by Antonio Nieto-Rodriguez and Ricardo Viana Vargas
February 2, 2023
Harvard Business Review
تنها 35% از پروژه‌ها امروزه با موفقیت به پایان می‌رسند. یکی از دلایل این نرخ ناامیدکننده، سطح پایین بلوغ فناوری‌های موجود برای مدیریت پروژه است. این وضعیت در حال تغییر است. محققان، استارتاپ‌ها و سازمان‌های نوآور، شروع به استفاده از هوش مصنوعی، یادگیری ماشین و سایر فناوری‌های پیشرفته در مدیریت پروژه کرده‌اند و تا سال 2030 این حوزه دستخوش تغییرات عمده‌ای خواهد شد. فناوری به زودی انتخاب و اولویت‌بندی پروژه‌ها را بهبود می‌بخشد، پیشرفت را نظارت می‌کند، گزارش‌دهی را سرعت می‌بخشد و آزمایش را تسهیل می‌کند. مدیران پروژه، با کمک دستیاران پروژه مجازی، نقش‌های خود را بیشتر بر مربیگری و مدیریت ذینفعان متمرکز خواهند دید تا بر اداره و وظایف دستی. نویسنده نشان می‌دهد که چگونه سازمان‌هایی که می‌خواهند از مزایای فناوری‌های مدیریت پروژه بهره‌مند شوند، باید از امروز با جمع‌آوری و پاکسازی داده‌های پروژه، آماده‌سازی افراد خود و اختصاص منابع لازم برای هدایت این تحول، شروع کنند.
در آینده‌ای نزدیک، مدیرعامل یک شرکت بزرگ مخابراتی از یک برنامه تلفن هوشمند برای بررسی هفت ابتکار استراتژیک سازمان خود استفاده می‌کند. با چند ضربه، او از وضعیت هر پروژه و درصد مزایای مورد انتظار هر یک مطلع می‌شود. منشورهای پروژه و شاخص‌های کلیدی عملکرد به سرعت در دسترس هستند، همچنین سطح روحیه هر یک از اعضای تیم و میزان مشارکت کلی ذینفعان حیاتی نیز مشخص است.
او روی ابتکار "تغییر برند" متمرکز می‌شود. چند ماه قبل، یک رقیب بزرگ یک برند سبز جدید را راه‌اندازی کرده بود و این باعث شد شرکت او راه‌اندازی پایداری خود را تسریع کند. بسیاری از تنظیمات خودکار مبتنی بر هوش مصنوعی، بر اساس پارامترهای انتخاب شده توسط مدیر پروژه و تیم پروژه در ابتدای کار، از قبل انجام شده است. این برنامه به مدیرعامل از هر تغییری که نیاز به توجه او دارد – و همچنین خطرات بالقوه – اطلاع می‌دهد و تصمیماتی را که او باید بگیرد اولویت‌بندی می‌کند و راه حل‌های احتمالی را برای هر یک ارائه می‌دهد.
در زمانی نه چندان دور در آینده، مدیرعامل یک شرکت بزرگ مخابراتی در حال استفاده از یک برنامه تلفن هوشمند برای بررسی هفت ابتکار راهبردی سازمان خود است. با چند ضربه انگشت، او از وضعیت هر پروژه و اینکه هر کدام چه درصدی از مزایای مورد انتظار را ارائه داده‌اند، مطلع می‌شود. منشورهای پروژه و شاخص‌های کلیدی عملکرد در لحظه در دسترس هستند، همانطور که سطح روحیه هر یک از اعضای تیم و میزان کلی همراهی سهامداران کلیدی در دسترس است.
او روی ابتکار «تغییر نام تجاری» متمرکز می‌شود. چند ماه قبل، یک رقیب بزرگ یک برند سبز جدید را راه‌اندازی کرده بود که شرکت او را بر آن داشت تا عرضه پایداری خود را تسریع بخشد. بسیاری از تنظیمات خودکار مبتنی بر هوش مصنوعی، بر اساس پارامترهای انتخابی مدیر پروژه و تیم پروژه در ابتدای ابتکار، از قبل انجام شده است. این برنامه به مدیرعامل از هر تغییری که نیاز به توجه او دارد - و همچنین خطرات احتمالی - اطلاع می‌دهد و تصمیماتی را که او باید بگیرد اولویت‌بندی می‌کند و راه حل‌های بالقوه برای هر کدام ارائه می‌دهد.
مدیرعامل قبل از اتخاذ هر تصمیمی، با مدیر پروژه تماس می‌گیرد، که اکنون بیشتر وقت خود را صرف مربیگری و حمایت از تیم، حفظ گفتگوهای منظم با سهامداران کلیدی و پرورش یک فرهنگ با عملکرد بالا می‌کند. چند هفته قبل، پروژه کمی عقب افتاده بود و این برنامه توصیه کرد که تیم باید از تکنیک‌های چابک برای تسریع یک جریان پروژه استفاده کند.
در طول جلسه، آنها راه حل‌های احتمالی را شبیه‌سازی می‌کنند و بر سر مسیری رو به جلو به توافق می‌رسند. طرح پروژه به طور خودکار به روز می‌شود و پیام‌هایی ارسال می‌شود که اعضای تیم و سهامداران ذینفع را از تغییرات و پیش‌بینی نتایج مورد انتظار مطلع می‌کند.
به لطف فناوری‌های جدید و روش‌های کار، یک پروژه استراتژیک که می‌توانست از کنترل خارج شود - شاید حتی منجر به شکست شود - اکنون دوباره در مسیر موفقیت قرار دارد و نتایج مورد انتظار را ارائه می‌دهد.
برگردیم به زمان حال، مدیریت پروژه همیشه به این روانی پیش نمی‌رود، اما این آینده احتمالاً کمتر از یک دهه با ما فاصله دارد. برای رسیدن به آن زودتر، نوآوران و سازمان‌ها باید اکنون در فناوری مدیریت پروژه سرمایه‌گذاری کنند.
هر ساله تقریباً 48 تریلیون دلار در پروژه‌ها سرمایه‌گذاری می‌شود. با این حال، به گفته گروه Standish، تنها 35٪ از پروژه‌ها موفق در نظر گرفته می‌شوند. منابع هدر رفته و مزایای تحقق نیافته 65٪ دیگر، تکان دهنده است.
ما سال‌ها در تحقیقات و انتشارات خود، مدرن‌سازی مدیریت پروژه را ترویج کرده‌ایم. یکی از دلایلی که متوجه شده‌ایم چرا نرخ موفقیت پروژه‌ها بسیار پایین است، سطح پایین بلوغ فناوری‌های موجود برای مدیریت آنها است. اکثر سازمان‌ها و رهبران پروژه هنوز از صفحات گسترده، اسلایدها و سایر برنامه‌هایی استفاده می‌کنند که در چند دهه گذشته تغییر چندانی نکرده‌اند. اینها زمانی کافی هستند که موفقیت پروژه را با تحویل‌ها و مهلت‌های مقرر اندازه‌گیری می‌کنید، اما در محیطی که پروژه‌ها و ابتکارات همیشه در حال انطباق هستند - و به طور مداوم تجارت را تغییر می‌دهند - کافی نیستند. در برنامه‌های مدیریت پورتفولیوی پروژه پیشرفت‌هایی حاصل شده است، اما قابلیت‌های برنامه‌ریزی و همکاری تیمی، اتوماسیون و ویژگی‌های "هوشمند" هنوز وجود ندارد.**
اگر استفاده از هوش مصنوعی و سایر نوآوری‌های تکنولوژیکی در مدیریت پروژه بتواند نسبت موفقیت پروژه‌ها را تنها 25٪ بهبود بخشد، این امر معادل تریلیون‌ها دلار ارزش و مزیت برای سازمان‌ها، جوامع و افراد خواهد بود. هر یک از فناوری‌های اصلی که در داستان بالا توضیح داده شد، آماده هستند - تنها سوالی که اکنون وجود دارد این است که چه زمانی به طور موثر در مدیریت پروژه به کار گرفته می‌شوند.
تحقیقات گارتنر نشان می‌دهد که تغییر به زودی رخ خواهد داد و پیش‌بینی می‌کند که تا سال 2030، 80 درصد از وظایف مدیریت پروژه توسط هوش مصنوعی، با قدرت داده‌های بزرگ، یادگیری ماشینی (ML) و پردازش زبان طبیعی، انجام خواهد شد. تعداد انگشت شماری از محققان، مانند پل بودرو در کتاب خود با عنوان "استفاده از ابزارهای هوش مصنوعی در مدیریت پروژه" و تعداد فزاینده‌ای از استارت‌آپ‌ها، در حال حاضر الگوریتم‌هایی را برای استفاده از هوش مصنوعی و ML در دنیای مدیریت پروژه توسعه داده‌اند. هنگامی که این نسل بعدی ابزارها به طور گسترده مورد استفاده قرار گیرند، تغییرات اساسی رخ خواهد داد.
ما این تحولات تکنولوژیکی آینده را به عنوان فرصتی بی‌سابقه می‌بینیم. سازمان‌ها و رهبران پروژه‌ای که برای این لحظه اختلال بیشتر آماده هستند، بیشترین پاداش را دریافت خواهند کرد. تقریباً هر جنبه‌ای از مدیریت پروژه، از برنامه‌ریزی گرفته تا فرآیندها تا افراد، تحت تأثیر قرار خواهد گرفت. بیایید نگاهی به شش حوزه کلیدی بیندازیم.
انتخاب و اولویت‌بندی نوعی پیش‌بینی است: کدام پروژه‌ها بیشترین ارزش را برای سازمان به ارمغان می‌آورند؟ هنگامی که داده‌های صحیح در دسترس باشد، ML (یادگیری ماشینی) می‌تواند الگوهایی را شناسایی کند که با روش‌های دیگر قابل تشخیص نیستند و می‌تواند دقت انسان را در پیش‌بینی‌ها تا حد زیادی فراتر ببرد. اولویت‌بندی مبتنی بر ML به زودی منجر به موارد زیر خواهد شد:
استارت‌آپ‌های تحلیل داده و اتوماسیون اکنون به سازمان‌ها کمک می‌کنند تا نقش دفتر مدیریت پروژه (PMO) را ساده‌سازی و بهینه کنند. مشهورترین مورد، استفاده رئیس جمهور امانوئل ماکرون از آخرین فناوری برای حفظ اطلاعات به‌روز در مورد هر پروژه بخش دولتی فرانسه است. این ابزارهای هوشمند جدید، نحوه عملکرد و عملکرد PMOها را با موارد زیر به طور اساسی تغییر خواهند داد:
یکی از توسعه یافته‌ترین حوزه‌ها در اتوماسیون مدیریت پروژه، مدیریت ریسک است. برنامه‌های جدید از داده‌های بزرگ و ML برای کمک به رهبران و مدیران پروژه برای پیش‌بینی ریسک‌هایی استفاده می‌کنند که ممکن است در غیر این صورت مورد توجه قرار نگیرند. این ابزارها از قبل می‌توانند اقدامات کاهشی را پیشنهاد دهند و به زودی قادر خواهند بود برنامه‌ها را به طور خودکار برای جلوگیری از انواع خاصی از ریسک‌ها تنظیم کنند.
رویکردهای مشابه به زودی تعریف، برنامه‌ریزی و گزارش‌دهی پروژه را تسهیل می‌کنند. این تمرین‌ها اکنون زمان‌بر، تکراری و بیشتر دستی هستند. ML، پردازش زبان طبیعی و خروجی متن ساده منجر به موارد زیر خواهد شد:
عملاً یک شبه، ChatGPT درک جهانیان را از چگونگی تجزیه و تحلیل مجموعه‌های عظیم داده و تولید بینش‌های بدیع و فوری در متن ساده توسط هوش مصنوعی تغییر داد. در مدیریت پروژه، ابزارهایی مانند اینها "بات‌ها" یا "دستیارهای مجازی" را تقویت می‌کنند. اوراکل اخیراً از یک دستیار دیجیتال جدید مدیریت پروژه رونمایی کرده است که به‌روزرسانی‌های فوری وضعیت را ارائه می‌دهد و به کاربران کمک می‌کند تا زمان و پیشرفت وظایف را از طریق متن، صدا یا چت به‌روزرسانی کنند.
دستیار دیجیتال از ورودی‌های زمانی گذشته، داده‌های برنامه‌ریزی پروژه و زمینه کلی یاد می‌گیرد تا تعاملات را تنظیم کند و هوشمندانه اطلاعات مهم پروژه را ثبت کند. PMOtto یک دستیار مجازی پروژه مبتنی بر ML است که در حال حاضر مورد استفاده قرار می‌گیرد. یک کاربر می‌تواند از PMOtto بپرسد: "جان را برای رنگ آمیزی دیوار در هفته آینده برنامه‌ریزی کن و تمام وقت او را به این کار اختصاص بده." دستیار ممکن است پاسخ دهد: "بر اساس وظایف مشابه قبلی که به جان اختصاص داده شده است، به نظر می‌رسد که او برای انجام این کار به دو هفته زمان نیاز دارد و نه یک هفته همانطور که شما درخواست کردید. آیا باید آن را تنظیم کنم؟"
تست یکی دیگر از وظایف ضروری در اکثر پروژه‌ها است و مدیران پروژه باید زود و اغلب تست کنند. امروزه نادر است که یک پروژه بزرگ بدون سیستم‌ها و انواع نرم‌افزارهای متعددی پیدا شود که باید قبل از راه‌اندازی پروژه تست شوند. به زودی، سیستم‌های تست پیشرفته که در حال حاضر فقط برای برخی از پروژه‌های بزرگ امکان‌پذیر هستند، به طور گسترده در دسترس خواهند بود.
خط الیزابت، بخشی از پروژه Crossrail در بریتانیا، یک راه‌آهن پیچیده با ایستگاه‌های جدید، زیرساخت‌های جدید، مسیرهای جدید و قطارهای جدید است. بنابراین، مهم بود که هر عنصر از پروژه یک فرآیند تست و راه‌اندازی دقیق را طی کند تا از ایمنی و قابلیت اطمینان اطمینان حاصل شود. این پروژه به ترکیبی بی‌سابقه از سخت‌افزار و نرم‌افزار نیاز داشت و پس از چالش‌های اولیه، تیم پروژه مرکز ادغام Crossrail را توسعه داد. این مرکز تست کاملاً خودکار خارج از سایت ثابت کرده است که در افزایش کارایی سیستم‌ها، مقرون به صرفه بودن و انعطاف‌پذیری بسیار ارزشمند است. مهندس سیستم الساندرا شول-اشترنبرگ برخی از ویژگی‌های آن را شرح می‌دهد: "یک کتابخانه اتوماسیون سیستم گسترده نوشته شده است که امکان دستیابی به تنظیمات پیچیده، انجام دقیق بررسی‌های سلامت، انجام تست‌های استقامت در دوره‌های طولانی و اجرای تست‌های با ماهیت تکراری را فراهم می‌کند." ممیزی‌های دقیق را می‌توان به صورت شبانه‌روزی در این مرکز انجام داد، بدون خطر سوگیری اپراتور.
راهکارهای تست سیستم پیشرفته و خودکار برای پروژه‌های نرم‌افزاری به زودی امکان تشخیص زودهنگام نقص‌ها و فرآیندهای خود اصلاح‌شونده را فراهم می‌کند. این امر زمان صرف شده برای فعالیت‌های تست دست و پا گیر را به طور قابل توجهی کاهش می‌دهد، تعداد بازکاری‌ها را کاهش می‌دهد و در نهایت راهکارهای آسان برای استفاده و بدون اشکال را ارائه می‌دهد.
برای بسیاری از مدیران پروژه، خودکارسازی بخش قابل توجهی از وظایف فعلی آنها ممکن است ترسناک به نظر برسد، اما مدیران موفق یاد خواهند گرفت که از این ابزارها به نفع خود استفاده کنند. مدیران پروژه از بین نخواهند رفت، اما باید این تغییرات را بپذیرند و از فناوری‌های جدید استفاده کنند. ما در حال حاضر تیم‌های پروژه بین‌کارکردی را به عنوان گروهی از افراد در نظر می‌گیریم، اما به زودی ممکن است آنها را به عنوان گروهی از انسان‌ها و ربات‌ها در نظر بگیریم.
با تغییر به سمت کارهای اداری، مدیر پروژه آینده باید مهارت‌های نرم قوی، قابلیت‌های رهبری، تفکر استراتژیک و شم تجاری را تقویت کند. آنها باید بر ارائه مزایای مورد انتظار و همسویی آنها با اهداف استراتژیک تمرکز کنند. آنها همچنین به درک خوبی از این فناوری‌ها نیاز خواهند داشت. برخی از سازمان‌ها در حال حاضر هوش مصنوعی را در برنامه‌های آموزشی و گواهینامه‌های مدیریت پروژه خود قرار می‌دهند و دانشگاه Northeastern در حال ادغام هوش مصنوعی در برنامه درسی خود است و به مدیران پروژه آموزش می‌دهد که چگونه از هوش مصنوعی برای خودکارسازی و بهبود مجموعه‌های داده و بهینه‌سازی ارزش سرمایه‌گذاری از پروژه‌ها استفاده کنند.
زمانی که این ابزارها برای سازمان‌ها آماده شدند، چگونه اطمینان حاصل خواهید کرد که سازمان شما برای آنها آماده است؟ هر فرآیند پذیرش هوش مصنوعی با داده شروع می‌شود، اما نباید در آماده‌سازی افراد خود نیز کوتاهی کنید
آموزش الگوریتم‌های هوش مصنوعی برای مدیریت پروژه‌ها به مقادیر زیادی از داده‌های مربوط به پروژه نیاز دارد. سازمان شما ممکن است انبوهی از داده‌های تاریخی پروژه را حفظ کند، اما احتمالاً در هزاران سند با فرمت‌های مختلف فایل پراکنده در سیستم‌های مختلف ذخیره شده‌اند. این اطلاعات ممکن است قدیمی باشند، از طبقه‌بندی‌های مختلف استفاده کنند یا حاوی نقاط پرت و شکاف باشند. تقریباً 80٪ از زمان صرف شده برای آماده‌سازی یک الگوریتم ML برای استفاده، بر جمع‌آوری و پاکسازی داده‌ها متمرکز است، که داده‌های خام و بدون ساختار را گرفته و آن را به داده‌های ساختاریافته تبدیل می‌کند که می‌تواند یک مدل یادگیری ماشینی را آموزش دهد.
بدون داده‌های در دسترس و مدیریت شده مناسب، تحول هوش مصنوعی هرگز در سازمان شما اتفاق نخواهد افتاد - اما هیچ تحول هوش مصنوعی شکوفا نخواهد شد اگر شما و تیمتان را نیز برای تغییر آماده نکنید.
این نسل جدید از ابزارها نه تنها فناوری نحوه مدیریت پروژه‌ها را تغییر می‌دهد، بلکه کار ما را در پروژه به طور کامل تغییر می‌دهد. مدیران پروژه باید برای آموزش و تربیت تیم‌های خود برای انطباق با این انتقال آماده باشند. آنها باید تمرکز خود را بر تعاملات انسانی افزایش دهند در حالی که کمبودهای مهارت‌های فناوری را در افراد خود به زودی شناسایی کرده و برای رفع آنها تلاش می‌کنند. علاوه بر تمرکز بر تحویل‌های پروژه، آنها باید بر ایجاد تیم‌های با عملکرد بالا تمرکز کنند که در آن اعضا آنچه را که برای عملکرد در بهترین حالت خود نیاز دارند، دریافت کنند.
اگر به طور جدی در نظر دارید هوش مصنوعی را در پروژه‌ها و شیوه‌های مدیریت پروژه خود به کار گیرید، سؤالات زیر به شما در ارزیابی تصمیمتان کمک می‌کند.
اگر پاسخ همه این سؤالات مثبت است، پس شما آماده هستید تا این تحول پیشگامانه را آغاز کنید. اگر یک یا چند پاسخ "نه" دارید، پس باید قبل از حرکت به جلو، برای تغییر آنها به "بله" تلاش کنید.
همانطور که دیدیم، کاربرد هوش مصنوعی در مدیریت پروژه مزایای قابل توجهی را به همراه خواهد داشت، نه تنها در اتوماسیون وظایف اداری و کم ارزش، بلکه مهمتر از آن، گنجاندن هوش مصنوعی و سایر فناوری‌های مخرب در جعبه ابزار شما به سازمان شما، رهبران و مدیران پروژه آن کمک می‌کند تا پروژه‌ها را با موفقیت بیشتری انتخاب، تعریف و اجرا کنند.
مدیرعامل در داستان ما زمانی در موقعیتی بود که شما امروز در آن قرار دارید. ما شما را تشویق می‌کنیم که اکنون اولین گام‌ها را به سوی این چشم‌انداز مثبت از آینده مدیریت پروژه بردارید.
در صورتی که این مقاله برای شما کاربردی بود، ممنون می شوم که با لاینک و کامنت گذاری و اشتراک گذاری آن به دیده شدن این مقاله برای علاقه مندان یاری رسانید. همچنین از شما دعوت میکنم من را در لینکدین دنبال کنید.
چابک باشید.
