در آینده‌ای نزدیک، مدیر عامل یک شرکت بزرگ ارائه‌دهنده خدمات مخابراتی از یک اپلیکیشن برای بررسی هفت نوآوری استراتژیک سازمان خود استفاده می کند. یعنی وی با چند کلیک ساده از وضعیت هر پروژه و اینکه چند درصد از برنامه مورد انتظار هر پروژه پیش رفته‌است، بدست می‌آورد. منشورهای هر پروژه، شاخص‌های کلیدی عملکرد، سطح روحیه هر یک از اعضای تیم و میزان سهم هر سهامدار اصلی در ظرف چند دقیقه در دسترس است.این مدیرعامل درحال کسب اطلاعات بیشتر در خصوص نوآوری‌های لازم جهت ری‌برندینگ می‌باشد.

 این اپلیکیشن مدیر عامل را از هر تغییری که نیاز به توجه دارد و همچنین خطرات بالقوه مطلع می‌کند و تصمیماتی را که بایستی اتخاذ کند، اولویت‌بندی و راه‌حل‌های بالقوه را برای هر کدام ارائه می‌نماید.قبل از هر انتخابی، یکی از رقبای اصلی وی چند ماه قبل از یک برند سبز خود رونمایی کرد که قدمی در جهت ثبات بیشتر این کمپانی بود.بسیاری از خودتطبیقی‌های مبتنی بر هوش مصنوعی براساس پارامترهای انتخابی توسط مدیر پروژه و تیم پروژه در ابتدای آغاز به‌کارگیری نوآوری روی داده‌اند. مدیرعامل با مدیر پروژه تماس می گیرد، شخصی که بیشتر وقت خود را صرف کوچینگ و حمایت از تیم می‌کند، گفتگوهای منظم با سهامداران اصلی دارد و فرهنگ داشتن عملکرد بالا را در تیم پرورش می دهد.چند هفته قبل، پروژه کمی از برنامه تعیین شده عقب مانده بود لذا اپلیکیشن توصیه کرد که تیم باید از تکنیک‌های چابک برای سرعت بخشیدن به جریان اجرای پروژه استفاده کند.

در طول جلسه، آن‌ها راه حل‌های احتمالی را شبیه سازی می‌کنند و در مورد مسیری که پیش رو دارند به توافق می‌رسند.پلن اجرای پروژه به صورت خودکار آپدیت می‌شود. پیام‌هایی به اعضای تیم و ذینفعان شامل روند تغییرات پروژه و پیش‌بینی نتایج مورد انتظار ارسال می‌گردد.به لطف فناوری‌ها و روش‌های جدید کار، یک پروژه استراتژیک که می‌توانست از کنترل خارج شود و شاید حتی با شکست مواجه شود، اکنون دوباره امکان موفقیت و ارائه نتایج مورد انتظار را پیدا می‌کند.مدیریت پروژه همیشه به همین راحتی پیش نمی رود، اما احتمالا طی یک دهه پیش رو اینگونه خواهد شد و به همین جهت نوآوران و سازمان ها بایستی روی فناوری مدیریت پروژه سرمایه گذاری کنند.

مدیریت پروژه امروز در چه جایگاهی قرار دارد و مسیر پیش رو آن چیست؟

هر سال حدود 48 تریلیون دلار در پروژه‌ها سرمایه‌گذاری می‌شود. با این حال، طبق گفته گروه Standish، تنها ۳۵٪ از پروژه‌ها موفق در نظر گرفته می‌شوند. هدر رفت منابع و اهداف تحقق نیافتة ۶۵٪ دیگر مایه شگفتی است.سال‌هاست که در تحقیقات و مقالات، نوسازی مدیریت پروژه را ترویج می‌کنیم‌‌. یکی از دلایلی که متوجه شدیم چرا نرخ موفقیت پروژه بسیار ضعیف است، سطح پایین بلوغ فناوری‌های موجود برای مدیریت آن‌ها است. بیشتر سازمان‌ها و مدیران پروژه هنوز از spreadsheetها، اسلایدها و سایر برنامه‌هایی استفاده می‌کنند که در چند دهه گذشته پیشرفت چندانی نکرده‌اند.

زمانی که در حال اندازه‌گیری موفقیت پروژه از طریق خروجی آن و مهلت‌های تعیین‌شده هستیم، موفقیت پروژه در حد لازم، قابل قبول است، هرچند عالی نیست اما در شرایطی که پروژه‌ها و نوآوری‌ها دائماً در حال آپدیت شدن و تطبیق با تغییرات کسب‌وکار هستند، دارای نواقصی خواهندبود. در برنامه‌های مدیریت پورتفولیو پروژه پیشرفت‌هایی صورت گرفته است، اما قابلیت‌های برنامه‌ریزی، همکاری و مشارکت تیمی، اتوماسیون و ویژگی‌های "هوشمند" هنوز وجود ندارد.اگر استفاده از هوش مصنوعی و سایر نوآوری‌های مربوط به تکنولوژی در مدیریت پروژه بتواند نسبت موفقیت پروژه‌ها را تنها تا 25 درصد بهبود بخشد، ارزش و مزایای آن برای سازمان‌ها، جوامع و افراد، معادل تریلیون‌ها دلار خواهد بود.

هر یک از هسته‌های فن‌آوری‌هایی آماده هستند، حال تنها سؤال این است که چه زمانی به طور مؤثر در مدیریت پروژه اعمال می‌شوند؟!

تحقیقات گارتنر نشان می‌دهد که تغییرات، به زودی در راه است و پیش‌بینی می‌کند که تا سال ۲۰۳۰، ۸۰ درصد از وظایف مدیریت پروژه توسط هوش مصنوعی اجرا می‌شود و از Big data، یادگیری ماشین (ML) و پردازش زبان طبیعی پشتیبانی می‌کند. تعداد انگشت شماری از محققان، مانندPaul Boudreau در کتاب خود به نام "استفاده از ابزارهای هوش مصنوعی در مدیریت پروژه" و تعداد زیادی از استارتارپ‌ها، الگوریتم‌هایی را برای به کارگیری هوش مصنوعی و ML در دنیای مدیریت پروژه استفاده کرده‌اند. وقتی این نسل بعدی از ابزارها به طور گسترده مورد استفاده قرار گیرد، تغییرات اساسی رخ خواهد داد.

۶ جنبه از مدیریت پروژه که متحول خواهد شد

این پیشرفت‌های تکنولوژی را به عنوان‌ فرصتی که در گذشته نبوده است، در نظر می‌گیریم. سازمان‌ها و مدیران پروژه‌ای که بیشترین آمادگی را برای این تحول دارند، بیشترین دستاورد را خواهند داشت‌. تقریباً هر جنبه‌ای از مدیریت پروژه، از برنامه‌ریزی گرفته تا فرآیندها و افراد، تحت تأثیر قرار خواهند گرفت.

در ادامه نگاهی به ۶ حوزه کلیدی خواهیم انداخت.

۱. انتخاب و اولویت‌بندی بهتر

انتخاب و اولویت بندی نوعی پیش بینی است: کدام پروژه ها بیشترین ارزش را برای سازمان خواهند داشت؟ زمانی که داده‌های صحیح در دسترس باشد، ML می‌تواند الگوهایی را تشخیص دهد که با روش‌های دیگر قابل تشخیص نیستند و می‌توانند در پیش‌بینی‌ها با دقتی بسیار بالاتر از انسان عمل کنند. اولویت‌بندی مبتنی بر ML به زودی منجر به موارد زیر خواهد شد:

● شناسایی سریع‌تر پروژه‌های آماده راه‌اندازی که اصول اولیه درستی دارند.

● انتخاب پروژه‌هایی که شانس موفقیت بیشتری دارند و بالاترین سود را ارائه می دهند.

● تعادل بهتر در پرتفولیو پروژه و بررسی کلی ریسک در سازمان

● حذف سوگیری‌های انسانی از تصمیم‌گیری

۲. پشتیبانی از دفتر مدیریت پروژه

استارت آپ‌های خودکار(اتوماسیونی) و تجزیه و تحلیل داده، اکنون به سازمان‌ها کمک می‌کنند تا نقش دفتر مدیریت پروژه (PMO) را ساده و بهینه کنند. مشهورترین کیس، استفاده رئیس جمهور Emmanuel Macron از آخرین فناوری برای حفظ اطلاعات به روز درباره هر پروژه بخش عمومی فرانسه است.

این ابزارهای هوشمند جدید، نحوه فعالیت PMO ها و عملكرد را به طور اساسی از طُرق زیر تغییر می دهند:

● نظارت بهتر بر پیشرفت پروژه

● قابلیت پیش‌بینی مشکلات احتمالی و رسیدگی به برخی از موارد ساده به صورت خودکار

● تهیه و توزیع اتوماتیک گزارش‌های پروژه و جمع آوری بازخوردها

● مهارت بیشتر در انتخاب بهترین روش مدیریت پروژه برای هر پروژه

● نظارت بر انطباق مراحل و نتایج بر فرآیندها و سیاست‌ها

● اتوماسیون، از طریق دستیارهای مجازی، عملکردهای پشتیبانی مانند به روز رسانی وضعیت، ارزیابی ریسک و تجزیه و تحلیل ذینفعان

۳. بهبود و تسریع تعریف پروژه، برنامه‌ریزی و گزارش‌دهی

یکی از پیشرفته‌ترین حوزه‌ها در اتوماسیون مدیریت پروژه، مدیریت ریسک است. اپلیکیشن‌های جدید از Big Data و ML برای کمک به رهبران و مدیران پروژه برای پیش‌بینی خطراتی استفاده می‌کنند که در غیر اینصورت ممکن است مورد توجه قرار نگیرند. این ابزارها می‌توانند اقدامات کاهنده و تعدیل‌کننده را پیشنهاد دهند و به زودی توانایی تنظیم خودکار جهت جلوگیری از وقوع انواع خاصی از خطرات را خواهند داشت‌.رویکردهای مشابه به زودی تعریف پروژه، برنامه‌ریزی و گزارش‌دهی را تسهیل خواهند کرد. این تمرینات اکنون زمان‌بر، تکراری و بیشتر دستی هستند. ML، پردازش زبان طبیعی(NLP)، خروجی متن ساده منجر به موارد زیر خواهد شد:

● بهبود مدیریت محدوده پروژه (project scope management) از طریق خودکارسازی در جمع‌آوری و تجزیه و تحلیل زمان‌بر داستان‌های کاربران. این ابزار، مشکلات احتمالی مانند ابهامات، موارد تکراری، حذفیات و قصورات، ناسازگاری‌ها و پیچیدگی‌ها را ظاهر می‌سازد.

● ابزارهایی برای تسهیل فرآیندهای زمان‌بندی شده و پیش‌نویس طرح‌های تفصیلی و تقاضای منابع.

● گزارش‌دهی خودکار که نه تنها در زمان کمتری تولید می‌شود، بلکه جایگزین مناسبی است برای گزارش‌دهی‌های امروزی که اغلب چند هفته به طول می‌انجامد و همچنین از جديدترين داده‌های پروژه استفاده می‌کند.

۴. حضور دستیاران مجازی در پیاده‌سازی‌ پروژه

عملاً یک شبه، ChatGPT درک جهان را از اینکه چگونه هوش مصنوعی می‌تواند مجموعه‌ای از داده‌ها را تجزیه و تحلیل کند و بینش‌های بدیع و فوری را در متن ساده ایجاد کند، تغییر داد. در مدیریت پروژه، ابزارهایی مانند ChatGPT به «ربات‌ها» یا «دستیاران مجازی» قدرت می‌دهند. اوراکل اخیراً دستیار دیجیتال جدیدی برای مدیریت پروژه را معرفی کرده است که به‌روزرسانی‌های فوری وضعیت را ارائه می‌کند و به کاربران کمک می‌کند پیشرفت زمان و کار را از طریق متن، صدا یا چت به‌روزرسانی کنند.

دستیار دیجیتال از ورودی‌های گذشته، داده‌های برنامه‌ریزی پروژه و به طور کلی شرایط یاد می‌گیرد تا تعاملات را تنظیم کند و اطلاعات حیاتی پروژه را به‌طور هوشمندانه ثبت کند.PMOtto یک دستیار پروژه مجازی با قابلیت ML است که در حال حاضر در حال استفاده است.کاربر می‌تواند از PMOtto بخواهد: «برنامه روزانه نقاش را طوری برنامه‌ریزی کن که دیوار را در هفته آینده به طول کامل نقاشی شده تحویل دهد به گونه‌ای که تمام وقت روی این فعالیت، کار کند». دستیار ممکن است پاسخ دهد، "بر اساس وظایف مشابه قبلی که به نقاش اختصاص داده شده بود، به نظر می‌رسد که او برای انجام کار به دو هفته زمان نیاز دارد و نه یک هفته که شما درخواست کردید. آیا مایل هستید که آن را تنظیم کنم؟»

۵. سیستم‌ها و نرم‌افزارهای آزمایشی پیشرفته

تست و آزمایش پروژه یکی دیگر از وظایف ضروری در اکثر پروژه‌ها است و مدیران پروژه بایستی اغلب در اولین فرصت به صورت آزمایشی پروژه را اجرا کنند. امروزه همچنین به ندرت می‌توان یک پروژه بزرگ بدون چندین سیستم و انواع نرم افزار پیدا کرد که قبل از اجرای پروژه آزمایش نشوند. به زودی، سیستم‌های آزمایشی پیشرفته که اکنون فقط برای پروژه‌های بزرگ قابل اجرا هستند، به‌طور گسترده در دسترس خواهند بود.خط الیزابت، بخشی از پروژه کراس ریل در بریتانیا، یک راه‌آهن پیچیده با ایستگاه‌های جدید، زیرساخت‌های جدید، مسیرهای جدید و قطارهای جدید است. بنابراین، مهم بود هر عنصر پروژه از طریق یک تست موشکافانه و دقیق و یک فرآیند راه‌اندازی جهت تضمین ایمنی و قابلیت اطمینان بودن به دقت انجام و مرور گردد. این کار به ترکیبی از سخت‌افزار و نرم‌افزار نیاز داشت که قبلاً پیش‌بینی نشده بود و پس از چالش‌های اولیه، تیم پروژه، تسهیلات یکپارچه‌سازی Crossrail را توسعه داد. این تسهیلات اتوماتیک برای آزمایش که خارج از محل پروژه تأسیس شد، به منظور افزایش کارایی سیستم، مقرون به صرفه بودن هزینه‌ها و انعطاف‌پذیری سیستم‌ها ایجاد گردید. مهندسی سیستم‌ها، Alessandra Scholl-Sternberg، برخی از ویژگی‌های آن را شرح می‌دهد:

"یک کتابخانه اتوماسیونِ سیستمیِ گسترده نوشته شده است که امکان دستیابی به تنظیمات پیچیده، انجام دقیق چِک‌های سلامت، انجام تست استقامت در دوره‌های طولانی و اجرای آزمایش‌های تکراری را فراهم می‌کند." ممیزی‌های دقیق، بدون خطر سوگیری اپراتور را می‌توان در ۷-۲۴ مرکز انجام داد.

راه‌حل‌های پیشرفته و خودکار جهت تست سیستم برای پروژه‌های نرم‌افزاری، به زودی امکان تشخیص زودهنگام عیوب و فرآیندهای خود اصلاحی را فراهم می‌کند. این مسئله زمان صرف شده برای فعالیت‌های آزمایشی دست و پا گیر را به میزان قابل توجهی کاهش و همچنین تعداد دوباره کاری‌ها را کم می‌کند و در نهایت راه‌حل‌هایی با کاربری آسان و بدون اشکال ارائه می‌دهد.

۶. یک نقش جدید برای مدیر پروژه

برای بسیاری از مدیران پروژه، اتوماتیک کردن بخش قابل توجهی از وظایف فعلی ممکن است ترسناک باشد، اما افراد موفق یاد خواهند گرفت که از این ابزارها به نفع خود استفاده کنند. جایگاه مدیران پروژه از بین نخواهد رفت، اما باید این تغییرات را بپذیرند و از فناوری‌های جدید بهره ببرند. ما در حال حاضر به تیم‌های پروژه چند تخصصی به عنوان یک گروه از افراد فکر می‌کنیم، اما ممکن است به زودی آن‌ها را به عنوان یک گروه از انسان‌ها و ربات‌ها در نظر بگیریم.با دور شدن از کار اداری، مدیران آینده پروژه باید مهارت‌های نرم، قابلیت‌های رهبری، تفکر استراتژیک و هوش تجاری را پرورش دهد و بر ارائه منافع مورد انتظار و همسویی‌ آن‌ها با اهداف استراتژیک تمرکز کنند. آن‌ها همچنین به درک درستی از این فناوری‌ها نیاز دارند.

برخی از سازمان‌ها در حال حاضر هوش مصنوعی را در برنامه‌های آموزشی و صدور گواهینامه مدیریت پروژه خود وارد کرده‌اند و دانشگاه Northeastern ، هوش مصنوعی را در برنامه درسی خود وارد نموده‌است و به مدیران پروژه آموزش می‌دهد که چگونه از هوش مصنوعی برای خودکارسازی و بهبود مجموعه داده‌ها و حداکثر کردن ارزش سرمایه‌گذاری پروژه‌ها استفاده کنند.

داده‌ها و افراد، توأمان آینده را به واقعیت تبدیل می‌کنند

وقتی این ابزارها برای سازمان‌ها آماده هستند تا در اختیار آنان قرار گیرند، چگونه مطمئن خواهید شد که سازمان شما برای آن‌ها آماده است؟ هر فرآیند پذیرش هوش مصنوعی با داده‌ها آغاز می‌شود، اما شما نباید در آماده‌سازی تیم خود کوتاهی کنید.

آموزش الگوریتم‌های هوش مصنوعی برای مدیریت پروژه‌ها مستلزم میزان زیادی داده‌های مرتبط با پروژه است. سازمان شما ممکن است مجموعه‌ای از داده‌های پروژه قدیمی را حفظ کند، اما احتمالاً این داده‌ها در هزاران سند در قالب‌های متفاوت و فایل پراکنده در سیستم‌های مختلف ذخیره می‌شوند. اطلاعات ممکن است قدیمی بوده و یا از طبقه‌بندی‌های مختلف استفاده شده باشد، یا حاوی اطلاعات به دردنخور و یا حتی اطلاعات از قلم افتاده باشد. تقریباً ۸۰ درصد از زمان صرف شده برای آماده‌سازی الگوریتم ML برای استفاده بر روی جمع‌آوری و تمیز کردن داده‌ها متمرکز است که داده‌های خام و بدون ساختار را می‌گیرد و به داده‌های ساختاری تبدیل می‌کند که می‌تواند یک مدل یادگیری ماشینی را آموزش دهد.بدون داده‌های در دسترس و مدیریت شده مناسب، تحولی که هوش مصنوعی ایجاد می‌کند هرگز در سازمان شما اتفاق نمی‌افتد اما قبل از آن اگر خود و تیم‌تان را برای تغییر آماده نکنید، هیچ تحولی در هوش مصنوعی شکوفا نخواهد شد.

این نسل جدید ابزارها نه تنها فناوری نحوه مدیریت پروژه‌ها را تغییر می‌دهند، بلکه وظیفه ما را در مدیریت پروژه کاملاً تغییر خواهند داد. مدیران پروژه باید برای کوچینگ و آموزش تیم‌های خود برای انطباق با این انتقال آماده باشند، همچنین باید تمرکز خود را در جهت تعاملات انسانی افزایش دهند و در عین حال کمبودهای مهارتی کار با فناوری را در افراد خود شناسایی و برای رفع آن‌ها تلاش کنند. علاوه بر تمرکز بر تحویل پروژه‌ها، بایستی بر ایجاد تیم‌هایی با عملکرد بالا که در آن اعضا آنچه لازم است و نیاز دارند را در اختیار داشته باشند، توجه نمایند تا به آن‌ها امکان انجام بهترین عملکرد را دهد.اگر به طور جدی در حال بررسی استفاده از هوش مصنوعی در پروژه‌ها و شیوه‌های مدیریت پروژه خود هستید، سؤالات زیر به شما کمک می‌کند تصمیمتان را ارزیابی کنید:

● آیا آماده گذاشتن وقت برای ایجاد فهرستی دقیق از محتوایات تمام پروژه‌های خود مانند آخرین به‌روزرسانی وضعیت هستید؟

● آیا می‌توانید چندین ماه بر روی منابع متعدد جهت جمع‌آوری، غربال کردن و ساختاردهی داده‌های پروژه خود سرمایه‌گذاری کنید؟

● آیا تصمیم خود را گرفته اید که عادات قدیمی مدیریت پروژه خود مانند گزارش‌دهی‌های ماهانه مربوط به پیشرفت پروژه را کنار بگذارید؟

● آیا آمادگی سرمایه‌گذاری در آموزش فناوری‌های جدید به تیم پروژه خود هستید؟

● آیا تیم شما حاضرند منطقه امن گذشته خود را در مدیریت سنتی پروژه رها کنند و نحوه مدیریت پروژه را به طور اساسی تغییر دهند؟

● آیا سازمان شما آماده پذیرش و اتخاذ یک فناوری جدید و واگذاری کنترل تصمیمات با ریسک فزاینده است؟

  • آیا حاضر هستید که اجازه دهید این فناوری اشتباه کند؟ زیرا یاد می گیرد که عملکرد بهتری برای سازمان شما داشته باشد.

    ● آیا حامی مالی اجرایی پروژه، توانایی و اعتباری در سازمان شما دارد که این تحول را رهبری کند؟

    ● آیا رهبران ارشد مایلند چندین ماه، تا یک سال، منتظر بمانند تا مزایای اتوماسیون را ببینند؟

    اگر پاسخ همه این سوالات مثبت است، پس شما آماده شروع این تحول پیشگام هستید. اگر یک یا چند پاسخ «نه» دارید، باید قبل از حرکت روی «بله» آنها را تغییر دهید.همانطور که دیدیم، استفاده از هوش مصنوعی در مدیریت پروژه مزایای قابل توجهی را به همراه خواهد داشت، نه تنها در اتوماسیون کار اداری و کاهش فعالیت‌ها، بلکه مهمتر از آن، هوش مصنوعی و دیگر تکنولوژی‌های متحول‌کننده در جعبه ابزارتان به سازمان شما کمک می‌کند تا رهبران و مدیران پروژه، پروژه‌ها را با موفقیت انتخاب، تعریف و اجرا نمایند.در حال حاضر ما شما را تشویق به برداشتن اولین گام‌ها به سمت این چشم انداز مثبت از آینده مدیریت پروژه می‌کنیم.

امتیاز دهی

امتیاز : 99% - 2 votes
99%