آزمایشگاه هوش مصنوعی
مدیریت پروژه
راهکار هوشمند پروژه‌تان را بسازید؛ ارزشش را بسنجید، در بحران بیازمایید و با شواهد از تصمیم‌تان دفاع کنید. یاد بگیرید کجا از AI کمک بگیرید و کجا قضاوت انسانی را حفظ کنید.
پروژه را با همکاری انسان و هوش مصنوعی بازطراحی کنید.
از شناخت فرصت‌های AI تا ساخت راهکاری که بتوانید عملکردش را بسنجید و برای محیط کار خود توسعه دهید.
در این آزمایشگاه، شیوه انجام کار در پروژه را بازطراحی می‌کنید؛ از شناخت نیاز و انتخاب کاربرد مناسب تا طراحی همکاری میان افراد، هوش مصنوعی و ابزارهای سازمان. تمرکز دوره بر تبدیل یک مسئله مشخص به راهکاری کاربردی و قابل بررسی است.
یاد می‌گیرید برای هر کار، میان محاسبات قطعی، کمک‌گرفتن از AI، خودکارسازی و استفاده از ایجنت انتخاب کنید؛ با توجه به کیفیت داده، حساسیت تصمیم و مسئولیت افراد.
ارزش، تاب‌آوری و تصمیم قابل دفاع
آزمون ارزش
زمان، کیفیت و بازکاری را با روش اولیه مقایسه می‌کنید و هزینه اجرا را در نظر می‌گیرید.
آزمون تاب‌آوری
راهکار را با داده ناقص، قطع ابزار و تغییر شرایط می‌آزمایید؛ مسیر توقف و بازیابی باید روشن باشد.
آزمون دفاع از تصمیم
شواهد، فرض‌ها، محدودیت‌ها و مسئول تأیید هر پیشنهاد را مشخص می‌کنید.
شفافیت، اختیار محدود و مشروطِ ایجنت و ارجاع به انسان، اصول طراحی و ارزیابی راهکار در این دوره‌اند.
برای کسانی که می‌خواهند در کار پروژه تغییر ایجاد کنند
مدیران پروژه و برنامه، کارشناسان برنامه‌ریزی و کنترل پروژه، اعضای PMO، رهبران تیم و مسئولان تحول؛ همچنین متخصصان داده و فناوری که می‌خواهند توانمندی فنی را به مسئله و ارزش کسب‌وکار پیوند دهند.
آشنایی پایه با مدیریت پروژه و اکسل کافی است؛ تمرین‌های اصلی بدون الزام به کدنویسی طراحی شده‌اند.
از گزارش وضعیت تا تصمیم قابل دفاع
یک نمونه نمایشی از تمرین دوره؛ تمام داده‌ها ساختگی‌اند. این مثال، خروجی دانشجویان یا نتیجه اجرای واقعی در سازمان نیست.
گزارش سبز؛ یک وابستگی حل‌نشده
گزارش هفتگی: وضعیت سبز. سه کار آماده آزمون‌اند، اما تأیید اتصال از تأمین‌کننده نرسیده و موعد تحویل پنج روز دیگر است.
منابع نمونه: گزارش وضعیت، تابلوی کار و فهرست وابستگی‌ها
ریسک را برای بررسی مطرح کنید
«وضعیت تحویل نیازمند بازبینی است. تأیید اتصال را پیگیری کنید و امکان آزمون مستقل کارهای آماده را بررسی کنید.»
پیشنهاد اولیه؛ بدون تغییر خودکار برنامه یا ارسال پیام
چرا این پیشنهاد مطرح شده؟
وابستگی باز، کارهای منتظر آزمون و نزدیک‌بودن موعد، مبنای پیشنهادند. زمان پاسخ تأمین‌کننده و امکان آزمون مستقل هنوز معلوم نیست؛ تاریخ تأخیر قابل اتکایی نداریم.
ردیابی به ورودی‌ها؛ این مثال، پیش‌بینی آماری یا توضیح یک مدل پیش‌بینی نیست.
تأیید مشروط؛ اقدام با مسئول مشخص
مدیر، پیگیری تأمین‌کننده را تأیید می‌کند؛ مسئول فنی باید امکان آزمون مستقل را بررسی کند. تغییر موعد یا تعهد به مشتری تا دریافت شواهد جدید تأیید نمی‌شود.
ثبت تصمیم، مسئول اقدام و بازبینی در روز کاری بعد
زمان تهیه گزارش، کامل‌بودن شواهد و میزان بازکاری با روش اولیه مقایسه می‌شود. در این نمونه هیچ درصد بهبود یا صرفه‌جویی اندازه‌گیری‌شده‌ای ادعا نمی‌کنیم.
پیش از شروع،
از زبان مدرس بشنوید.
دکتر علی فروزش درباره هدف آزمایشگاه، شیوه یادگیری و تجربه‌ای که در این مسیر خواهید داشت صحبت می‌کند.
پشت این دوره،
تجربه واقعی اجراست.
این آزمایشگاه از تجربه دکتر علی فروزش در طراحی و پیاده‌سازی راهکارهای هوش مصنوعی برای مدیریت پروژه و هماهنگی تیم‌ها در یک شرکت بین‌المللی فین‌تک الهام گرفته است.
رویکردهایی که در محیط حرفه‌ای شکل گرفته‌اند و در کنفرانس‌های بین‌المللی، از جمله PMI Global Summit Series در کیپ‌تاون، ارائه شده‌اند؛ اکنون به تجربه‌ای برای ساخت، آزمایش و تصمیم‌گیری شما تبدیل می‌شوند.
نمونه‌های آموزشی، درس‌های تجربه اجرایی را بدون انتشار اسناد داخلی شرکت‌ها به کارگاه منتقل می‌کنند.
در پایان، چه چیزی می‌سازید؟
نمونه‌کار نهایی شما این هفت جزء را در بر می‌گیرد؛ اجزایی که در طول جلسات ساخته می‌شوند و در یک راهکار متصل کنار هم قرار می‌گیرند.
دستیار دانش پروژه
پرسش‌وپاسخ از اسناد، بازیابی اطلاعات و بررسی ارتباط پاسخ با منبع.
تحلیل و گزارش مدیریتی
تبدیل اطلاعات پراکنده به گزارش وضعیت، تحلیل ریسک و پیشنهاد اقدام.
نمونه عامل هوشمند
اجرای یک مأموریت محدود با انتخاب ابزار و قدم بعدی، قواعد توقف و تأیید انسانی.
بسته پشتیبان تصمیم
مقایسه گزینه‌ها و سناریوها با ثبت فرض‌ها، شواهد و محدودیت‌ها.
چارچوب ارزیابی کیفیت
چک‌لیست سنجش صحت، کامل‌بودن، قابلیت ردیابی و ارزش خروجی.
نقشه راه پایلوت
تعریف دامنه، داده، نقش‌ها و معیار موفقیت برای آزمایش راهکار در سازمان.
گزارش اثبات ارزش
مقایسه مستند روش اولیه و روش جدید از نظر زمان، کیفیت، بازکاری و هزینه؛ همراه با محدودیت‌ها و پیشنهاد پایلوت، برای ارائه به مدیریت و درخواست تأیید اجرای آزمایشی.
۱۰ جلسه؛ از تشخیص فرصت تا ساخت راهکار
۱۰ جلسه چهارساعته روی یک پروژه هیبرید شبیه‌سازی‌شده: بخش نرم‌افزاری با بک‌لاگ و اسپرینت پیش می‌رود و تحویل سازمانی با برنامه، وابستگی‌ها و تأمین‌کننده هماهنگ می‌شود. هر جلسه داده‌ها و اتفاق‌های تازه وارد پروژه می‌شوند. هر جلسه شامل توضیح کوتاه، نمایش عملی مدرس، کارگاه ساخت و بازبینی است. برای مشاهده موضوع، مسئله، فعالیت، معیار ارزیابی، خروجی و ابزارهای هر جلسه، عنوان آن را باز کنید.
01کجا از هوش مصنوعی استفاده کنیم؟
شناسایی فرصت‌ها در چرخه عمر پروژه؛ انتخاب میان انسان، محاسبات قطعی، دستیار، گردش‌کار و ایجنت؛ مقایسه ارزش، امکان اجرا و ریسک.
یک گزارش هفتگی و یک درخواست مبهم دارید؛ کدام کار را به AI بسپارید و کدام را با روش قطعی یا قضاوت انسانی انجام دهید؟
کار منتخب را یک‌بار دستی و یک‌بار با AI انجام می‌دهید؛ زمان، صحت و میزان بازکاری را مقایسه و معیار پذیرش تعریف می‌کنید.
انتخاب فناوری باید با ارزش قابل اندازه‌گیری و ریسک متناسب توجیه شود.
خروجی عملی: نقشه فرصت‌ها، مسئله منتخب و کارت سنجش ارزش AI شامل خط مبنای زمان، کیفیت، بازکاری و هزینه؛ این کارت تا جلسه دهم با شواهد تکمیل می‌شود.
ابزارها در عمل: ChatGPT برای تحلیل مسئله و مقایسه روش انجام کار؛ Google Sheets برای ثبت خط مبنا و معیارهای ارزیابی.
02حافظه و دانش پروژه را بسازید
تمرکز بر دانش و منابع: آماده‌سازی اسناد، بازیابی با ارجاع، تشخیص نسخه‌های متناقض و پاسخ نامطمئن. آزمون این جلسه به صحت پاسخ از اسناد محدود است.
دو نسخه متفاوت از یک سند، پاسخ‌های متفاوتی به یک پرسش می‌دهند. کدام منبع معتبر است؟
منابع پروژه را سازمان‌دهی می‌کنید، دستیار پاسخ‌گو می‌سازید و آن را با پرسش‌های دارای پاسخ، فاقد پاسخ و متناقض آزمایش می‌کنید.
پاسخ باید به منبع قابل بررسی متصل باشد و نبود اطلاعات را آشکار کند.
خروجی عملی: دستیار دانش پروژه و مجموعه سؤال‌های آزمون
ابزارها در عمل: ChatGPT همراه با اسناد Google Drive و Docs برای ساخت و آزمون دستیار دانش پروژه.
03از نیاز مبهم به پروژه قابل اجرا
تحلیل مسئله و ذی‌نفعان، توجیه اقتصادی و منافع؛ مقایسه گزینه‌ها، استخراج الزامات، محدوده، بک‌لاگ اولیه و معیار پذیرش.
حامی پروژه راه‌حل می‌خواهد، اما نیاز و منفعت مورد انتظار هنوز روشن نیست.
از یادداشت ذی‌نفعان، نیازها و فرض‌ها را استخراج می‌کنید؛ گزینه‌ها را مقایسه و منشور، محدوده اولیه و معیار پذیرش را تدوین می‌کنید. در یک تمرین ۲۰ تا ۳۰ دقیقه‌ای، از تعریف پروژه دفاع می‌کنید و مشخص می‌کنید کدام فرض را AI پیشنهاد داده، کدام با شواهد بررسی شده و کدام هنوز نیازمند تأیید است.
الزامات باید قابل ردیابی باشند و فرض‌های تولیدشده توسط AI به‌عنوان واقعیت ثبت نشوند.
خروجی عملی: تعریف مستند پروژه و معیارهای موفقیت
ابزارها در عمل: ChatGPT و Google Docs برای تدوین و نقد تعریف پروژه؛ Google Sheets برای مقایسه گزینه‌ها و فرض‌های اقتصادی.
04برنامه و سناریوها را بیازمایید
بررسی زمان، منابع، هزینه و وابستگی‌ها در برنامه کلان و اسپرینت‌ها؛ ترکیب محاسبات معتبر با تحلیل AI؛ مقایسه سناریوهای جبران تأخیر و بازتنظیم اولویت بک‌لاگ.
موعد تحویل ثابت است، منابع محدودند و یک وابستگی مهم در برنامه دیده نشده است.
داده‌های برنامه، از جمله خروجی آماده Excel یا CSV از Microsoft Project یا Primavera، را بررسی می‌کنید؛ محاسبات را در ابزار مناسب انجام می‌دهید و گزینه‌های تغییر توالی، تخصیص منابع و جبران تأخیر را مقایسه می‌کنید. نصب یا آموزش کار با MSP و Primavera پیش‌نیاز این تمرین نیست.
نتیجه محاسبات، فرض‌ها و پیامد هر گزینه باید قابل بازبینی باشند.
خروجی عملی: برنامه بررسی‌شده و پیشنهاد تصمیم با فرض‌های روشن
ابزارها در عمل: Google Sheets برای محاسبات زمان، منابع و هزینه؛ ChatGPT برای توضیح سناریوها و نقد فرض‌ها.
05وضعیت واقعی پروژه را کشف کنید
تحلیل پیشرفت، هزینه و کیفیت؛ محاسبات قابل بازبینی، تشخیص ناسازگاری گزارش‌ها، پیش‌بینی و هشدار زودهنگام.
گزارش تیم سبز است، اما هزینه و شواهد کیفیت تصویر دیگری نشان می‌دهند.
داده‌های پیشرفت، هزینه و جریان کار اسپرینت‌ها را در یک سناریوی هیبرید با داده‌های شبیه‌سازی‌شده مشابه Jira تطبیق می‌دهید. یک نمونه پیش‌بینی ریسک تأخیر با مدل از پیش آماده و توضیح متصل به همان مدل و داده بررسی می‌کنید؛ عوامل مؤثر، محدودیت‌ها و عدم‌قطعیت را می‌سنجید و تصمیم می‌گیرید پیشنهاد را بپذیرید، رد کنید یا برای بررسی انسانی ارجاع دهید. شرکت‌کننده برای این تمرین نیاز به ساخت مدل یا کدنویسی ندارد.
گزارش باید واقعیت، پیش‌بینی و تفسیر را جدا کند؛ توضیح عوامل مؤثر باید به مدل و داده قابل بررسی متصل باشد. عامل مؤثر در پیش‌بینی لزوماً علت تأخیر نیست و توضیح تولیدشده توسط یک مدل زبانی به‌تنهایی اعتبار پیش‌بینی را اثبات نمی‌کند. پذیرش، رد یا ارجاع پیشنهاد باید مستند باشد.
خروجی عملی: گزارش مدیریتی قابل پرسش و متصل به شواهد
ابزارها در عمل: Google Sheets برای تحلیل عملکرد و کنترل محاسبات؛ ChatGPT برای تهیه و نقد گزارش مدیریتی؛ مدل پیش‌بینی از پیش آماده همراه با خروجی توضیح‌پذیری برای بررسی عوامل مؤثر، بدون الزام به کدنویسی.
06ریسک و تغییر را به تصمیم تبدیل کنید
با استفاده از وضعیت تحلیل‌شده پروژه، اثر ریسک، درخواست تغییر و تأخیر تأمین‌کننده را بررسی می‌کنید؛ گزینه پاسخ و مسیر تصمیم و تأیید را مشخص می‌کنید.
مشتری یک تغییر کوچک می‌خواهد و تأمین‌کننده هم‌زمان از تأخیر خبر می‌دهد.
اثر ترکیبی تغییر و تأخیر را بر زمان، هزینه، کیفیت و تعهدات بررسی می‌کنید؛ گزینه‌ها و مسیر تأیید را در یک گردش‌کار ثبت می‌کنید. الگوی آماده و راهنمای تنظیم n8n پیش از جلسه در اختیار شما قرار می‌گیرد؛ در کارگاه، نمونه سالم را اجرا می‌کنید و سپس قواعد آن را تغییر می‌دهید و یک خطای نمونه را برطرف می‌کنید.
اقدام پیشنهادی باید مستند باشد و تأییدهای لازم پیش از اجرا دریافت شوند.
خروجی عملی: گردش‌کار ارزیابی و تأیید ریسک یا تغییر
ابزارها در عمل: ChatGPT و Google Sheets برای تحلیل اثر ریسک و تغییر؛ n8n برای تمرین گردش‌کار ارزیابی و تأیید.
07افراد و ابزارها را به جریان کار متصل کنید
تبدیل جلسه و پیام به تصمیم و اقدام؛ تعیین مسئول و موعد، انتقال کار میان تیم‌ها و اتصال اسناد، جدول و تابلوی وظایف.
صورت‌جلسه آماده شده، اما مسئول، موعد و پیگیری چند اقدام مشخص نیست.
از یک متن جلسه، اقدامات ساخت‌یافته استخراج می‌کنید؛ موارد مبهم را برای تکمیل برمی‌گردانید و جریان ثبت، تأیید و پیگیری را میان ابزارها متصل می‌کنید. الگوی آماده و راهنمای تنظیم n8n پیش از جلسه ارائه می‌شود؛ پس از اجرای نمونه سالم، اتصال‌ها و قواعد را متناسب با سناریو تغییر می‌دهید و خطای ثبت یا انتقال اقدام را عیب‌یابی می‌کنید.
گردش‌کار باید از ثبت تکراری جلوگیری کند و وضعیت هر اقدام قابل مشاهده باشد.
خروجی عملی: گردش‌کار متصل برای ثبت، ارجاع و پیگیری اقدامات
ابزارها در عمل: n8n برای اتصال Google Docs، Sheets و Trello؛ تبدیل صورت‌جلسه به اقدام و پیگیری وضعیت کارها.
08همکار هوشمند پروژه را بسازید
تعریف هدف، ابزار، حافظه و انتخاب قدم بعدی؛ توسعه اجزای جلسات قبل به ایجنتی با حدود اختیار، قواعد توقف و تأیید انسانی.
پاسخ به یک مانع همیشه مسیر ثابتی ندارد؛ راهکار باید بر اساس وضعیت، اطلاعات و ابزار مناسب را انتخاب کند.
برای یک مأموریت محدود، هدف و ابزارها را تعریف می‌کنید؛ حافظه، قواعد توقف و تأیید انسانی را اضافه می‌کنید. در جدول حدود اختیار، مشخص می‌کنید ایجنت چه کاری را فقط پیشنهاد می‌دهد، چه اقدامی را می‌تواند اجرا کند و کجا باید متوقف شود یا تأیید بگیرد؛ مسئول هر تصمیم، تأیید و رسیدگی به خطا نیز تعیین می‌شود.
ایجنت باید در محدوده اختیار بماند و در نبود شواهد یا دسترسی، توقف یا ارجاع کند.
خروجی عملی: ایجنت کاربردی برای یک مأموریت مشخص پروژه
ابزارها در عمل: n8n برای ساخت ایجنت متصل به مدل هوش مصنوعی، اسناد و تابلوی کار؛ همراه با نقاط تأیید انسانی.
09راهکار را قابل اعتماد و قابل استفاده کنید
تمرکز بر عملکرد کل راهکار: خطای اتصال، قطع ابزار، ورودی گمراه‌کننده، محرمانگی، هزینه اجرا و ثبت اقدامات؛ طراحی نظارت و بررسی آمادگی استفاده در PMO.
یک ابزار قطع می‌شود، سندی دستور گمراه‌کننده دارد و داده‌ای حساس وارد ورودی می‌شود.
مجموعه آزمون می‌سازید، شکست‌ها را ثبت و راهکار را اصلاح می‌کنید؛ کیفیت، هزینه، ثبت اقدامات و امکان استفاده در چند پروژه را بررسی می‌کنید. پس از قطع یک ابزار، مسیر بازیابی و ادامه کار را نیز می‌آزمایید تا اقدام تکراری یا اجرای بدون تأیید ایجاد نشود.
راهکار باید خطا را آشکار کند و برای بازیابی اجرا و نظارت انسانی مسیر مشخص داشته باشد.
خروجی عملی: گزارش ارزیابی، نسخه اصلاح‌شده و معیارهای پایلوت
ابزارها در عمل: سوابق اجرای n8n و جدول آزمون در Google Sheets برای ثبت خطا، کیفیت و هزینه؛ ChatGPT برای کمک به تحلیل نتایج.
10چالش نهایی؛ پروژه در شرایط بحران
ورود تغییرات پیش‌بینی‌نشده؛ اجرای راهکار و دفاع از تصمیم‌ها؛ مقایسه با خط مبنا، تحویل، درس‌آموخته‌ها و سنجش منافع.
تغییر بودجه، تأخیر تأمین‌کننده و اطلاعات جدید هم‌زمان وارد پروژه می‌شوند.
راهکار را روی سناریوی تازه اجرا می‌کنید و در برابر یک هیئت‌مدیره شبیه‌سازی‌شده از تصمیم‌ها و محدودیت‌های آن دفاع می‌کنید. کارت سنجش ارزش جلسه اول را با نتایج نهایی تکمیل و گزارش مقایسه مستند با روش اولیه ارائه می‌کنید. در یک کارگاه ۳۰دقیقه‌ای، مقاومت احتمالی تیم، تغییر نقش‌ها، مالک راهکار و مسئولیت خروجی AI را بررسی و برنامه پذیرش و آموزش کاربران را تدوین می‌کنید.
ارائه نهایی باید شواهد ارزش، محدودیت‌ها و برنامه پایلوت را نشان دهد؛ مالک راهکار، مسئول تأیید خروجی، مسیر رسیدگی به خطا و اقدام‌های پذیرش تیم نیز باید مشخص باشند. نتیجه مستندِ «راهکار هنوز ارزش کافی ندارد» یا «فعلاً نباید پایلوت شود» نیز قابل قبول است؛ کیفیت شواهد و قضاوت مدیریتی ارزیابی می‌شود، نه الزام به نشان‌دادن موفقیت AI.
خروجی عملی: نمایش راهکار یکپارچه، گزارش اثبات ارزش در سناریوی آموزشی و برنامه اجرای آزمایشی در سازمان
ابزارها در عمل: اجرای یکپارچه راهکار با ابزارهای استفاده‌شده در دوره و ارائه نتایج و برنامه پایلوت در Google Docs و Sheets.
دکتر علی فروزش
مشاور مدیریت پروژه، چابکی سازمانی و کاربرد هوش مصنوعی
دارای تجربه اجرایی و مشاوره بین‌المللی و سخنران کنفرانس‌های بین‌المللی
استاد و عضو هیئت علمی دانشگاه لندن
دکتر علی فروزش در نقطه پیوند اجرای پروژه، مشاوره سازمانی و هوش مصنوعی فعالیت می‌کند. تجربه حرفه‌ای او در محیط‌های بین‌المللی، حوزه‌های نرم‌افزار، فناوری اطلاعات، فین‌تک و مخابرات را دربر می‌گیرد؛ از مدیریت پروژه و تحویل چابک تا طراحی و پیاده‌سازی راهکارهای هوشمند برای هماهنگی تیم‌ها و پشتیبانی از تصمیم‌های مدیریتی.
در فعالیت‌های مشاوره‌ای بین‌المللی، تمرکز او بر بهبود جریان تحویل، چابکی سازمانی و تبدیل ظرفیت هوش مصنوعی به نتیجه قابل اندازه‌گیری است. بیش از یک دهه آموزش و منتورینگ مدیران پروژه در مؤسسه افق، تجربه همراهی او با چالش‌های یادگیری و اجرای تغییر در محیط حرفه‌ای را تکمیل می‌کند.
پژوهش‌های او بر این پرسش متمرکز است که چگونه می‌توان پیش‌بینی‌ها و پیشنهادهای هوش مصنوعی را برای مدیران قابل فهم، قابل ارزیابی و قابل اتکا کرد.
پیش از ثبت‌نام
آیا پیش‌نیاز برنامه‌نویسی دارد؟
خیر؛ برای تمرین‌های اصلی از محیط و الگوهای آماده استفاده می‌کنیم. شرکت‌کنندگان فنی می‌توانند در مسیر تکمیلی، راهکار را با Python و API توسعه دهند.
آیا هزینه ابزارهای هوش مصنوعی در شهریه است؟
شهریه اعلام‌شده مربوط به آموزش است. فهرست ابزارها و هرگونه نیاز به اشتراک جداگانه پیش از شروع اعلام خواهد شد.
اگر به ابزارهای خارجی دسترسی نداشته باشم چه کنم؟
مسیر یادگیری به یک برند یا ابزار خاص محدود نیست. با هماهنگی مدرس، از ابزار جایگزینِ در دسترس، داده‌ها و الگوهای آماده یا اجرای محلی و خودمیزبان استفاده می‌کنید. در صورت فراهم‌نبودن اتصال، می‌توان منطق گردش‌کار و ارزیابی خروجی را با ورودی‌ها و پاسخ‌های نمونه تمرین کرد؛ اجرای زنده همه قابلیت‌ها به امکانات ابزار جایگزین وابسته است. پیش از ثبت‌نام، محدودیت دسترسی خود را با افق مطرح کنید تا مسیر مناسب مشخص شود.
آیا می‌توان روی مسئله سازمان خودمان کار کرد؟
بله، با هماهنگی مدرس و استفاده از داده‌های مجاز و بی‌نام‌شده. برای تمرین می‌توان از سناریوها و داده‌های نمونه نیز استفاده کرد.
داده سازمان ما محرمانه است؛ می‌توانیم از آن استفاده کنیم؟
برای دوره عمومی، از داده ساختگی، نمونه یا بی‌نام‌شده استفاده کنید و اطلاعات محرمانه را در کلاس، فایل مشترک یا سرویس عمومی وارد نکنید. برای کار با داده واقعی، مسیر اجرای محلی یا خودمیزبان در زیرساخت مورد تأیید سازمان قابل بررسی است؛ مدل، گردش‌کار، ذخیره‌سازی و اتصال‌ها باید متناسب با سیاست امنیتی سازمان تنظیم شوند. خودمیزبان‌بودن به‌تنهایی تضمین محرمانگی نیست؛ استفاده از داده واقعی به مجوز سازمان، کنترل دسترسی و تأیید تیم فناوری و امنیت نیاز دارد. راه‌اندازی زیرساخت اختصاصی، در صورت نیاز، دامنه و توافق جداگانه خواهد داشت.
آیا جلسات ضبط می‌شوند و تا چه مدت دسترسی داریم؟
بله؛ ویدئوهای جلسات، همراه با الگوها و محتوای آموزشی دوره، تا ۶ ماه در اختیار شرکت‌کنندگان قرار می‌گیرند. مسائل و داده‌های محرمانه سازمانی نباید در بخش‌های ضبط‌شونده مطرح شوند.
ظرفیت کلاس چند نفر است؟
ظرفیت هر نوبت با توجه به امکان بازبینی تمرین‌ها و تعامل با مدرس تعیین می‌شود. تعداد دقیق ظرفیت و وضعیت جای خالی را پیش از ثبت‌نام از مؤسسه افق دریافت کنید.
نسبت این آزمایشگاه با CPMAI چیست؟
تمرکز CPMAI بر مدیریت چرخه عمر پروژه‌ها و ابتکارهای هوش مصنوعی است؛ از تعریف نیاز کسب‌وکار و آماده‌سازی داده تا ارزیابی و عملیاتی‌کردن راهکار AI. تمرکز این آزمایشگاه، به‌کارگیری AI در کار روزانه مدیریت پروژه است؛ مانند تحلیل وضعیت، گزارش‌دهی، پیگیری اقدامات و پشتیبانی تصمیم. این دو مسیر مکمل یکدیگرند. این آزمایشگاه دوره آمادگی آزمون PMI-CPMAI نیست و گواهی آن معادل مدرک PMI-CPMAI محسوب نمی‌شود.
آیا نسخه اختصاصی سازمانی دارید؟
بله؛ می‌توان نسخه اختصاصی را بر اساس مسائل واقعی، ابزارهای موجود، سطح آمادگی و الزامات محرمانگی سازمان طراحی کرد. دامنه آموزش، سناریوها، خروجی پایلوت و نیاز به اجرای خودمیزبان در جلسه نیازسنجی مشخص می‌شود. زمان‌بندی، هزینه و خدمات پیاده‌سازی احتمالی به‌صورت جداگانه توافق می‌شوند.
گواهی بر چه اساسی صادر می‌شود؟
مبنای گواهی پایان دوره افق، تکمیل مسیر آموزشی، انجام تمرین‌ها و تحویل و ارزیابی نمونه‌کار نهایی است؛ ثبت‌نام به‌تنهایی کافی نیست. در ارزیابی، شواهد سنجش ارزش، کیفیت و قابلیت ردیابی خروجی‌ها، مدیریت خطا و حدود اختیار AI و توانایی توضیح تصمیم‌ها بررسی می‌شود. ضوابط اجرایی حضور، تحویل و ارزیابی پیش از شروع دوره اعلام خواهد شد.
چگونه ثبت‌نام کنیم؟
روی دکمه ثبت‌نام بزنید و در واتس‌اپ نام دوره «آزمایشگاه هوش مصنوعی مدیریت پروژه» را اعلام کنید تا شرایط پرداخت و مراحل ثبت‌نام برایتان ارسال شود.