمامی حقوق محفوظ است.WINaTALENT

آخرین مطالب
چگونه از ChatGPT برای مدیریت پروژه استفاده کنیم؟ راهنمای عملی + پرامپت‌های آماده۱۲ بهمن ۱۴۰۴
کانبان در توسعه نرم‌افزار؛ راهنمای عملی مدیریت Context Switching ۱۲ بهمن ۱۴۰۴
برندسازی فریلنسر در ۲۰۲۶ | چگونه در ۸ مرحله برند شخصی بسازیم۱۱ بهمن ۱۴۰۴
چطور در ۲۰۲۶ شغل طراحی گرافیک پیدا کنیم؟۱۷ دی ۱۴۰۴
چگونه یک توسعه‌دهنده نرم‌افزار فریلنس موفق شویم؟۱۴ دی ۱۴۰۴
دسته‌بندی‌ها
مهارت‌های فریلنسری
بازاریابی و رشد
معرفی سرویس‌های WINaTALENT
چالش فریلنسرها

چگونه از ChatGPT برای مدیریت پروژه استفاده کنیم؟ راهنمای عملی + پرامپت‌های آماده

NNegar Vafaee
•
۱۲ بهمن ۱۴۰۴
چگونه از ChatGPT برای مدیریت پروژه استفاده کنیم؟ راهنمای عملی + پرامپت‌های آماده

چگونه از ChatGPT برای مدیریت پروژه استفاده کنیم


استفاده‌ی مؤثر از ابزارهای هوش مصنوعی مولد مانند ChatGPT می‌تواند به مدیران پروژه کمک کند بهره‌وری محیط کار را به‌طور چشمگیری افزایش دهند. این راهنمای عملی به شما کمک می‌کند با بهترین شیوه‌ها آشنا شوید، کاربردهای واقعی در پروژه‌ها را بررسی کنید و محدودیت‌های این فناوری را بشناسید.
پیش از ورود به جزئیات، لازم است یک نکته مهم روشن شود: ChatGPT قرار نیست جای مدیر پروژه را بگیرد. آنچه در عمل رخ می‌دهد این است که ChatGPT می‌تواند نقش یک «همکار بسیار سریع» را ایفا کند؛ همکاری که پیش‌نویس تولید می‌کند، ساختار می‌دهد، ایده ارائه می‌کند، تلخیص انجام می‌دهد و کارهای تکراری را سبک می‌کند. با این حال، تصمیم نهایی، تشخیص اولویت‌ها، مذاکره با ذی‌نفعان و مسئولیت خروجی همچنان بر عهده شماست.

 

هوش مصنوعی چگونه وارد مدیریت پروژه شد؟


داستان هوش مصنوعی (AI) از سال ۱۹۵۰ آغاز شد؛ زمانی که پیشگام علم کامپیوتر، آلن تورینگ، آزمونی برای سنجش هوش ماشین پیشنهاد داد. این آزمون که بعدها به «آزمون تورینگ» مشهور شد، مسیر تحقیقات هوش مصنوعی را به سمتی هدایت کرد که در آن مرز بین ارتباط انسان و کامپیوتر محو شود. اکنون، هفت دهه بعد، ماشین‌ها از این آزمون عبور کرده‌اند و شاید حتی با سرعت پیشرفت خود، این آزمون را منسوخ کرده باشند. هوش مصنوعی در حال متحول‌کردن همه‌ی صنایع است و مدیریت پروژه نیز از این قاعده مستثنا نیست.
محبوب‌ترین ابزار هوش مصنوعی، ابزاری است که وعده‌ی نتایج تحول‌آفرین برای مدیران پروژه را نیز می‌دهد: ChatGPT. این ابزار نمونه‌ای از هوش مصنوعی مولد (Generative AI یا Gen AI) است؛ یعنی زیرمجموعه‌ای از فناوری‌های AI که می‌توانند محتوا، ایده یا داده‌هایی تولید کنند که هم جدید باشند و هم واقع‌گرایانه. تنها دو ماه پس از عرضه در نوامبر ۲۰۲۲، ChatGPT به ۱۰۰ میلیون کاربر ماهانه رسید و در آن زمان رکورد سریع‌ترین رشد پایگاه کاربری در تاریخ را ثبت کرد.
برای مدیران پروژه، ChatGPT یک دستیار قدرتمند است که می‌تواند پیش‌نویس دستور جلسه‌ها، منشور پروژه، رجیستر ریسک و سایر مستندات پروژه را ایجاد کند. همچنین می‌تواند متن‌ها (حتی PDFها) را خلاصه کند، داده‌ها را تحلیل کند و پیشنهاد ارائه دهد. من معتقدم یادگیری استفاده از Gen AI به یک ضرورت حرفه‌ای تبدیل خواهد شد؛ زیرا حتی در سال ۲۰۱۹ و پیش از همه‌گیر شدن ChatGPT، شرکت Gartner پیش‌بینی کرده بود که هوش مصنوعی تا یک دهه‌ی آینده ۸۰٪ وظایف مدیریت پروژه را حذف می‌کند.


کارایی ChatGPT در مدیریت پروژه کاملاً به نحوه‌ی استفاده از آن بستگی دارد. در این مقاله، بهترین روش‌ها برای نوشتن پرامپت‌های دقیق و شفاف، کاربردهای مشخص، قابلیت‌های در حال ظهور و همچنین خطاها و نگرانی‌های رایج بررسی می‌شوند.

 

ChatGPT دقیقاً در کدام بخش‌های مدیریت پروژه بیشترین ارزش را ایجاد می‌کند؟
برای اینکه استفاده شما از ChatGPT واقعاً حرفه‌ای و هدفمند باشد، بهتر است جایگاه صحیح آن را در جریان کاری خود بشناسید. معمولاً این ابزار در سه نوع کار بیشترین بازده را ایجاد می‌کند:

  • کارهای تکراری و مستندسازی: ساخت پیش‌نویس Charter، صورت‌جلسه، ایمیل‌های رسمی، گزارش وضعیت، Risk Register
  • کارهای تحلیلی سبک: استخراج ریسک‌ها از متن‌ها، دسته‌بندی دغدغه‌ها، پیشنهاد اقدام اصلاحی، خلاصه‌سازی اسناد طولانی
  • کارهای ایده‌پردازی ساختاریافته: تعریف WBS، طراحی Acceptance Criteria، سناریوهای تست، پیام‌های مدیریت تغییر (Change Management)


بنابراین اگر از ChatGPT برای «تصمیم‌گیری نهایی» استفاده شود، ریسک افزایش می‌یابد؛ اما اگر برای «پیش‌نویس + ساختار + سرعت» به کار گرفته شود، دقیقاً در نقطه بهینه قرار می‌گیرد.

 

اصول پرامپت‌نویسی مؤثر


پرامپت‌نویسی مؤثر برای تعامل با ابزارهایی مانند ChatGPT کاملاً حیاتی است و به‌ویژه در پروژه‌های واقعی، نیازمند رویکردی ساختارمند است. پنج مؤلفه‌ی اصلی پرامپت‌نویسی مؤثر عبارت‌اند از:


۱. مشخص کردن زمینه‌ی حرفه‌ای


جزئیاتی درباره نقش شغلی، صنعت، اهداف پروژه و موارد مشابه ارائه دهید.
مثال:
“As an experienced project manager, I am preparing a project plan for the development and deployment of a community app for volunteers who help with the maintenance and improvement of our local parks.”


۲. ارائه جزئیات پروژه


همیشه تسک‌ها، منابع و سایر جزئیات پروژه را مشخص کنید و ترکیب تیم را توضیح دهید.
مثال:
“We have a team of three developers, a product manager, a tester, and a Scrum master to build this app.”


۳. دقیق بودن


اگر خروجی باید شامل عناصر مشخصی باشد، آن‌ها را شفاف توضیح دهید.
مثال:
“Create a project plan with durations, resources, and risks.”


۴. شفاف‌سازی محدودیت‌ها


محدودیت‌هایی مانند بودجه، زمان‌بندی و منابع در دسترس را مشخص کنید.
مثال:
“Create a project plan with no more than 100 tasks.”


۵. مشخص کردن فرمت خروجی


نسخه فعلی ChatGPT می‌تواند خروجی فرمت‌بندی‌شده مانند جدول تولید کند. افزونه DALL-E 3 اینفوگرافیک می‌سازد و افزونه Data Analyst نمودار و گراف ایجاد می‌کند. دقیقاً مشخص کنید چه فرمتی نیاز دارید.
مثال:
“Create a list of tasks in a tabular format.”

 یک فرمول ساده برای پرامپت‌های حرفه‌ای مدیر پروژه


اگر بخواهم پرامپت‌نویسی مدیر پروژه را به یک قالب ساده تبدیل کنم که معمولاً پاسخ‌گو است، این فرمول است:
Role + Context + Objective + Constraints + Output Format + Quality Bar
مثلاً:
«من مدیر پروژه هستم / پروژه چیست / چه خروجی می‌خواهم / محدودیت‌ها چیست / خروجی در چه قالبی باشد / استاندارد کیفیت چیست»
این فرمول کمک می‌کند خروجی‌ها از حالت کلی‌گویی خارج شوند و به چیزی تبدیل شوند که واقعاً قابل استفاده است.

 

استفاده از Custom Instructions برای مدیران پروژه


ارائه‌ی مداوم زمینه و جزئیات می‌تواند پرامپت‌ها را طولانی و دشوار کند؛ با این حال، یک راه میانبر وجود دارد. در سال ۲۰۲۳، OpenAI قابلیت Custom Instructions را معرفی کرد که به کاربر اجازه می‌دهد ترجیحات و الزامات ثابت را تعریف کند و دیگر لازم نباشد هر بار توضیحات طولانی ارائه دهد. این قابلیت برای استفاده‌ی مداوم از ChatGPT در مدیریت پروژه بسیار مؤثر است. (اگر پرامپت در زمینه‌ای متفاوت استفاده می‌شود، کافی است گفته شود: “ignore custom instructions”.)


پیشنهاد برای محتوای Custom Instructions مدیران پروژه


حداقل مواردی که پیشنهاد می‌کنم مدیران پروژه در Custom Instructions وارد کنند:


شما چه کسی هستید:
تجربه حرفه‌ای، نقش شغلی و نوع سازمان‌ها و صنایعی که با آن‌ها کار می‌کنید.


کجا زندگی می‌کنید:
موقعیت جغرافیایی کلی و منطقه زمانی، تا ChatGPT بتواند این اطلاعات را به‌طور خودکار در مستندات پروژه لحاظ کند.


لحن پاسخ‌ها:
من مشخص کردم لحن رسمی اما دوستانه باشد، پاسخ‌ها خنثی و پیشنهادی باشند و اگر جایی نظر شخصی (نه واقعیت) ارائه شد، مشخص شود.


نحوه خطاب قرار گرفتن:
از ChatGPT خواستم از نام من استفاده کند؛ زیرا حرفه‌ای‌تر است.


Custom Instructions به کاربر اجازه می‌دهد اطلاعاتی مانند نقش حرفه‌ای و تجربه را وارد کند و پارامترهای پاسخ را مشخص کند.

 

یک پیشنهاد عملی برای PMها: «چارچوب ثابت سازمان شما»


اگر در سازمان شما قالب‌های مشخصی وجود دارد (برای مثال قالب Status Report یا قالب Project Charter)، بهترین اقدام این است که همان قالب را در Custom Instructions یا یک پیام ثابت نگه دارید و همواره تأکید کنید:
«خروجی را دقیقاً با قالب سازمان ما ارائه بده».
این کار باعث می‌شود خروجی‌ها از همان ابتدا «قابل ارائه» باشند، نه صرفاً یک متن عمومی.

 

نمونه پرامپت‌های ChatGPT برای مدیریت پروژه


نوع اطلاعاتی که ChatGPT می‌تواند تولید کند عملاً بی‌نهایت است، اما در اینجا چند کاربرد مشخص مدیریت پروژه بررسی می‌شود. پیشنهاد می‌کنم پرامپت‌ها را به‌ترتیب کپی کرده و در ChatGPT اجرا کنید. پس از تمرین روی این پروژه‌ی نمونه، می‌توانید پرامپت‌ها را با نیازهای واقعی خود شخصی‌سازی کنید.

 

ایجاد یک پروژه نمونه نرم‌افزاری سازمانی


نقطه‌ی شروع تولید محتوای مدیریت پروژه با ChatGPT معمولاً یکسان است: از آن بخواهید پروژه را بر اساس پارامترهای پایه توصیف کند. در این مثال، مشخص شده که پروژه مربوط به نرم‌افزار بهینه‌سازی زنجیره تأمین برای یک سازمان بزرگ است. بدون پرامپت‌های بعدی، ChatGPT یک توضیح کلی از پروژه تولید می‌کند که ممکن است شامل اهداف، دامنه و جزئیات دیگر باشد. پرامپت‌های بعدی می‌توانند خطاها را اصلاح کنند.


Prompt:
Give me a specific example of a supply chain optimization software project for an enterprise organization.


اطلاعاتی که ChatGPT از همین پرامپت ساده تولید می‌کند می‌تواند surprisingly مفید باشد و حتی مسائلی را نشان دهد که پیش از این مورد توجه قرار نگرفته بود. همچنین برای پروژه‌های واقعی، این مرحله کمک می‌کند جزئیات پروژه در ذهن ChatGPT شفاف شود تا پرامپت‌های بعدی روان‌تر اجرا شوند.

 

انتخاب متدولوژی مناسب پروژه


پس از اینکه ChatGPT یک توصیف کلی از پروژه ارائه داد، از آن بخواهید یک متدولوژی یا فریم‌ورک مدیریت پروژه پیشنهاد دهد. این کار جهت‌دهی لازم را برای تولید خروجی‌های بعدی ایجاد می‌کند. معمولاً ChatGPT دلیل انتخاب را نیز توضیح می‌دهد و نکات اجرایی ارائه می‌کند.


Prompt:
Can you suggest the right project management methodology for this project?


اگر از پیش قصد دارید از متدولوژی خاصی استفاده کنید، می‌توانید از ChatGPT بخواهید تناسب آن با پروژه را ارزیابی کند و مزایا، چالش‌ها و ریسک‌ها را بیان کند.

 

ایجاد پیش‌نویس مستندات پروژه


قدرت واقعی ChatGPT زمانی مشخص می‌شود که از آن بخواهید مستندات مشخصی مانند منشور پروژه، برنامه پروژه، رجیستر ریسک یا رجیستر ذی‌نفعان را ایجاد کند. از آن‌جا که این مستندات معمولاً ساختار استانداردی دارند، ChatGPT در تولید پیش‌نویس عملکرد خوبی دارد.
اگر از ابتدا اطلاعات کافی درباره خود، تیم و پروژه ارائه شده باشد (با رعایت حریم خصوصی)، ChatGPT آن‌ها را در خروجی لحاظ می‌کند.


Prompt:
Please create a detailed project charter for this project.


ChatGPT یک منشور پروژه ساختارمند ایجاد می‌کند و مواردی مانند تحویل‌دادنی‌ها، مایلستون‌ها و ریسک‌ها را پیشنهاد می‌دهد.


Prompt:
Please create a risk register for this project.


رجیستر ریسک شامل امتیاز ریسک، راهکارهای کاهش و مسئول هر ریسک است.


Prompt:
Please create a project plan with 50 detailed tasks, resources, duration, risks, and dependencies. The project will start on January 1, 2024, and we have a team of four developers, one tester, and one business analyst/product owner. Please provide the response in a tabular form.


این برنامه پروژه قابل وارد کردن به اکسل یا Microsoft Project است. ترتیب تسک‌ها ممکن است ایده‌آل نباشد، اما زمان‌بندی و ریسک‌ها بسیار ارزشمند هستند.


Prompt:
Please create a stakeholder register for this project.

چگونه خروجی‌های ChatGPT را «واقعاً قابل استفاده» کنیم؟


یک اشتباه رایج این است که خروجی ChatGPT همان‌طور خام وارد پروژه شود. بهتر است یک مرحله‌ی میانی در نظر گرفته شود:

  • خروجی را به نسخه ۱ (Draft v1) تبدیل کنید.
  • سپس با دو سؤال آن را اصلاح کنید:
  • «کدام بخش‌ها مبهم است یا نیاز به داده واقعی دارد؟»
  • «کدام بخش‌ها با فرآیند سازمان ما هم‌خوانی ندارد؟»


و یک پرامپت اصلاحی نیز داشته باشید:


Prompt (Refine):
Revise the output to match a real enterprise environment. Add assumptions explicitly, flag items that require validation, and align the structure with standard PM documentation.


این کار باعث می‌شود خروجی از حالت «متن خوب» به «سند قابل اجرا» تبدیل شود.

 

روش‌های اشتراک‌گذاری و یکپارچه‌سازی خروجی‌ها


چند راه مختلف برای به‌اشتراک‌گذاری خروجی‌هایی که ChatGPT تولید می‌کند و وارد کردن آن‌ها به فرآیندهای فعلی سازمان وجود دارد.
یکی از راه‌ها این است که از منوی Settings وارد بخش Data Controls شوید و گزینه Export Data را انتخاب کنید تا داده‌ها خروجی گرفته شوند.
راه دوم این است که لینک چت را مستقیماً به اشتراک بگذارید. در گوشه‌ی بالا سمت راست صفحه چت، روی Share کلیک کنید و با Copy Link لینک را در یک مرورگر جدید باز کنید.

 

کاربردها و قابلیت‌های پیشرفته ChatGPT


خروجی‌های پیشرفته‌تر مدیریت پروژه با استفاده از GPT-4 امکان‌پذیر است؛ مدلی که در حال حاضر فقط با پلن‌های پولی در دسترس است. من توصیه می‌کنم همه‌ی مدیران پروژه از نسخه‌های پریمیوم استفاده کنند، زیرا این نسخه‌ها افزونه‌های متعددی دارند؛ از جمله دسترسی به اینترنت به‌صورت لحظه‌ای و توانایی پردازش و تولید تصویر، متن و فایل‌های صوتی. همچنین پلاگین‌هایی ارائه می‌دهد که کمک می‌کنند خروجی ChatGPT با ابزارها و فرآیندهای فعلی سازمان یکپارچه شود.
علاوه بر تولید مستندات از طریق پرامپت متنی، مدیران پروژه می‌توانند فایل‌هایی مانند PDF، اکسل، اسلاید، فایل صوتی یا ویدیویی را یا با drag کردن داخل چت یا از طریق مرورگر فایل (آیکن @ در پرامپت) آپلود کنند. ChatGPT می‌تواند این اسناد را تحلیل کند و بر اساس داده‌های آن‌ها محتوای جدید یا بینش تولید کند.

 

تهیه خلاصه جلسات برای تماس‌های ویدیویی


یکی از کاربردهای بسیار زمان‌بر که ChatGPT در آن واقعاً عملکرد خوبی دارد، تهیه خلاصه جلسات ویدیویی یا مکالمات ضبط‌شده است. GPT-4 می‌تواند فایل ویدیو را پردازش کند، اما تجربه من نشان داده است که اگر متن پیاده‌سازی‌شده‌ی جلسه (transcript) وارد شود، خلاصه دقیق‌تر و با خطای سیستمی کمتر تولید خواهد شد.
Zoom و بسیاری از ابزارهای تماس ویدیویی امکان تولید transcript دارند، اما ممکن است مدیران پروژه بخواهند از ابزارهای پیشرفته‌تر پیاده‌سازی صدا استفاده کنند.
پس از آماده شدن transcript، کافی است فایل را آپلود کنید یا متن را مستقیماً داخل پرامپت قرار دهید و از ChatGPT بخواهید خلاصه جلسه را تولید کند.
هرچند این خلاصه‌ها نیز باید بررسی شوند، اما کیفیت خروجی واقعاً چشم‌گیر است؛ به‌ویژه با توجه به سرعت تولید. نسخه‌های بعدی ChatGPT قرار است قابلیت‌های قوی‌تری در پردازش ویدیو داشته باشند.

 

پرامپت‌های آماده برای خروجی جلسه


برای اینکه خلاصه جلسات همواره «قابل ارسال» باشد، این سه خروجی را هم‌زمان درخواست کنید:


Prompt:
Summarize this meeting transcript into:
Key decisions, 2) Action items (owner + due date), 3) Risks & blockers, 4) Open questions, 5) Next meeting agenda.
Use a clear and concise format.


این مدل خروجی دقیقاً همان چیزی است که یک PM واقعاً به آن نیاز دارد.

 

تحلیل فایل‌های اکسل


مدیران پروژه می‌توانند فایل‌های اکسل را داخل GPT-4 آپلود کنند و از آن بخواهند نمودار و گراف بسازد. نسخه‌های فعلی هنوز قادر به تولید نمودار گانت یا گزارش‌های تخصصی Waterfall و Agile نیستند، اما به‌احتمال زیاد این محدودیت در آینده نزدیک برطرف می‌شود.
گاهی برای نمایش صحیح داده‌ها، نیاز به پرامپت دقیق‌تر است؛ مانند مشخص کردن اندازه فونت، جهت نوشته‌ها یا استفاده از خطوط و فلش‌ها. حتی می‌توانید رنگ‌ها را با کدهای hex یا RGB مشخص کنید. من معمولاً این کدها را از گایدلاین برندینگ شرکت‌ها کپی می‌کنم.
Prompt:
Create a pie chart of open issues by department using the associated colors #204ECF, #03CC83, #262D3D, #FFFFFF.

 

بهترین استفاده PMها از اکسل داخل ChatGPT


به‌جای اینکه صرفاً «نمودار» درخواست شود، می‌توان از ChatGPT خواست از دل داده‌ها «بینش مدیریتی» نیز استخراج کند:

  • کدام تیم بیشترین backlog را دارد؟
  • روند افزایش ریسک‌ها در دو هفته اخیر چگونه بوده است؟
  • ۳ علت اصلی تأخیر بر اساس داده‌ها چیست؟
  • پیشنهاد اقدام اصلاحی چیست؟


Prompt:
Analyze this spreadsheet and tell me: top 5 drivers of delays, patterns by team, and 3 actionable recommendations with expected impact.

 

استفاده از پلاگین‌های ChatGPT برای ساخت اسلاید و موارد بیشتر


مزایای استفاده از ChatGPT در مدیریت پروژه با پلاگین‌ها چند برابر می‌شود. پلاگین‌ها راه‌حل مناسبی برای اتصال قابلیت‌های Gen AI به سیستم‌ها و فرآیندهای موجود سازمان هستند.
برای مثال، Zapier یک پلاگین قدرتمند ارائه داده است که اجازه می‌دهد ChatGPT به اپلیکیشن‌هایی مانند ابزارهای Google Workspace متصل شود.
یکی از کاربردهای بسیار زمان‌بر که با این اتصال ساده می‌شود، ساخت Google Slides است. با استفاده از Zapier (یا پلاگین‌های مشابه)، می‌توانید توضیح پروژه را به‌صورت متن یا PDF آپلود کنید و سپس از ChatGPT بخواهید آن را خلاصه کند و به اسلاید تبدیل کند. حتی می‌توانید مشخص کنید اسلایدها بولت‌پوینت باشند یا قالب متنی خاصی داشته باشند. کیفیت اسلایدهای تولیدشده در ماه‌های اخیر بسیار بهتر شده است.
پلاگین‌هایی برای ابزارهای مدیریت پروژه مانند Jira نیز وجود دارد. این پلاگین‌ها امکان اضافه کردن مستقیم User Storyهای تولیدشده توسط ChatGPT را داخل Jira فراهم می‌کنند. ChatGPT می‌تواند Storyهایی با Acceptance Criteria و Epic تولید کند و کاربر می‌تواند مشخص کند این Storyها به کدام پروژه Jira اضافه شوند.
با این حال، همواره باید نسبت به حریم خصوصی و امنیت داده‌ها حساس بود و شرایط استفاده پلاگین‌ها را بررسی کرد.

 

استفاده از Custom GPTs


در اواخر ۲۰۲۳، OpenAI امکان ساخت نسخه‌های سفارشی ChatGPT را فراهم کرد. این نسخه‌ها که GPT نام دارند، با اتصال به داده‌ها و سرویس‌های خارجی قابلیت‌های ChatGPT را گسترش می‌دهند.
اوایل ۲۰۲۴ نیز GPT Store معرفی شد که کاربران می‌توانند GPTهایی را که توسط توسعه‌دهندگان دیگر ساخته شده‌اند دانلود کنند. تا زمان راه‌اندازی رسمی این فروشگاه، بیش از ۳ میلیون GPT توسط کاربران ساخته شده بود که نشان‌دهنده محبوبیت بالای این قابلیت است.
GPTهای تخصصی برای مدیریت پروژه آینده‌ی بسیار روشنی دارند. به‌طور خاص، مؤسسه مدیریت پروژه (PMI) ابزاری به نام PMI Infinity معرفی کرده است که به‌عنوان یک موتور جستجوی جامع روی کل بدنه دانشی PMI عمل می‌کند.
مدیران پروژه می‌توانند GPT اختصاصی خود را نیز بدون کدنویسی بسازند؛ صرفاً با وارد کردن دستورالعمل‌های سفارشی و داده‌های مشخص. این GPTها می‌توانند با Zapier یکپارچه شوند و کارهایی مانند اضافه کردن Story به Jira یا ارسال ایمیل را خودکار کنند. این اتصال‌ها با عنوان Actions شناخته می‌شوند.
اگر GPT عمومی ساخته می‌شود، لازم است اطلاعات پروفایل عمومی (مانند وب‌سایت) در تنظیمات وارد شود تا امکان ارتباط با کاربران فراهم باشد.

 

چالش‌ها و ریسک‌های هوش مصنوعی


با وجود تمام مزایا، مدیران پروژه باید نسبت به ریسک‌های AI آگاه باشند. بسیاری از این مشکلات ریشه در نحوه آموزش مدل‌های هوش مصنوعی دارند و به همین دلیل، بررسی خروجی‌ها کاملاً ضروری است. به‌عنوان یک قاعده کلی، همه‌ی خروجی‌های ChatGPT باید به‌عنوان پیش‌نویس در نظر گرفته شوند و حتماً fact-check شوند.
مدل‌های AI ممکن است خروجی‌های نامرتبط، خارج از موضوع یا ناهماهنگ با هدف تولید کنند. همچنین ممکن است به‌دلیل داده‌های آموزشی، نتایج biased یا تبعیض‌آمیز ارائه دهند یا اطلاعات نادرست و بی‌معنی تولید کنند که به آن‌ها hallucination گفته می‌شود.
نمونه معروف آن در سال ۲۰۲۳ رخ داد؛ جایی که یک وکیل در نیویورک از ChatGPT برای تحقیق حقوقی استفاده کرد و اسنادی را ارائه داد که به پرونده‌های قضایی کاملاً ساختگی استناد می‌کرد.
عملکرد مدل‌های AI همچنین ممکن است در طول زمان تغییر کند و از اهداف اولیه فاصله بگیرد؛ پدیده‌ای که به آن AI drift گفته می‌شود و می‌تواند ناشی از تغییر داده‌ها، شرایط واقعی یا تجمع سوگیری‌ها باشد.

 

چک‌لیست امن‌سازی استفاده از ChatGPT در پروژه‌ها


برای اینکه هم از مزایا استفاده شود و هم ریسک کنترل گردد، این چند قاعده کاربردی پیشنهاد می‌شود:

  • اطلاعات محرمانه (قرارداد، قیمت‌ها، داده‌های مشتری، نام‌ها) را به‌صورت خام داخل چت وارد نکنید.
  • به‌جای داده واقعی، از نمونه‌سازی (Mock) یا ناشناس‌سازی استفاده کنید.
  • خروجی‌های حساس (حقوقی، مالی، برنامه زمان‌بندی رسمی) را همواره با یک فرد دوم بازبینی کنید.
  • هرجا ChatGPT عدد یا ادعای قطعی ارائه داد، از آن بخواهید فرضیات را جدا کند و موارد قابل‌راستی‌آزمایی را فهرست کند.

 

حریم خصوصی، شفافیت و مسائل حقوقی


مدیران پروژه باید به‌شدت مراقب مسائل امنیت و حریم خصوصی باشند، به‌ویژه زمانی که با داده‌های شخصی یا محرمانه سروکار دارند. مطالعه دقیق سیاست‌های حفظ داده و تطابق ابزارها با قوانین حفاظت از داده کاملاً ضروری است. در برخی صنایع مانند سلامت، تنها راه‌حل قابل قبول، استفاده از مدل‌های AI خصوصی است که داده‌ها در داخل سازمان باقی می‌مانند.
مدل‌های AI شفافیت کمی دارند و توضیح منطق تصمیم‌گیری آن‌ها دشوار است؛ موضوعی که مسئولیت‌پذیری را با چالش مواجه می‌کند. همچنین ممکن است AI محتوایی تولید کند که شباهت زیادی به آثار دارای کپی‌رایت داشته باشد. در دسامبر ۲۰۲۳، روزنامه New York Times از OpenAI و Microsoft به‌دلیل استفاده از داده‌هایش برای آموزش مدل‌ها شکایت کرد. انتظار می‌رود در سال‌های آینده قوانین جدیدی درباره کپی‌رایت، حریم خصوصی، اخلاق Gen AI و مسئولیت‌پذیری وضع شود.

 

حرکت رو به جلو با Gen AI


ChatGPT و سایر ابزارهای Gen AI می‌توانند مدیران پروژه را در انجام کارهای روزمره بسیار کارآمدتر کنند. این ابزارها به‌سرعت در حال پیشرفت هستند و نسخه‌های تخصصی برای صنایع مختلف در راه است. من شخصاً مشتاقم ببینم Microsoft و Jira چگونه از AI برای قدرتمندتر کردن مدیریت پروژه استفاده خواهند کرد.
همان‌طور که تحول دیجیتال و Agile صنعت را تغییر دادند، تحول AI نیز قطعاً مدیریت پروژه را متحول می‌کند. مدیران پروژه باید یاد بگیرند چگونه پروژه‌های AI را مدیریت کنند و این ابزارها را وارد جریان کاری فعلی کنند. شرکت در دوره‌های آموزشی مرتبط با AI توصیه می‌شود؛ برای مثال PMI دوره‌ای با عنوان Generative AI Overview for Project Managers ارائه می‌دهد.
در نهایت، پیشنهاد می‌شود علاوه بر ChatGPT، ابزارهایی مانند Gemini، Bind و Claude نیز بررسی شوند، قابلیت‌های آن‌ها سنجیده شود و راه‌هایی برای ترکیب خروجی AI با فرآیندها و ابزارهای سازمان پیدا شود؛ در حالی که همواره محدودیت‌ها و ریسک‌ها مدنظر قرار دارد. بدون شک، تسلط بر Gen AI در بلندمدت ارزش قابل توجهی برای تیم‌ها و پروژه‌ها ایجاد خواهد کرد.

 

سؤالات متداول


آیا می‌توان به خروجی‌های ChatGPT برای مدیریت پروژه اعتماد کرد؟
بهتر است خروجی‌ها به‌عنوان «پیش‌نویس سریع» در نظر گرفته شوند، نه منبع قطعی. برای اسناد رسمی و تصمیم‌های حساس، بازبینی و fact-check ضروری است.


بهترین استفاده ChatGPT برای یک PM چیست؟
ساخت پیش‌نویس مستندات پروژه، خلاصه جلسات، استخراج ریسک‌ها و کمک در ساختاردهی برنامه‌ها و ارتباطات.


برای پرامپت‌نویسی دقیق، مهم‌ترین نکته چیست؟
ارائه Context + محدودیت‌ها + فرمت خروجی. هرچه مسئله دقیق‌تر تعریف شود، خروجی به نیاز واقعی نزدیک‌تر خواهد بود.