https://virgool.ir/feed/@mohamadhamidi65بنیان‌گذار گروه مشاوره و آموزشی چابک شو؛ مربی تحول چابکی و مدرس دوره های آموزشی مدیریت پروژه چابک، مدیریت محصول، اسکرام، کانبان، تحول چابکی و اسکرام مقیاس پذیرfa2026-11-11 02:50:20https://files.virgool.ir/upload/users/8196/avatar/7NfUcq.jpeghttps://virgool.ir/@mohamadhamidi65https://virgool.ir/BeAgileGroup/بزرگ-ترین-مشکل-pmoها-ابزار-نیست-نبود-اثرگذاری-است-njxddomngljqاین مقاله رو با یک سوال به ظاهر ساده آغاز میکنم. ازتون میخوام که ابتدا دقایقی به این سوال فکر کنید و سپس ادامه مقاله رو مطالعه کنید.توجه: این مقاله حاوی نکاتی می باشد که نیاز به تفکر عمیق و حتی انتقادی دارد. لذا برای مطالعه این مقاله دقایقی نیاز است تا تمام تمرکز خود را روی محتوای ارائه شده قرار دهید و محیط را تا جای ممکن برای تمرکزی عمیق آماده نمایید.اگر PMO فردا از سازمان شما حذف شود، دقیقاً چه چیزی در تصمیم‌گیری مدیران، کنترل پروژه‌ها و تحقق اهداف کسب‌وکار تغییر می‌کند؟ اگر جواب روشنی برای این سؤال نداریم، احتمالاً PMO هنوز نتوانسته ارزش واقعی خودش را نشان دهد.در بسیاری از سازمان‌ها، PMO تبدیل می‌شود به:گزارش‌گیریجلسه‌گذاریپیگیری Action Itemبه‌روزرسانی داشبوردکنترل فرم‌هاپیگیری زمان‌بندیو جمع‌آوری Status Report همه این‌ها لازم‌اند. اما هیچ‌کدام به‌تنهایی «ارزش PMO» نیستند. در 15 سال تجربه کاری من در دفاتر مدیریت پروژه و دفاتر خلق ارزش، هرچه پروژه‌ها بزرگ‌تر، بین‌واحدی‌تر و پیچیده‌تر می‌شوند، یک مسئله بیشتر خودش را نشان می‌دهد: PMO نباید فقط بگوید «چه اتفاقی افتاده»، بلکه باید کمک کند بفهمیم «حالا چه تصمیمی باید بگیریم».شاید نیاز باشه باز هم دقایقی در خصوص جمله بالا تامل نمایید !!!!!!!مثلاً: گزارش کردن اینکه پروژه ۱۵٪ از برنامه عقب است، یک وظیفه کنترلی است. اما اینکه PMO بتواند نشان دهد:این تأخیر از کجا آمده؟چه Dependencyهایی باعث آن شده؟چه ریسکی در حال تبدیل شدن به Issue است؟اثر آن روی مسیر بحرانی چیست؟چه گزینه‌هایی برای Recovery داریم؟کدام تصمیم باید توسط Sponsor گرفته شود؟و اگر هیچ اقدامی نکنیم، چه اثری روی Business Outcome خواهد داشت؟اینجاست که PMO از Reporting Office به Decision Support Office تبدیل می‌شود.جالب است که این مسئله فقط تجربه شخصی من نیست. موسسه PMI  در تحقیقات خود سال‌هاست روی همین چالش تأکید دارد و در رویکردهای جدیدترش، PMOهای اثربخش را سازمان‌هایی می‌داند که به‌جای تمرکز صرف بر فرآیند، روی Value Delivery تمرکز می‌کنند. حتی PMI در ۲۰۲۶ تأکید می‌کند که کار PMO از تشخیص مسئله سازمان و شناخت نیاز مشتریان PMO شروع می‌شود، نه از اجرای یک مجموعه فرآیند استاندارد.Deloitte هم در بررسی PMO و Transformation Office به یک مشکل مشابه اشاره می‌کند:وقتی PMO صرفاً مسئول Tracking، Reporting، Risk Management و Communication باشد، برای Transformationهای پیچیده کافی نیست.در رویکرد Deloitte، دفاتر مدیریت پروژه نسل جدید باید بتوانند بین Workstreamها هماهنگی ایجاد کنند، ریسک‌ها را زودتر ببینند، اولویت‌ها را مدیریت کنند و در نهایت روی Outcome و Value تمرکز کنند.حتی Deloitte از مفهوم Results Management Office صحبت می‌کند؛ یعنی عبور از PMO سنتی به دفتری که تمرکزش روی نتایج و ارزش حاصل از برنامه‌هاست.به نظرم PMOهای امروز با ۵ بحران اصلی روبه‌رو هستند:۱. بحران هویتPMO دقیقاً برای چه چیزی وجود دارد؟Governance؟Control؟Support؟Strategy Execution؟Portfolio Management؟ اگر پاسخ مشخص نباشد، PMO خیلی زود تبدیل به واحدی می‌شود که همه از آن چیزی می‌خواهند و خودش نمی‌داند موفقیتش را با چه چیزی باید بسنجد.۲. بحران ارزشاگر KPI اصلی PMO تعداد گزارش‌ها، جلسات و پروژه‌های تحت کنترل باشد، داریم فعالیت را اندازه می‌گیریم، نه ارزش را.۳. بحران دادهداشبورد زیبا لزوماً تصمیم خوب ایجاد نمی‌کند.PMO باید از:Data → Insight → Decision → Actionعبور کند.۴. بحران چابکینمی‌توان با منطق Waterfall، پروژه‌های Agile، Digital Transformation و محصولات مبتنی بر AI را مدیریت کرد.Deloitte سال‌هاست بر ضرورت تکامل PMO سنتی به مدل‌هایی تأکید دارد که بتوانند با محیط‌های Agile و پیچیده‌تر کار کنند.۵. بحران اعتماداگر مدیر پروژه PMO را فقط یک نهاد کنترلی ببیند و مدیر ارشد هم فقط گزارش‌های PMO را بخواند، PMO بین «تیم اجرا» و «مدیریت» گیر می‌کند.PMO باید Bridge باشد، نه Barrier.و شاید مهم‌ترین تغییر همین باشد:PMO آینده، مرکز کنترل پروژه نیست. مرکز خلق قابلیت تصمیم‌گیری برای سازمان است. یعنی PMO باید بتواند:    Strategy  را به Portfolio وصل کند.Portfolio  را به Projects وصل کند.Projects  را به Execution وصل کند.Execution را به Data وصل کند.Data را به Insight تبدیل کند.Insight  را به Decision و Business Value برساند. در پروژه‌های پیچیده امروز، این موضوع حتی مهم‌تر شده است؛ PMI در گزارش Pulse of the Profession 2026 می‌گوید ۹۷٪ متخصصان پروژه در سال گذشته حداقل یک پروژه پیچیده مدیریت کرده‌اند و پروژه‌های به‌شدت پیچیده تقریباً دو برابر پروژه‌های معمولی با شکست مواجه می‌شوند.پس سؤال اصلی دیگر این نیست PMO چقدر پروژه را کنترل می‌کند؟ سؤال مهم‌تر این است  PMO چقدر توان سازمان را برای تصمیم‌گیری بهتر و خلق ارزش بیشتر افزایش داده است؟من فکر می‌کنم آینده PMO متعلق به کسانی است که بتوانند از:Reporting → InsightControl → EnablementProcess → ValueProject → PortfolioPMO → Strategic Value Officeحرکت کنند. حالا سؤال من از شما:اگر PMO سازمان شما فردا حذف شود، دقیقاً چه چیزی را از دست می‌دهید؟اگر جواب این سؤال فقط «گزارش‌ها و داشبوردها» باشد، شاید وقت آن رسیده که درباره مدل PMO دوباره فکر کنیم.اگر این مقاله برای شما مفید بود ممنون میشم از من حمایت کنید تا ضمن انگیزه گرفتن، این مسیر رو با قدرت بیشتری ادامه بدم.​​​​​معرفی گروه چابک شو:​​​​​​​📌گروه چابک شو در زمینه های مشاوره، کوچینگ و برگزاری دوره های آموزشی سازمانی در حوزه های ذیل فعالیت می نماید. 📊پیاده سازی دفتر مدیریت پروژه و دفتر توسعه ارزش 📉آموزش مدیریت پروژه چابک و مدیریت پروژه بر اساس راهنمای PMBOK 💡مدیریت محصول📉پرکتیس های چابکی ( Scrum/kanabn/nexus/SAFe/Less/ XP/ Lean )📉​​​​​​​تحلیل کسب و کار و داده محوری💡تحول دیجیتال و تهیه نقشه راه تحول دیجیتال سازمان ها 📊 بهبود و توسعه بلوغ مدیریت پروژه 🏢بیش از 15 سال تجربه آموزش، پیاده سازی و پیشبرد پروژه ها با رویکردهای توسعه چابک در بزرگترین سازمان های فناورانه و نوآورانه کشور.هلدینگ فناپ/هلدینگ خلیج فارس/همراه اول/ثمین رای/برآروان/هاب شیراز/لبخند اول/کتب خونه/مکتب فناپ /فناپ کمپس/دانشگاه شیراز،/دانشگاه صنعتی شاهرود/دانشگاه خوارزمی/فراجا /درسا رسانه هوشمند و ... 🌐در شبکه های اجتماعی این گروه مطالب، مقالات و تجربیات توسعه چابک محصولات و خدمات نوآوارانه با با علاقه مندان به اشتراک گذاشته می شود.🌐سایت گروه چابک شو🌐گروه تلگرام چابک شو📚دوره جامع مبانی توسعه چابک با رویکرد های اسکرام، کانبان و اسکرام بانمحمد حمیدیمحمد حمیدیSat, 05 Sep 2026 09:59:28 +0330https://virgool.ir/BeAgileGroup/نه-گفتن-به-عنوان-مالک-محصول-یا-مدیر-محصول-ebul61pgb1fmچگونه میان پیش‌برد اهداف و همکاری با ذی‌نفعان تعادل برقرار کنیممقدمه: نه گفتن بدون سوزاندن پل‌هاآیا با هنر ظریف «نه گفتن» به‌عنوان مالک محصول یا مدیر محصول دست‌وپنجه نرم می‌کنید؟ در واقع، این بیشتر یک «بله» راهبردی به موارد با اولویت‌های بالاتر است؛ یعنی رد کردن درخواست‌های کم‌اهمیت‌تر بدون آنکه کانال ارتباطی را ببندید.این مقاله به رویکردهای گوناگونی می‌پردازد: از بازچینش چارچوب گفتگوها و تقویت همکاری با ذی‌نفعان گرفته تا شفاف‌سازی، استدلال مبتنی بر داده و تعامل همدلانه. کشف کنید چگونه می‌توانید تعادلی هماهنگ میان پیش‌برد اهداف محصول و پرورش روابط حرفه‌ای با ذی‌نفعان‌تان حفظ کنید.تأملی بر موضوعگفتمان «نه گفتن» در محیط‌های حرفه‌ای، به‌ویژه در نقش‌هایی همچون مدیریت محصول و مالکیت محصول، اغلب بر ایجاد تعادل میان قاطعیت و همدلی، شفافیت و انعطاف‌پذیری، و قاطعیت و گشودگی در برابر بازخورد استوار است. فهرست‌ زیر طیف جامعی از راهبردها و دام‌ها را در پیمودن این تعادل ظریف دربرمی‌گیرند. شایان ذکر است که اثربخشی این راهبردها ممکن است بسته به فرهنگ سازمانی، ماهیت روابط با ذی‌نفعان و جزئیات پروژه‌های پیش رو متفاوت باشد.افزون بر این، بافتی که «نه» در آن ابراز می‌شود به‌طور چشمگیری بر نحوه دریافت آن اثر می‌گذارد. برای نمونه، هنگام تغییر سازمانی یا بحران، حساسیت ذی‌نفعان ممکن است بیشتر باشد و «نه» گفتن به دقت و ملاحظه بیشتری نیاز داشته باشد. به همین ترتیب، سابقه رابطه و تعاملات گذشته طرفین نیز بر چگونگی تلقی «نه» اثرگذار خواهد بود.در پایان، خوداندیشی مستمر و دریافت بازخورد درباره سبک ارتباطی و رویکرد تصمیم‌گیری‌تان می‌تواند بینش‌های ارزشمندی برای بهبود فراهم آورد. مشارکت در آموزش، مطالعه یا مربی‌گری برای تقویت مهارت‌های ارتباط، مذاکره و حل تعارض نیز می‌تواند در تسلط بر هنر مخالفت حرفه‌ای بسیار سودمند باشد. به بیان دیگر، نه گفتن بدون خراب کردن پل‌ها ممکن است.چگونه نه بگوییمبگذارید به دوازده مفهوم اصلی نه گفتن بدون سوزاندن پل‌ها، بدون ناامیدکردن ذی‌نفعان و بدون تضعیف جایگاه حرفه‌ای‌تان بپردازیم:1- شفافیت و زمینه‌سازی فراهم کنید: فراهم‌کردن شفافیت و زمینه به ذی‌نفعان کمک می‌کند منطق پشت تصمیم‌ها را درک کنند. با توضیح اینکه یک درخواست چگونه با راهبردهای فعلی محصول، اهداف محصول یا اولویت‌ها هم‌سو است، به ذی‌نفعان کمک می‌کنید تصویر بزرگ‌تر را ببینند و بفهمند چرا برخی درخواست‌ها در حال حاضر ممکن است شدنی نباشند. افزون بر این، شفافیت مانع از آن می‌شود که ذی‌نفعان، مالک محصول را یک معما یا جعبه سیاه بپندارند و به ایجاد اعتماد و صمیمیت یاری می‌رساند.2- گوش‌دادن فعال را تمرین کنید: گوش‌دادن فعال یعنی توجه کامل به گوینده، نشان‌دادن اینکه دیدگاه او را می‌فهمید و خودداری از قضاوت. این کار برای مالک محصول یا مدیر ضروری است تا اطمینان یابد ذی‌نفعان احساس می‌کنند شنیده شده و ارزشمندند. همچنین به درک مسئله یا پرسش عمیق‌تر پیش از پاسخ‌دادن کمک می‌کند.3- چارچوب گفتگو را بازچینی کنید: بازچینی چارچوب یعنی تغییر روایت از یک سناریوی ساده بله/نه به گفتگویی ظریف‌تر. با پرسیدن سؤال‌های شفاف‌ساز یا گفتن «بیشتر بگو»، ژرف‌تر به ارزش پیشنهاد می‌پردازید و گفتگویی سازنده‌تر شکل می‌دهید و درخواست را در بستر اهداف کلان‌تر محصول بررسی می‌کنید.4- ارتباط همدلانه: همدلی در ارتباط یعنی درک و تأیید احساسات و دیدگاه‌های دیگران. برقرارکردن ارتباطی که به دیدگاه ذی‌نفعان احترام بگذارد ضروری است؛ بدین‌سان حتی هنگام رساندن خبرهای ناخوشایند، رابطه‌ای مثبت و باز حفظ می‌شود.5- ارتباط قاطعانه: قاطعیت یعنی بیان دیدگاه‌ها، ترجیح‌ها و تصمیم‌های خود با اعتمادبه‌نفس و احترام. قاطع بودن در توضیح تصمیم‌ها به ایجاد اعتبار کمک می‌کند و اطمینان می‌دهد ذی‌نفعان استحکام و منطق پشت تصمیم‌های شما را درک می‌کنند.6- همکاری و اعتماد را پرورش دهید: ایجاد اعتماد و پرورش همکاری برای حفظ روابط مثبت با ذی‌نفعان حیاتی است. تعامل مستمر، ارتباط شفاف و تعهد به موفقیت ذی‌نفعان به ساختن اعتماد و محیطی مشارکتی کمک می‌کند.7- فرایند تصمیم‌گیری‌تان را مستند و به اشتراک بگذارید: مستندسازی و به اشتراک‌گذاشتن فرایند تصمیم‌گیری به ذی‌نفعان کمک می‌کند دلایل نهفته پشت تصمیم‌ها را بفهمند. همچنین مرجعی برای گفتگوهای آینده فراهم می‌آورد و شفافیت را تضمین می‌کند و درک مشترکی از چارچوب تصمیم‌گیری درون سازمان ایجاد می‌نماید.8- ذی‌نفعان را در تعیین مرزها مشارکت دهید: مشارکت‌دادن ذی‌نفعان در تعیین مرزها و تصمیم‌گیری، محیطی مشارکتی می‌آفریند. این کار به ذی‌نفعان اجازه می‌دهد بده‌بستان‌ها و محدودیت‌ها را درک کنند و در نتیجه احتمال بیشتری دارد به تصمیم‌های گرفته‌شده احترام بگذارند، حتی اگر به معنی به‌تعویق‌انداختن یا رد درخواست‌شان باشد. تمرینی عالی برای این منظور، نشست‌های مشترک «نقشه‌برداری داستان کاربر» است.9- شفافیت و صداقت را تمرین کنید: شفافیت در بیان حجم کار تیم، اولویت‌ها و منطقِ پشت تصمیم‌ها اعتماد می‌سازد. صادق بودن درباره آنچه می‌توان و نمی‌توان انجام داد به مدیریت انتظارات ذی‌نفعان کمک می‌کند و اعتبار می‌آفریند.10-تصمیم‌گیری مبتنی بر داده: تصمیم‌های خود را بر داده‌های عینی، سنجه‌ها و شواهد استوار کنید. این رویکرد به تصمیم‌های شما اعتبار می‌بخشد و روشن می‌سازد که دلبخواهی نیستند، بلکه ریشه در واقعیت‌ها دارند و با اهداف راهبردی محصول هم‌سو هستند.11-راه‌حل‌های جایگزین پیشنهاد دهید: هنگام نه گفتن، راه‌حل‌های جایگزینی ارائه دهید که بتواند نیازها یا نگرانی‌های نهفته ذی‌نفعان را برطرف کند. این پیشنهاد، رویکردی فعال و مشارکتی نشان می‌دهد و تعهد به یافتن پیامدهای دوسویه سودمند را بازتاب می‌دهد.12- تیم‌تان را آموزش دهید و توانمند سازید: دانش و چشم‌انداز محصول‌تان را با تیم به اشتراک بگذارید تا آن‌ها را برای پاسخ‌گویی به درخواست‌ها و تمرکز بر اولویت‌ها توانمند کنید. تیمی آگاه بهتر می‌تواند با ذی‌نفعان ارتباط برقرار کند و در فرایندهای تصمیم‌گیری مشارکت نماید.از چه چیزهایی هنگام نه گفتن بپرهیزیماکنون که با نه گفتن حرفه‌ای آشنا شدیم، نگاهی بیندازیم به رویکردهایی که باید به هر قیمتی از آن‌ها اجتناب کنید: ضدالگوهای نه گفتن:1- طفره‌رفتن / پاسخ‌ندادن: طفره‌رفتن از گفتگوهای حیاتی یا تعلل در دادن پاسخ‌های روشن می‌تواند به انباشت ناکامی و بی‌اعتمادی در میان ذی‌نفعان بینجامد. همچنین می‌تواند زمان‌بندی پروژه را به تأخیر اندازد و فضایی از ابهام بیافریند و بر بهره‌وری کلی و روحیه تیم اثر بگذارد.2- اقتدارگرایی افراطی: هرچند قاطعیت در تصمیم‌گیری کلیدی است، اقتدارگرایی افراطی می‌تواند محیطی خصمانه ایجاد کند. این رفتار به مقاومت ذی‌نفعان می‌انجامد و به‌جای ارتباط باز، ممکن است فرهنگ ترس را پرورش دهد که برای حل مشارکتی مسئله زیان‌بار است.3- قول‌دادن بیش‌ازحد: «بله» گفتن اولیه برای پرهیز از تعارض، اما عقب‌نشینی بعدی به دلیل محدودیت ظرفیت، می‌تواند اعتبار را به‌شدت خدشه‌دار کند. ممکن است به ازدست‌دادن اعتماد بینجامد و برنامه‌ریزی و اجرای پروژه را مختل سازد.4- سوءاستفاده از قدرت سلسله‌مراتبی: بهره‌گیری از قدرت بالادستی برای تحمیل یک «نه» بدون بحث کافی می‌تواند به دلخوری بینجامد. این کار روحیه همکاری را تضعیف می‌کند و ممکن است ذی‌نفعان را وا‌دارد احساس کنند رأی‌شان نادیده گرفته شده و کم‌ارزش شمرده شده‌اند.5- شانه‌خالی‌کردن از مسئولیت: انداختن تقصیر یک تصمیم «نه» بر دوش دیگران یا شرایط بیرونی، به‌جای پذیرفتن مالکیت تصمیم، می‌تواند به ازدست‌دادن احترام و اعتماد ذی‌نفعان بینجامد.6- انعطاف‌ناپذیری: بازنبودن در برابر راه‌حل‌ها یا تعدیل‌های جایگزین می‌تواند نبودِ سازگاری را نشان دهد. همچنین می‌تواند کشف رویکردهای بهتر برای حل مسائل را بازدارد.7- زبان منفی: به‌کارگیری زبان منفی می‌تواند ذی‌نفعان را دلسرد کند و فضایی بدبینانه بیافریند. حیاتی است که گفتگوها را سازنده و مثبت قاب‌بندی کنیم، حتی هنگام رساندن خبرهای ناخوشایند.8- نبود شفافیت: به اشتراک نگذاشتن منطق پشت یک «نه» می‌تواند بدگمانی و سوءتفاهم ایجاد کند. شفافیت تضمین می‌کند ذی‌نفعان فرایند تصمیم‌گیری را درک کنند؛ امری که اعتماد و احترام به تصمیم‌های مدیر محصول را می‌سازد.9- نبود مشارکت و تعامل: ردکردن ایده‌ها بدون درگیرشدن در گفتگوی سازنده می‌تواند خلاقیت و ارتباط را خفه کند. همچنین ممکن است ذی‌نفعان را از به اشتراک‌گذاشتن بینش‌های ارزشمند در آینده بازدارد و در نتیجه گنجینه ایده‌ها و راه‌حل‌ها را محدود کند.10- اتکای افراطی به داده: داده برای تصمیم‌گیری آگاهانه حیاتی است؛ بااین‌حال، اتکای بیش‌ازحد بدون درنظرگرفتن بینش‌های کیفی می‌تواند به دیدگاهی تنگ‌نظرانه از موقعیت بینجامد. ضروری است داده را با بینش انسانی متوازن کنیم تا تصمیم‌هایی جامع بگیریم.11- نادیده‌گرفتن تلاش: قدردانی نکردن از تلاش یا اندیشه نهفته در یک پیشنهاد، پیش از «نه» گفتن، می‌تواند به بی‌انگیزگی بینجامد. به‌رسمیت‌شناختن تلاش، فرهنگ قدردانی را پرورش می‌دهد و مشارکت مستمر را ترغیب می‌کند.12- نبود پیگیری: فراهم نکردن ارتباط یا پیگیری بیشتر پس از یک «نه» می‌تواند ذی‌نفعان را کم‌ارزش و نسبت به مسیر پیش رو نامطمئن رها کند. حفظ کانال‌های ارتباطی باز حیاتی است تا اطمینان یابیم همه هم‌سو و آگاه‌اند.لحظاتی تأملپویایی‌های محیط‌های کارِ دورکاری یا ترکیبی چگونه ممکن است بر راهبردهای نه گفتنِ حرفه‌ای اثر بگذارد؟چه چارچوب‌ها یا الگوهایی برای بهبود ارتباط میان‌فردی و تصمیم‌گیری در محیط‌های حرفه‌ای وجود دارد؟سازمان چگونه می‌تواند فرهنگی را پرورش دهد که در آن «نه» به‌عنوان جنبه‌ای مثبت برای تضمین تمرکز و کیفیت دیده شود، نه پاسخی منفی؟مدیر محصول چگونه می‌تواند میان قاطع بودن و حفظ روابط مثبت با ذی‌نفعان تعادل برقرار کند، به‌ویژه در موقعیت‌های پرمخاطره؟در بستر تصمیم‌گیری مبتنی بر داده، مالک محصول چگونه می‌تواند به‌طور مؤثر ارتباط برقرار کند وقتی داده‌های موجود با ترجیح‌ها یا نظرات ذی‌نفعان در تضاد است؟نتیجه‌گیرینه گفتن موثر به‌عنوان مدیر محصول آمیزه‌ای از گوش‌دادن فعال، ارتباط همدلانه و تصمیم‌گیری مبتنی بر داده را دربر می‌گیرد. بازچینی چارچوب گفتگو، شفاف‌سازی و مشارکت‌دادن ذی‌نفعان در فرایندهای تصمیم‌گیری محوری‌اند. همچنین ارائه راه‌حل‌های جایگزین، تمرین شفافیت و پرورش اعتماد نقش‌هایی حیاتی دارند. توانمندسازی تیم با دانش محصول و قاطعیت در ارتباط، روابط حرفه‌ای را بیش‌ازپیش استحکام می‌بخشد و درعین‌حال هم‌سویی با اهداف محصول را تضمین می‌کند.این راهبردها روی‌هم‌رفته به حفظ گفتگویی سازنده و محیطی مشارکتی در میانهٔ چالش‌های مدیریت درخواست‌ها و انتظارات ذی‌نفعان یاری می‌رسانند.شما چگونه نه گفتن را تمرین می‌کنید؟ لطفاً تجربه‌تان را در بخش دیدگاه‌ها ( کامنت ها ) با ما به اشتراک بگذارید.این مقاله ترجمه ای بود آزاد از مقاله ای با عنوان Saying No as a Product Owner or Product Manager که توسط گروه چابک شو جهت ارائه به جامعه توسعه چابک ایران انجام شده است.​​​​​معرفی گروه چابک شو:​​​​​​​📌گروه چابک شو در زمینه های مشاوره، کوچینگ و برگزاری دوره های آموزشی سازمانی در حوزه های ذیل فعالیت می نماید. 📊پیاده سازی دفتر مدیریت پروژه و دفتر توسعه ارزش 📉آموزش مدیریت پروژه چابک و مدیریت پروژه بر اساس راهنمای PMBOK 💡مدیریت محصول📉پرکتیس های چابکی ( Scrum/kanabn/nexus/SAFe/Less/ XP/ Lean )📉​​​​​​​تحلیل کسب و کار و داده محوری💡تحول دیجیتال و تهیه نقشه راه تحول دیجیتال سازمان ها 📊 بهبود و توسعه بلوغ مدیریت پروژه 🏢بیش از 15 سال تجربه آموزش، پیاده سازی و پیشبرد پروژه ها با رویکردهای توسعه چابک در بزرگترین سازمان های فناورانه و نوآورانه کشور.هلدینگ فناپ/هلدینگ خلیج فارس/همراه اول/ثمین رای/برآروان/هاب شیراز/لبخند اول/کتب خونه/مکتب فناپ /فناپ کمپس/دانشگاه شیراز،/دانشگاه صنعتی شاهرود/دانشگاه خوارزمی/فراجا /درسا رسانه هوشمند و ... 🌐در شبکه های اجتماعی این گروه مطالب، مقالات و تجربیات توسعه چابک محصولات و خدمات نوآوارانه با با علاقه مندان به اشتراک گذاشته می شود.🌐سایت گروه چابک شو 🌐گروه تلگرام چابک شو📚دوره جامع مبانی توسعه چابک با رویکرد های اسکرام، کانبان و اسکرام بانمحمد حمیدیمحمد حمیدیSun, 16 Aug 2026 15:26:33 +0330https://virgool.ir/BeAgileGroup/آیا-می-توان-یا-باید-اسکرام-را-تغییر-داد-pc9yolxlkyqpآیا می‌توان یا باید اسکرام را تغییر داد، یا اینکه دست بردن در این چارچوب «تغییرناپذیر» برای انطباق با نیازهای تیم‌ها و سازمان‌ها، نوعی بی‌حرمتی محسوب می‌شود؟کمی صبر کنید؛ تغییر یا تکمیل اسکرام را به‌سرعت به‌عنوان انحراف از مسیر، دامن زدن به انواع «اسکرام‌بات» (Scrumbut) یا بدنام کردن اسکرام رد نکنید. در فضای کسب‌وکار که به‌سرعت در حال تحول است، پایبندی کاملاً سخت‌گیرانه به اسکرام، دقیقاً مطابق آنچه در راهنما آمده، ممکن است به قیدی تبدیل شود که نوآوری، تمرکز بر کاربر و سازگاری با تغییر را محدود کند.از ضرورت سازگاری با فرهنگ سازمان گرفته تا مواجهه با بدهی فنی و فناوری‌های نوظهور، در این مطلب با ده دلیل قانع‌کننده آشنا خواهید شد که نشان می‌دهند تکمیل و توسعه اسکرام نه‌تنها قابل قبول است، بلکه برای تیم‌های امروزی یک ضرورت به شمار می‌رود.در ادامه خواهید دید که در چه شرایطی و چگونه می‌توان اسکرام را به‌صورت مسئولانه با شرایط تطبیق داد، بدون آنکه ماهیت و جوهره اصلی آن تضعیف شود.دلایل تغییر اسکرامدلایل مشروع متعددی وجود دارد که ممکن است شما را به تغییر یا تکمیل اسکرام ترغیب کند:پیچیدگی کسب‌وکار: پیچیدگی کسب‌وکارهای امروزی اغلب فراتر از دامنه‌ای است که اسکرام استاندارد پوشش می‌دهد. سازمان‌ها معمولاً با وابستگی‌های متقابل میان واحدهای مختلف، تأمین‌کنندگان شخص ثالث و نهادهای قانون‌گذار مواجه هستند. تکمیل اسکرام به‌گونه‌ای که این عوامل را نیز در نظر بگیرد، امکان اتخاذ رویکردی جامع‌تر برای حل پایدار مسائل مشتریان را فراهم می‌کند.انطباق با قوانین و مقررات: در صنایع دارای الزامات قانونی سخت‌گیرانه، وجود کنترل‌ها و سازوکارهای نظارتی بیشتری ضروری است. اسکرام را می‌توان به‌گونه‌ای توسعه داد که نیازهای انطباق با مقررات را برآورده کند؛ برای مثال، با تعریف نقش‌های تخصصی برای توسعه‌دهندگان که مسئول اطمینان از رعایت الزامات قانونی باشند.یکپارچه‌سازی با سایر رویکردها: بسیاری از سازمان‌ها به‌طور هم‌زمان از چندین چارچوب یا روش چابک استفاده می‌کنند. تطبیق اسکرام برای هم‌افزایی بهتر با رویکردهایی مانند کانبان در پروژه‌های نگهداشت یا تفکر طراحی (Design Thinking) در مراحل اولیه توسعه محصول، می‌تواند جریان کاری منسجم‌تر و اثربخش‌تری ایجاد کند.نوآوری: اسکرام برای بهبود تدریجی طراحی شده است، اما لزوماً برای خلق نوآوری‌های تحول‌آفرین مناسب نیست. افزودن عناصری مانند «اسپرینت‌های نوآوری» یا هکاتون‌ها می‌تواند بُعد تازه‌ای به توانمندی‌های تیم‌های اسکرام اضافه کند.محدودیت منابع: سازمان‌های کوچک یا تیم‌هایی که با محدودیت منابع مواجه هستند، ممکن است اجرای کامل اسکرام مطابق راهنما را دشوار بدانند. ساده‌سازی یا تعدیل برخی عناصر اسکرام می‌تواند به این سازمان‌ها کمک کند تا بدون تحمل پیچیدگی بیش از حد، از مزایای رویکردهای چابک بهره‌مند شوند.کشف محصول (Product Discovery): یکی از انتقادهای رایج به اسکرام این است که راهنمایی صریحی درباره کشف محصول ارائه نمی‌دهد. افزودن یک مرحله کشف محصول یا حمایت از مالک محصول برای تمرکز بر این حوزه، می‌تواند اطمینان حاصل کند که تیم اسکرام در حال ساخت محصول درست است، نه صرفاً درست ساختن محصول.تمرکز بر تجربه کاربری: اسکرام سنتی به‌طور صریح بر تجربه کاربری (UX) تأکید نمی‌کند. اما با افزایش اهمیت تجربه کاربری در توسعه نرم‌افزار، نیاز به ادغام فعالیت‌هایی مانند آزمون کاربران و طراحی تجربه کاربری در جریان اسپرینت بیش از پیش احساس می‌شود.تصمیم‌گیری مبتنی بر داده: اسکرام بر بازخورد ذی‌نفعان تأکید دارد، اما تصمیم‌گیری مبتنی بر داده را به‌طور مشخص تجویز نمی‌کند. ادغام تحلیل داده‌ها در اسکرام می‌تواند به تیم‌ها کمک کند تا در برنامه‌ریزی و اجرا، تصمیم‌هایی دقیق‌تر، عینی‌تر و مبتنی بر شواهد اتخاذ کنند. (وب‌سایت Scrum.org نیز با رویکرد «مدیریت مبتنی بر شواهد» یا Evidence-Based Management در همین مسیر حرکت کرده است.)چالش‌های کار از راه دور: گسترش چشمگیر دورکاری، چالش‌های جدیدی را به همراه آورده است. تطبیق اسکرام با پویایی تیم‌های دورکار، مانند ارتباطات ناهم‌زمان یا استفاده از ابزارهای همکاری از راه دور، امروز تقریباً به یک ضرورت تبدیل شده است.اگر این دلایل را با نگاهی نقادانه بررسی کنیم، روشن می‌شود که اسکرام، با وجود استحکام و کارآمدی، ممکن است تنها بخشی از چالش‌ها و فرصت‌هایی را که تیم‌های توسعه محصول با آن‌ها روبه‌رو هستند پوشش دهد. ازاین‌رو، تا زمانی که هرگونه تغییر با دقت، آگاهی و احترام به اصول بنیادین اسکرام انجام شود، می‌توان استدلالی منطقی و مستحکم برای تکمیل و توسعه این چارچوب ارائه کرد.شرایط تغییر اسکراماکنون بیایید با دقت بیشتری شرایطی را بررسی کنیم که در آن‌ها تغییر یا تکمیل اسکرام می‌تواند قابل قبول باشد:نگاه کل‌نگر: هیچ تغییری نباید به‌صورت منفرد و بدون در نظر گرفتن سایر اجزای سیستم انجام شود. باید بررسی شود که تغییر در یک بخش چه تأثیری بر سایر بخش‌ها خواهد داشت. رویکرد کل‌نگر تضمین می‌کند که تغییرات اعمال‌شده در اسکرام، هماهنگ و هم‌افزا باشند، نه اینکه موجب اختلال یا تعارض شوند.درک کامل از اصول اسکرام: پیش از هرگونه تغییر در اسکرام، ضروری است که اصول، ارزش‌ها و شیوه‌های اصلی آن به‌طور کامل درک شده باشند. این شناخت عمیق باعث می‌شود تغییرات، مبانی و اصول بنیادین اسکرام را تضعیف نکنند.هم‌راستایی با سازمان: تغییرات نباید صرفاً به نفع تیم اسکرام باشند، بلکه باید با راهبردها و اهداف کلان سازمان نیز همسو باشند. ناهماهنگی میان شیوه کار تیم اسکرام و اهداف سازمان، می‌تواند باعث اصطکاک، کاهش اثربخشی و تضعیف ارزش‌آفرینی برای مشتری شود.مشتری‌محوری: هر تغییری باید در راستای هدف نهایی اسکرام، یعنی خلق ارزش بیشتر برای مشتری، باشد. اگر تغییری نتواند محصول را بهبود دهد یا فرایند را مشتری‌محورتر کند، لازم است در آن بازنگری شده یا به حالت قبل بازگردانده شود.رعایت الزامات اخلاقی و قانونی: تغییرات نباید منجر به ایجاد رویه‌هایی شوند که با قوانین یا اصول اخلاقی مغایرت داشته باشند؛ از جمله قوانین کار، مقررات صنعت یا الزامات حاکمیت شرکتی.اهداف شفاف: هر تغییر باید با هدفی روشن، مشخص و قابل اندازه‌گیری انجام شود؛ هدفی که برای حل یک مسئله مشخص یا بهبود بخشی از جریان کار تعریف شده و با اهداف کلی پروژه یا سازمان هم‌راستا باشد.توافق تیم: اسکرام بر تصمیم‌گیری جمعی تأکید دارد. بنابراین، هرگونه تغییر در چارچوب باید با مشارکت، گفت‌وگو و توافق اعضای تیم انجام شود.آزمایش تدریجی و تکرارشونده: تیم یا تیم‌های اسکرام باید پیش از اجرای گسترده هر تغییر مهم، آن را در مقیاسی کوچک آزمایش کنند تا اثربخشی آن سنجیده شود. رویکرد آزمایشی این امکان را فراهم می‌کند که در صورت ناکارآمد یا زیان‌بار بودن تغییر، اصلاح یا بازگرداندن آن به‌سرعت انجام شود.استدلال مبتنی بر داده: تغییرات باید بر پایه داده‌های تجربی و شواهد عینی توجیه شوند. برای مثال، می‌توان از نتایج نظرسنجی رضایت ذی‌نفعان پس از انتشار محصول برای ارزیابی و اصلاح شیوه‌های تعامل با ذی‌نفعان استفاده کرد تا اطمینان حاصل شود محصول توسعه‌یافته با انتظارات ذی‌نفعان و اهداف سازمان هم‌خوانی دارد.بازبینی و دریافت بازخورد: پس از اعمال هر تغییر، تیم باید به‌طور منظم نتایج آن را ارزیابی کند. این بازبینی باید شامل دریافت بازخورد از اعضای تیم و ذی‌نفعان باشد تا اثربخشی تغییرات سنجیده شود. در نتیجه، هر تغییری که نتواند ارزش مورد انتظار را ایجاد کند، باید اصلاح یا حذف شود.بنابراین، دلایل موجهی برای تغییر یا تکمیل اسکرام وجود دارد و همچنین می‌توان مجموعه‌ای از شرایط را تعریف کرد که این تغییرات را، در عین حفظ و احترام به اصول بنیادین اسکرام، هدایت و پشتیبانی کنند.بیایید اسکرام را تغییر دهیماکنون بیایید برخی از راهکارهای تکمیل و توسعه اسکرام را بررسی کنیم؛ راهکارهایی که به سازمان‌ها کمک می‌کنند این چارچوب را متناسب با شرایط خود به‌کار گیرند و در عین حفظ اصول چابک، پاسخگوی واقعیت‌های گوناگون محیط‌های کاری باشند.حمایت و همراهی مدیران: حمایت مدیران برای پذیرش و اجرای موفق هر تغییری ضروری است. ممکن است لازم باشد برخی از شیوه‌های اسکرام برای پاسخ‌گویی به انتظارات مدیریتی یا تأمین منابع موردنیاز تعدیل شوند، اما این تغییرات هرگز نباید اصول چابک را تضعیف کنند. ارائه شواهدی از بازگشت سرمایه (ROI) تغییرات پیشنهادی، می‌تواند نقش مهمی در جلب حمایت مدیران ایفا کند. (نمونه: افزودن یک نهاد حاکمیتی به فرایند انتشار محصول.)سازگاری با فرهنگ سازمان: سازمان‌ها دارای فرهنگ‌های متفاوتی هستند و همه آن‌ها به‌طور طبیعی با اصول اسکرام همسو نیستند. تطبیق اسکرام با ویژگی‌های فرهنگی هر سازمان، به معنای خدشه‌دار کردن یکپارچگی آن نیست، بلکه راهی برای افزایش قابلیت اجرا و پذیرش این چارچوب در محیط‌های کاری گوناگون است. (نمونه: تهیه گزارش اسپرینت در کنار برگزاری جلسه بازبینی اسپرینت.)ایمنی روان‌شناختی: وجود محیطی با ایمنی روان‌شناختی، پیش‌نیاز آن است که اعضای تیم بتوانند ریسک کنند، اشتباه کنند و از اشتباهات خود بیاموزند. اگرچه اسکرام از طریق تأکید بر همکاری و احترام متقابل به این موضوع اشاره می‌کند، اما تصریح آن از طریق توافق‌های تیمی یا جلسات منظم بررسی وضعیت اعضای تیم، می‌تواند این اصل حیاتی را در محیط‌های کاری چابک نهادینه کند.مشارکت ذی‌نفعان: اسکرام نقش‌های مالک محصول و توسعه‌دهندگان را مشخص می‌کند، اما درباره نحوه مشارکت ذی‌نفعان جزئیات چندانی ارائه نمی‌دهد. توسعه اسکرام با افزودن حلقه‌های بازخورد مشتریان یا جلسات منظم با ذی‌نفعان داخلی، می‌تواند لایه‌ای جدید از اعتبارسنجی و هم‌راستایی ایجاد کند تا توسعه محصول بیش از پیش با نیازهای کاربران نهایی و اهداف سازمان هماهنگ شود. (نمونه: مشارکت ذی‌نفعان در مدیریت بک‌لاگ محصول از طریق کارگاه‌های نگاشت داستان کاربر (User Story Mapping).)چالش مقیاس‌پذیری: اسکرام به‌تنهایی راهنمایی مشخصی برای کار در مقیاس بزرگ ارائه نمی‌دهد. چارچوب‌هایی مانند Nexus و LeSS برداشت‌های خود را از مقیاس‌پذیری چابک ارائه کرده‌اند که مستلزم تغییرات قابل‌توجهی نسبت به اسکرام پایه هستند. انتخاب زمان و نحوه استفاده از این چارچوب‌ها، مستلزم تحلیل دقیق شرایط و نیازهای سازمان است. (نکته: نویسنده، SAFe® را رویکرد مناسبی برای مقیاس‌پذیری اسکرام نمی‌داند.)تیم‌های جهانی و توزیع‌شده: در تیم‌هایی که در نقاط مختلف جهان فعالیت می‌کنند، تفاوت مناطق زمانی، زبان و فرهنگ، چالش‌های متعددی ایجاد می‌کند. تطبیق اسکرام از طریق برگزاری اسکرام روزانه به‌صورت ناهم‌زمان یا تعیین ساعات مشترکی که همه اعضای تیم در دسترس باشند، می‌تواند همکاری و ارتباطات را تسهیل کند. (نکته: اسکرام در اصل برای یک تیم هم‌مکان طراحی شده است.)بدهی فنی: انباشت بدهی فنی می‌تواند سرعت توسعه را کاهش داده و کیفیت محصول را به خطر اندازد. اگرچه اسکرام به‌طور مستقیم به این موضوع نمی‌پردازد، اما اختصاص بخشی از هر اسپرینت به کاهش بدهی فنی می‌تواند به ایجاد پایگاه کد سالم‌تر و پایدارتر کمک کند. این رویکرد تعادلی میان توسعه قابلیت‌های جدید و حفظ کیفیت فنی ایجاد کرده و ریسک‌های آینده را کاهش می‌دهد.فناوری‌های نوظهور: با تحول سریع فناوری، تیم‌های اسکرام نیز باید بتوانند ابزارها و فناوری‌های جدید را به‌کار گیرند. از استفاده از تحلیل داده در اولویت‌بندی بک‌لاگ محصول گرفته تا به‌کارگیری ابزارهای آزمون مبتنی بر هوش مصنوعی، اسکرام باید انعطاف‌پذیری لازم را برای پذیرش این پیشرفت‌ها، بدون از دست دادن ماهیت خود، داشته باشد. (نکته: تحقیق و توسعه فنی باید به‌صورت مستمر بخشی از هر اسپرینت باشد.)حلقه‌های بازخورد فراتر از جلسه بازنگری گذشته‌نگر: اسکرام تا حد زیادی بر جلسه بازنگری گذشته‌نگر (Retrospective) به‌عنوان ابزار اصلی دریافت بازخورد تکیه دارد. بااین‌حال، ایجاد سازوکارهای بازخورد مستمر، مانند بازبینی همتایان، حلقه‌های اعتبارسنجی مشتری یا سایر روش‌های بهبود مستمر، می‌تواند این جلسات را تکمیل کند. چنین رویکردی باعث می‌شود یادگیری و بهبود، به‌جای محدود شدن به پایان هر اسپرینت، به‌صورت پیوسته در جریان کار رخ دهد. (نمونه: برگزاری دوره‌ای جلسات بازنگری مشترک با ذی‌نفعان یا کل تیم.)تنوع و توسعه مهارت‌ها: در تیم‌هایی که هنوز به معنای واقعی چندمهارتی (Cross-functional) نشده‌اند، می‌توان اسکرام را به‌گونه‌ای تطبیق داد که زمان و سازوکار لازم برای یادگیری، ارتقای مهارت‌ها، همکاری با متخصصان و جبران ضعف‌های ناشی از ساختار سازمانی را فراهم کند. این رویکرد فعالانه به تیم کمک می‌کند تا به‌تدریج به یک تیم واقعاً خودکفا تبدیل شود. (نمونه: حذف جدایی میان فعالیت‌های تحقیق کاربر یا تضمین کیفیت و تیم اسکرام.)هر یک از این موضوعات، ظرفیت قابل‌توجهی برای بررسی، یادگیری و تطبیق دارند. اگر این تغییرات با دقت و در چارچوب اصول بنیادین اسکرام انجام شوند، می‌توانند به اجرای جامع‌تر، عملی‌تر و اثربخش‌تر این چارچوب در سازمان‌ها منجر شوند.چه زمانی نباید اسکرام را تغییر داد؟در پایان، بیایید چهار الگوی ضدتغییر (Anti-pattern) را بررسی کنیم؛ مهم‌ترین دلایلی که نشان می‌دهند نباید در فرایند اسکرام دست ببریم.بی‌صبری برای دستیابی به نتایج سریع: اسکرام یک راه‌حل جادویی نیست، بلکه چارچوبی است که یک شیوه کار و فرهنگ مشخص را تسهیل می‌کند. استقرار اسکرام نیازمند زمان برای یادگیری، سازگاری و بلوغ است. سازمان‌ها یا تیم‌هایی که انتظار نتایج فوری دارند، ممکن است برای تسریع دستاوردها، چارچوب را تغییر دهند. چنین شتاب‌زدگی معمولاً به حذف یا ساده‌سازی نادرست برخی اجزای اسکرام منجر می‌شود؛ اقدامی که اصول بنیادین اسکرام را تضعیف کرده و در بلندمدت می‌تواند به شکست یا عملکردی پایین‌تر از انتظار بینجامد.برداشت نادرست از اسکرام: این وضعیت زمانی رخ می‌دهد که اصول اسکرام به‌درستی درک نشده باشند یا اسکرام به‌اشتباه یک ابزار مدیریت پروژه تلقی شود، نه یک چارچوب توسعه محصول. تغییراتی که بر پایه چنین سوءبرداشتی اعمال شوند، ماهیت واقعی اسکرام را کمرنگ کرده و مجموعه‌ای نامنسجم از رویه‌ها ایجاد می‌کنند که با اصول اساسی چابکی، شفافیت و همکاری در تضاد است.تغییرات مبتنی بر سلایق افراد: گاهی افراد یا گروه‌های بانفوذ در تیم، تغییراتی را پیشنهاد یا تحمیل می‌کنند که بیش از آنکه در راستای منافع تیم یا پروژه باشد، با ترجیحات شخصی یا سبک کاری آن‌ها سازگار است. چنین تغییراتی می‌تواند موجب توزیع نامتوازن قدرت یا مسئولیت شده و روحیه همکاری و کار تیمی، که یکی از ارکان اسکرام است، را تضعیف کند.دنبال کردن مُدها و واژه‌های پرطرفدار: دنیای چابک نیز از موج‌های تبلیغاتی و واژه‌های پرزرق‌وبرق بی‌نصیب نیست. همواره نقش‌ها، ابزارها یا شیوه‌های جدیدی مطرح می‌شوند که توجه صنعت را به خود جلب می‌کنند. افزودن این موارد به اسکرام، بدون ارزیابی نقادانه و بررسی تناسب آن‌ها، می‌تواند مجموعه‌ای نامنسجم از روش‌ها ایجاد کند که انسجام خود را از دست داده است. در چنین شرایطی، اسکرام به چارچوبی تکه‌تکه و غیرقابل تشخیص تبدیل می‌شود که نه‌تنها ارزش‌آفرینی را بهبود نمی‌دهد، بلکه احتمالاً مسائل جدیدی نیز ایجاد خواهد کرد.دانستن اینکه چه کارهایی را نباید انجام داد، به همان اندازه مهم است که بدانیم چه کارهایی را باید انجام داد. پیش از هرگونه تغییر در اسکرام، ضروری است بررسی شود که انگیزه این تغییر، حل یک مسئله واقعی و بهبود فرایند است، نه اینکه ناشی از یکی از این الگوهای ضدتغییر باشد.جمع‌بندینباید اسکرام را به‌عنوان چارچوبی مقدس و دست‌نخوردنی تصور کنیم؛ اسکرام یک ابزار است، نه یک باور یا آیین. هیچ‌کس به ما دستمزد نمی‌دهد که صرفاً اسکرام را اجرا کنیم؛ ما دستمزد می‌گیریم تا ارزش خلق کنیم و مسائل پیچیده و انطباق‌پذیر را حل کنیم. در دنیایی که پیوسته در حال تغییر است، شیوه‌های حل مسئله و خلق ارزش نیز باید همگام با آن تکامل یابند.اگرچه چارچوب اسکرام در طول سال‌ها کارآمدی و پایداری خود را به‌خوبی اثبات کرده است، اما راهکاری نیست که برای همه شرایط و همه سازمان‌ها به یک اندازه مناسب باشد. باید به خاطر داشت که اسکرام در خدمت تیم، محصول و سازمان است؛ آن هم دقیقاً به همین ترتیب، نه برعکس.هدف نهایی، اجرای بی‌نقص اسکرام نیست؛ بلکه حل مؤثر مسائل واقعی برای انسان‌های واقعی است. دستیابی به این هدف، گاهی مستلزم آن است که اسکرام را متناسب با شرایط و زمینه خاص هر سازمان تطبیق دهیم. آنچه اهمیت دارد این است که هرگونه تغییر، با درک کامل از اصول بنیادین اسکرام انجام شود تا ضمن حفظ ماهیت آن، بتوان از ساختار اسکرام برای دستیابی به موفقیت‌های بیشتر بهره برد.بنابراین، از نوآوری، تطبیق و بهبود مستمر هراس نداشته باشید؛ نه فقط در محصولی که می‌سازید، بلکه در فرایندی که با آن محصول را توسعه می‌دهید.این مقاله ترجمه ای بود آزاد از مقاله ای با عنوان ?Should We Change Scrum که توسط گروه چابک شو جهت ارائه به جامعه توسعه چابک ایران انجام شده است. ​​​​​معرفی گروه چابک شو:​​​​​​​📌گروه چابک شو در زمینه های مشاوره، کوچینگ و برگزاری دوره های آموزشی سازمانی در حوزه های ذیل فعالیت می نماید. 📊پیاده سازی دفتر مدیریت پروژه و دفتر توسعه ارزش 📉آموزش مدیریت پروژه چابک و مدیریت پروژه بر اساس راهنمای PMBOK 💡مدیریت محصول📉پرکتیس های چابکی ( Scrum/kanabn/nexus/SAFe/Less/ XP/ Lean )📉​​​​​​​تحلیل کسب و کار و داده محوری💡تحول دیجیتال و تهیه نقشه راه تحول دیجیتال سازمان ها 📊 بهبود و توسعه بلوغ مدیریت پروژه 🏢بیش از 15 سال تجربه آموزش، پیاده سازی و پیشبرد پروژه ها با رویکردهای توسعه چابک در بزرگترین سازمان های فناورانه و نوآورانه کشور.هلدینگ فناپ/هلدینگ خلیج فارس/همراه اول/ثمین رای/برآروان/هاب شیراز/لبخند اول/کتب خونه/مکتب فناپ /فناپ کمپس/دانشگاه شیراز،/دانشگاه صنعتی شاهرود/دانشگاه خوارزمی/فراجا /درسا رسانه هوشمند و ... 🌐در شبکه های اجتماعی این گروه مطالب، مقالات و تجربیات توسعه چابک محصولات و خدمات نوآوارانه با با علاقه مندان به اشتراک گذاشته می شود.https://bagile.ir/📚دوره جامع مبانی توسعه چابک با رویکرد های اسکرام، کانبان و اسکرام بانمحمد حمیدیمحمد حمیدیWed, 05 Aug 2026 12:00:58 +0330https://virgool.ir/BeAgileGroup/هوش-مصنوعی-استوری-پوینت-ها-را-از-کار-انداخت-حالا-چه-do0nsylybt8sسال‌هاست که «استوری پوینت‌ها» (چه عاشقشان باشید و چه از آن‌ها متنفر باشید) سنگ بنای برنامه‌ریزی چابک (Agile) بوده‌اند. تیم‌ها از آن‌ها برای تخمین میزان تلاش مورد نیاز، پیش‌بینی زمان تحویل و اندازه‌گیری سرعت (Velocity) در طول زمان استفاده می‌کنند. اگرچه این رویه هرگز بی‌نقص نبوده، اما عموماً کارآمد بوده است، زیرا یک فرض همواره صادق باقی می‌ماند: تلاش مورد نیاز برای کارها نسبتاً قابل پیش‌بینی بود.هوش مصنوعی (AI) شروع به تغییر این وضعیت کرده است.توسعه‌دهندگان اکنون می‌توانند سریع‌تر از همیشه کد تولید کنند، تست بنویسند، مستندات ایجاد کنند و نیازمندی‌ها را تحلیل کنند. وظایفی که زمانی ساعت‌ها یا روزها کار می‌بردند، حالا ممکن است در عرض چند دقیقه انجام شوند. نتیجه، نه تنها تحویل سریع‌تر، بلکه یک تغییر بنیادین در نحوه به‌کارگیری «تلاش» در توسعه نرم‌افزار است.این موضوع یک پرسش ناخوشایند را برای تیم‌های چابک ایجاد می‌کند: اگر قرار است استوری پوینت‌ها نشان‌دهنده «میزان تلاش» (Effort) باشند، وقتی تعریف «تلاش» ناگهان سخت‌تر شود، چه اتفاقی می‌افتد؟یک استوری ۵ امتیازی که امروز با کمک هوش مصنوعی تکمیل می‌شود، ممکن است به مراتب به کار کمتری نسبت به همان استوری ۵ امتیازی در یک سال گذشته نیاز داشته باشد. تیم‌ها ممکن است شاهد افزایش سرعت (Velocity) باشند. اما آیا این به معنای بهره‌وری بیشتر است، یا به این معنی است که خودِ این معیار (Metric) در حال کم‌ارزش شدن است؟همان‌طور که سازمان‌ها برای بهره‌گیری از هوش مصنوعی شتاب‌زده عمل می‌کنند، بسیاری بر این متمرکز شده‌اند که هوش مصنوعی چه کمکی به «سرعت تحویل» می‌کند؛ اما تعداد بسیار کمتری می‌پرسند که این موضوع چه معنایی برای معیارهایی دارد که به آن‌ها تکیه کرده‌اند. شاید استوری پوینت‌ها نمرده باشند، اما هوش مصنوعی تیم‌ها را مجبور می‌کند تا در مورد معنای واقعی آن‌ها تجدیدنظر کنند.هدف اصلی استوری پوینت‌ها:برای درک اینکه چرا هوش مصنوعی برای استوری پوینت‌ها چالش ایجاد می‌کند، بهتر است به عقب برگردیم و ببینیم اصلاً چرا آن‌ها به وجود آمدند. استوری پوینت‌ها هرگز برای اندازه‌گیری بهره‌وری طراحی نشده بودند؛ آن‌ها به عنوان ابزاری برای برنامه‌ریزی طراحی شده بودند. اینکه گاهی اوقات به هر دوی این‌ها تبدیل شده‌اند، یک «باگ» است، نه یک «ویژگی» (Feature).تخمین‌های سنتی پروژه اغلب به «ساعت» متکی بودند. تیم‌ها تخمین می‌زدند که یک قابلیت چقدر زمان می‌برد، ساعت‌ها را با هم جمع می‌کردند و برنامه‌های زمانی را بر اساس آن تخمین‌ها می‌ساختند. مشکل این بود که توسعه نرم‌افزار به ندرت به این سادگی پیش می‌رود. دو وظیفه که در ظاهر مشابه به نظر می‌رسند، می‌توانند سطوح بسیار متفاوتی از پیچیدگی، ریسک و عدم قطعیت داشته باشند.استوری پوینت‌ها به عنوان راهی برای تخمین «تلاش نسبی» به جای زمان ظهور کردند. به جای بحث بر سر اینکه آیا یک قابلیت ۱۲ ساعت طول می‌کشد یا ۱۵ ساعت، تیم‌ها می‌توانند بر این تمرکز کنند که آیا یک بخش از کار بزرگ‌تر، پیچیده‌تر یا پرریسک‌تر از بخش دیگر است یا خیر. با گذشت زمان، سرعت (Velocity) یک تیم، برآورد کلی از حجم کاری که می‌توانند در یک اسپرینت تکمیل کنند را ارائه می‌دهد.اگر این رویکرد به درستی استفاده شود، مزایای متعددی دارد: تیم‌ها می‌توانند بدون وسواس روی زمان‌بندی‌های دقیق، کار آتی را پیش‌بینی کنند؛ گفتگوها از بهره‌وری فردی به درک جمعی تغییر جهت می‌دهند؛ و مهم‌تر از همه، استوری پوینت‌ها حقیقتی را می‌پذیرند که هر مدیر پروژه با تجربه‌ای می‌داند: توسعه نرم‌افزار به سختی با دقت قابل پیش‌بینی است.متأسفانه، بسیاری از سازمان‌ها شروع به استفاده از Velocity برای اهدافی کردند که هرگز برای آن طراحی نشده بود. رهبران، تیم‌ها را با یکدیگر مقایسه کردند. Velocity به یک معیار عملکرد تبدیل شد. برخی سازمان‌ها حتی اهدافی را برای افزایش Velocity در طول زمان تعیین کردند و با استوری پوینت‌ها به عنوان مقیاسی برای بهره‌وری برخورد کردند، نه یک ابزار پیش‌بینی.این تفاوت اهمیت دارد، زیرا استوری پوینت‌ها تنها زمانی کار می‌کنند که به عنوان معیاری نسبی از تلاش در داخل یک تیم خاص دیده شوند. به محض اینکه به جایگزینی برای خروجی (Output)، کارایی (Efficiency) یا ارزش کسب‌وکار (Business Value) تبدیل شوند، پایه‌های آن شروع به ترک خوردن می‌کند.هوش مصنوعی این ضعف را ایجاد نکرده است؛ بلکه صرفاً نادیده گرفتن آن را غیرممکن کرده است.هوش مصنوعی اقتصادِ تحویل را تغییر داده استبرای دهه‌ها، توسعه نرم‌افزار از معادله نسبتاً ساده‌ای پیروی می‌کرد که در آن خروجی بیشتر نیازمند تلاش انسانی بیشتر بود. اگر تیمی می‌خواست قابلیت‌های بیشتری ارائه دهد، معمولاً به زمان بیشتر، افراد بیشتر یا هر دو نیاز داشت. هوش مصنوعی در حال برهم زدن این رابطه است.ابزارهای توسعه امروزی می‌توانند کد تولید کنند، راه‌حل پیشنهاد دهند، تست‌های واحد (Unit Tests) ایجاد کنند، مستندات را خلاصه کنند، سیستم‌های ناآشنا را توضیح دهند و تحقیقات را تسریع کنند. کاری که زمانی ساعت‌ها از روز یک توسعه‌دهنده را می‌گرفت، اغلب می‌تواند در کسری از زمان انجام شود یا حتی در پس‌زمینه اجرا گردد. اگرچه هوش مصنوعی نیاز به قضاوت انسانی را از بین نبرده، اما تلاش مورد نیاز برای بسیاری از وظایف روتین را به طور قابل‌توجهی کاهش داده است.تأثیر این موضوع فراتر از توسعه‌دهندگان است. مدیران محصول می‌توانند از هوش مصنوعی برای پیش‌نویس نیازمندی‌ها استفاده کنند. تحلیل‌گران کسب‌وکار می‌توانند تحقیق و مستندسازی را تسریع کنند. مدیران پروژه می‌توانند گزارش‌ها، خلاصه‌ی جلسات و برنامه‌های ارتباطی را کارآمدتر تولید کنند. در سراسر تیم‌های تحویل، هوش مصنوعی در حال کاهش میزان تلاش دستی مورد نیاز برای تولید همان خروجی‌ها است.در نگاه اول، این یک افزایش بهره‌وریِ ساده به نظر می‌رسد. در بسیاری از موارد هم همین‌طور است؛ تیم‌ها قادرند سریع‌تر از قبل حرکت کنند. چالش اینجاست که استوری پوینت‌ها حول محور مفهوم «تلاش» ساخته شده‌اند.قابلیتی را در نظر بگیرید که تیمی سال گذشته آن را ۵ استوری پوینت تخمین زده بود. کار شامل نوشتن کد، ایجاد تست، مستندسازی تغییرات و اعتبارسنجی راه‌حل بود. امروز، هوش مصنوعی ممکن است در هر یک از این فعالیت‌ها کمک کند. آن قابلیت ممکن است هنوز همان ارزش تجاری را داشته باشد، اما دیگر نیازمند همان مقدار تلاش انسانی نیست.این مسئله یک سوال مهم ایجاد می‌کند: آیا هنوز هم باید آن را ۵ امتیاز تخمین زد؟اگر پاسخ «بله» باشد، استوری پوینت‌ها در حال جدا شدن از مفهوم «تلاش» هستند. اگر پاسخ «نه» باشد، تیم‌ها ممکن است خود را در حالِ کالیبره کردن مداوم تخمین‌ها ببینند، همان‌طور که قابلیت‌های هوش مصنوعی تکامل می‌یابند. هیچ‌کدام از این دو نتیجه، چندان رضایت‌بخش نیست.نتیجه این است که اندازه‌گیری مداومِ «تلاش» به طور فزاینده‌ای دشوار می‌شود. دو تیمی که روی قابلیت‌های مشابه کار می‌کنند، ممکن است بر اساس ابزارهای هوش مصنوعی، سطوح تجربه یا نرخ پذیرش تکنولوژیِ خود، آن‌ها را متفاوت تخمین بزنند. حتی در داخل یک تیم واحد، ممکن است تخمین‌ها تغییر کنند، چرا که افراد در استفاده از هوش مصنوعی کارآمدتر می‌شوند.وقتی میزان تلاش مورد نیاز برای تکمیل کار بسیار متغیر شود، سیستمی که برای اندازه‌گیری تلاش نسبی طراحی شده است، شروع به از دست دادن بخشی از معنای خود می‌کند.چرا استوری پوینت‌ها در دنیای هوش مصنوعی فرو می‌ریزند؟بزرگ‌ترین چالشی که هوش مصنوعی برای استوری پوینت‌ها ایجاد می‌کند، این نیست که تیم‌ها سریع‌تر حرکت می‌کنند؛ بلکه چالش این است که واحدِ زیربناییِ اندازه‌گیری، به طور فزاینده‌ای بی‌ثبات شده است.استوری پوینت‌ها همیشه به درک مشترکی از تلاش وابسته بوده‌اند. یک استوری ۳ امتیازی باید به طور کلی نیازمند تلاش کمتری نسبت به یک استوری ۵ امتیازی باشد، و یک استوری ۵ امتیازی باید به طور کلی نیازمند تلاش کمتری نسبت به یک استوری ۸ امتیازی باشد. اعداد هرگز قرار نبود دقیق باشند، اما کار می‌کردند زیرا تیم‌ها می‌توانستند در طول زمان یک خط مبنا (Baseline) نسبتاً ثابت ایجاد کنند.هوش مصنوعی حفظ این خط مبنا را دشوارتر می‌کند.توسعه‌دهنده‌ای را تصور کنید که از هوش مصنوعی به‌طور گسترده برای تولید کد، ایجاد موارد تست و عیب‌یابی استفاده می‌کند. حالا آن توسعه‌دهنده را با هم‌تیمی‌اش که از هوش مصنوعی به ندرت استفاده می‌کند یا اصلاً استفاده نمی‌کند، مقایسه کنید. همان استوری ممکن است بسته به اینکه چه کسی کار را انجام می‌دهد، نیازمند سطوح بسیار متفاوتی از تلاش باشد. تخمین تغییر نکرده است، اما میزان تلاش انسانی پشت آن تغییر کرده است.این مشکل با گذشت زمان حتی بیشتر نمود پیدا می‌کند. با مهارت یافتن تیم‌ها در استفاده از هوش مصنوعی، کاری که زمانی پیچیده به نظر می‌رسید، ممکن است به یک روتین تبدیل شود. استوری‌هایی که یک سال پیش ۸ امتیاز تخمین زده می‌شدند، ممکن است اکنون با تلاشی معادل یک استوری ۵ امتیازی تکمیل شوند. Velocity ممکن است افزایش یابد، اما این افزایش چیز کمی به ما می‌گوید که آیا تیم ارزش بیشتری ارائه می‌دهد یا صرفاً از ابزارهای بهتر سود می‌برد.اینجاست که بسیاری از سازمان‌ها در معرض خطرِ گرفتنِ نتایج اشتباه قرار می‌گیرند. Velocity یک تیم ممکن است پس از پذیرش هوش مصنوعی ۲۰ یا ۳۰ درصد جهش داشته باشد. مدیریت ممکن است این بهبود را جشن بگیرد و فرض کند که بهره‌وری به همان اندازه افزایش یافته است. در واقعیت، ممکن است خودِ معیار تغییر کرده باشد. تیم لزوماً کار بیشتری انجام نمی‌دهد؛ آن‌ها همان کار را با تلاش کمتری تکمیل می‌کنند.این تفاوت اهمیت دارد، زیرا تفسیر روندهای Velocity سخت‌تر می‌شود. مقایسه‌های تاریخی معنای خود را از دست می‌دهند. مقایسه‌های تیم به تیم، غیرقابل‌اعتمادتر از قبل می‌شوند. پیش‌بینی بر اساس عملکرد گذشته، زمانی که میزان تلاش پشت هر استوری دائماً در حال تغییر است، غیرقابل‌ پیش‌بینی‌تر می‌شود.هرچه هوش مصنوعی بیشتر نحوه انجام کار را تغییر دهد، برخورد با استوری پوینت‌ها به عنوان یک معیار ثابت برای هر چیزی فراتر از «بهترین حدس تیم در یک لحظه خاص»، دشوارتر می‌شود.تیم‌ها به جای آن چه چیزی را باید اندازه‌گیری کنند؟اگر هوش مصنوعی استوری پوینت‌ها را به عنوان معیاری برای تلاش، غیرقابل‌اعتمادتر می‌کند، به این معنی نیست که تیم‌ها باید اندازه‌گیری را به کلی رها کنند. این صرفاً به این معنی است که سازمان‌ها ممکن است نیاز داشته باشند بر معیارهایی تمرکز کنند که بیش از فعالیت‌ها، به «نتایج» (Outcomes) گره خورده‌اند.یک گزینه، توجه بیشتر به «معیارهای جریان» (Flow Metrics) است. معیارهایی مانند Lead Time (زمان تحویل) و Cycle Time (زمان چرخه) بر این تمرکز دارند که کار چقدر سریع در سیستم حرکت می‌کند. برخلاف استوری پوینت‌ها، این معیارها به تخمینِ تلاش وابسته نیستند؛ آن‌ها چیزی که واقعاً اتفاق افتاده را اندازه‌گیری می‌کنند. اگر هوش مصنوعی به تیم‌ها کمک می‌کند قابلیت‌ها را سریع‌تر تحویل دهند، آن بهبودها به طور طبیعی در داده‌ها ظاهر خواهند شد.معیارهای کیفیت نیز اهمیت فزاینده‌ای پیدا می‌کنند. تحویل سریع‌تر تنها زمانی ارزشمند است که تیم‌ها کیفیت آنچه منتشر می‌کنند را حفظ یا بهبود دهند. نرخ خطاها (Defect rates)، حوادث در محیط عملیاتی (Production incidents)، مشکلات گزارش شده توسط مشتری و نیاز به دوباره‌کاری، می‌توانند تصویر شفاف‌تری از این ارائه دهند که آیا سرعت، در حال خلق ارزش است یا صرفاً مشکلات بیشتری ایجاد می‌کند.برای تیم‌های محصول، «نتایج مشتری» (Customer outcomes) ممکن است حتی از معیارهای تحویل مهم‌تر باشند. پذیرش قابلیت (Feature adoption)، تعامل، نرخ حفظ مشتری (Retention)، نرخ تبدیل و رضایت مشتری، همگی به سوالی پاسخ می‌دهند که Velocity هرگز نمی‌توانست به آن پاسخ دهد:آیا این کار تفاوت معناداری ایجاد کرد؟برای مشتری مهم نیست که یک تیم در طول یک اسپرینت چند استوری پوینت تکمیل کرده است؛ برای آن‌ها مهم است که آیا محصول مشکلشان را حل کرده است یا خیر.این بدان معنا نیست که استوری پوینت‌ها هیچ جایگاهی در شیوه‌های چابک مدرن ندارند. بسیاری از تیم‌ها همچنان آن‌ها را برای برنامه‌ریزی اسپرینت و پیش‌بینی مفید خواهند یافت. اشتباه اینجاست که با آن‌ها به عنوان معیاری برای بهره‌وری یا عملکرد کسب‌وکار برخورد کنیم. این همیشه یک رویه قابل‌بحث بوده و هوش مصنوعی در حال آشکارتر کردن محدودیت‌های آن است.سازمان‌های مؤثر احتمالاً توجه خود را به سمت معیارهایی تغییر می‌دهند که بدون توجه به نحوه انجام کار، معنادار باقی می‌مانند. چه یک قابلیت کاملاً توسط انسان ساخته شود، چه با کمک سنگین هوش مصنوعی، یا ترکیبی از هر دو، در نهایت این «نتایج» هستند که اهمیت دارند. سرعت تحویل، کیفیت، تأثیر بر مشتری و نتایج کسب‌وکار، معیارهای ارزشمندی باقی می‌مانند زیرا به جای تلاش مورد نیاز برای دستیابی به خروجی، بر خودِ نتیجه تمرکز دارند.Velocity نمرده است، اما نقش آن در حال کوچک شدن استظهور هوش مصنوعی به این معنی نیست که استوری پوینت‌ها ناگهان بی‌استفاده شده‌اند. اکثر تیم‌های چابک همچنان به تخمین کار، برنامه‌ریزی اسپرینت‌ها و استفاده از Velocity برای کمک به پیش‌بینی تحویل‌های آینده ادامه خواهند داد. اگر از این رویه‌ها برای هدف اصلی‌شان استفاده شود، همچنان ارزش‌آفرین هستند.با این حال، آنچه هوش مصنوعی انجام می‌دهد، وادار کردن سازمان‌ها به پرسیدن سوالات بهتر است.سال‌هاست که بسیاری از تیم‌ها به استوری پوینت‌ها و Velocity به عنوان روش‌های راحتی برای اندازه‌گیری پیشرفت تکیه کرده‌اند. با تغییر نحوه انجام کار توسط هوش مصنوعی، تفسیر آن اندازه‌گیری‌ها دشوارتر می‌شود. افزایش در Velocity ممکن است بازتاب‌دهنده‌ی افزایش بهره‌وری، ابزارهای بهبودیافته، تجربه بیشتر یا ترکیبی از هر سه باشد. اعداد به تنهایی دیگر داستان کامل را روایت نمی‌کنند.این ممکن است شبیه یک مشکل به نظر برسد، اما یک فرصت نیز هست.جامعه چابک مدت‌هاست که تیم‌ها را تشویق می‌کند تا به جای خروجی‌ها (Outputs) بر نتایج (Outcomes)، به جای فعالیت بر ارزش مشتری، و به جای فرآیندهای سفت‌وسخت بر یادگیری تمرکز کنند. هوش مصنوعی این تغییر مسیر را تسریع می‌کند. به جای صرف زمان بی‌انتها برای بحث بر سر تخمین‌ها، سازمان‌ها می‌توانند توجه بیشتری بر چیزهایی که بیشترین اهمیت را دارند معطوف کنند؛ مسائلی مانند تحویل سریع‌تر ارزش، بهبود کیفیت و حل مشکلات معنادار مشتری.بعید است استوری پوینت‌ها ناپدید شوند، و نباید هم ناپدید شوند. آن‌ها برای بسیاری از تیم‌ها ابزار برنامه‌ریزی مفیدی باقی می‌مانند. اما با ادامه تحول تحویل نرم‌افزار توسط هوش مصنوعی، موفقیت کمتر با «میزان تلاشِ صرف شده» و بیشتر با «نتایجی که آن تلاش به بار می‌آورد» اندازه‌گیری خواهد شد.از بسیاری جهات، هوش مصنوعی در حال ایجاد انحراف از اصول چابک نیست؛ بلکه در حال تشویق به بازگشت به آن‌هاست.نکات کلیدیاستوری پوینت‌ها برای تخمین «تلاش» طراحی شده بودند، نه اندازه‌گیری «بهره‌وری». بسیاری از سازمان‌ها با برخورد با Velocity به عنوان یک معیار عملکرد، این تفاوت را مخدوش کرده‌اند.هوش مصنوعی در حال تغییر میزان تلاش مورد نیاز برای تکمیل کار نرم‌افزاری است. کدنویسی، تست، مستندسازی و تحلیل اغلب می‌توانند به طور قابل‌توجهی سریع‌تر از قبل تکمیل شوند.افزایش Velocity لزوماً به این معنی نیست که تیم ارزش بیشتری ارائه می‌دهد. این ممکن است صرفاً بازتاب‌دهنده‌ی تأثیر ابزارهای بهتر باشد، نه عملکرد بهبودیافته.با رشد پذیرش هوش مصنوعی، تفسیر مداوم استوری پوینت‌ها دشوارتر می‌شود. مقایسه‌های تاریخی، مقایسه‌های تیم به تیم و روندهای Velocity ممکن است در طول زمان معنای خود را از دست بدهند.آینده اندازه‌گیری چابک در تمرکز بیشتر بر «نتایج» (Outcomes) به جای «تلاش» است. معیارهایی مانند Lead Time، کیفیت، پذیرش مشتری و تأثیر کسب‌وکار، تصویر شفاف‌تری از موفقیت در دنیای هوش مصنوعی ارائه می‌دهند.این مقاله ترجمه ای بود از مقاله ای با عنوان ?AI Broke Story Points. Now What که توسط Bart Gerardi در تاریخ July 16, 2026 سایت PMI منتشر شده است. محمد حمیدیمحمد حمیدیSat, 18 Jul 2026 12:37:16 +0330https://virgool.ir/@mohamadhamidi65/چارچوب-تحول-دیجیتال-افراد-فرآیند-فناوری-و-داده-ها-eygcltuf9jy5چارچوب "افراد، فرآیند، فناوری" (PPT) دهه‌هاست که اساس تحولات سازمانی را شکل می‌دهد و به رهبران راهنمایی برای مدیریت تغییر ارائه می‌دهد. از زمان پیدایش آن در دهه ۱۹۶۰، این مدل به عنوان راهنمایی برای درک ارتباطات میان اجزای مختلف سازمانی عمل کرده است. منشا این مدل از "مدل الماس" Harold Leavitt’s است که نحوه ارتباط ساختار، افراد، فناوری و وظایف را دگرگون کرد. لویت بر این حقیقت تأکید داشت که هیچ نمونه‌ای نمی‌تواند به تنهایی عمل کند؛ هر تغییر در یک بخش، اثرات موجی در بخش‌های دیگر دارد و بنابراین، نیازمند رویکردی جامع و سیستماتیک در تحول است.PPT Frameworkدر دنیای کسب‌وکار امروز، که سرعت تغییرات بسیار بالا رفته است، این چارچوب همچنان اهمیت بالایی دارد. موفقیت در هر تحول سازمانی به توانایی رهبران در تعادل و یکپارچه‌سازی این اجزا بستگی دارد، زیرا تغییرات همیشه خطی نیستند و باید به صورت سیستمیک در نظر گرفته شوند. چه در حال مدرن‌سازی عملیات، ادغام فناوری‌های نوین یا تغییرات فرهنگی، درک تأثیر این تغییرات بر تمامی عناصر، پایه‌گذار موفقیت‌های پایدار است.از الماس به مثلث قدرت (Power Triangle)در طول زمان، این چارچوب از شکل الماسی اصیل لویت به سمت "مثلث طلایی" افراد، فرآیند و فناوری تغییر یافته است که در امروز در استراتژی‌های تجاری جهانی کاربرد فراوان دارد. این تحول نشان‌دهنده تغییرات در ساختارهای سازمانی مدرن است؛ جایی که عناصر پیشین ساختار و وظایف، با هم ادغام شده و مفهوم "فرآیند" را شکل داده‌اند. تا دهه ۱۹۹۰، Bruce Schneier این مدل را تکمیل‌تر کرد و آن را به عنوان ابزار کلیدی در مدیریت تغییر تثبیت نمود.امروز، مثلث طلایی نماد سه ستون اصلی است که برای تحول موفقیت‌آمیز ضروری هستند. افراد، نیروی محرکه هر سازمان، نیازمند رهبری مناسب، مهارت‌ها و ابزارهای همکاری هستند تا رشد کنند. فرآیند تضمین می‌کند که سازمان‌ها جریان‌های کاری کارآمد و مکانیزم‌هایی برای انطباق و بهبود دارند، با تمرکز بر روش‌های چابک و بهبود مستمر. در نهایت، فناوری نقش تسهیل‌کننده را ایفا می‌کند—ابزارها، بسترها و زیرساخت‌های لازم برای حمایت از افراد و فرآیندها را فراهم می‌کند.اما نکته مهم اینجاست: برتری نیازمند تعادل است. نمی‌توانید صرفاً روی فناوری پیشرفته سرمایه‌گذاری کنید یا استعدادها را در قالب‌های جداگانه توسعه دهید. جادوی واقعی زمانی رخ می‌دهد که هر سه به صورت هماهنگ کار می‌کنند، و سیستم پویایی را ایجاد می‌کنند که بتواند با محیط کسب‌وکار همیشه در حال تغییر، سازگار و رشد کند. تعادل تنها یک ایده‌آل نیست؛ بلکه برای تحول بلندمدت ضروری است.در عصر دیجیتال: نقش داده‌هادر عصر دیجیتال، نقش داده‌ها در چارچوب PPT بسیار مهم و حیاتی است. در کسب‌وکارهای مدرن، داده فقط نتیجه‌ای جانبی از عملیات نیست؛ بلکه نرمی است که هر تصمیم، نوآوری و استراتژی را هدایت می‌کند. حالا داده‌ها در جریان چارچوب PPT قرار دارند و به عنوان اتصال‌دهنده‌ بین افراد، فرآیند و فناوری عمل می‌کنند. آن‌ها بینش‌هایی ایجاد می‌کنند که تصمیم‌گیری‌های رهبری را اطلاع‌رسانی می‌کند، جریان‌های کاری را بهینه می‌سازد و توانمندسازی کارکنان را افزایش می‌دهد.همانطور که در تصویر چارچوب تحول دیجیتال نشان داده شده است، داده اکنون در حلقه مرکزی تمامی تلاش‌های تحول قرار دارد. با بهره‌گیری از بینش‌های مبتنی بر داده، شرکت‌ها می‌توانند تصمیمات هوشمندانه‌تر و سریع‌تر بگیرند. این بینش‌ها استراتژی‌های مشتری‌مدار را شکل می‌دهند، فرآیندها را بهبود می‌بخشند و چابکی را افزایش می‌دهند، زیرا سازمان‌ها را قادر می‌سازند سریع به روندهای بازار و چالش‌های عملیاتی واکنش نشان دهند.رهبری و چشم‌انداز—که بخش‌های اصلی ستون افراد هستند—اکنون بیش‌از پیش توسط داده‌ها تقویت شده‌اند. رهبران با دیدگاه‌های واضح و مبتنی بر داده می‌توانند به شکل مؤثر تیم‌ها را هدایت و همسو کنند تا به هدف مشترک تحول برسند. همچنین، اشتراک‌گذاری داده‌ها، همکاری و ارتباط در سراسر سازمان را تقویت می‌کند، و موانع سازمانی را می‌شکند و جریان دانش بین بخش‌ها را تشویق می‌کند.از نظر فناوری، تمرکز دیگر بر روی صرف پیاده‌سازی ابزار نیست؛ بلکه بر ساخت زیرساخت‌های قوی و پذیرش فناوری‌هایی است که ادغام سیستم‌ها را بدون مشکل امکان‌پذیر می‌کند. همگرایی افراد، فرآیند و فناوری فقط از طریق زیرساخت‌های داده‌ای قدرتمند، روش‌های چابک و تدابیر امنیت سایبری که سیستم‌ها را در برابر تهدیدهای احتمالی محافظت می‌کند، امکان‌پذیر است.همچنین، متدولوژی‌های چابک در محور فرآیندها جایگاه ویژه‌ای یافته‌اند، جایی که رویکردهای تکراری در مدیریت پروژه سازمان‌ها را قادر می‌سازد سریع و پاسخگو باقی بمانند. داده‌ها، این انعطاف‌پذیری را تقویت می‌کنند و به سازمان‌ها اجازه می‌دهند بر اساس بینش‌های لحظه‌ای، سریع تغییر مسیر دهند. تمرکز بر مشتری نیز یکی دیگر از اصول کلیدی در فرآیند است، جایی که سازمان‌ها به جمع‌آوری بازخورد مداوم می‌پردازند تا محصولات و خدمات خود را بهبود دهند و نیازهای در حال تحول بازار را برآورده سازند.در اینجا نحوه ادغام داده‌ها در هر عنصر از چارچوب PPT آورده شده است:افرادرهبری و چشم‌انداز: داده‌ها به رهبران کمک می‌کنند تا دید واضح و مستندی از مسیر تحول دیجیتال داشته باشند و بتوانند آن را مؤثرتر به کارمندان منتقل کنند. تحلیل داده‌ها مسیرهای واضح و قابل اندازه‌گیری ارائه می‌دهد که به هدایت صحیح سازمان در این مسیر کمک می‌کند و تضمین می‌نماید همه در مسیر اهداف تحول دیجیتال هم‌راستا باشند.مهارت‌های دیجیتال و آموزش: داده‌های مربوط به مهارت‌های کارکنان و نیازهای آموزش، به طراحی برنامه‌های آموزشی هدفمند کمک می‌کند. با بهره‌گیری از تحلیل‌های داده، سازمان می‌تواند سطح مهارت‌ها را ارزیابی کند، نیازهای فردی و گروهی را شناسایی کرده و برنامه‌های توسعه مهارتی متناسب با آن طراحی کند، تا کارکنان در استفاده مؤثر از فناوری‌ها به‌روز و توانمند باشند.همکاری و ارتباطات: داده‌ها نقش مهمی در تسهیل اشتراک‌گذاری دانش و اطلاعات دارند. از طریق تحلیل داده‌های مربوط به فرآیندها و ارتباطات، سازمان می‌تواند موانع داخلی، خلأهای اطلاعاتی و مناطق نیازمند بهبود در فرهنگ همکاری را شناسایی کند. این تحلیل‌ها به ترویج ارتباط مؤثر، کاهش اصطکاک‌ها و ایجاد فرهنگ شفاف و هم‌افزا کمک می‌کند، که در نهایت بهره‌وری تیم‌ها و کارایی سازمان را افزایش می‌دهد.فرآیندهامتدولوژی‌های چابک: تحلیل داده‌ها نقش کلیدی در اجرای رویکردهای تکراری و افزایشی دارد. با جمع‌آوری و ارزیابی داده‌های عملیاتی و فیدبک‌های مشتری در هر دوره، سازمان‌ها می‌توانند روندهای رفتاری بازار و نیازهای مشتریان را سریع‌تر شناسایی کنند و بر اساس این بینش‌ها فرآیندهای خود را بهبود دهند. داده‌های لحظه‌ای کمک می‌کنند تا تیم‌ها انعطاف‌پذیرتر عمل کرده و به تغییرات پاسخ سریع دهند.تمرکز بر مشتری: داده‌ها مبنای جمع‌آوری بازخوردهای مستقیم و غیرمستقیم مشتریان هستند. تحلیل این داده‌ها به سازمان‌ها کمک می‌کند نیازها، ترجیحات و نقاط ضعف حوزه محصولات و خدمات را شناسایی و اولویت‌بندی کنند. در نتیجه، با تکیه بر داده‌ها، طراحی محصولات و خدمات طراحی می‌شود که بهتر با خواسته‌های بازار هم‌راستا باشد و رضایت مشتریان افزایش یابد.تصمیم‌گیری مبتنی بر داده: داده‌ها و تحلیل‌های آماری ابزارهای اصلی برای تصمیم‌سازی هوشمندانه هستند. سازمان‌ها با تحلیل داده‌های عملیاتی، مالی و بازار، پیش‌بینی‌های دقیق‌تری در مورد روندهای آینده انجام می‌دهند، عملیات را بهینه می‌سازند و راهکارهای استراتژیک مرتبط با بازار را پیاده‌سازی می‌کنند. این رویکرد، سازمان‌ها را در مواجهه با تغییرات سریع و دینامیک بودن بازار مجهز می‌سازد.فناوریزیرساخت: داده‌ها نقش حیاتی در طراحی و توسعه زیرساخت‌های دیجیتال دارند. تحلیل نیازهای داده‌ای سازمان، حجم و نوع داده‌هایی که باید ذخیره و مدیریت شوند، و درخواستی‌های آینده، به ساختن زیرساختی مقاوم و مقیاس‌پذیر کمک می‌کند. داده‌های عملیاتی و عملکردی پایه‌هایی قوی برای اطمینان از قابلیت اطمینان، کارایی و پاسخگویی فناوری فراهم می‌آورند؛ و این زیرساخت‌ها به شرکت اجازه می‌دهند عملیات‌های خود را به شکلی امن و پایدار انجام دهند.یکپارچگی سیستم‌ها: داده‌ها کلید اصلی ادغام سیستم‌ها و پلتفرم‌های مختلف هستند. استانداردسازی و انتقال داده‌ها بین سیستم‌های مختلف درون سازمان، روندهای عملیاتی را یکپارچه و هم‌سویی می‌کند، و همکاری بین بخش‌ها و گردش داده‌ها را بهبود می‌دهد. این یکپارچگی از طریق استفاده از API‌ها، استانداردهای داده و معماری‌های یکپارچه امکان‌پذیر است و موجب افزایش بهره‌وری و کاهش خطاها می‌شود.امنیت سایبری: نگهداری امنیت داده‌ها و سیستم‌ها مستلزم جمع‌آوری و تحلیل مداوم داده‌های مربوط به خطرات و تهدیدات سایبری است. اعمال سیاست‌ها و اقدامات امنیتی بر اساس الگوهای رفتاری و تحلیل داده‌های درون سیستم، برای حفاظت مؤثر از داده‌های حساس و زیرساخت‌ها حیاتی است. فناوری‌های پیشرفته در حوزه امنیت و استفاده از داده‌های بزرگ و تحلیل نظارتی، سازمان‌ها را در مقابل حملات سایبری مقاوم می‌سازد و اعتماد مشتریان و ذینفعان را حفظ می‌کند.رفرنسForbes - Is the 60-Year-Old ‘People Process Technology’ Framework Still Useful? 2022: https://www.forbes.com/sites/forbestechcouncil/2022/12/29/is-the-60-year-old-people-process-technology-framework-still-useful/?sh=68259e574ab4محمد حمیدیمحمد حمیدیTue, 20 May 2025 17:02:44 +0330https://virgool.ir/BeAgileGroup/چگونه-می-توانیم-در-تخمین-فعالیت-های-پروژه-های-چابک-بهتر-عمل-کنیم-vcnk3sy1etc4خیلی از تیم‌ها و مدیران همیشه دنبال یک جادو هستند تا برنامه‌ریزی اسپرینت‌هایشان را کاملاً دقیق و بی‌نقص کنند. خب، باید بگویم که چنین جادویی وجود ندارد. اما چیزی که هست، راه‌کارهای هوشمندانه‌تری برای مواجهه با یکی از بزرگ‌ترین چالش‌های مدیریت پروژه چابک: عدم‌قطعیت است.ماتریس عدم قطعیتمشکل اصلی این است که ما فراموش می‌کنیم مشکل «مشکلات» چیست.اسکرام (Scrum) در اصل یک «چارچوبی است برای حل مسائل پیچیده و سازگار»؛ یعنی مشکل‌هایی که نامنظم، غیرقابل پیش‌بینی و در حال تغییرند. اما در عمل، بسیاری تیم‌ها (و حتی مدیران!) شروع می‌کنند به استفاده از اسکرام مثل ابزار مدیریت پروژه سنتی، و در نتیجه، تلاش می‌کنند وضعیت مبهم و پرابهامِ این مسائل را نادیده بگیرند. در دنیای نرم‌افزار، عدم‌قطعیت نه نقص، بلکه یک ویژگی است؛ نمی‌شود آن را نادیده گرفت، پس باید راه‌هایی پیدا کرد تا در مقابلش هوشمندانه رفتار کنیم.یکی از ابزارهای قدرتمند در این مسیر، ماتریس عدم‌قطعیت است. فرض کنید در حال برنامه‌ریزی پیاده‌روی هستید. بعضی مسیرها آشنا هستند، می‌دانید کجا می‌رود، چه مسافتی دارد، چه نوع زمین‌هایی دارد. اما مسیرهای دیگر، شاید نقشه نداشته باشند، شاید کنارشان خرس باشد، و شاید در وهله نخست، اصلاً ندانید با چه چیز روبرو می‌شوید. همانطور که مسیرهای مبهم را باید متفاوت برنامه‌ریزی کنید، هر کار در فهرست کارهای ما هم با میزان خاصی از عدم‌قطعیت همراه است؛ و نادیده گرفتن این موضوع، باعث شکست می‌شود.ماتریس عدم‌قطعیت، ابزاری است ساده ولی بسیار کاربردی برای سنجش میزان دانش ما درباره هر آیتم. این ابزار بر اساس دو سوال اصلی است:«ما دقیقا چه چیزی می‌سازیم؟»«چگونه می‌خواهیم آن را بسازیم؟»برای هر کدام، نمره‌ای می‌گیریم از ۱ تا ۳، و بر اساس آن، کارت‌هایمان را اولویت‌بندی و استراتژی‌گذاری می‌کنیم.حالا، فرض کنید در حال برنامه‌ریزی یک اسپرینت مهم و پرریسک هستید، و آیتمی «3–3» گرفته است؛ یعنی هم در «چه» و هم در «چگونه» ناواضح و مبهم است. در این حالت، چه باید کرد؟قانون مهم این است که از تعهد به کارهایی با سطح ۳ در اسپرینت جاری خودداری کنیم، چون نمی‌توانیم برآورد قابل استنادی درباره‌شان داشته باشیم، و تعهد به آن‌ها تنها انتظارات نادرستی ایجاد می‌کند.پرسش کلیدی این است:«در این اسپرینت، چه کاری انجام دهیم تا دانش بیشتری کسب کنیم و عدم‌قطعیت این آیتم را کاهش دهیم؟»در واقع، تیم باید به جای تمرکز صرف بر انجام کارهای مبهم، وارد مرحله‌ی فعالانه‌ی تولید دانش و کاهش ابهام شود. این رویکرد، تغییر اساسی در مدیریت پروژه‌های چابک است که از «تعهد کورکورانه» به «کسب دانش هوشمندانه» بدل می‌شود.چه راهکارهایی داریم برای کاهش عدم‌قطعیت در بخش «چه»؟مثلاً:اسپرینت طراحی (Design Sprint): دوره‌ای فشرده برای کشف، نمونه‌سازی و آزمون ایده‌هاگفت‌و‌گو با مشتری یا کاربر: راهی سریع برای روشن کردن نیازها و برداشت‌هاایجاد حداقل ویژگی قابل قبول (MVF): ساخت کوچک‌ترین نمونه برای گرفتن بازخورد واقعیبازنگری و توسعه (Refinement/Grooming): تقسیم دقیق، تعیین معیارهای پذیرش و گفتگو درباره جزئیاتاسپایک ( Spike ): وظایف تحقیق و توسعه کوتاه مدتتشریح راهکارهای کاهش عدم‌قطعیت با موضوع Spike - در حوزه چه چیزی:اسپایک (Spike)عملکردی: وظایف کوتاه‌مدت و متمرکزی که برای روشن کردن نیازهای فنی یا کارهای طراحی انجام می‌شوند؛ مثلا: «نمونه‌سازی طراحی اولیه صفحه گزارش» یا «بررسی ابزارهای مورد نیاز برای ادغام با سیستم موجود»تجربه و آزمایش‌های سریع: با انجام نمونه‌سازی سریع و آزمون‌های کوچک، می‌توانیم فرضیات را تایید یا رد کنیم و در نتیجه، ابعاد ناامن پروژه را کم کنیم.و حالا، درباره بخش «چگونه» - چگونگی انجام:برای کاهش عدم‌قطعیت در نحوه ساخت، بهترین کار این است که از «Spike فنی» استفاده کنیم.مثلاً: «آیا این کتابخانه پاسخگوی نیازهای ما است؟»، یا «پیشنهادهای مختلف برای معماری سیستم را آزمایش کنیم». این کارها با کشف راه‌حل‌های عملی، میزان اطمینان در نحوه ساخت را بالا می‌برند.پس، نکته مهم این است:وقتی یک آیتم نمره «3–3» می‌گیرد، نباید فوراً در اسپرینت انجامش دهیم. این کار، نتیجه‌ای جز سوگیری به سمت «انجام دادن کارهای بدون فهم کامل» ندارد، که ممکن است باعث هدررفت زمان و منابع شود. در عوض، باید روی کاهش عدم‌قطعیت تمرکز کنیم، یعنی چه کار کنیم تا بدانیم چه چیزی می‌سازیم و چگونه.در نهایت، باید همیشه آن سوال اساسی را در نظر داشته باشیم: «در این اسپرینت، چه کاری انجام دهیم که دانش بیشتری درباره‌ی پروژه کسب کنیم، و کاهش عدم‌قطعیت بدهیم؟»این رویکرد، روشی است برای واقع‌بین بودن، تمرکز بر یادگیری و پیشرفت بی‌وقفه، و نهایتاً، ساختن محصولاتی کارآمد و رضایت‌بخش.و یک نکته نهایی:در مسیر این رویکرد، «تغییر» امری طبیعی است؛ چون هر چه بیشتر یاد می‌گیریم، میزان اطمینان افزایش می‌یابد و نگاه‌مان به پروژه گسترده‌تر و دقیق‌تر می‌شود.بنابراین، نباید در پی یک برنامه‌ی «بی‌نقص» باشیم، بلکه باید توانایی تنظیم و اصلاح مسیر بر اساس آنچه یاد می‌گیریم، داشته باشیم.جمع‌بندی:برنامه‌ریزی «واقع‌بینانه» یعنی دیدن و پذیرش واقعیت‌های پروژه. این یعنی با صداقت کامل درباره سطح عدم‌قطعیت‌ها صحبت کنیم، و بر اساس آن، تصمیم‌گیری و عمل کنیم.این رویکرد، نه تنها جلوی هدررفت منابع و زمان را می‌گیرد، بلکه تیم‌ها را قادر می‌سازد تا با اعتماد بیشتر و استرس کمتر، به سمت موفقیت حرکت کنند.این مقاله بر پایه یکی از مقالات اسد صفری ( استاد و مربی چابک ) با عنوان "Two ways for better planning and estimating" تهیه شده است. محمد حمیدیمحمد حمیدیSun, 18 May 2025 12:29:06 +0330https://virgool.ir/@mohamadhamidi65/قانون-شوهاری-shu-ha-ri-راهنمایی-برای-رشد-حرفه-ای-و-اجرایی-dyzjl4rbg5sbمقدمهدر دنیای پیچیده و دائم‌التغییر کسب‌وکار و پروژه‌های بزرگ، یادگیری موثر، تطبیق سریع و نوآوری مهم‌ترین عوامل موفقیت هستند. یکی از مفاهیم اصیل و راهبردی ژاپنی که استفاده عملی و علمی در حوزه مدیریت و توسعه فردی دارد، قانون شوهاری (SHU-HA-RI) است. این قانون، مسیر گام‌به‌گام رشد مهارت‌ها و دانش فردی و تیم را مشخص می‌کند و می‌تواند ابزاری قوی برای بهبود فرآیندهای مدیریت پروژه و توسعه حرفه‌ای مدیران و اعضای تیم باشد.۱. مفهوم و منشأ قانون شوهاری (SHU-HA-RI)قانون شوهاری، که نام آن از سه مرحله «شو» (Shu)، «ها» (Ha)، و «ری» (Ri) تشکیل یافته است، به سنت آموزش ژاپنی و هنرهای رزمی برمی‌گردد. در این فرهنگ، مسیر یادگیری موفق شامل سه فاز است:شو (Shu): پیروی بی‌قید و شرط از دستورالعمل‌ها و آموزش‌های اولیهها (Ha): درک عمیق‌تر، تجزیه و تحلیل و شروع به اصلاح و تطبیق روش‌هاری (Ri): نوآوری، تبدیل و تعالی کامل در مهارت‌ها و روش‌هااین چارچوب آموزشی، بر حفظ ساختار در مراحل اولیه و سپس توسعه استقلال و نوآوری تمرکز دارد، و در حوزه مدیریت، کاربردهای فراوانی یافته است.۲. مرحلۀ «شو» (Shu): پایه‌ریزی و پیرویدر این مرحله، هدف اصلی تثبیت مهارت‌ها، روش‌ها و روش‌مند بودن است. فرد یا تیم باید استانداردها، فرآیندها، و دستورالعمل‌های مشخص را به دقت یاد بگیرد و اجرا کند، و از آن‌ها پیروی نماید.کاربرد در مدیریت پروژه:آموزش و مستندسازی: تیم‌های پروژه باید روش‌های استاندارد پروژه، متدولوژی‌های معتبر (مثل Agile، Waterfall، Scrum) و سیاست‌های داخلی را به صورت کامل آموزش ببینند.رعایت دقیق فرآیند: اعضای تیم باید دقیق مطابق راهنمایی‌ها عمل کنند، خط‌مشی‌ها را رعایت و از روش‌های رایج پیروی نمایند.پایداری و اعتمادسازی: اجرای منضبط، سبب می‌شود فرآیندها و نتایج قابل پیش‌بینی، منسجم و متعادل باشند.در این مرحله، تمرکز کامل بر یادگیری و تمرین است و به خطایابی و اصلاح نیاز دارد.۳. مرحلۀ «ها» (Ha): درک و اصلاح مسیرپس از تثبیت مهارت‌ها، وارد مرحله‌ی «ها» می‌شویم، مرحله‌ای که فرد یا تیم شروع به تحلیل و درک عمیق‌تر می‌کند. در این فاز، اصول و روندهای اولیه مهم‌تر از پیروی صرف هستند؛ زیرا فرد به دنبال فهم دلایل و فلسفه پشت روش‌ها است.کاربرد در مدیریت پروژه:درک عمیق‌تر و تحلیلی: تیم باید بداند چرا هر روش در مرحله خاصی از پروژه به کار می‌رود و چه دلایلی پشت هر فرآیند است.تطبیق و اصلاح: بر اساس شرایط پروژه، می‌توان فرآیندها را بهبود داد و اصلاح کرد، مثلا تغییر در تقویم، منابع یا اولویت‌ها.تمرکز بر مهارت‌های فردی و گروهی: تحلیل مشکلات، شناسایی نقاط ضعف، و تمرین با رویکردهای متنوع، مهم است.در این مرحله، فرد تیم مهارت نگرش انتقادی، تحلیل و تصمیم‌گیری خود را توسعه می‌دهد که نقش مهمی در مدیریت ریسک و بهبود فرآیندهای پروژه دارد.۴. مرحلۀ «ری» (Ri): نوآوری و تعالیدر نهایت، پس از درک و اصلاح، فرد یا تیم به مرحله‌ی «ری» می‌رسد، مرحله‌ای که در آن نوآوری، توسعه و تعالی به صورت طبیعی ظاهر می‌شود.کاربرد در مدیریت پروژه:ایجاد ارزش‌های نوین: تیم می‌تواند فرآیندهای جدید، راهکارهای خلاقانه و فناوری‌های نوین را وارد پروژه کند.پیشگام بودن در حوزه تخصصی: مدیران و اعضا، مستقل، مبتکر و متمایز از دیگران عمل می‌کنند و فرآیندهای بهبود یافته را به کار می‌گیرند.رهبری تغییر و توسعه مدل‌های جدید: می‌توانند به عنوان مدل برای دیگر تیم‌ها و پروژه‌ها عمل کنند و نقش راهبردی در سازمان ایفا کنند.در این فاز، دیگر عمل کردن صرف بر مبنای اصول قبلی کافی نیست، بلکه توسعه، خلاقیت و اصلاح مستمر در اولویت قرار دارد.۵. نقش قانون شوهاری در مدیریت پروژه و توسعه تیماستفاده از قانون شوهاری در مدیریت پروژه، یک رویکرد استراتژیک برای رشد تیم‌ها و مدیران است. این قانون کمک می‌کند:در مرحله اول، بر پایه آموزش و پیروی کامل قابلیت‌ها ساخته شوند.در مرحله دوم، تیم‌ها توان تحلیل، تطبیق و اصلاح را بیاموزند.و در نهایت، در مسیر نوآوری، تعالی و توسعه پایدار قرار گیرند.این روند، چرخه‌ای است که به شکل مداوم، سازمان‌ها را در مسیر بهبود و پیشرفت نگه می‌دارد و قابلیت پاسخگویی سریع به تغییرات بازار و فناوری را افزایش می‌دهد.نتیجه‌گیریقانون شوهاری، فراگیری و توسعه مستمر در مهارت‌ها و فرآیندهای مدیریتی است. با شناخت و تطبیق آن در مدیریت پروژه، می‌توان عملکرد تیم را به سطحی مطلوبتر رساند، فرآیندها را بهبود بخشید و آینده‌نگری را در سازمان تقویت کرد. این رویکرد، به عنوان یک راهکار استراتژیک، کلید موفقیت در پروژه‌های بزرگ و همچنین رشد حرفه‌ای مدیران و تیم‌های کاری است.پینشهاد یادگیری: آموزش مبانی چابک (Agile) با استفاده از رویکردهای اسکرام، کانبان و اسکرامبانhttps://mktb.me/pw57/محمد حمیدیمحمد حمیدیSun, 11 May 2025 08:08:25 +0330https://virgool.ir/@mohamadhamidi65/آزاد-شدن-از-رفتارهای-عادت-مند-راهی-برای-تقویت-ذهنیت-agile-در-زندگی-و-کار-gt8tj3gmpvrcدر دنیای امروز، تغییر سریع و نیاز به سازگاری مداوم، ما را وادار می‌کند تا از رفتارهای عادی و عادت‌های ناپایدار خود رها شویم. در حوزه مدیریت پروژه و توسعه نرم‌افزار، مفهوم Agile بر پایه‌ی اصول انعطاف‌پذیری و یادگیری مستمر شکل گرفته است. اما چگونه می‌توانیم در زندگی روزمره و فضای کاری خود، از این عادت‌ها رها شویم و ذهنیت Agile را به‌طور واقعی در عمل پیاده کنیم؟اهمیت رها شدن از عادت‌های ناپایدارعادت‌ها، در کنار اینکه می‌توانند امنیت و آرامش‌بخش باشند، مانع رشد و توسعه فردی و حرفه‌ای می‌شوند. این قبیل رفتارها ممکن است باعث شوند در برابر تغییر مقاوم شویم و نتوانیم به‌درستی از فرصت‌های جدید بهره‌مند شویم. در حقیقت، رها شدن از این رفتارها، کلید بهره‌گیری کامل از اصول Agile است: باز بودن به تغییر، تمایل به یادگیری و همکاری فعال.چگونه رفتارهای عادت‌مند را ترک کنیم؟خودآگاهی و شناخت عادت‌هااولین قدم در مسیر تغییر، شناخت عادت‌های روزمره است. باید بتوانید رفتارهای تکراری و الگوهای رفتاری خود را شناسایی کنید و اثر آن‌ها را بر نتیجه کارتان ارزیابی کنید. با شناخت نقاط ضعف خود، می‌توانید هدف‌گذاری برای تغییرات موثرتری داشته باشید.پذیرش یادگیری مداومزندگی پر از فرصت‌های یادگیری است. با انگیزه و هدفمند، به دنبال ارتقاء مهارت‌ها و گسترش دانش خود باشید. این رویکرد، همان چیزی است که در محیط‌های Agile بسیار اهمیت دارد، زیرا بر پایه‌ی توسعه شخصی و بهبود مستمر بنا شده است.همکاری فعال و پذیرش بازخورددر محیط کار، همکاری با دیگران و دریافت بازخوردهای سازنده، کمک می‌کند تا مسیر خود را اصلاح کنید و به سمت بهتر شدن حرکت کنید. در زندگی شخصی هم، پذیرش نظرات و دیدگاه‌های متفاوت می‌تواند نگاه شما را گسترش دهد.تجربه‌گرایی و پذیرش شکستباید آماده باشیم خطا کنیم و شکست‌ها را به عنوان فرصت‌های یادگیری ببینیم. آزمایش کردن رویکردهای مختلف، راهی است برای یافتن راه‌حل‌های بهتر و جدید.بازتاب و انعطاف‌پذیری مستمرپس از هر تجربه، بازخورد بگیرید و در صورت نیاز، تغییراتی در رفتارها و استراتژی‌های خود ایجاد کنید. این کار، چرخه‌ی رشد و توسعه را دائمی می‌کند.مثال : یک فرد که عادت داشت در صبح زود ورزش کند، پس از مدتی، بخاطر خستگی مفرط و کمبود انگیزه، این عادت را ترک کرد. او تصمیم گرفت به جای تمرین‌های دیرهنگام، تمرینات کوتاه‌تر و متنوع‌تری را در ساعات مختلف روز انجام دهد. این تغییر، باعث شد پیوستگی در ورزش حفظ شود و نتایج بهتری در سلامت و تناسب اندامش بگیرد. او رها شدن از عادت ثابت خود را با پذیرش انعطاف‌پذیری آموخت.جمع‌بندیرها شدن از رفتارهای عادت‌مند، فرآیندی زمان‌بر است ولی برای توسعه فردی، حرفه‌ای و پیاده‌سازی اصول Agile حیاتی است. با آگاهی از عادات، پذیرش یادگیری مستمر، همکاری فعال، پذیرش شکست و بازتاب دائمی، می‌توانیم به سمت رشد و بهبود مداوم حرکت کنیم. تغییر ممکن است سخت باشد، اما نتیجه آن، ساختن فرهنگی است بر پایه‌ی انعطاف، نوآوری و ارزش‌آفرینی برای خود و دیگران.محمد حمیدیمحمد حمیدیSat, 03 May 2025 09:13:26 +0330https://virgool.ir/@mohamadhamidi65/راهکارهای-چابکی-در-تیم-های-پشتیبانی-خدمات-فناوری-اطلاعات-jnzuhvnjvparدر دنیای امروز، تیم‌های پشتیبانی فناوری اطلاعات (IT Support) با چالش‌های متعددی در مسیر ارائه خدمات کارآمد به مشتریان روبرو هستند. در حالی که متدولوژی‌های چابک (Agile) بیشتر در توسعه نرم‌افزار شناخته شده‌اند، استفاده از اصول چابک در تیم‌های پشتیبانی می‌تواند مزایای بسیاری از جمله بهبود بهره‌وری، شفافیت و همکاری بهتر به همراه داشته باشد. در این مقاله به تجربه یک تیم فناوری اطلاعات در پیاده‌سازی چارچوب کانبان برای مدیریت بهتر کارها می‌پردازیم.چالش‌های اصلی تیم‌های پشتیبانی فناوری اطلاعاتتیم های پشتیبان در حوزه فناوری اطلاعات زمانی که به دنبال روش‌های چابک هستند، در جستجوی خود به این نتیجه می رسند که بیشتر مقالات بر روی پیاده‌سازی این متدولوژی‌ها در تیم‌های توسعه نرم‌افزار تمرکز دارند. این منطقی است، چرا که چابکی در ابتدا به عنوان جایگزینی برای متدولوژی سنتی آبشاری (Waterfall) طراحی شد تا تیم‌های توسعه بتوانند نرم‌افزار بهتری تولید کنند.با این حال، تیم‌های پشتیبانی فناوری اطلاعات نیز با چالش‌های مشابهی مواجه‌اند که بر توانایی‌شان برای ارائه ارزش به مشتریان تأثیر می‌گذارد. در جریان مقابله با این چالش‌ها، نیاز فزاینده‌ای به یک متدولوژی ساختارمند برای هدایت تیم ها به سمت بهبود مستمر احساس می شود.چالش های اصلی شناسایی شدههمکاری: با وجود انعطاف‌پذیری کار در تیم های امروزی نظیر کار به صورت هیبرید و یا کار از راه دور، همکاری میان اعضا دشوار است. ضعف در همکاری باعث شکاف‌های دانشی می‌شد و کارایی تیم را کاهش می‌داد. شفافیت: عدم همکاری مناسب منجر به عدم شناخت تلاش‌های تیم و دشواری در ردیابی مشارکت‌های فردی شده بود که انگیزه و درگیری تیم را کاهش می‌داد. بار کاری سنگین: نوسانات حجم تیکت‌ها در تیم‌های پشتیبانی بدون فرآیندهای ساختارمند منجر به افت بهره‌وری و افزایش استرس می‌شد.ناتوانی در اولویت‌بندی صحیح درخواست‌ها: تشخیص درخواست‌های حیاتی و فوری از موارد غیرضروری، که ممکن است منجر به تأخیر در حل مشکلات مهم شود.کاهش رضایت کاربران و ذینفعان: عدم پاسخ سریع یا حل مؤثر مشکلات به دلیل ناتوانی در مدیریت انتظارات و ارتباط مناسب با کاربران.یکنواخت نبودن فرآیندهای پشتیبانی: نبود استانداردها و رویه‌های مشخص، که منجر به تفاوت در کیفیت خدمات ارائه شده می‌شود.در مواجهه با این مشکلات، به این نتیجه می رسیم که تیم های پشتیبانی فناوری اطلاعات به چیزی بیشتر از راه‌حل‌های موقتی نیاز دارند، آنها به یک متدولوژی نیاز دارند که ساختار کاری را بهبود دهد، همکاری را ارتقاء دهد و تیم را به سمت بهبود مستمر سوق دهد تا بتواند رضایت کاربران و ذینفعان را افزایش دهد. در این نقطه چارچوب چابک (Agile) شروع به شکل‌دهی رویکرد تیم های پشتیبانی فناوری اطلاعات می شود.در اینجا این سوال برای مخاطبین پیش می آید که پس متدولوژی های نظیر ITIL چه نقشی در حل این چالش ها ایفا می کنند؟ پاسخ به این سوال این است که در متدولوژی ITIL 4، رویکرد چابک (Agile) جایگاه مهمی در فرآیندها و فلسفه‌های خدمات فناوری اطلاعات دارد، اما به طور خاص در قالب مفهومی گسترده‌تر به عنوان توسعه فرهنگی و فلسفی در کنار دیگر رویکردها (مثل Lean و DevOps) قرار می‌گیرد.جایگاه رویکرد چابک در ITIL 4:ایجاد فرهنگ مبتنی بر انعطاف‌پذیری و پاسخگویی سریع:ITIL 4 بر اهمیت انعطاف‌پذیری، سریع بودن در پاسخگویی و تطابق سریع با نیازهای کسب‌وکار تأکید دارد، که رویکرد چابک در این ابعاد نقش کلیدی ایفا می‌کند.درون‌سازی در ارزش‌آفرینی و بهبود مستمر:رویکرد چابک در فرآیندهای ITIL 4، مانند تحویل خدمات، مدیریت تغییر و بهبود مستمر خدمات (CSI)، به بهبود سریع و مستمر کمک می‌کند.پشتیبانی از SVC (Service Value Chain):در مدل حلقه‌ای و منعطف زنجیره ارزش خدمات، رویکرد چابک هنگام طراحی و اجرای فعالیت‌ها، سرعت و انعطاف را افزایش می‌دهد.همسویی با آرمان‌های دوگانه (مانند تمرکز بر مصرف‌کننده، همکاری تیمی، و پاسخ سریع):رویکرد چابک در ITIL 4، به عنوان یک فلسفه هماهنگ با ارزش‌هایی مانند تمرکز بر نیازهای کاربر و کار تیمی است.گام نخست،پذیرش یک متدولوژی چابک:در سال‌های اخیر، استفاده از رویکردهای مدیریت جریان کار مانند کانبان در تیم‌های پشتیبانی فناوری اطلاعات به طور قابل توجهی در حال رشد است. بر اساس گزارش‌های منتشر شده پس از سال 2023، تقریباً 40 تا 50 درصد از این تیم‌ها در سطح جهانی، از ابزارهای ساختاری و فرآیندهای مبتنی بر کانبان برای بهبود کارایی، شفافیت و پاسخگویی سریع به درخواست‌های کاربران بهره‌مند شده‌اند. این رویکرد به سازمان‌ها امکان می‌دهد تا با کاهش زمان پاسخگویی، مدیریت بهتر موجودی کار و اولویت‌بندی مؤثرتر درخواست‌ها، سطح خدمات را ارتقاء دهند و فرآیندهای پشتیبانی را انعطاف‌پذیرتر کنند.در کنار گرایش به کانبان، توجه سازمان‌های فناوری اطلاعات به بهره‌گیری از چارچوب‌های مدیریت چابک و ابزارهای مدرن، نشان‌دهنده تمایل به توسعه رویکردهای سازمانی پاسخگو و کارا است. این تحول، هدف اصلی آن است که تیم‌های پشتیبانی بتوانند با بهره‌گیری از روش‌های نوین، نگرش سیستماتیک و مبتنی بر داده‌ها، رضایت کاربران نهایی را افزایش دهند و فرآیندهای پشتیبانی را به سمت خودکارسازی و بهبود مستمر سوق دهند. این روند نشان می‌دهد که رویکردهای مدیریتی مانند کانبان، نقش حیاتی در تحول دیجیتال و بهبود کارایی در سازمان‌های فناوری اطلاعات دارند. این آمار و روندها نشان‌دهنده تمایل فزاینده سازمان‌ها به بهره‌گیری از کانبان و دیگر رویکردهای مدیریت چابک در بهبود فرآیندهای پشتیبانی فناوری اطلاعات است، امری که توسط گزارش‌های معتبری مانند گزارش‌های گارتنر، فوراستر و استندیش گروپ تأیید می‌شود.چارچوب چابک شامل متدهای مختلفی است. مطابق با توضیحات ارائه شده کانبان (Kanban) به عنوان متدولوژی‌ای که بهتر از همه با نیازهای تیم های پشتیبانی و فناوری اطلاعات مطابقت دارد، انتخاب مناسبی برای سازمان ها می باشد. یکی از بزرگ‌ترین مزایای کانبان، قابلیت مشاهده کارها از طریق یک برد است که وضعیت هر وظیفه را از آغاز تا پایان ردیابی می‌کند. این قابلیت به تیم‌ها کمک می‌کند تا حجم کار خود را درک کنند، چالش‌ها را شناسایی کرده و شفافیت را بهبود دهند.اجرای کانبان در تیم های پشتیبانی فناوری اطلاعات : برای اجرای موثر کانبان، نیاز است تا اقدامات اساسی ذیل در تیم ها و سازمان های پشتیبانی فناوری اطلاعات انجام شود:1- نقشه‌برداری از فرآیندهای موجود: پیش از پیاده‌سازی کانبان، تیم‌ها تمام وظایف و جریان‌های کاری را ارزیابی می نمایند تا نقاط مشکل زا ( دردهای سازمانی ) را شناسایی کرده و بهترین روش برای به تصویر کشیدن کار را تعیین کنند. این گام برای تعریف ساختار مناسب برد کانبان بسیار حیاتی است. 2- انتخاب ابزار مناسب:انتخاب ابزار مناسب برای اجرای کانبان اهمیت ویژه‌ای دارد زیرا این ابزار نقش کلیدی در بهبود شفافیت، کنترل و اتوماسیون فرآیندهای کاری ایفا می‌کند. ابزار مناسب باید قابلیت پشتیبانی از جریان کارهای سازمان، فراهم کردن داشبوردهای بصری، توانایی برقراری ارتباط موثر میان تیم‌ها، و امکان شخصی‌سازی و توسعه متناسب با نیازهای خاص سازمان را داشته باشد. انتخاب نادرست ممکن است منجر به کاهش بهره‌وری، سردرگمی در تیم‌ها و از دست رفتن مزایای اصلی کانبان شود، بنابراین باید با دقت و براساس شاخص‌های مشخص انجام شود.برای انتخاب بهترین ابزار، ابتدا باید نیازهای خاص سازمان، میزان پیچیدگی فرآیندها، و حجم داده‌ها را مشخص کرد. شاخص‌هایی مانند قابلیت سفارشی‌سازی، سهولت استفاده، قابلیت هم‌گام‌سازی با سایر سامانه‌ها، پشتیبانی فنی و امنیت داده‌ها از مهم‌ترین معیارها هستند. همچنین، ارزیابی قابلیت‌های تحلیلی، وجود امکانات گزارش‌دهی، قابلیت همکاری تیمی و پشتیبانی موبایلی نیز در فرآیند انتخاب باید مدنظر قرار گیرد. این شاخص‌ها کمک می‌کنند تا سازمان بتواند ابزاری کارآمد و قابل اتکا در پیاده‌سازی موفق کانبان داشته باشد. لازم به ذکر است ابزار متعددی چه داخلی و چه خارجی برای پشتیبانی از تیم ها در استفاده از متدولوژی کانبان موجود است. اما در این مقاله نرم افزار جیرا پیشنهاد می شود. نرم افزار جیرا به دلیل قابلیت‌های منعطف، ابزار قدرتمند و رابط کاربری بصری، یکی از بهترین گزینه‌ها برای پیاده‌سازی روش کانبان است. این ابزار امکاناتی مانند ساخت تابلوهای تعاملی، مدیریت وظایف، تنظیم اولویت‌ها، و قابلیت سفارشی‌سازی فیلترها و ستون‌ها را فراهم می‌کند که به تیم‌ها کمک می‌کند جریان کار خود را به شکلی شفاف و قابل کنترل مدیریت کنند. علاوه بر این، جیرا امکان هم‌گام‌سازی با سایر ابزارهای توسعه و مدیریت پروژه، پشتیبانی از اتوماسیون وظایف و تولید گزارش‌های دقیق را داراست، که تمام این ویژگی‌ها باعث کارایی و بهره‌وری بالا در تیم‌های پشتیبانی فناوری اطلاعات می‌شود.3- ساختار دهی به جریان کار در تخته کانبانساختاردهی منظم و دقیق تخته کانبان اهمیت زیادی دارد چون نقش کلیدی در شفاف‌سازی روند کار، اولویت‌بندی وظایف و کنترل جریان کاری ایفا می‌کند. با تعیین ستون‌های واضح، محدودیت‌های در گردش و دسته‌بندی مناسب وظایف، تیم‌ها می‌توانند فرآیندها را به صورت منسجم و مؤثر پیگیری کنند و از بروز سردرگمی و اتلاف زمان جلوگیری کنند. این ساختار منظم کمک می‌کند تیم‌ها بتوانند میزان پیشرفت پروژه، وظایف در انتظار و وظایف در حال انجام را به راحتی نظارت و مدیریت کنند، که در نتیجه، بهره‌وری و اثربخشی روند کاری افزایش می‌یابد.در اینجا دو نمونه ارائه میشود. مثال اول تخته کانبان 5 ستونی:To Do: وظایفی که شناسایی شده ولی هنوز شروع نشده‌اند In Progress: وظایفی که در حال انجام هستند Waiting for Support: وظایفی که نیاز به پشتیبانی فروشنده دارند Waiting for User: وظایفی که منتظر اقدام یا اطلاعات از سوی کاربر یا تیم دیگری هستند Done: وظایف تکمیل شدهمثال دوم تخته کانبان 6 ستونی:To Do: وظایفی که شناسایی شده ولی هنوز شروع نشده‌اند In Progress: وظایف در حال انجام Waiting for L1 Team: انتظار برای تیم سطح یک Waiting for L3 Team: انتظار برای تیم سطح سه Waiting for Others: انتظار برای سایر کاربران یا تیم‌ها. Waiting for Approval: انتظار برای تأیید یک موضوع خاص Done: وظایف تکمیل شده در هر دو مدل، بخش Backlog به عنوان پارکینگ کارها استفاده شد تا پیش از ورود به چرخه عادی تخته، کارها پالایش شوند. ۴. تعریف انواع مسائل برای دسته‌بندی بهتر کارهابرای سازماندهی بهتر وظایف، پیشنهاد می شود تا کارها به سه نوع اصلی تعریف شوند: Epic: پروژه‌های بزرگ یا مجموعه‌ای از وظایف مرتبط Improvement: وظایف مربوط به بهبود فرآیندهای تیمTask: وظایف روتین یا مقطعیعلاوه بر این، در یک برخی از تیم ها از قابلیت Releases و Calendar برای مدیریت کارهای زمان‌بندی‌شده استفاده می شود. ۵. پیاده‌سازی مؤلفه‌ها برای شناسایی بهتر وظایف با معرفی Componentها در JIRA، وظایف براساس فناوری‌های درگیر برچسب‌گذاری می شوند. این کار شناسایی سریع سیستم‌ها، ابزارها، شرکت‌ها یا برنامه‌های مرتبط با هر وظیفه را آسان می نماید و ردیابی شاخص‌های خاص مانند تعداد وظایف انجام شده روی یک فناوری یا تعداد جلسات را تسهیل می نماید. ۶. بهبود جلسات روزانه با فیلترهای سریع برای تسهیل جلسات روزانه، فیلترهای سریع به برد کانبان اضافه شود. با این قابلیت هر عضو تیم فیلتر مخصوص خود را خواهد داشت تا دسترسی فوری به وظایف محوله را داشته و به بحث مؤثرتر درباره پیشرفت‌ها صورت پذیرد. غلبه بر مقاومت‌ها و چالش‌هاهمانند هر تغییری در سازمان ها، پیاده‌سازی کانبان نیز بدون چالش نیست. تیم ها با موانعی همچون: ۱. افزایش تلاش در کار روزانه:احساس اضافه‌کاری در ایجاد کارت‌های کانبان نگرانی درباره افزایش بار اداری مقاومت در برابر یادگیری ابزار جدید ۲. فراموشی در ثبت وظایف در JIRA: نبود عادت به به‌روزرسانی کارها عدم تعهد به متدهای کاری جدید ۳. شک و تردید نسبت به اثربخشی کانبان: تردید درباره تناسب کانبان با تیم‌های پشتیبانی درک محدود از مزایای کانبان تصور اینکه کانبان بیشتر به نفع مدیریت است تا نفرات تیماستراتژی‌های مقابله با چالش ها: استفاده مداوم از برد کانبان در جلسات روزانهاستفاده از داشبوردها برای نمایش تأثیر واقعی پیاده‌سازی اتوماسیون برای کاهش کارهای دستی بهبود مستمر فرآیندها براساس بازخوردها برگزاری کارگاه‌های عملی برای آشنایی بیشتر با کانبان و ابزار آن نظیر JIRA برگزاری نشست‌های بازنگری (Retrospective) حمایت فعال مدیران ارشد از فرآیندنتاریج و دستاوردها:مطالعات و مقالات مرتبط با استفاده از کانبان در تیم‌های پشتیبانی فناوری اطلاعات نشان می‌دهند که این روش منجر به بهبود قابل توجه در سرعت پاسخگویی، کاهش زمان حل مسائل و افزایش رضایت کاربران نهایی می‌شود. همچنین، بهره‌گیری از کانبان باعث افزایش شفافیت در فرآیندهای کاری، بهبود مدیریت اولویت‌ها و کاهش اتلاف وقت و منابع می‌گردد. نتایج دیگر شامل توانایی بهتر در مدیریت حجم زیاد درخواست‌ها، تحلیل داده‌ها برای بهبود فرآیندها و ارتقاء کارایی تیم‌های پشتیبانی است. در مجموع، استقرار کانبان در این حوزه به توسعه رویکردهای چابک، افزایش بهره‌وری و کیفیت خدمات در تیم‌های فناوری اطلاعات کمک می‌کند. استفاده از داشبوردهای زنده به تیم‌ها این امکان را داده است که در لحظه پیشرفت کارها و توزیع بار کاری را مشاهده کنند. همچنین، تحلیل توزیع کار مانع از استرس بیش از حد و فرسودگی شغلی شده است.در نهایت، با پیاده‌سازی مؤثر کانبان، فرهنگی از بهبود مستمر در تیم‌ها ایجاد می شود و تیم‌های پشتیبانی فناوری اطلاعات چابک‌تر، پاسخگوتر و کارآمدتر می شوند.در نهایت، استفاده از روش کانبان در تیم‌های پشتیبانی فناوری اطلاعات به عنوان یک رویکرد مؤثر و کاربردی، باعث بهبود فرآیندهای کاری، افزایش شفافیت و رضایت مشتریان می‌شود. با بهره‌گیری از ابزارهای مناسب و ساختاردهی منظم تخته‌های کانبان، سازمان‌ها قادر خواهند بود درخواست‌ها را بهتر اولویت‌بندی و مدیریت کنند، که در نتیجه بهره‌وری و کیفیت خدمات ارتقاء می‌یابد. این روند نه تنها عملکرد تیم‌های فناوری اطلاعات را به سمت چابکی و پاسخ‌گویی سریع‌تر هدایت می‌کند، بلکه پایه‌ای مستحکم برای تحول دیجیتال و توسعه مستمر در سازمان‌ها فراهم می‌آورد.محمد حمیدیمحمد حمیدیTue, 29 Apr 2025 16:11:15 +0330https://virgool.ir/@mohamadhamidi65/استفاده-از-هوش-مصنوعی-به-عنوان-مربی-شغلی-شما-z07ku9xtkpq1می‌خواهید از هوش مصنوعی به‌عنوان مربی شغلی استفاده کنید؟ از این دستورات استفاده کنید!این مقاله از سایت Harvard Business Review با عنوان Want to Use AI as a Career Coach? Use These Prompts ترجمه شده است. همچنین در انتها دستوراتی به آن اضافه شده است. نویسنده: توماس چامورو-پرموزیکخلاصه: بهره مندی از مربی شغلی می‌تواند پرهزینه و زمان‌بر باشد. اما با ظهور پلتفرم‌های هوش مصنوعی مولد، بسیاری از جویندگان کار به AI به عنوان یک جایگزین در دسترس، کارآمد و سفارشی روی می‌آورند، حتی اگر یک مربی انسانی عالی نیز استفاده نمایند. چه به کمک در نوشتن رزومه نیاز داشته باشید، چه تمرین مصاحبه یا مربی‌گری رهبری، هوش نسل جدید می‌تواند همراه و شریک فکری شما در تمام ساعات روز باشد. این مقاله نشان می‌دهد که چگونه می‌توانید از ابزارهای هوش مصنوعی برای مربی‌گری شغلی استفاده کنید و با استفاده از دستورالعمل‌های (Prompts) کاربردی و استراتژی‌ها، تجربه، یادگیری و موفقیت خود را به حداکثر برسانید.چه شما یک فرد تازه فارغ‌التحصیل از دانشگاه باشید، یا یک فرد حرفه‌ای که به دنبال تغییر است، یا یک مدیر اجرایی که به دنبال بهبود مهارت‌های رهبری است، یک مربی شغلی می‌تواند منبعی با ارزش محسوب شود. یک نظرسنجی از ۱,۵۳۵ بزرگسال در سال ۲۰۲۱ نشان داد که در حالی که تنها ۱۲٪ از بزرگسالان شاغل در حال حاضر از مشاور شغلی استفاده می‌کنند، نزدیک به دو سوم آنها معتقد بودند صحبت کردن با یک حرفه‌ای درباره استراتژی های آینده شغلی می‌تواند مفید باشد. این شکاف ممکن است به این دلیل باشد که مربی‌گری شغلی سنتی می‌تواند پرهزینه و زمان‌بر باشد— میانگین نرخ ساعتی برای مربی شغلی در سال ۲۰۲۳ معادل ۲۷۲ دلار بود.با ظهور پلتفرم‌های هوش مصنوعی مولد مانند ChatGPT، Perplexity، DeepSeek و Claude، بسیاری از جویندگان کار به AI به عنوان یک جایگزین در دسترس، کارآمد و شخصی‌شده برای مربیان شغلی سنتی روی می‌آورند، حتی اگر از داشتن یک مربی انسانی عالی بهره‌مند باشند. تعیین دقیق میزان استفاده مردم از هوش مصنوعی مولد برای مربی‌گری شغلی دشوار است. با این حال، برخی نظرسنجی‌ها نشان می‌دهند که تا ۶۵٪ از جویندگان کار در برخی مراحل فرآیند درخواست شغل خود از AI کمک می‌گیرند.در این مقاله، امیدوارم به شما نشان بدهم که چگونه می‌توانید از ابزارهای هوش مصنوعی مولد به عنوان مربی شغلی شخصی خود استفاده کنید و با استفاده از دستورالعمل‌ها و استراتژی‌های عملی، تجربه، یادگیری و موفقیت خود را به حداکثر برسانید.۷ روش برای استفاده از هوش مصنوعی به‌عنوان مربی شغلیپتانسیل استفاده از هوش مصنوعی مولد برای مربی‌گری شغلی (و فراتر از آن) تنها به تخیل ما محدود است. با این حال، در اینجا آنچه تحقیقات من نشان می‌دهد، برخی از متداول‌ترین "موارد استفاده" یا کاربردهای این پلتفرم‌ها است که می‌تواند به بهبود درک و تصمیم‌گیری شما در مورد مشاغل، کار و حرفه‌ها کمک کند.۱. به‌دست آوردن وضوح و جهت‌گیری شغلیشما چه مقصدی را باید برای حرفه‌تان انتخاب کنید؟ از جایی که اکنون هستید، کجا می‌توانید و باید بروید؟ بهترین گزینه‌های موجود برای شما چیست؟قبل از شروع یک جستجوی شغلی یا انتقال شغلی، درک نقاط قوت، علایق و ارزش‌های خود بسیار مهم است. هوش مصنوعی مولد می‌تواند به شما در انجام تمرینات خوداندیشی و کشف حرفه‌ها کمک کند.نمونه سؤالات:من در مورد مسیر شغلی‌ام اطمینان ندارم. آیا می‌توانید چند سؤال بازتابی بپرسید تا به شناسایی نقاط قوت و علایق من کمک کنید؟آیا می‌توانید گزینه‌های شغلی را پیشنهاد کنید که با مهارت‌های من در [لیست مهارت‌های خود] و علاقه من به [ذکر صنایع یا زمینه‌ها] همخوانی داشته باشد؟من از حل مسئله، خلاقیت و کار با افراد لذت می‌برم. چه مسیرهای شغلی ممکن است با این علایق همخوانی داشته باشد؟نکته شخصی‌سازی:تا جایی که ممکن است جزئیات بیشتری در مورد تجربیات و ترجیحات خود ارائه دهید. هرچه زمینه بیشتری ارائه دهید، پاسخ‌های هوش مصنوعی مولد بیشتر متناسب خواهد بود.در نظر بگیرید که رزومه یا CV خود را به هوش مصنوعی مولد بارگذاری کنید. (بیشتر پلتفرم‌ها به شما این امکان را می‌دهند که فایل‌های Word یا PDF را پیوست کنید.) اجازه دهید این ابزار آن را بررسی کرده و به شما بازخوردی در مورد مهارت‌های سخت و نرم، پتانسیل و قابلیت اشتغال کلی شما ارائه دهد. یک نمونه سؤال می‌تواند این باشد: "اگر رزومه‌ام را بارگذاری کنم، می‌توانید آن را بررسی کرده و ارزیابی کلی از مهارت‌های سخت و نرم من، و بازخوردی در مورد پتانسیل و قابلیت اشتغال من بدهید؟"در حالی که دقت نتایج ممکن است به اندازه یک مربی انسانی بسیار ماهر (مجهز به ارزیابی‌های علمی) نباشد، اما احتمالاً نسبت به یک مربی معمولی یا متوسط بهتر است. در همین راستا، بررسی‌های علمی به‌مدت طولانی نشان داده‌اند که وجود موانع کم در ورود، عوامل شخصی خاص مرتبط با مربی و فقدان آموزش عمومی همگی به این موضوع کمک می‌کنند که مربی‌گری مؤثر و مبتنی بر علوم، استثنا باشد و نه قاعده.۲. بهینه‌سازی رزومه و لینکدینیک رزومه قوی و پروفایل لینکدین مناسب برای برجسته‌شدن در یک بازار کار رقابتی بسیار حیاتی هستند. هوش مصنوعی مولد می‌تواند به شما در تهیه مواد کاربردی جذاب کمک کند، از جمله بهینه‌سازی رزومه‌تان برای مشاغل یا حرفه‌های خاص و پیشنهاد بهبودهایی برای پروفایل لینکدین شما. هدف، دروغ گفتن یا فریب دادن نیست، بلکه کمک به شما در یافتن لحن، سبک و رویکرد مناسب برای حداکثر کردن تأثیر پروفایل و دستاوردهای شما بر روی استخدام‌کنندگان و مدیران استخدام مرتبط است.نمونه سؤالات:آیا می‌توانید به من در نوشتن یک خلاصه حرفه‌ای برای رزومه‌ام با توجه به تجربیات من در [صنعت/نقش] کمک کنید؟لطفاً پروفایل لینکدین من [می‌توانید لینک/URL را اینجا قرار دهید] را بررسی کرده و پیشنهاداتی برای بهبود تعامل ارائه دهید.چگونه می‌توانم دستاوردهایم را در رزومه‌ام به‌گونه‌ای کمی کنم تا تأثیر بیشتری داشته باشند؟نکته شخصی‌سازی:به هوش مصنوعی مولد نکته‌های رزومه کاری و دستاوردهای خود را بدهید. اگر به دنبال شغل خاصی هستید، توصیف شغل را ضمیمه کنید تا بتواند پاسخ‌ها را متناسب با نقش تنظیم کند. اگر می‌خواهید هوش مصنوعی مولد لحن یا پیام‌ها را طوری سفارشی کند که بازتاب‌دهنده ویژگی‌های شخصیتی یا کاراکتر خاصی باشد، می‌توانید آن را نیز در پرسش‌های خود بگنجانید: "لطفاً این را به لحن‌ای بازنویسی کنید که ویژگی شخصیتی X را بیان کند [برای مثال، خلاقیت، وجدان‌کاری، کنجکاوی، بلندپروازی، هوش عاطفی و غیره]."۳. استراتژی جستجوی شغلجستجوی شغل می‌تواند دلهره‌آور باشد، اما هوش مصنوعی مولد می‌تواند به ساختاردهی و استراتژیک کردن آن کمک کند. به‌عنوان مثال، می‌توانید از AI بخواهید که به شما در شناسایی گروه‌ها یا دسته‌های شغلی، یا صنایعی که در حال استخدام و رشد هستند، کمک کند، یا جستجوی اولیه در پایگاه‌های داده را با توجه به ترجیحات، مکان یا تناسب با زمینه و مهارت‌های خود اصلاح کند.نمونه سؤالات:بهترین استراتژی‌های جستجوی شغل برای کسی در [صنعت/نقش] چیست؟بهترین فرصت‌های شغلی یا حرفه‌ای در منطقه X [شامل شهر، کشور، منطقه و غیره] برای کسی با پس‌زمینه و علایق من چیست؟آیا می‌توانید به من در نوشتن یک پیام شبکه‌ای شخصی‌سازی شده کمک کنید تا با یک استخدام‌کننده در لینکدین ارتباط برقرار کنم؟راه‌های خلاقانه برای پیدا کردن فرصت‌های شغلی فراتر از تابلوهای شغلی سنتی چیست؟نکته شخصی‌سازی:اگر شرکت‌های خاصی در نظر دارید، از هوش مصنوعی مولد بخواهید راهبردهای شبکه‌سازی متناسب با آن‌ها را ارائه دهد. همچنین می‌توانید نکات مربوط به نحوه استفاده از لینکدین، رویدادهای صنعتی و مصاحبه‌های اطلاعاتی برای بهبود چشم‌انداز شغلی‌تان را درخواست کنید. به‌عنوان مثال، هوش مصنوعی مولد می‌تواند نکاتی در مورد اینکه چگونه تماس‌ها و ارتباطات مرتبط را پیدا کنید؛ چگونه در شبکه‌های اجتماعی بیشتر دیده شوید؛ چگونه فید لینکدین خود را مدیریت کنید تا به‌طور آنی درباره شغل‌های خالی هشدار بگیرید؛ و چگونه پیام اولیه‌ای به یک کارفرما یا استخدام‌کننده بالقوه بنویسید، ارائه دهد.۴. آمادگی برای مصاحبه و مذاکره درباره حقوقمصاحبه‌ها می‌توانند استرس‌زا باشند، اما آمادگی کلیدی است. هوش مصنوعی مولد می‌تواند سوالات مصاحبه را شبیه‌سازی کرده و بازخوردی بر پاسخ‌های شما ارائه دهد.نمونه سؤالات:آیا می‌توانید یک مصاحبه شبیه‌سازی شده برای موقعیت [نقش] برگزار کنید و بازخوردی بر پاسخ‌هایم ارائه دهید؟ [از سؤالات پیگیری بپرسید که باعث شود هوش مصنوعی مولد پاسخ‌های شما را تحلیل کرده، جواب‌های بهتری پیشنهاد دهد و بگوید مصاحبه‌کنندگان ممکن است چه نگاهی به پاسخ‌های شما و دیگران داشته باشند.]چگونه باید به سوال "در مورد خود بگویید" پاسخ دهم تا نقاط قوت من را برجسته کند؟آیا می‌توانید به من در نوشتن یک پاسخ برای "حقوق مورد انتظار شما چقدر است؟" کمک کنید تا برای مذاکره آماده شوم؟چه سؤالات خوبی باید بپرسم زمانی که مصاحبه‌کنندگان فرصتی برای پرسش به من می‌دهند؟موارد ضروری و عدم رعایت‌ها در رفتارها/آداب اولیه مصاحبه چیست؟نکته شخصی‌سازی:به هوش مصنوعی مولد توصیف شغل و نام شرکت را بدهید تا بتواند سوالات شخصی‌سازی شده‌ای طرح کند. اگر اطلاعات دقیقی درباره مصاحبه‌کنندگان دارید، این پس‌زمینه را به هوش مصنوعی مولد بدهید تا بتواند توصیه‌های جزئی‌تری ارائه کند. برای مذاکره درباره حقوق، داده‌های تحقیقاتی بازار و محدوده مورد نظر خود را ارائه دهید تا مشاوره دقیق‌تری دریافت کنید. اگر این اطلاعات را ندارید، از هوش مصنوعی مولد بخواهید که این داده‌ها را به‌دست آورد.۵. رهبری و رشد شغلیاگر به دنبال پیشرفت شغلی هستید، هوش مصنوعی مولد می‌تواند راهنمایی‌هایی در مورد مهارت‌های رهبری، دیده‌شدن در محل کار و توسعه حرفه‌ای ارائه دهد. در بیشتر سازمان‌ها، پیشرفت شغلی شما در برهه‌ای از زمان نیاز به مدیریت یا رهبری افراد خواهد داشت و هوش مصنوعی مولد می‌تواند به شما در تبدیل شدن به یک رهبر مشاوره دهد.نمونه سؤالات:کلیدهای مهارت‌های رهبری که باید برای انتقال به یک نقش مدیریتی توسعه دهم، چیست؟آیا می‌توانید به من در نوشتن یک ایمیل برای درخواست بررسی فرصتی برای ترفیع با مدیرم کمک کنید؟چگونه می‌توانم حضور اجرایی خود را در جلسات و ارائه‌ها تقویت کنم؟چه رفتارهایی را باید از آن‌ها دوری کنم اگر مایلم به‌عنوان یک رهبر دیده شوم؟از کجا می‌توانم بیشتر در مورد آنچه برای یک مدیر خوب بودن لازم است بیاموزم؟نکته شخصی‌سازی:چالش‌های فعلی و دینامیک‌های محل کار خود را توصیف کنید. هوش مصنوعی مولد می‌تواند استراتژی‌هایی خاص برای صنعت، نقش و فرهنگ سازمانی شما ارائه دهد. مشخص کنید که در کجای مهارت‌های مدیریت و رهبری احساس نیاز به بهبود می‌کنید. به‌عنوان مثال، ممکن است بگویید که در یک استارتاپ با سرعت بالا فعالیت می‌کنید که انتظار می‌رود بدون اقتدار رسمی رهبری کنید، یا در یک سازمان سنتی هستید که برای به‌دست آوردن میدان برای نوآوری مشکل دارید. می‌توانید به چالش‌هایی مانند تأثیرگذاری بر ذینفعان ارشد، مدیریت فرسودگی تیم و یا توسعه اعتماد به نفس در شرایط تصمیم‌گیری با ریسک بالا اشاره کنید.۶. برند شخصی و رهبری فکریتثبیت خود به عنوان یک رهبر فکری می‌تواند درهای جدیدی به روی فرصت‌ها باز کند. هوش مصنوعی مولد می‌تواند در تولید محتوا، شبکه‌سازی و موقعیت‌یابی برند به شما کمک کند. در واقع، به همین دلیل که هوش مصنوعی مولد می‌تواند به هر سؤال ممکن و قابل تصور در مورد هر موضوعی بهتر از اکثر انسان‌ها پاسخ دهد، نشان دادن برخی از "مدارک اجتماعی" و متقاعد کردن دیگران که شما یک کارشناس معتبر یا منبع دانش در یک زمینه خاص هستید، بسیار مهم است. این موضوع احتمالاً به این معنی است که شما نیز از هوش مصنوعی مولد استفاده می‌کنید، اما بهتر از اکثر مردم.واقعاً، هوش مصنوعی مفهوم تخصص را مجدداً تعریف کرده است؛ قبلاً این مفهوم به دانستن پاسخ به سؤالات بسیاری مربوط می‌شد، و اکنون بیشتر به پرسش سؤالات درست از هوش مصنوعی، دانستن نحوه بررسی دیدگاه‌های هوش مصنوعی از نظر دقت و کاربرد (و تشخیص اینکه چه زمانی "توهم" می‌زند) و خلق یک داستان خلاقانه که ترکیبی از دانش خودتان و دانشی است که از هوش مصنوعی استخراج می‌کنید، مربوط می‌شود. به زبان ساده، هرچه بیشتر بدانید، بیشتر می‌دانید که چگونه از هوش مصنوعی برای متقاعد کردن دیگران استفاده کنید که شما دانا هستید!نمونه سؤالات:آیا می‌توانید پیشنهاد کنید چه چیزی را می‌توانم در شبکه‌های اجتماعی به اشتراک بگذارم تا خود را به عنوان یک کارشناس معتبر در زمینه X معرفی کنم؟چگونه می‌توانم یک پست وبلاگ حرفه‌ای/خبرنامه/Substack در مورد [موضوع] ساختاردهی کنم؟بهترین راه‌ها برای افزایش دیده‌شدن و اعتبار من در صنعت‌ام چیست؟به من کمک کنید تا یک مقاله [X کلمه] در مورد [X موضوع] بنویسم و منابع و مراجع برای پیگیری و تأیید فراهم کنید.به یاد داشته باشید که کاملاً درست است که گزارش دهید که افکار و ایده‌های خود را با پشتیبانی هوش مصنوعی مولد آماده کرده‌اید. بسیاری از مردم این کار را انجام می‌دهند، اما تعداد کمی این را اعتراف می‌کنند. دوم اینکه، این نشان می‌دهد که شما Honest و دارای یکپارچگی هستید. سوم اینکه، ارزش واقعی نه از آنچه همه دیگران می‌توانند با هوش مصنوعی مولد تولید کنند، بلکه از لمسی انسانی که با افزودن تخصص، تجربه و خلاقیت خود فراهم می‌کنید، ناشی می‌شود.نکته شخصی‌سازی:بینش‌ها، تجربیات و سبک نوشتن منحصر به فرد خود را به اشتراک بگذارید. برای مثال، می‌توانید خود را ضبط کنید که درباره تاریخچه شغلی‌تان صحبت می‌کنید، یا یک خلاصه یک صفحه‌ای از مهارت‌ها و علایق خود بنویسید و سپس از هوش مصنوعی بخواهید آن را به یک داستان جذاب ارتقا دهد و اصلاح کند. هوش مصنوعی مولد می‌تواند به شما در بهبود صدای خود و ساختاردهی افکارتان به روایت‌های جذاب کمک کند. فقط به کپی و چسباندن آنچه که به‌دست آورده‌اید بسنده نکنید، بلکه وقت بگذارید تا ویرایش، اصلاح، گردآوری و از همه مهم‌تر، اطلاعات را تأیید و بررسی کنید. اشتباهات رایج هستند و توانایی شما در شناسایی آن‌ها خود یک نشانه قوی از تخصص است.۷. مدیریت مشکلات روزمره کارمحل کار می‌تواند مملو از چالش‌ها باشد—همکاران دشوار، انتظارات نامشخص، بار کاری زیاد یا سوءتفاهم‌ها. هوش مصنوعی مولد می‌تواند به شما در مقابله با این مسائل کمک کند و استراتژی‌های عملی، پیش‌نویس‌های ایمیل و پاسخ‌های ساختار یافته به مسائل متداول محل کار ارائه دهد.نمونه سؤالات:مدیر من به طور مداوم بر کار من نظارت می‌کند و به من اعتماد ندارد تا تصمیم‌گیری کنم. چگونه می‌توانم به‌طور حرفه‌ای مقاومت کنم و خودمختاری بیشتری به‌دست آورم؟یکی از همکارانم به‌طور مکرر اعتبار ایده‌های من را در جلسات می‌گیرد. چگونه می‌توانم به این موضوع بپردازم بدون اینکه به‌عنوان فردی رویارویی تلقی شوم؟همکار من گهگاه مزاحم صحبت‌های من می‌شود و نظرات من را رد می‌کند. آیا می‌توانید به من کمک کنید تا راهی دیپلماتیک اما قوی برای برخورد با این موضوع پیدا کنم؟رئیس و تیم من انتظار دارند که من به ایمیل‌ها در اوقات شب و تعطیلات آخر هفته پاسخ دهم. چگونه می‌توانم به‌طور حرفه‌ای حد و مرزهایی تعیین کنم بدون اینکه به اعتبارم آسیب برسانم؟من در مدیریت بار کاریم مشکل دارم زیرا مدیرم مدام کارهای بیشتری به من تحمیل می‌کند. آیا می‌توانید راهی مودبانه ولی مؤثر برای درخواست اولویت‌بندی یا مقاومت پیشنهاد کنید؟تازه متوجه شدم که یکی از همکارانم با همین نقش و تجربه، حقوق بیشتری می‌گیرد. چگونه باید این موضوع را با مدیرم مطرح کنم؟در محل کار من گروه‌های خاصی وجود دارد و بروزنگاری‌ها وجود دارد و احساس می‌کنم از فرصت‌های مهم جلوگیری می‌شود. چگونه می‌توانم دیده‌شدنم را بهبود بخشم و خود را برای رشد آماده کنم؟نکته شخصی‌سازی:زمانی که از هوش مصنوعی مولد برای مشاوره درخواست می‌کنید، درباره نقش‌تان، فرهنگ شرکت و نتیجه‌ای که امیدوارید به‌دست آورید، دقیق باشید. اگر نیاز به ارسال یک ایمیل دشوار دارید، پیش‌نویسی را به اشتراک بگذارید و از هوش مصنوعی بخواهید که به آن اصلاحاتی اضافه کند. برای مکالمات به‌ویژه دشوار، از هوش مصنوعی بخواهید که نسخه‌های مختلفی از یک پاسخ ارائه دهد، از قاطعانه تا دیپلماتیک، تا بتوانید بهترین رویکرد را انتخاب کنید.نکات نهاییهوش مصنوعی مولد می‌تواند ابزاری قدرتمند برای مربی‌گری شغلی باشد و مشاوره‌های شخصی‌سازی شده و استراتژی‌های عملی ارائه دهد. چه به کمک در نوشتن رزومه، تمرین مصاحبه یا مربی‌گری رهبری نیاز داشته باشید، هوش مصنوعی مولد می‌تواند همراه و شریک فکری شغلی ۲۴ ساعته شما باشد. امروز این سؤالات را امتحان کنید و گام‌های پیشگیرانه‌ای به سمت اهداف شغلی خود بردارید.اساساً، این سؤالات را به‌عنوان صرفاً یک راهنما در نظر بگیرید و امیدواریم، محرکی برای شروع تمرین و آزمایش که به‌طور چشمگیری کارایی و تأثیر هوش مصنوعی مولد را برای شما بهبود می‌بخشد. آن‌ها نباید به‌عنوان راه‌حل‌های قطعی یا اثبات‌شده برای مشکلاتتان تلقی شوند، بلکه از آن‌ها به‌عنوان پیشنهادات یا نکاتی برای تجهیز شما با دامنه وسیع‌تری از گزینه‌ها و جایگزین‌ها استفاده کنید.از اهمیت خاصی برخوردار است که در دنیایی که بیشتر مردم احتمالاً از هوش مصنوعی مولد برای بهینه‌سازی موفقیت شغلی خود استفاده می‌کنند، تفاوت و مزیت کلیدی نه تنها از آنچه هوش مصنوعی خودکار می‌کند، بلکه از توانایی شما در تعامل با هوش مصنوعی بهتر از رقبایتان ناشی می‌شود. اغلب گفته می‌شود که احتمال کمتری دارد که شغل‌تان را به هوش مصنوعی از دست بدهید تا به انسانی دیگر که از هوش مصنوعی استفاده می‌کند، به‌ویژه اگر خودتان از آن استفاده نکنید. این احتمالاً حقیقی است. درست است که خلاقیت منحصر به فرد، تخصص و تجربه شما—به‌علاوه کنجکاوی شما و زمانی که برای آزمایش با هوش مصنوعی صرف می‌کنید—شما را به کاربری بهتر از هوش مصنوعی نسبت به دیگران تبدیل می‌کند.بنابراین، مهم‌ترین مشورت این است که آزمایش کنید و وقت صرف کنید تا با ابزارها و پلتفرم‌های مختلف تعامل داشته باشید. با استفاده از سؤالات خوب طراحی‌شده و ارائه زمینه دقیق، می‌توانید اثر بخشی آن را برای کمک به شما در مسیر شغلی‌تان با اطمینان به حداکثر برسانید.محمد حمیدیمحمد حمیدیWed, 16 Apr 2025 10:18:45 +0330https://virgool.ir/@mohamadhamidi65/چطور-در-تیم-های-خود-یک-فرهنگ-بدون-سرزنش-بسازیم-mck6bgnqbbudشفافیت، مسئولیت‌پذیری و یادگیری از خطاها – بدون اینکه تبدیل به یک آدم زورگو یا بی‌ملاحظه شوید ✦نویسنده: تیم اروینگ | مدیر ارشد فرآیندهای رسیدگی به رخداد در Atlassian تاریخ انتشار: سپتامبر ۲۰۲۴سناریویی آشنا برای خیلی از مادر یکی از جلسات بازنگری پس از یک حادثه، بحث‌ها بالا گرفت. یکی از ذی‌نفعان ارشد، به‌جای تمرکز روی علل واقعی مشکل، شروع به سرزنش یک مدیر فنی کرد؛ در حالی‌که آن مدیر اصلاً در کنترل شرایط نقشی نداشت. به‌جای اینکه این جلسه فرصتی برای یادگیری باشد، به یک بازی سرزنش تبدیل شد. راستش را بخواهید، بعداً آرزو کردم که کاش از آن مدیر دفاع کرده بودم، ولی چون فرد مقابل در جایگاه ارشدتری بود، سکوت کردم.چنین تجربه‌هایی یادآور اهمیت "فرهنگ بدون سرزنش" هستند. فرهنگی که در آن، افراد و تیم‌ها می‌توانند با خیال راحت و شفافیت کامل، اتفاقات و مشکلات را بررسی کنند – بدون اینکه ترسی از مجازات یا سرزنش داشته باشند.فرهنگ بدون سرزنش یعنی چه؟این فرهنگ، نمود واقعی امنیت روانی است. یعنی محیطی که در آن افراد می‌توانند آزادانه درباره اشتباهات یا مسائل پنهان صحبت کنند. حتی اگر خودشان اشتباهی کرده‌اند یا از مشکلی قدیمی خبر دارند، احساس امنیت می‌کنند که موضوع را مطرح کنند.در تیم‌های فنی، به‌ویژه تیم‌هایی که با رخدادهای سیستمی و بررسی پس از آن سروکار دارند، این موضوع حیاتی است. اما مزایای چنین فرهنگی محدود به مهندسی نیست – هر تیم و سازمانی می‌تواند از اصول پایه‌ای "بدون سرزنش"، شفافیت و امنیت روانی بهره‌مند شود.اگر این موارد نادیده گرفته شوند، آسیب‌هایی که وارد می‌شود شاید در گزارش‌های تحلیلی قابل اندازه‌گیری نباشند، اما در روح و روان تیم ریشه می‌دوانند.چرا سرزنش‌گری مضر است؟سرزنش‌گری باعث تضعیف جلسات بازنگری می‌شود. وقتی افراد از ترس اینکه مورد اتهام قرار بگیرند، اطلاعات را پنهان می‌کنند یا جزئیات را به‌درستی ارائه نمی‌دهند، نتیجه بررسی‌ها دچار انحراف می‌شود و به تصمیم‌های ناقص منجر می‌گردد.همان‌طور که "مارک کروث"، یکی از اعضای ارشد Atlassian می‌گوید:"اگر افراد احساس راحتی برای بیان ایده‌ها یا نگرانی‌ها نداشته باشند، بهترین ایده‌ها پنهان می‌مانند و کارهای بزرگ به تعویق می‌افتند."چطور این فرهنگ را در سازمان‌مان نهادینه کنیم؟در ادامه، چند روش عملی از تجربه Atlassian آورده‌ایم که می‌تواند برای تیم‌ها و سازمان‌های مختلف مؤثر باشد:۱. نهادینه‌سازی در ارزش‌های سازمانیAtlassian از ابتدا بر اساس مجموعه‌ای از ارزش‌های شفاف و انسانی شکل گرفته است. این ارزش‌ها با رشد شرکت بالغ‌تر شده‌اند. برخی از این ارزش‌ها که مستقیماً به فرهنگ بدون سرزنش کمک می‌کنند عبارت‌اند از:شرکت باز، بدون تعارف: شفافیت پایه و اساس یادگیری است. اشتباهات هم باید به‌همان اندازه موفقیت‌ها با دقت و دلسوزی بررسی شوند.ساختن با دل و تعادل: داشتن نگاهی بلندمدت، به‌جای ترمیم‌های موقتی، ما را در مقابل بحران‌ها مقاوم‌تر می‌کند.مشتری را اذیت نکن: پیشگیری از مشکلات، بهترین خدمت به مشتری است.تیمی بازی کن: امنیت روانی باعث می‌شود اعضای تیم ارتباط عمیق‌تری با هم پیدا کنند.خودت عامل تغییر باش: اگر فرآیند یا رفتاری سرزنش‌محور است، سکوت نکن. همه ما مسئول ساختن این فرهنگ هستیم.۲. شفافیت را در اولویت بگذاریدشفافیت در همه‌جای سازمان باید جریان داشته باشد، از جلسات فنی گرفته تا تصمیمات منابع انسانی. برخی راهکارها:تصمیم‌گیری‌های مهم را مکتوب و قابل‌دسترسی کنید.نظرات مخالف را با احترام تشویق کنید.جلسات بازنگری را مستند کنید.از ابزارهایی مثل "Health Monitor" برای سنجش امنیت روانی استفاده کنید.اما یادتان نرود: شفافیت بهانه‌ای برای بی‌ادبی نیست!۳. شفاف باش، ولی محترمانهصحبت‌کردن شجاعت می‌خواهد، اما باید با دقت، در زمان مناسب و با احترام انجام شود. ابزارهایی مثل "توافق‌نامه کاری" در Playbook شرکت Atlassian کمک می‌کند تیم‌ها درباره نحوه تعامل با یکدیگر به توافق برسند.۴. اولویت را روی "درست" بگذار، نه "الان"سؤالی که همیشه باید بپرسیم: آیا داریم مسئله را واقعا حل می‌کنیم، یا فقط موقتی سرپوش می‌گذاریم؟ تمرین‌هایی مثل "پیش‌مرگ" (Premortem) کمک می‌کنند با نگاهی به آینده، ریسک‌های احتمالی را پیش‌بینی کنیم.در Atlassian، حتی سیگنال‌های کوچک از یک مشکل، در قالب ریسک رسمی ثبت می‌شوند تا کسی در سطح بالاتر تصمیم‌گیری کند. این یعنی مشکلات را زیر فرش نمی‌کنیم.۵. ایجاد فرهنگ بررسی، نه مقصرگیریجلسات بازنگری پس از حادثه باید بدون سرزنش و با تمرکز بر ریشه‌یابی سیستماتیک برگزار شوند. نباید به‌دنبال یافتن "چه کسی" باشیم، بلکه باید بپرسیم "چرا چنین شد؟" و "چطور تکرار نشود؟"۶. بپذیر که مسیر ساده‌ای نیستساختن یک فرهنگ بدون سرزنش آسان نیست. مغز ما به‌صورت طبیعی تمایل به مقصر دانستن دیگران دارد (که به آن خطای بنیادین انتساب می‌گویند). اما باید آگاهانه با این تمایل مقابله کرد.شاید نتوان همیشه کامل بود، اما همواره می‌توان به "خوب بودن" نزدیک شد. همان‌طور که مارک کروث می‌گوید:"فرهنگ بدون سرزنش بر پایه امنیت روانی ساخته می‌شود – چیزی که فقط در صورت گفت‌وگوی آزاد، مخالفت سازنده و نشان دادن آسیب‌پذیری توسط رهبران ممکن می‌شود."و یادتان نرود: هرگز شخص را سرزنش نکن. مشکل را هدف بگیر.جمع‌بندیفرهنگ بدون سرزنش فقط یک روش کاری نیست – یک نگرش انسانی، اخلاقی و کارآمد است که به تیم‌ها قدرت می‌دهد، فضای اعتماد ایجاد می‌کند، و باعث می‌شود سازمان‌ها با سرعت و دقت بیشتری رشد کنند.اگر به‌دنبال ساختن تیمی پویا، منعطف و پیشرو هستید، از همین امروز شروع کنید: به‌جای سرزنش، به‌دنبال فهمیدن باشید.محمد حمیدیمحمد حمیدیFri, 04 Apr 2025 18:40:34 +0330https://virgool.ir/@mohamadhamidi65/مهارت-های-ضروری-برای-زندگی-و-کار-بر-اساس-بینش-های-مجمع-جهانی-اقتصاد-cw5zkq9mea9tدر دنیای امروز، که با تغییرات سریع و پیشرفت‌های تکنولوژیکی همراه است، داشتن مهارت‌های مورد نیاز زندگی و کار بسیار ضروری است. مجمع جهانی اقتصاد (World Economic Forum یا WEF) در اجلاس‌های مختلف، از جمله اجلاس داووس، به بحث در مورد مهارت‌های لازم برای زندگی و کار در دنیای مدرن پرداخته است. این سازمان به تحلیل چالش‌های جهانی و تعیین نیازها برای بهبود وضعیت اجتماعی و اقتصادی در سراسر جهان می‌پردازد. در سال‌های اخیر، مجمع جهانی اقتصاد به این نتیجه رسیده که برای سازگاری با تحولات سریع فناوری و تغییرات بازار کار، مهارت‌های خاصی ضروری هستند. این مهارت‌ها معمولاً در پنج دسته اصلی قرار می‌گیرند:مجمع جهانی اقتصاد1. مهارت‌های شناختی:این مهارت‌ها شامل توانایی‌های تفکر انتقادی و حل مسائل می‌شود که به افراد کمک می‌کند تا در مواجهه با چالش‌های پیچیده تصمیمات هوشمندانه‌ای بگیرند. برای به دست آوردن این مهارت‌ها، افراد می‌توانند به آموزش و مطالعه در زمینه‌های تخصصی و همچنین تمرین حل مسائل پردازد.تفکر انتقادی و حل مسألهخلاقیت و نوآورییادگیری فعال و استدلال همگرانحوه اکتساب این مهارت ها:آموزش: شرکت در دوره‌های آموزشی مرتبط با تفکر انتقادی و حل مسأله.مطالعه و پژوهش: خواندن کتاب‌های تخصصی و علمی برای تقویت توانایی‌های تحلیلی.تمرین: حل معماها و چالش‌های فکری به صورت مداوم.2. مهارت‌های اجتماعی و عاطفی:تعاملات انسانی و مدیریت احساسات جزو مهم‌ترین مهارت‌ها هستند که به افراد در کار گروهی و ایجاد روابط موثر کمک می‌کنند. با شرکت در گروه‌های کاری و آموزش مهارت‌های ارتباطی، این مهارت‌ها قابل توسعه است.همکاری و کار گروهیانطباق با تغییر و مدیریت استرسمهارت‌های ارتباطی و توانایی درک احساسات دیگراننحوه اکتساب این مهارت ها:گروه‌های کاری: حضور در گروه‌های کاری مختلف و مشارکت در پروژه‌های تیمی.آموزش مهارت‌های ارتباطی: شرکت در کارگاه‌ها و سمینارهایی که بر روی ارتباطات عاطفی و اجتماعی تمرکز دارند.مدیریت استرس: یادگیری تکنیک‌های مدیریت استرس، مثل مدیتیشن یا تمرینات تنفسی.3. مهارت‌های دیجیتال:با توجه به اهمیت روزافزون فناوری، تسلط بر مهارت‌های دیجیتال مانند مدیریت داده و امنیت سایبری ضروری است. افراد می‌توانند با شرکت در دوره‌های آنلاین و کارگاه‌های تخصصی، این مهارت‌ها را به دست آورند.تسلط بر فناوری‌های اطلاعات و ارتباطاتتحلیل داده و علوم دادهحفظ امنیت سایبری و مدیریت فناورینحوه اکتساب این مهارت ها: دوره‌های آنلاین: شرکت در دوره‌های آنلاین معتبر (مثل Coursera یا Udemy) برای یادگیری نرم‌افزارها و فناوری‌های جدید.کارگاه‌های تخصصی: شرکت در کارگاه‌های عملی مربوط به تکنولوژی‌های روز و مدیریت داده.استفاده از منابع رایگان: بهره‌گیری از منابع آموزشی آنلاین، ویدئوها و مستندات رایگان در زمینه‌های دیجیتال.4. مهارت‌های حرفه‌ای و فنی:این مهارت‌ها ارتباط مستقیم با رشته‌های شغلی خاص دارند و به افراد اجازه می‌دهند در حرفه‌ی خود جزو بهترین‌ها باشند. تحصیل رسمی و کسب تجربیات عملی، از جمله راه‌های موثر برای یادگیری این مهارت‌ها هستند.مهارت‌های صنعت‌محور و تخصصیدانش و تجربه در زمینه‌های خاص (مانند بهداشت، مهندسی و غیره)نحوه اکتساب این مهارت ها: آموزش رسمی: ثبت‌نام در دانشگاه‌ها یا مؤسسات آموزش عالی برای کسب مدارج بالا.تجربه عملی: کسب تجربه از طریق کارآموزی یا پروژه‌های واقعی در صنعت مورد نظر.گواهینامه‌های حرفه‌ای: دریافت گواهینامه‌های معتبر از نهادهای حرفه‌ای مربوطه.5. مهارت‌های زندگی:مدیریت زمان، مسئولیت‌پذیری و سازمان‌دهی در زندگی روزمره از اهمیت زیادی برخوردارند. این مهارت‌ها به افراد کمک می‌کند تا زندگی خود را بهبود بخشند و تصمیمات بهتری بگیرند. آموزش و مشاوره می‌تواند در این زمینه به افراد کمک کند.مدیریت زمان و خودتنظیمیاخلاق و مسئولیت‌پذیریمهارت‌های مالی و کسب‌وکارنحوه به دست آوردن:آموزش و مشاوره: شرکت در دوره‌ها و کارگاه‌های مشاوره‌ای.تعیین اهداف شخصی: یادگیری تکنیک‌های مدیریت زمان و هدف‌گذاری واضح.خودآموزی: مطالعه کتاب‌ها و مقالات در زمینه‌های مالی و مدیریتی.کسب مهارت‌ها نیازمند زمان و تمرین است. بنابراین، مهم است که بر روی یادگیری مستمر و توسعه شخصی تمرکز کنید. هر فرد ممکن است به روش‌های مختلفی به این مهارت‌ها دست یابد، بنابراین باید بر اساس نیازها و اهداف خود، راه‌های مناسب را انتخاب کند. این مهارت‌ها به افراد کمک می‌کنند تا در محیط‌های کاری پیچیده و در حال تغییر موفق باشند و در عین حال، کیفیت زندگی شخصی خود را نیز بهبود بخشند.در نهایت، اهمیت این مهارت‌ها نه تنها در بهبود شرایط کاری، بلکه در ارتقاء کیفیت زندگی نیز قابل توجه است. سرمایه‌گذاری بر روی یادگیری مستمر به عنوان یک ضرورت اجتناب‌ناپذیر، به افراد این امکان را می‌دهد که در مواجهه با چالش‌های دنیای امروز، انعطاف‌پذیری و سازگاری بیشتری داشته باشند.مجمع جهانی اقتصاد با شناسایی این مهارت‌ها، به ما این نکته را یادآوری می‌کند که در دنیای متغیر و پیچیده، پیشرفت‌های فردی و حرفه‌ای، نه تنها به تسلط بر دانش و اطلاعات، بلکه به توانایی‌های انسانی و اجتماعی نیاز دارد. به عبارتی، در دنیای آینده، موفقیت تنها به مهارت‌های فنی یا علمی محدود نخواهد بود، بلکه به توانایی ارتباط و همکاری با دیگران و انطباق با شرایط نوین نیز بستگی دارد. بنابراین، بیاموزیم که چگونه با پیشرانی دانش و مهارت، دنیای بهتری برای خود و جامعه‌مان بسازیم.اگر به این مقاله علاقه مند بودید، آن را به اشتراک بگذارید و از صفحه من در لینکدین بازدید کنید. https://zil.ink/beagilegroupمحمد حمیدیمحمد حمیدیThu, 27 Mar 2025 09:20:22 +0330https://virgool.ir/@mohamadhamidi65/چگونه-هوش-مصنوعی-مدیریت-پروژه-را-متحول-خواهد-کرد-lbki5dxozodlby Antonio Nieto-Rodriguez and Ricardo Viana VargasFebruary 2, 2023Harvard Business Reviewخلاصهتنها 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.تحول مدیریت پروژه با هوش مصنوعیدر 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.مدیریت پروژه امروز و مسیر پیش روهر 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.6 جنبه از مدیریت پروژه که دچار اختلال خواهند شدما 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.1. انتخاب و اولویت‌بندی بهترانتخاب 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:شناسایی سریع‌تر پروژه‌های آماده راه‌اندازی که مبانی درستی در جای خود دارندانتخاب پروژه‌هایی که شانس بیشتری برای موفقیت دارند و بیشترین مزایا را ارائه می‌دهندتعادل بهتر در پورتفولیوی پروژه و نمای کلی ریسک در سازمانحذف تعصبات انسانی از تصمیم‌گیری2. پشتیبانی از دفتر مدیریت پروژهاستارت‌آپ‌های 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:نظارت بهتر بر پیشرفت پروژهقابلیت پیش‌بینی مشکلات بالقوه و رفع خودکار برخی از مشکلات سادهتهیه و توزیع خودکار گزارش‌های پروژه و جمع‌آوری بازخوردپیچیدگی بیشتر در انتخاب بهترین روش مدیریت پروژه برای هر پروژهنظارت بر انطباق فرآیندها و سیاست‌هااتوماسیون، از طریق دستیارهای مجازی، عملکردهای پشتیبانی مانند به‌روزرسانی وضعیت، ارزیابی ریسک و تحلیل ذینفعان3. تعریف، برنامه‌ریزی و گزارش‌دهی سریع‌تر و بهبود یافته پروژهیکی 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:بهبود دامنه پروژه با خودکارسازی جمع‌آوری و تجزیه و تحلیل زمان‌بر داستان‌های کاربر. این ابزارها مشکلات بالقوه مانند ابهامات، تکراری‌ها، حذف‌ها، ناسازگاری‌ها و پیچیدگی‌ها را آشکار می‌کنند.ابزارهایی برای تسهیل فرآیندهای زمان‌بندی و تهیه پیش‌نویس برنامه‌های دقیق و تقاضای منابعگزارش‌دهی خودکار که نه تنها با نیروی کار کمتری تولید می‌شود، بلکه گزارش‌های امروزی را که اغلب هفته‌ها از عمرشان می‌گذرد، با داده‌های بی‌درنگ جایگزین می‌کند. این ابزارها همچنین عمیق‌تر از آنچه در حال حاضر ممکن است، کاوش می‌کنند و وضعیت پروژه، مزایای حاصل شده، لغزش احتمالی و احساسات تیم را به روشی واضح و عینی نمایش می‌دهند.4. دستیارهای مجازی پروژهعملاً 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؟"5. سیستم‌ها و نرم‌افزارهای تست پیشرفتهتست 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.6. نقش جدید برای مدیر پروژهبرای 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.داده و افراد آینده را به واقعیت تبدیل می‌کنندزمانی 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 کنیدآموزش 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.آیا آماده‌اید زمانی را صرف تهیه یک فهرست دقیق از تمام پروژه‌های خود، از جمله آخرین به‌روزرسانی وضعیت، کنید؟آیا می‌توانید چندین منبع را برای چند ماه سرمایه‌گذاری کنید تا داده‌های پروژه خود را جمع‌آوری، پاکسازی و ساختاربندی کنید؟آیا تصمیم گرفته‌اید از عادت‌های قدیمی مدیریت پروژه خود، مانند گزارش‌های پیشرفت ماهانه خود، دست بکشید؟آیا آماده‌اید در آموزش جامعه مدیریت پروژه خود در این فناوری جدید سرمایه‌گذاری کنید؟آیا آنها مایلند از مناطق آسایش سنتی خود خارج شوند و نحوه مدیریت پروژه‌های خود را به طور اساسی تغییر دهند؟آیا سازمان شما آماده پذیرش و اتخاذ یک فناوری جدید و واگذاری زمام تصمیم‌گیری با سهام فزاینده بالاتر است؟آیا آماده‌اید اجازه دهید این فناوری در حین یادگیری عملکرد بهتر برای سازمان شما اشتباه کند؟آیا حامی اجرایی شما برای این پروژه توانایی و اعتبار لازم را در سازمان شما برای رهبری این تحول دارد؟آیا رهبران ارشد مایلند چندین ماه، تا یک سال، صبر کنند تا شروع به دیدن مزایای اتوماسیون کنند؟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. محمد حمیدیمحمد حمیدیMon, 10 Mar 2025 13:41:13 +0330https://virgool.ir/@mohamadhamidi65/معدنکاری-داده-محور-با-یکپارچه-سازی-فناورهای-های-نوپدید-swd40q7fzbj9مدیریت داده‌محور، از تمرکز بر جمع‌آوری و دسترسی به داده‌ها به سوی استفاده از شیوه‌های فناورانه برای تجزیه و تحلیل داده‌ها پیش می‌رود در این میان معادن که با حجم بالایی از داده‌ها سر و کار دارند، نیاز وافری به تحلیل پیوسته این داده‌ها دارند. از همین‌رو بهره‌گیری از هوش مصنوعی در عملیات معدنی، به ویژه برای تجزیه و تحلیل داده‌های معدنی و پیش‌بینی‌های مرتبط، به یک رویکرد پیشرو در صنعت معدن تبدیل شده است.بکارگیری هوش مصنوعی در اکتشاف معدنیبررسی روند کنونی صنایع معدنی نشان می‌دهد که نفوذ هوش مصنوعی در حوزه اکتشافات معدنی و عملیات مرتبط با زمین‌شناسی در حال افزایش است. این حوزه شامل پیش‌بینی موقعیت و میزان ذخایر با ارزش است که می‌تواند مرز موفقیت و شکست در عملیات معدنی را تعیین کند.در این زمینه، هوش مصنوعی برای مدل‌سازی زمین‌شناسی و انجام اکتشافات بکار می‌رود. ورود آن به فعالیت‌هایی مانند پیش‌بینی موقعیت مواد معدنی و بهینه‌سازی استراتژی‌های اکتشاف، امکان تجزیه و تحلیل هوشمند داده‌های معدنی را فراهم می‌کند.هوش مصنوعی، داده‌های معدنی را معنادار می‌کندتوانایی تجزیه و تحلیل دقیق اطلاعات در حوزه‌های مختلف از پایش تجهیزات، کارکنان و سایت‌های معدنی گرفته تا ردیابی فرصت‌های جدید برای کاوش و برداشت از ذخایر نهفته، به یکی از شاخص‌ترین مزیت‌های رقابتی برای معادن تبدیل شده است. شرکت‌های پیشتاز در این صنعت از هوش مصنوعی برای پیش‌بینی زمان خرابی تجهیزات، سناریوسازی برای چالش‌های عملیاتی و تجاری، بهبود مدیریت انرژی و سرمایه، و افزایش کارایی تمام اجزای معدنی بهره می‌برند.تحلیل داده‌ها در تعیین دقیق محل استقرار نیروی انسانی، ماشین‌آلات معدنی و وسایل نقلیه نقش مهمی ایفا می‌کند. استفاده از داده‌های اینترنت اشیا صنعتی و تحلیل آنها با کمک هوش مصنوعی، به بهینه‌سازی لجستیک کمک کرده و موجب می‌شود تا خودروهای معدنی نیاز کمتری به ترمز داشته باشند، پیش از خرابی تعمیر شوند و استفاده غیراستاندارد از آنها شناسایی و مدیریت شود. همچنین، این فرایندها به صرفه‌جویی در مصرف انرژی، کاهش ساعات کاری و شناسایی فرصت‌های سرمایه‌گذاری کمک می‌کنند که همه این موارد بطور مستقیم به تحلیل‌های پیش‌بینی‌کننده و یکپارچه‌سازی آنها با هوش مصنوعی مرتبط است.برای بهره‌گیری بهینه از هوش مصنوعی و استفاده هوشمندانه از انبوه داده‌ها در تمام فرایند پیچیده و گسترده معدنی، ایجاد یک زیرساخت یکپارچه برای دریافت و ذخیره‌سازی داده‌ها ضروری است. این زیرساخت باید تمامی مراحل پیچیده معدن را به صورت یک مجموعه یکپارچه به هم متصل کند. اجزای این زیرساخت شامل دوربین‌ها، حس‌گرهای محیطی، تجهیزات کارکنان و زیرساخت‌های شبکه ارتباطی است که به همراه مراکز داده و پردازنده‌ها می‌توانند با یک نرم‌افزار جامع سازمانی (ERP)، مدیریت بهینه را در تمام سطوح و اجزای فعالیت‌های معدنی تضمین کنند.یکپارچه‌سازی اینترنت اشیا صنعتی ( IIoT) و سامانه مکان‌یابی بلادرنگاینترنت اشیا صنعتی (IIoT) در روند دگرگون‌سازی بنیادی صنعت معدن به ایجاد کارایی بی‌سابقه در عملیات و بهینه‌سازی مصرف منابع کمک می‌کند. حس‌گرهای دیجیتالی و تجهیزات هوشمند بطور پیوسته و خودکار داده‌های عملیات سایت‌های معدنی را جمع‌آوری می‌کنند. با این حال، انجام فعالیت‌های مرتبط با دریافت و ذخیره‌سازی داده‌ها در مناطق سخت‌گذر همچنان چالش‌برانگیز است و در بسیاری از موارد تبادل مستمر و بهینه داده‌ها بین ذی‌نفعان و کارکنان معادن وجود ندارد.برای حل این چالش‌ها، به ترکیبی از سامانه‌های مکان‌یابی بلادرنگ (RTLS) و راهکارهای اینترنت اشیا صنعتی نیاز هست. سامانه‌های مکان‌یابی بلادرنگ مجموعه‌ای از فناوری‌های تحلیلی هستند که چشم‌اندازی کلی از شرایط عملیات معدن در ابعاد مختلف زمانی ارائه می‌کنند. یکپارچه‌سازی این قابلیت با داده‌های استخراج‌شده از اینترنت اشیا، نوار پیوسته‌ای از اطلاعات را فراهم می‌آورد.با یکپارچه‌سازی اینترنت اشیا صنعتی و سامانه مکان‌یابی بلادرنگ، تعریفی نو و بهبود یافته از بهینگی در عملیات معادن شکل می‌گیرد. تحلیل‌های هوشمند و دقیق می‌توانند در کاهش مصرف برق، آب و سوخت تأثیر بسزایی داشته باشند. پیش‌بینی‌های حاصل از این یکپارچه‌سازی نیز در کاهش میزان مصرف انرژی و افزایش کارایی عملیات تعمیر و نگهداری، همچنین جلوگیری از خرابی تجهیزات حیاتی و وقفه‌های عملیاتی نقش مهمی ایفا خواهند کرد.افزون بر این، پیشرفت‌های مرتبط با اینترنت اشیا صنعتی می‌تواند مدیریت لجستیک معدن را بطوری بنیادین متحول کند. با تحلیل داده‌های تجهیزات اینترنت اشیا، معادن می‌توانند برداشت دقیق‌تری از چالش‌های موجود داشته باشند، خطرها را از نظر مکان و شدت واضح‌تر تشخیص دهند و نیاز به مداخله انسانی را بهینه‌سازی کنند.پایان‌بندیدر این نوشتار به بررسی تأثیر فناوری‌های نوین مانند هوش مصنوعی، اینترنت اشیا صنعتی (IIoT)، سامانه مکان‌یابی بلادرنگ (RTLS) و یکپارچه‌سازی فناوری‌های نوین در صنعت معدنکاری داده‌محور پرداخته شد. با بکارگیری هوش مصنوعی در اکتشافات معدنی، پیش‌بینی موقعیت و میزان ذخایر معدنی بهبود یافته و امکان تجزیه و تحلیل دقیق داده‌های معدنی فراهم می‌شود. همچنین، اینترنت اشیا صنعتی با جمع‌آوری مستمر داده‌ها از حس‌گرهای دیجیتال، به بهینه‌سازی مصرف منابع و افزایش کارایی عملیات کمک می‌کند. یکپارچه‌سازی این فناوری‌ها امکان مدیریت بهینه فرایندهای معدنی را فراهم کرده و با تحلیل‌های هوشمند، به کاهش مصرف انرژی و هزینه‌ها و همچنین پیشگیری از خرابی تجهیزات حیاتی کمک می‌کند. سرانجام این تحولات به افزایش بهره‌وری و موفقیت در عملیات معدنی منجر می‌شوند و معادن را در رقابت در بازار جهانی توانمندتر می‌کنند.محمد حمیدیمدیر دفتر مدیریت پروژه‌های فناپ زیرساختآدرس مقاله اصلی محمد حمیدیمحمد حمیدیSun, 23 Feb 2025 11:21:52 +0330https://virgool.ir/@mohamadhamidi65/آشنایی-با-مفهوم-team-topologies-qheftzjsgfkuدر این پست می خواهیم با مفهوم Team Topologies آشنا شویم. Team Topologies یک مفهوم در حوزه مدیریت و توسعه سازمان‌های IT است که به بهبود ساختار و فعالیت‌های تیم‌ها در سازمان‌ها می‌پردازد. این مفهوم توسط متخصصان DevOps و Agile توسعه یافته و در کتابی با عنوان "Team Topologies: Organizing Business and Technology Teams for Fast Flow" توسط مؤلفان Matthew Skelton، Ruth Malan و Ruthless Malan مطرح شده است.کتاب تیم توپولوژیمهفوم Team Topologies بر اساس ایده‌هایی از نظریه سازمانی و توسعه نرم‌افزار به وجود آمده است و به سازمان‌ها کمک می‌کند تا ساختار تیمی خود را با توجه به نیازها و اهداف تجاری بهینه‌سازی کنند. این مفهوم بر پایه چهار عنصر اصلی ساختار تیمی تأکید دارد:عنصر اول Enabling Team: تیم‌هایی که به سایر تیم‌ها ابزارها، خدمات و ساختارهای لازم را فراهم می‌کنند تا به سرعت و با کیفیت به توسعه و ارائه محصولات بپردازند.عنصر دوم Complicated Subsystem Team: تیم‌هایی که مسئولیت دارند زیرساخت‌ها و زیرسیستم‌های پیچیده‌تر را توسعه و حفظ کنند.عنصر سوم Stream-aligned Team: تیم‌هایی که به طور مستقیم با خط تولید و ارائه محصول در ارتباط هستند و مسئولیت ارائه و توسعه محصولات خاصی را برعهده دارند.عنصر سوم Complicated Subsystem Team with Enabling Team: تیم‌هایی که هم زیرسیستم‌های پیچیده را توسعه می‌دهند و هم به سایر تیم‌ها ابزارها و خدماتی را ارائه می‌دهند.هدف از Team Topologies این است که با بهینه‌سازی ساختار تیمی، تسهیل در جریان سریع‌تر توسعه و ارائه محصولات، افزایش کیفیت و امکان انطباق سریعتر با تغییرات را فراهم کند. این مفهوم به عنوان یک راهنمای عملی در مدیریت تیم‌ها و سازمان‌های IT مورد استفاده قرار می‌گیرد.در تیم توپولوژی، چندین مفهوم و اصطلاح مهم وجود دارند که می‌تواند به درک بهتر این مفهوم کمک کند:در تیم توپولوژی، چندین مفهوم و اصطلاح مهم وجود دارند که می‌تواند به درک بهتر این مفهوم کمک کند:الگوهای تیمی (Teaming Patterns): تیم توپولوژی بر اساس الگوهای تیمی تاکید دارد. این الگوها به تشکیل تیم‌ها و نقش‌های مختلف در یک سازمان کمک می‌کنند. به عنوان مثال، الگوی "Enabling Team" یک تیم را توصیف می‌کند که به سایر تیم‌ها ابزارها، خدمات، و یا زیرساخت‌های لازم را فراهم می‌کند تا ایشان به بهترین شکل ممکن بتوانند کار خود را انجام دهند.بار شناختی (Cognitive Load): این مفهوم به اهمیت کاهش بار شناختی بر روی تیم‌ها تأکید دارد. از آنجا که توسعه‌دهندگان و تیم‌ها با یکدیگر در ارتباط هستند، افزایش پیچیدگی و بار شناختی می‌تواند به کاهش سرعت و کیفیت کار منجر شود. Team Topologies تلاش می‌کند تا با بهینه‌سازی ساختار تیمی، بار شناختی را کاهش دهد.مفهوم Mean Time to Restore: این مفهوم به میانگین زمانی اشاره دارد که یک سیستم یا خدمت پس از بروز مشکل، به وضعیت عادی بازمی‌گردد. Team Topologies توجه به این موضوع دارد و به تشویق تشکیل تیم‌هایی که بهبود سریع در صورت بروز خطاها و مشکلات را تضمین کنند، می‌پردازد.مفهوم Strategic Domain-Driven Design: این مفهوم به بهبود نحوه طراحی و توسعه سیستم‌های اطلاعاتی در سطح سازمان اشاره دارد. در Team Topologies ایده‌آل است که سازمان‌ها با توجه به اهداف تجاری خود و نیازهای مشتریان، ساختار تیم‌ها و سیستم‌های خود را طراحی کنند.مفهوم Conway's Law: این قانون تأکید دارد که ساختار سازمان تأثیر مستقیم بر ساختار توسعه‌دهی سیستم‌ها دارد و برعکس. در Team Topologies، از این قانون برای تشویق به طراحی ساختاری انعطاف‌پذیر تر استفاده می‌شود.از طریق استفاده از این مفاهیم و اصطلاحات، Team Topologies به سازمان‌ها کمک می‌کند تا ساختارهای تیمی خود را بهینه‌سازی کنند و به سرعت و با کیفیت به تغییرات بازار پاسخ دهند.پیاده‌سازی مفهوم Team Topologies در یک سازمان نیاز به برنامه‌ریزی دقیق و توجه به جزئیات دارد. در ادامه، چند مرحله کلیدی برای جاری کردن این مفهوم در سازمان‌ها آورده شده است:تحلیل و درک نیازها و اهداف سازمان:بررسی نیازها، اهداف و فرآیندهای کلیدی سازمان.تعیین اولویت‌ها و اهمیت الگوها و تیپولوژی‌های تیمی بر اساس ویژگی‌ها و نیازهای سازمان.آگاهی و آموزش:آموزش تیم‌ها و مدیران در مورد مفاهیم و الگوهای Team Topologies.اطمینان از درک کامل تیم‌ها از نحوه تأثیرگذاری ساختار تیمی بر توسعه و ارائه محصولات.تشکیل تیم‌ها بر اساس الگوها:تشکیل تیم‌ها بر اساس نیازها و الگوهای Team Topologies.تعیین وظایف و نقش‌های هر تیم با توجه به الگوهای انتخاب شده.مدیریت تغییرات:ایجاد یک فرآیند مدیریت تغییرات برای تسهیل انتقال به ساختار تیمی جدید.ارتقاء فرآیندها و ابزارها به گونه‌ای که با ساختار تیمی جدید هماهنگ شوند.ارزیابی و بهینه‌سازی مداوم:ارزیابی عملکرد تیم‌ها و ساختار تیمی به صورت دوره‌ای.انجام تغییرات لازم در ساختار تیمی بر اساس بازخوردهای دریافتی و تغییرات در نیازها.تشویق به همکاری و شفافیت:تشویق به همکاری بین تیم‌ها و ارتباطات شفاف بین اعضای تیم.ایجاد فرهنگی که افراد به اشتراک گذاری تجربیات و دانش خود را ترویج کنند.استفاده از ابزارهای مدیریت و اتوماسیون:استفاده از ابزارهای مدیریت پروژه و اتوماسیون که سازمان را در پیاده‌سازی و مدیریت ساختار تیمی بهینه‌سازی کمک کند.ترویج فرهنگ Agile و DevOps:ترویج اصول Agile و DevOps به منظور افزایش انعطاف‌پذیری و تسریع در جریان توسعه و ارائه.این مراحل به سازمان کمک می‌کنند تا به آرامی و به شکلی تدریجی به ساختار تیمی بهینه و انعطاف‌پذیر منطبق شوند و از مزایای Team Topologies بهره‌مند شوند.برای ترویج و یادگیری مفاهیم چابک و چارچوب های آن نظیر اسکرام می توانید به دوره آموزش مبانی چابک (Agile) با استفاده از رویکردهای اسکرام، کانبان و اسکرامبان در سایت مکتب خونه مراجعه نمایید. محمد حمیدیمحمد حمیدیFri, 22 Dec 2023 20:56:24 +0330https://virgool.ir/@mohamadhamidi65/ماتریس-stacey-چیست-و-چه-جایگاهی-در-مدیریت-پروژه-دارد-nmltkxsyrhyqاگر تا به حال در دوره های مدیریت پروژه چابک یا چارچوب های آن نظیر اسکرام شرکت کرده باشید احتمالا با Cynefin Framework و Stacey Matrix آشنا شده اید. آنچه که من بیشتر دیده ام توجه بیشتر نسبت به چارچوب Cynefin بوده است و به قابلیت های Stacey Matrix کمتر پرداخته شده است. Stacey Matrix یک روش بسیار خوب برای درک دامنه‌های مختلف کاری می باشد و برای کمک به قانع کردن دیگران در سازمان شما برای پذیرش تجربه‌گرایی (به عبارت دیگر، رهنمود شدن توسط تجربه) مفید می باشد. تجربه‌گرایی اصل اسکرام است. هر رویداد اسکرام فرصتی برای بررسی کار شما و تصمیم‌گیری جدید با توجه به یادگیری بیشتر در مورد محصولی است که در حال ساخت آن هستید. در ابتدا تغییر جهت، بر اساس تجربه (تجربه‌گرایی) ممکن است سخت باشد تا نفرات تیم را متقاعد کنید، اما نتایج مثبت به شما کمک خواهند کرد تا آن‌ها را متقاعد کنید.ماتریس استیسی یک ابزار است که در فرآیند مدیریت پروژه و تصمیم‌گیری استفاده می‌شود تا سطح پیچیدگی مرتبط با یک پروژه را تعیین کند. این ابزار توسط رالف دی استیسی توسعه داده شده است و بر پایه این فرضیه است که انواع مختلف مسائل نیاز به انواع مختلفی از راه حل دارند.ماتریس استیسی مسائل را به چهار دامنه طبقه‌بندی می‌کند:۱. ساده (Simple): مسائلی هستند که به راحتی با استفاده از روش‌های استاندارد یا بهترین شیوه‌های عملی حل می‌شوند.۲. بغرنج (Complicated): این مسائل نیاز به تخصص و دانش تخصصی برای حل دارند. آن‌ها می‌توانند به بخش‌های کوچکتر تقسیم شده و با تجزیه و تحلیل و برنامه‌ریزی حل شوند.انواع مختلف مسائل نیاز به انواع مختلفی از راه حل دارند۳. پیچیده و پویا (Complex): این مسائل شامل چندین عامل مرتبط هستند و در طبیعت آن‌ها پیش‌بینی‌ناپذیر است. برای پیدا کردن راه‌حل، نیاز به آزمایش و رویکردهای قابل تطبیق و یادگیری پیوسته است.۴. آشفته (Chaotic): این مسائل به طور کامل پیش‌بینی‌ناپذیر هستند و نیاز به عمل فوری دارند تا خسارات بیشتری جلوگیری شود. راه حل این مسائل اغلب از طریق آزمایش و خطا ظاهر می‌شود.در حالتی که پروژه ها نزدیک به قطعیت هستند، روابط علت و معلول دقیقاً شناخته شده باشند، و در گذشته پروژه های مشابه انجام شده باشند. در اینصورت، معمولاً از تجربیات گذشته می‌توان برای پیش‌بینی نتیجه یک پروژه جدید استفاده کرد. روش‌هایی مانند تخمین پارامتریک و ... به پیش بینی و پیشبرد این پروژه ها کمک خواهد نمود.پروژه هایی که دور از قطعیت هستند، نیاز به ارائه چیزی جدید و نوآورانه دارند (یا حداقل چیزی که برای سازمان میزبان پروژه جدید باشد). اغلب، روابط علت و معلول مبهم هستند و تجربیات گذشته در برنامه‌ریزی کمکی نمی‌کند.اعضای یک گروه، تیم یا سازمان ممکن است نظرات مختلفی در مورد هدف پروژه و چگونگی دستیابی به آن داشته باشند. نحوه حکمرانی، سبک مدیریت و رویکرد به مدیریت پروژه به توافقات بین اعضای گروه و تیم بستگی دارد. لذا ماتریس استیسی به مدیران پروژه کمک می‌کند تا سطح پیچیدگی یک پروژه را شناسایی کرده و بهترین رویکرد برای حل مسئله را انتخاب کنند. این ابزار معمولاً به همراه ابزارهای مدیریت پروژه دیگری مانند روش‌های Scrum و Agile برای مدیریت پروژه‌های پیچیده به کار گرفته می‌شود.منبع جهت مطالعه بیشتر: Stacey RD. Strategic management and organisational dynamics: the challenge of complexity. 3rd ed. Harlow: Prentice Hall, 2002.محمد حمیدیمحمد حمیدیMon, 13 Mar 2023 12:04:19 +0330https://virgool.ir/@mohamadhamidi65/چگونه-می-توانیم-به-عنوان-یک-اسکرام-مستر-موفق-عمل-کنیم-ay7o8v4cahw7یکی از سوالاتی که اسکرام مستر ها در ابتدای کار یا به مرور در حین کار با آن مواجه می شوند پاسخ به این سوال می باشد که چگونه می توانم یک اسکرام مستر موفق باشد و به خوبی عمل کنم. در این مقاله کوتاه به موارد مهمی در این خصوص اشاره خواهم نمود. برای تبدیل شدن به یک اسکرام مستر موفق، چند مورد را می‌توانید انجام دهید:آشنایی با چارچوب کاری اسکرام: اولین قدم برای تبدیل شدن به یک اسکرام مستر موفق، داشتن درک عمیقی از چارچوب کاری اسکرام است. شما باید نقش‌ها، رویدادها، آرتیفکت‌ها و ارزش‌های اسکرام را بدانید.فراهم کردن رویدادهای اسکرام: به عنوان یک اسکرام مستر، شما مسئول فراهم کردن رویدادهای اسکرام مانند برنامه‌ریزی اسپرینت، اسکرام روزانه، مرور اسپرینت و بازخورد اسپرینت هستید. شما باید اطمینان حاصل کنید که این رویدادها به طور موثر و کارآمد برگزار شوند.برطرف کردن موانع: اسکرام مستر مسئول برطرف کردن هرگونه مانعی است که باعث می‌شود تیم نتواند اهداف خود را دستیابی پیدا کند. شما باید با تیم همکاری کرده و هرگونه مشکلی که بر روی پیشرفت آن‌ها تاثیر می‌گذارد را شناسایی و حل کنید.مربیگری تیم: اسکرام مستر باید به عنوان یک مربی برای تیم عمل کند و به آن‌ها در درک و به کارگیری چارچوب کاری اسکرام و تشویق به بهبود پیوسته کمک کند.تشویق به همکاری: همکاری یکی از جنبه‌های کلیدی اسکرام است. اسکرام مستر باید همکاری بین اعضای تیم، مدیران عالی و سهامداران و مالک محصول را تشویق کند. برای رسیدن به این قابلیت می توان اقدام ذیل را اجرائی نمود: برگزاری جلسات Open Demoبرگزاری جلسات Retroتعیین اهداف مشترک که قابل رهگیری باشد ( SMART ) و ... خدمت به تیم: اسکرام مستر باید با کمک به تیم، آنها را در رسیدن به خودسازماندهی و فراوظیفه ای بودن کمک نماید و فرهنگ بازرسی و تطبیق را ترویج دهد.با انجام این کارها، می‌توانید یک اسکرام مستر موفق باشید و به تیم خود در رسیدن به اهداف خود کمک کنید.چابک باشیدمحمد حمیدیمحمد حمیدیTue, 07 Mar 2023 12:03:13 +0330https://virgool.ir/@mohamadhamidi65/در-تیم-های-چابک-به-سمت-بحث-حرکت-کنید-ولی-تمام-اسناد-را-دور-نریزید-s9mgkcplz4wiاین مقاله ترجمه ای است از سری ایمیل های هفتگی آقای مایک کوهن برای مخاطبان سایت www.mountaingoatsoftwareفکر می‌کنم بدترین چیزی که تا به حال شنیده‌ام این بود که یک پیشخدمت به من گفت: "آقا، بیکن ما تمام شد."  با این حال، دومین چیزی که شنیدم که از آن می توانم به عنوان بدترین ها یاد کنم این بود که، یک تیم چابک به من گفت: «ما برای ارتباطات آنقدر ارزش قائلیم که چیزی را یادداشت نمی کنیم.  تمام ارتباطات شفاهی است.  اینقدر چابک هستیم.» به آن تیم گفتم که چابک نیستند. تنبلی می کردند. نادیده گرفتن اسناد یک تفسیر نادرست رایج از مانیفست چابک است، که می گوید ما باید نرم افزار کار را به اسناد جامع ارج بگذاریم. چهار ارزش مانیفست چابکاسناد باید به عنوان بخشی از یک استراتژی ارتباطی کلی در نظر گرفته شود. بعضی چیزها را باید گفت، بعضی چیزها را باید نوشت و برای بعضی موارد باید هر دو را در نظر داشت.  پروژه های چابک با ارتباط مناسب موفق می شوند. چه کسی می تواند با اولویت دادن به نرم افزارهای کارا مخالفت کند؟  اما تیم‌های چابک بدون در نظر گرفتن اسناد، نباید به نرم‌افزارهای کارا توجه نمایند. مقداری اسناد باید در هر پروژه مهمی تهیه شود. اسناد باید به عنوان بخشی از یک استراتژی ارتباطی کلی در نظر گرفته شود. بعضی چیزها را باید گفت، بعضی چیزها را باید نوشت و برای بعضی موارد باید هر دو را در نظر داشت.  پروژه های چابک با ارتباط مناسب موفق می شوند.ارتباط مناسب، همکاری را تسهیل می کند.  این بدان معناست که مردم به طور معمول اطلاعات را به هر شکلی که مناسب‌ترین مدل آن است، به همه کسانی که ممکن است از آن سود ببرند، منتقل می‌کنند. در شرایط مختلف، این امر می‌تواند مستلزم مکالمه رو در رو، ایمیل، تلفن، چت ویدیویی، پیام، سند مکتوب، جلسه از راه دور و حتی فناوری‌های جدیدتر باشد. برای اعضای تیم مهم است که یک رسانه مناسب برای هر ارتباط انتخاب کنند. در بسیاری از موارد چندین رویکردی می توانند به همان اندازه خوب کار کنند. برای مثال، یک تماس ویدیویی کوتاه یا تماس تلفنی ممکن است به همان اندازه برای توافق در مورد جزئیات آخر یک تصمیم مناسب باشد. با این حال، ایمیل یا پیام متنی برای تأیید توافق بهتر است. ایمیل یا پیام متنی برای تأیید توافق بهتر است. و یک سند کامل مکتوب اگر برای ارجاع بعدی ذخیره شود، می تواند بسیار مفید باشد. برای مثال، در مورد یک تصمیم مهم در خصوص طراحی محصول.وقتی اسناد وجود دارند، باید با گفتگو تکمیل شوند. تفسیر نادرست، اشتباه بیان یا درک نادرست کلمات در یک سند بسیار آسان است. و گفتگو سبب درک یکسان از سند می گردد.نشانه این که یک تیم به خوبی ارتباط برقرار نمی کند، شیوع سوء تفاهم است. اگر تصمیم طراحی که در بالا ذکر کردم به دیگران منتقل نشود، آنها ممکن است در مسیری متفاوت با طرح عمل کنند، فقط به این دلیل که از تصمیم مطلع نشده اند. نشانه این که یک تیم به خوبی ارتباط برقرار نمی کند، شیوع سوء تفاهم است.یکی دیگر از شاخص های ارتباط ضعیف زمانی است که اعضای تیم دوره های طولانی را بدون صحبت با یکدیگر می گذرانند. اگر اعضای تیم یک هفته یا بیشتر بدون صحبت با یکدیگر کار کنند، آیا واقعاً هدف مشترکی را احساس می کنند که باعث شود مانند یک تیم رفتار کنند؟ برخلاف تیمی که در ابتدای این نکته به آن اشاره کردم، اکثر تیم ها بیش از حد می نویسند و خیلی کم صحبت می کنند. در اینجا تمرین مفیدی برای تعیین اینکه کدام اسناد باید همچنان نوشته شوند و کدام می تواند با روش های دیگر ارتباط جایگزین شود، وجود دارد. نوت های برچسبی، کارت‌های فهرست، یا یک حساب در نرم‌افزارهای وایت‌بوردینگ مانند Lucid Spark بگیرید.  روی هر کارت (چه فیزیکی و چه مجازی) نام یک سند را بنویسید که تیم در آخرین پروژه خود تولید کرده است.  شما کارت هایی مانند:صورتجلسه جلسه مشخصات مورد نیاز نرم افزار تصمیمات طراحی طرح های تست نتایج آزمون مدل های UX و خیلی بیشتررا ایجاد می کنید و سپس کارت ها را به چهار گروه دسته بندی کنید: بحرانی: ما نمی توانستیم محصول را بدون این سند تحویل دهیم. مفید: داشتن این سند خوب بود، احتمالاً به ما کمک می‌کند از ارتباطات نادرست جلوگیری کنیم که تحویل را به تأخیر می‌اندازد. احتمالاً مفید: این سند این بار کمکی نکرد، اما به نظر می‌رسد که می‌توانست کمک کند و ممکن است در آینده کمک کند. غیر ضروری: ما می توانستیم این محصول را بدون این سند تحویل دهیم.به‌جای مرتب‌سازی، می‌توانید هر کارت را با چهار ستاره در صورت حیاتی، سه ستاره در صورت مفید بودن و غیره حاشیه‌نویسی کنید. این برای برخی از تیم‌هایی که ترجیح می‌دهند کارت‌ها را به‌طور متوالی مرتب کنند، با اولین سند در سمت چپ و آخرین مورد در سمت راست، کارساز بوده است. با کارت‌های گروه‌بندی‌شده یا امتیاز بندی شده با ستاره، موافقت کنید که از تولید هرگونه سند غیر ضروری خودداری کنید. و به شدت حذف مواردی را که احتمالاً مفید تلقی می‌شوند، را با نظر جمعی مورد بررسی قرار دهید که آیا نیاز است مستند شوند یا خیر. این اسناد برای پروژه فعلی شما احتمالا سودی نخواهد داشت، اما برخی از اعضای تیم فکر می‌کنند که ممکن است برای پروژه بعدی مفید باشند. آیا هزینه‌ای که تیم برای تولید آن اسناد متحمل می‌شود ارزش مزایایی را دارد که ممکن است ارائه کنند؟  من تهیه آن اسناد را به منزله خرید بیمه در برابر قطع کاغذ می دانم. برای اسنادی که تیم آنها را مفید می‌داند، در مورد هر کدام بحث کنید و ببینید که آیا آن نوع سند را می‌توان کوتاه یا ساده کرد. یک تیم چابک خوب نباید مستندات را حذف کند. در عوض، در صورت لزوم، تیم باید از اسناد به بحث و گفتگو و سایر رسانه‌های سبک‌تر ارتباطی تغییر کند. حفظ برخی اسناد و استفاده از ارتباطات مناسب به یک تیم کمک می کند تا با چابکی موفق شود.مایک کوهنترجمه آزاد از محمد حمیدیمحمد حمیدیمحمد حمیدیWed, 04 May 2022 19:00:56 +0430https://virgool.ir/@mohamadhamidi65/اگر-در-تیم-خود-شفافیت-ندارید-به-دنبال-تخمین-نباشید-dv7nyfxvmn4dدر بحث چابکی و خصوصا چارچوب اسکرام بحث های زیادی در خصوص تخمین و مشکلات آن، یا راهکار های برای استفاده مفید از آن ارائه شده است. ولی امروز میخواهم با نگاهی تازه به یکی از دلایل عدم تحقق تعهدات و تخمین ها بپردازم. همانطور که میدانید یکی از ستون های سه گانه اسکرام بحث شفافیت است. بحث شفافیت در اسکرام و همچین اصل “بهترین راه برقراری ارتباط گفتگوی فیس تو فیس است” در مانیفست چابک، اهمیت بحث شفافیت را از نقطه نظر نویسندگان مانیفست چابک و اسکرام برای ما روشن می نماید. اما چقدر به این موضوع در تیم های کاری خود توجه می‌نمایید؟تا حالا پیش آمده که یک یوزر استوری که فاقد المان های صحیح نوشتن آن است را وارد اسپرینت نمایید؟ (پیشنهاد می نمایم اگر میخواهید بدانید چگونه یک یوزر استوری خوب بنویسید به لینک از سایت Atlassian رجوع نمایید). تا حالا شده که یا یک تماس تلفنی یا یک تیکت، اقدام به ورود آن به بک لاگ نمایید و در ادامه با نامیدن آن به عنوان یک یوزر استوری آماده، در اسرع وقت آیتم مربوط را به تیم توسعه ارائه دهید تا آن را انجام دهد، بدون اینکه مراحل تکمیل یوزر استوری طی شده باشد ؟ در اینجا به طور خلاصه منظور ما از یک یوزر استوری آماده تهیه آن بر اساس المان های مهندسی نیازمندی های نرم افزار و در نظر گرفتن استاندارد invest برای تکمیل یوزر استوری می باشد.ستون های اسکراماگر به هر دلیلی، نظیر فورس پروژه، درخواست مشتری یا ابلاغ مدیران عالی، پاسخ شما به سوال بالا بله می باشد، پیشنهاد می نمایم تا انتهای این تجربه با من همراه باشید.در تیم ها زیادی مشاهده کردم که با دلایلی نظیر موارد بالا و یا دیگر موارد نظیر شلوغی زیاد مالک محصول یا چند مسئولیتی بودن وی، نیازمندی به درستی شفاف نمی شود و مطابق اصول تبدیل به یوزر استوری استاندارد نمی گردد و در جلسات گرومینگ، برنامه ریزی و حتی حین اسپرینت هم زمان کافی برای شفاف سازی صورت نمی پذیرد. در برخی تیم ها مشاهده نمودم که خود مالک محصول هم نیازمندی را به درستی نمیداند !!! و یا با ذینقعان آیتم درخواستی را شفاف نکرده است و سپس اقدام به ارائه آن در تیم می نماید و با آوردن جملاتی تعهد آور نظیر اینکه این نیازمندی توسط مدیر عامل یا مدیر فروش ارائه شده سعی میکنند دلیلی محکم جهت چرایی اینکه تیم باید روی آن کار کنند ارائه می دهد. ( البته به غلط ) در مواجه با این درخواست ها تیم به دلیل عدم درک صحیح نیازمتدی دست نفرات باتجربه و ریش سفیدان را نگاه میکند و اینجا تنها با توجه به المان هایی نظیر روحیه فرد تجربه و حدسیات او نسبت به پذیرش یا عدم پذیرش آن اقدام می نماید. و یا ممکن است از سر اجباری فقط عددی را به عنوان تخمین بیندازد تا هم اسکرام مستر خوشحال شود و هم زودتر جلسه تمام شود تا تازه در خلوت خود به این فکر کند که چگونه این تعهد جدید را انجام دهم.اگر چارچوب اسکرام به درستی جا افتاده باشد و روحیه چابکی در تیم و سازمان جایگاهی داشته باشد احتمالا نیازمندی غیر شفاف امکان ورود نخواهد داشت و در غیر اینصورت فاجعه آغاز می شود. بدیهی است که وقتی در دنیای پیچیده توسعه محصولات نرم افزار نیازمندی به درستی شفاف نشده باشد احتمال ارائه خروجی متضاد خواسته واقعی مشتری به طرز معنا داری افزایش پیدا میکند. همچین به جهت مشخص نبودن محدوده کار، و عدم شفاف سازی نیازمندی های عملکردی و غیر عملکرد، تیم توسعه در شروع کار با چالش های فراوانی مواجه می شود‌‌‌. زمانی که در یک محیط پیچیده ابهام زیادی را وارد کار تیم نماییم قطعا درخواست ارائه تخمین زمانی حتی با بهترین پرکتیس ها امری نشدنی و حتی غیر معقول است. متاسفانه در تیم هایی مشاهده می شود که حتی روی موارد با ابهام زیاد هم به شدت درخواست می شود که تیم‌تخمین زمانی بدهند و با عدم تحقق نیازمندی در زمان مورد نظر تیم مورد سرزنش قرار می گیرد. سناریو دیگری نیز که ممکن است مشاهده شود، تحویل نیازمندی در زمان مقرر اما بدون در نظر گرفتن استاندارد های کیفیت می باشد، که بعد از ریلیز نیازمندی، قطعا مشکلات و چالش های زیادی را برای محصول و تیم ایجاد خواهد نمود. نظیر دوباره کاری، نارضایتی مشتری و …‌ همچنین در بیزنس های B2B سبب رد شدن فیچر ارائه شده و تاخیرات قرار دادی خواهد شد. برخی دیگر از مشکلات عدم شفافت سازی نیازمندی به شرح ذیل است:سوالات متوالی حین توسعهدرگیری ذهنی بیش از حد تیمناراحتی استرس از عدم تحققفقدان کیفیت کد نوشته شدهدرک اشتباه نیازمندیدوباره کاریتنش در تیم و …و این موارد تنها بخشی از معضلات عدم شفافیت خواهد بود.تمامی این عوامل در شرایطی رخ میدهد که وظیفه شفاف سازی آیتم های بک لاگ با نماینده تیم با ذینقعان است. یعنی همان مالک محصول. اصول مذاکره، مشخص شدن حد و حدود اختیارات، و امکان نه گفتن می تواند به مالک محصول در عدم پذیرش موارد غیر شفاف در اسپرینت های نزدیک یاری رساند، و زمان لازم را به مالک محصول نفرات تحلیل گر بدهد تا نیازمندی را ابتدا شفاف نمایند و مطابق با اصول مهندسی نیازمندی های نرم افزار اقدام به تدوین یوزر استوری نمایند. همچین از دیگر پرکتیس هایی که در مواجه با عدم قطعیت در نیازمندی به تیم ها کمک می‌نماید روش FACTFUL PLANNING می‌باشد. در این روش ضمن اینکه تیم بر اساس روش مذکور اقدام به بررسی و محک زنی نیازمندی می شود، از ارائه تعهدی خارج از واقعیت خود داری می نماید. تمامی این اقدامات کمک می نماید که تیم بتواند نسبت به آیتم هایی از backlog تعهد دهد، که از شفافیت کافی برخوردار باشد. این اطمینان در جلسات Refinment که به Grooming مشهور هستند رخ خواهد داد و اصطلاحا یوزر استوری ready for Develop می شود. برای یادرگیری این مفهوم می توانید مبحث Definition of Ready را فراگیرید و در تیم های خود اجرایی نمایید. همچنین در صورتی که به دلایلی نظیر چند مسئولیتی بودن مالک محصول امکان ارائه نیازمندی با اصول یاد شده نمی باشد در جلسات رتروسپکتیو می بایست این عامل شناسایی شود و راهکارهایی نظیر کمک گرفتن از نفرات تیم و یا تغییراتی در میزان مسئولیت های مالک محصول، به عنوان اقدام اصلاحی در نظر گرفته شود.اسکرام و چابک به ما وعده کیفیت و رضایت مشتری را داده ولی به شرط درک و پیاده سازی  صحیح، ارزش ها، چارچوب ها، قوانین و المان های آن. بدون در نظر گرفتن آن ها و یا پیروی از بخشی از آن، قطعا تحقیق وعده ها امری غیر ممکن خواهد بود.لذا در‌انتها می بایست به این مهم توجه نماییم که جدای از اینکه تخمین خوب است یا بد، باید به این اصل توجه نماییم که شفافیت ستون اسکرام است و قطعا بدون شفاف سازی کامل و صحیح نیازمندی ها قطعا ارائه خروجی با کیفیت، در زمان منطقی غیر ممکن خواهد بودچابک باشیدمحمد حمیدیمحمد حمیدیWed, 04 May 2022 17:55:04 +0430https://virgool.ir/@mohamadhamidi65/آشنایی-با-متدولوژی-xp-extreme-programming-قسمت-دوم-psoundradoxtدر قسمت اول مقاله آشنایی با متدولوژی XP (Extreme Programming) با تاریخچه، بنیانگذار، ارزش ها و نقش های متدولوژی XP آشنا شدیم. در ادامه قصد داریم تا با 12 عملیات اصلی متدولوژی XP آشنا شویم و همچنین اصول این روش را معرفی نماییم.12 عملیات اصلی متدولوژی XP:همانطور که در تصویر پایین مشاهده می نمایید، متد XP در هسته اصلی خود دارای 12 عملیات اصلی می باشد که برای پیاده سازی اصولی این متد با آنها آشنا باشیم.12 عملیات اصلی متدولوژی XP 1- برنامه ریزی بازی ها (Planning Games)برنامه ریزی در متد XP، برنامه ریزی بازی نام دارد و شامل برنامه ریزی در دو سطح برنامه ریزی انتشار و برنامه ریزی تکرار شونده می باشد، که در هر دو سطح، سه مرحله وجود دارد: اکتشاف، تعهد و هدایت.در برنامه ریزی انتشار، برنامه نویسان و مشتریان به صورت اشتراکی تصمیم گیری می نمایند که چه نیازمندی ها و الزاماتی را می تواند برای محصول ارائه نمود و این کار را در چه زمانی به صورت تخمینی می توان انجام داد. این مهم بر اساس برآوردها، در نظر گرفتن ریسک ها، اولویت ها و ظرفیت تیم برای ارائه تحویل شدنی ها، انجام می پذیرد. با این حال همانطور که اشاره شد این یک تخمین خام می باشد، بنابراین در ادامه برنامه بر اساس تغییرات، مجدد برنامه ریزی می گردد و یا اصطلاحا تنظیم می شود.در برنامه ریزی تکرار شونده، اعضای تیم، با ارزش ترین User Story ها را از بک لاگ انتخاب نموده و سپس آن ها را به Task های مختلف تقسیم می نمایند و در ادامه آن ها را برآورد نموده و در نتیجه متعهد می شوند که چه ارزشی در طول تکرار می توانند به صورت بالقوه تحویل دهند.2- طراحی ساده (Simple Design )تیم های XP، طرح های بزرگ و معماری های چشمگیر را که ممکن است برای پروژه های بسیار پیچیده چالش باشند را خلق نمی کنند. آن ها با یک طراحی ساده شروع می نمایند و از طریق تکرارها، این طرح ساده را تکمیل می نمایند. همچنین با الزاماتی که دارای تغییرات سریع هستند، هم گام می شوند. در این متد کدها به جهت رهایی از بدهی فنی، بازنویسی می شوند.حفظ طراحی ساده، گاها کار آسانی نیست. اغلب تیم با عدم اطمینان ها در گزینه های طراحی و پیاده سازی مواجه می شود، خصوصا اگر آن ها از تکنولوژی های جدید استفاده کنند و یا عدم قطعیت بالایی در حوزه تکنیکال داشته باشند. در این زمان، تیم XP یک آزمایش کوچک یا عملیات اثبات مفهوم به نام Spike انجام می دهد. نتیچه Spike در فهم صحت این فرضیه به تیم کمک می نماید. همچنین پیچیدگی راه حل را ارزیابی کرده و برای برآورد و تصمیم در خصوص توسعه یا عدم توسعه آن بر اساس نتایج آزمایش، تصمیم گیری خواهد شد.3- توسعه آزمون محور (Test Driven Development – TDD)در متد XP، قبل از تولید کد از عملیات نوشتن آزمون واحد (نوشتن تست) استفاده نمایند. این آزمون واحد، در مرحله ساخت و ادغام به یک شیوه خودکار انجام می شوند.گام های این روش عبارتند از:1- نوشتن آزمون واحد که با اجرای آن در شروع موفقیت آمیز نخواهد بود.2- حداقل مقدار کد برای گذراندن آزمون را بنویسید.3- حال در گام سوم اقدام به Refactor نمودن کد ها می نماییم و با افزودن کارکرد های مورد نیاز، کد را بازنویسی می نماییم. این گام در حالی انجام می شود که هموارده گذراندن آزمون را تضمین نماید.مزیت اصلی TDD تضمین گذراندن آزمون می باشد و برنامه نویس می بایست دقیقا به میزانی کد بنویسد تا آزمون پاس شود. و لذا چیزی بیشتر که بی فایده نیز می باشد انجام نخواهد شد.Test Driven Development – TDD4- استانداردهای کد (Code Standards)سازمان‌ها از برنامه‌نویسانشان می‌خواهند که برخی از سبک‌های استاندارد و توصیف‌شده کدنویسی به نام استانداردهای کدنویسی را رعایت کنند. این یک دستورالعمل برای تیم توسعه است، مانند XP. از آنجایی که چندین جفت برنامه نویسی در بازی وجود دارد، استانداردهای کدنویسی برای ایجاد ثبات در کد، سبک، تبدیل نام، مدیریت استثنا و استفاده از پارامترها بسیار مفید هستند.این استانداردها باید قبل از اینکه تیم کدنویسی را شروع کند، تعریف و توافق شود.این اصل سبب می شود درک کد ساده شده و به تشخیص سریع مشکل یا مشکلات کمک می کند و همچنین کارایی نرم افزار را افزایش می دهد.5- بازنویسی کد (Refactoring)همان‌طور که از کلمه پیداست، Refactoring بازسازی کدهای موجود است. در XP طی یک دوره زمانی، تیم کدهای کاری زیادی تولید می‌کند و این پیچیدگی را افزایش می‌دهد و باعث بدهی فنی می‌شود. برای جلوگیری از این امر، باید نکات زیر را در نظر بگیریم:اطمینان حاصل کنید که کد یا توابع تکراری نیستنداز همه متغیرها در محدوده، تعریف شده و استفاده شده اطمینان حاصل کنیداز توابع اضافی یا روش های طولانی جلوگیری شودحذف موارد و متغیرهای غیر ضروریاستفاده صحیح از اصلاح کننده های دسترسی و غیرهدر Refactoring برنامه نویسان به دنبال بهبود کیفیت کلی کد و خوانایی آن بدون تغییر رفتار آن هستند.Refactoring6- آزمایشات مشتری (On-site Customer):همانطور که قبلاً اشاره کردیم، طبق XP، مشتری نهایی باید به طور کامل در توسعه شرکت کند. مشتری باید همیشه برای پاسخ به سوالات تیم، تعیین اولویت ها و حل اختلافات در صورت لزوم حضور داشته باشد.7- برنامه نویسی دو نفره (Pair Programming):این عمل مستلزم آن است که دو برنامه نویس به طور مشترک روی یک کد کار کنند. در حالی که توسعه‌دهنده اول روی نوشتن تمرکز می‌کند، دیگری کد را بررسی می‌کند، پیشرفت‌هایی را پیشنهاد می‌کند و اشتباهات را در طول مسیر اصلاح می‌کند. چنین کار گروهی منجر به نرم افزار با کیفیت بالا و به اشتراک گذاری سریعتر دانش می شود، اما حدود 15 درصد زمان بیشتری را می طلبد. از این نظر، منطقی‌تر است که برنامه‌نویسی زوجی را برای پروژه‌های بلندمدت امتحان کنید.Pair Programming8- یکپارچگی تکراری (Continuous Integration):توسعه دهندگان همیشه سیستم را به طور کاملا یکپارچه نگه می دارند. تیم‌های XP توسعه تکراری را به سطح دیگری می‌برند زیرا چندین بار در روز کد را commit می‌کنند که به آن تحویل مداوم نیز می‌گویند. متخصصان XP اهمیت ارتباطات را درک می کنند. برنامه نویسان بحث می کنند که کدام بخش از کد را می توان دوباره استفاده کرد یا به اشتراک گذاشت. به این ترتیب، آنها دقیقا می دانند که چه عملکردی را باید توسعه دهند. خط مشی کد مشترک به حذف مشکلات یکپارچه سازی کمک می کند. علاوه بر این، تست خودکار به توسعه دهندگان اجازه می دهد تا قبل از استقرار خطاها را شناسایی و رفع کنند.9- عرضه های خورد (Small Releases):این روش پیشنهاد می‌کند که MVP را به سرعت منتشر کنید و محصول را با به‌روزرسانی‌های کوچک و تدریجی توسعه دهید. نسخه‌های کوچک به توسعه‌دهندگان این امکان را می‌دهند که مکرراً بازخورد دریافت کنند، باگ‌ها را زود تشخیص دهند و بر نحوه عملکرد محصول در تولید نظارت کنند. یکی از روش‌های انجام این کار، Continuous Integration است که قبلاً به آن اشاره کردیم.10- مالکیت جمعی کد (Collective Code Ownership):این عمل مسئولیت کل تیم را برای طراحی یک سیستم اعلام می کند. هر یک از اعضای تیم می تواند کد را بررسی و به روز کند. توسعه دهندگانی که به کد دسترسی دارند در موقعیتی قرار نخواهند گرفت که مکان مناسبی را برای افزودن یک ویژگی جدید ندانند. این Practice به جلوگیری از تکرار کد کمک می کند. پیاده‌سازی مالکیت کد جمعی (collective code ownership)، تیم را تشویق می‌کند تا بیشتر همکاری کند و در ارائه ایده‌های جدید احساس راحتی کند.11- استعاده سیستم (System Metaphor):استعاره سیستم یک داستان همه جانبه است که کل تیم می تواند با آن به منظور ارتباط ساده، طراحی یا معماری ارتباط برقرار کند. در ابتدا طرح و ساختار آن باید برای افراد جدید قابل درک باشد. آنها باید بتوانند بدون صرف زمان زیاد برای بررسی مشخصات، کار روی آن را شروع کنند. دوم، نام‌گذاری کلاس‌ها و متدها باید منسجم باشد. هدف توسعه دهندگان باید نامگذاری یک شی به گونه ای باشد که گویی از قبل وجود داشته است، که طراحی کلی سیستم را قابل درک می کند. برای درکی بیشتر از از مطلب، استعاره سیستم می تواند یک توافق نام گذاری که در طراحی و کد استفاده می شود نیز باشد، این امر کار را برای هر فردی در تیم راحت می کند و در نتیجه تنها با نگاه کردن به نام یک مولفه‌ی خاص، با کارکرد آن ارتباط بر قرار می شود. به‌عنوان مثال، با نگاه کردن به نام تابع debit_customer_account () می توان حدس زد که از تابع انتظار می رود چه کاری انجام دهد.12- سرعت قابل تحمل (Sustainable pace) 40-Hour Weekپروژه های XP به توسعه دهندگان نیاز دارند که سریع کار کنند، کارآمد باشند و کیفیت محصول را حفظ کنند. برای رعایت این الزامات، آنها باید احساس خوبی داشته باشند و استراحت کنند. حفظ تعادل بین کار و زندگی از فرسودگی شغلی حرفه ای ها جلوگیری می کند. در XP، تعداد بهینه ساعات کار نباید بیش از 45 ساعت در هفته باشد. یک اضافه کاری در هفته فقط در صورتی امکان پذیر است که هفته بعد وجود نداشته باشد.هر شرکتی می تواند از اصول XP در پروژه های خود استفاده کند. با این حال، درک هر دو طرف خوب و بد مهم است. در ادامه بخوانید تا متوجه شوید که XP چه تفاوتی با سایر متدولوژی ها دارد و زمانی که استفاده از تکنیک های آن بهترین انتخاب خواهد بود.پایان مقاله دو قسمتی آشنایی با متدولوژی XP (Extreme Programming)برای ارتباط با من می توانید در صفحه لینکدین محمد حمیدی پیام بگذارید. چابک باشیدمحمد حمیدیمحمد حمیدیSat, 19 Mar 2022 11:43:02 +0330