ChatGPT در مدیریت پروژه؛ ۱۰ پرامپت با کنترل کیفیت

خلاصه: ChatGPT می‌تواند پیش‌نویس منشور، WBS، ریسک، گزارش و پیام پروژه را سریع‌تر بسازد؛ اما «پرامپت جادویی» ندارد و خروجی آن واقعیت پروژه نیست. یک پرامپت خوب باید هدف، زمینه، ورودی معتبر، محدودیت، شاهد، قالب خروجی و مرحله بازبینی انسانی را روشن کند.

آخرین بررسی مستندات رسمی OpenAI: ۱۷ مرداد ۱۴۰۵. مدل‌ها، ابزارها، حساب‌ها و قابلیت‌های ChatGPT تغییر می‌کنند. دسترسی به فایل، اتصال‌ها یا کارهای زمان‌بندی‌شده را فقط وقتی فرض کنید که در حساب و سیاست سازمان شما واقعاً فعال و مجاز باشد.

ChatGPT در مدیریت پروژه چه نقشی دارد؟

بهترین نقش آن «همکار تهیه پیش‌نویس و منتقد» است: داده موجود را مرتب می‌کند، شکاف را نشان می‌دهد، چند سناریو می‌سازد و خروجی را در قالب ثابت تحویل می‌دهد. مالک تصمیم، تخمین، تعهد، بودجه و ریسک همچنان تیم پروژه است.

سه نوع کار را از هم جدا کنید:

• تبدیل: صورت‌جلسه را به اقدام یا داده را به گزارش تبدیل کند؛ کم‌خطرتر است اگر منبع کامل باشد.
• تحلیل: ریسک، تعارض یا گزینه را پیشنهاد دهد؛ نیازمند شاهد و نقد انسانی است.
• اقدام: پیام بفرستد، فایل تغییر دهد یا وظیفه بسازد؛ باید مرز اختیار، پیش‌نمایش و تایید پیش از اقدام داشته باشد.

راهنمای رسمی «هم‌تیمی پروژه» در ChatGPT Work نیز پیشنهاد می‌کند هدف، افراد، تصمیم‌ها، موعدها و موارد باز مشخص شوند و وقتی منبعی نیست، مدل به‌جای حدس آن را اعلام کند. همان راهنما برای اقدام، انتظار تایید را مطرح می‌کند. جزئیات و دسترسی روز را در نمونه رسمی Project Teammate از OpenAI ببینید.

پیش از پرامپت: داده و اختیار را طبقه‌بندی کنید

بودجه، قرارداد، حقوق افراد، اطلاعات مشتری، کلید/API، رمز، داده سلامت و اسرار تجاری را بی‌فکر در یک گفت‌وگو نریزید. پیش از استفاده بپرسید:

• این حساب شخصی است یا محیط تاییدشده سازمانی؟
• سیاست سازمان چه داده‌ای را مجاز می‌داند و نگهداری/حذف چگونه است؟
• آیا می‌توان نام، مبلغ، شناسه و فایل را حذف یا با داده ساختگی جایگزین کرد؟
• مدل به کدام فایل، ابزار یا اتصال دسترسی دارد و خروجی را کجا می‌فرستد؟
• آیا نتیجه فقط Draft است یا اجازه اقدام بیرونی هم دارد؟

اصل «کمترین داده و کمترین اختیار» را رعایت کنید. اتصال تازه را نیز مانند هر مجوز دیگری بررسی کنید؛ ممیزی OAuth و دسترسی ابزار برای همین کار است.

قالب هفت‌بخشی یک پرامپت قابل اتکا

1. هدف: خروجی قرار است کدام تصمیم یا کار را پشتیبانی کند؟
2. زمینه: پروژه، مرحله، مخاطب و تعریف اصطلاح‌ها چیست؟
3. ورودی: منبع تاییدشده و تاریخ آن کدام است؟
4. محدودیت: دامنه، زمان، بودجه، سیاست و کار ممنوع چیست؟
5. شاهد: هر ادعا باید به کدام بخش ورودی برگردد؟
6. قالب: جدول، فهرست، Memo یا JSON با چه ستون‌هایی؟
7. بازبینی: ابهام، فرض، تعارض و موارد نیازمند تایید را جدا کند.

مستندات رسمی OpenAI برای مدل‌های جاری نیز پرامپت نتیجه‌محور با هدف، زمینه، محدودیت، شاهد لازم، معیار موفقیت و قالب خروجی را توصیه می‌کند و می‌گوید دستور تکراری را کم کنید. این اصول را از راهنمای رسمی Prompting مدل‌های OpenAI روز استفاده بررسی کنید.

۱۰ پرامپت ChatGPT برای مدیریت پروژه

متن‌های داخل کروشه را با داده غیرحساس و معتبر جایگزین کنید. هر خروجی «نسخه صفر» است؛ نه سند مصوب.

۱. تبدیل ایده به پیش‌نویس منشور و فهرست ابهام

هدف: پیش‌نویس منشور پروژه [نام] را برای جلسه آغاز آماده کن.
منبع مجاز: [متن درخواست/یادداشت تاییدشده]. فقط از همین متن استفاده کن.
خروجی: مسئله، نتیجه مطلوب، داخل/خارج دامنه، ذی‌نفعان، محدودیت،
نقطه عطف و معیار موفقیت را در جدول بنویس.
هیچ بودجه، موعد یا مسئولیتی اختراع نکن. موارد فاقد شاهد را «نامشخص» بزن.
در پایان ۷ سؤال تصمیم‌ساز و تعارض‌های منبع را جدا کن.

منشور خوب جای تایید Sponsor را نمی‌گیرد. نتیجه را با نقشه راه نتیجه، نقطه عطف و وابستگی هم‌راستا کنید.

۲. ساخت WBS خروجی‌محور، نه فهرست فعالیت تصادفی

برای خروجی نهایی [خروجی] یک WBS خروجی‌محور تا سطح بسته کاری پیشنهاد کن.
ورودی: [دامنه مصوب و اقلام خارج دامنه].
برای هر بسته: خروجی قابل تحویل، معیار پذیرش، مالک پیشنهادی به‌صورت «نقش»،
وابستگی و سؤال باز را بنویس. فعالیت اجرایی، زمان و هزینه را حدس نزن.
کنترل کن که همه اجزای دامنه دقیقاً یک جای روشن داشته باشند و هم‌پوشانی را گزارش کن.

مدل ممکن است بسته‌ای را جا بیندازد یا دو بار بشمارد؛ تیم تخصصی باید پوشش دامنه را بازبینی کند.

۳. ساخت رجیستر اولیه ریسک با برچسب «فرضیه»

بر اساس [شرح پروژه، وابستگی‌ها و محدودیت‌ها] ریسک‌های اولیه را پیشنهاد کن.
هر ریسک را با ساختار علت→رخداد→اثر بنویس و منبع/نشانه آن را ذکر کن.
ستون‌ها: فرضیه ریسک، شاهد موجود، داده مفقود، مالک پیشنهادی، اقدام پیشگیرانه،
ماشه، پاسخ اضطراری و ریسک باقیمانده.
احتمال و اثر عددی نساز؛ برای امتیازدهی از من سؤال کن.

پیشنهاد مدل فقط ورودی کارگاه ریسک است. معیار، مالک و ماشه را در دفتر ریسک پروژه نهایی کنید.

۴. نقد برنامه و ساخت سناریو، بدون تخمین ساختگی

این برنامه را نقد کن: [فعالیت، مدت تاییدشده، وابستگی، ظرفیت و تقویم].
وابستگی گمشده، کار بی‌مالک، تراکم ظرفیت، قید مبهم و نقطه شکست را نشان بده.
سه سناریو بساز: مبنا، تاخیر [ریسک مشخص] و کاهش دامنه [گزینه مشخص].
فقط با اعداد ورودی محاسبه کن؛ اگر داده کافی نیست، فرمول و داده لازم را بده.
خروجی را به «یافته، شاهد، اثر احتمالی، سؤال/اقدام» محدود کن.

ChatGPT موتور زمان‌بندی معتبر نیست مگر داده و منطق کامل به آن داده و محاسبه مستقل کنترل شود.

۵. گزارش وضعیت منبع‌دار و بدون «سبزسازی»

از داده‌های وضعیت تا تاریخ [تاریخ/ساعت] یک گزارش یک‌صفحه‌ای بساز.
منابع: [خروجی ابزار، تصمیم‌ها، ریسک‌ها].
بخش‌ها: نتیجه دوره، نقاط عطف، تغییر نسبت به Baseline، ریسک/مانع،
تصمیم لازم، مالک و موعد تصمیم.
هر جمله را با شناسه منبع پشتیبانی کن. داده متناقض یا قدیمی را جدا کن.
وضعیت سبز/زرد/قرمز را فقط با قواعد [قواعد مصوب] تعیین کن.

درصد پیشرفت ذهنی را به حقیقت تبدیل نکنید. گزارش باید بتواند به داده و زمان برش برگردد.

۶. تحلیل درخواست تغییر و گزینه‌های معامله

درخواست تغییر [متن] را نسبت به Baseline [نسخه] تحلیل کن.
اثر احتمالی بر دامنه، زمان، هزینه، کیفیت، ریسک، داده و عملیات را فهرست کن.
سه گزینه بده: پذیرش، کاهش دامنه جایگزین، تعویق/رد؛
برای هر گزینه فرض، منفعت، هزینه، ریسک و تصمیم‌گیر را بنویس.
تصمیم نهایی نگیر و Baseline را بازنویسی نکن. سؤال‌های لازم برای CCB را جدا کن.

مدل می‌تواند گزینه بسازد؛ مرجع تغییر و امضای ذی‌نفع را جعل نمی‌کند.

۷. نوشتن پیام حساس به ذی‌نفع با واقعیت و درخواست

یک پیام فارسی حرفه‌ای برای [مخاطب/نقش] بنویس.
واقعیت تاییدشده: [چه رخ داده]. اثر: [اثر]. گزینه‌ها: [گزینه‌ها].
تصمیم مورد نیاز: [تصمیم] تا [تاریخ/ساعت و منطقه زمانی].
لحن: مستقیم، محترمانه، بدون مقصرسازی یا وعده حل تاییدنشده.
نسخه ۱۲۰کلمه‌ای و موضوع ایمیل بده؛ فرض‌ها و عبارت‌های حقوقی/تعهدآور را پرچم بزن.

نام، مبلغ و تعهد را انسان بازبینی کند. اصول فرستنده، پیوست و داده حساس در راهنمای ایمیل کاری امن آمده است.

۸. تبدیل صورت‌جلسه به اقدام، تصمیم و سؤال باز

فقط از صورت‌جلسه زیر استفاده کن: [متن تاییدشده].
چهار جدول بساز: تصمیم‌ها، اقدام‌ها، ریسک/مانع و سؤال‌های باز.
برای اقدام‌ها: فعل، خروجی، مالک، موعد، وابستگی و معیار پایان را استخراج کن.
اگر مالک یا موعد صریح نیست «تعیین نشده» بنویس؛ از روی نام گوینده حدس نزن.
نقل‌قول یا خط منبع هر مورد را اضافه و تعارض‌ها را پرچم بزن.

پیش از ثبت در ابزار، صورت‌جلسه باید توسط مسئول جلسه تایید شود؛ تبدیل خودکار نباید تعهد تازه بسازد.

۹. تسهیل AAR بدون جعل علت ریشه‌ای

برای رخداد [شرح] یک AAR تسهیل کن.
ورودی‌ها: انتظار/طرح، خط زمانی مشاهده‌شده، داده نتیجه و بازخورد افراد.
خروجی: انتظار چه بود، چه رخ داد، تفاوت، شاهد، فرضیه علت، داده لازم،
اقدام اصلاحی کوچک، مالک، موعد و معیار اثربخشی.
میان واقعیت و فرضیه برچسب بزن؛ فرد را مقصر اعلام نکن و علت نهایی نساز.

AAR شواهد‌محور کمک می‌کند «درس‌آموخته» به اقدام قابل سنجش برسد.

۱۰. بسته آنبوردینگ نقش‌محور با آزمون فهم

برای نقش [نقش] در پروژه [نام] بسته آنبوردینگ ۷روزه پیشنهاد کن.
منابع مجاز: [منشور، نقش، SOP، نقشه راه و سیاست دسترسی].
بخش‌ها: هدف پروژه، مرز نقش، افراد/کانال‌ها، ابزار و دسترسی، سه کار تمرینی،
خطاهای پرریسک، سؤال روزانه و معیار آمادگی.
اطلاعاتی را که منبع ندارد «نیازمند تایید» بزن و دسترسی بیش از نقش پیشنهاد نکن.

قالب را نسخه‌دار نگه دارید تا خروجی برای همه افراد یک نقش یکسان و قابل ممیزی باشد؛ راهنمای Template نسخه‌دار این چرخه را توضیح می‌دهد.

کنترل کیفیت خروجی در پنج عبور

1. منبع: آیا هر عدد، نام، موعد و تصمیم به ورودی برمی‌گردد؟
2. کامل‌بودن: آیا بخش یا گروهی جا افتاده است؟
3. سازگاری: آیا جدول، متن و جمع اعداد تناقض دارند؟
4. خطر: آیا خروجی تعهد، داده حساس، تبعیض یا اقدام غیرمجاز دارد؟
5. کاربرد: آیا مالک، تصمیم بعدی و معیار پایان روشن است؟

برای کار پرتکرار، ۱۰ تا ۲۰ نمونه واقعی و کم‌خطر بسازید و Prompt نسخه A/B را روی همان‌ها بسنجید: نرخ عدد بی‌منبع، مورد جاافتاده، اصلاح انسانی، زمان تا خروجی قابل قبول و رضایت مخاطب. چرخه بازخورد و آزمایش از اتکا به یک خروجی خوش‌شانس جلوگیری می‌کند.

مثال ایرانی: پروژه راه‌اندازی فروشگاه آنلاین

مدیر پروژه یک شرکت شیرازی ابتدا نام مشتری و ارقام قرارداد را حذف می‌کند. منشور مصوب و فهرست تصمیم‌ها را با تاریخ می‌دهد و از پرامپت گزارش وضعیت استفاده می‌کند. ChatGPT دو نقطه عطف را «سبز» اعلام می‌کند، اما در کنترل منبع مشخص می‌شود قانون رنگ در ورودی نبوده است. مدیر پرامپت را اصلاح می‌کند: اگر قاعده نیست، وضعیت «تعیین‌نشده» باشد.

در دور دوم، گزارش یک تعارض واقعی را پیدا می‌کند: تاریخ تحویل در بورد با صورت‌جلسه فرق دارد. تیم به‌جای انتخاب خودکار، تصمیم‌گیر را مشخص و Baseline را فقط پس از تایید تغییر می‌دهد. صرفه‌جویی واقعی از تایپ کمتر نیست؛ از کشف ابهام پیش از پیام مشتری است.

چه کارهایی را به ChatGPT نسپاریم؟

• تصمیم نهایی حقوقی، مالی، ایمنی، استخدامی یا قراردادی؛
• تخمین قطعی بدون داده و تایید صاحب تخصص؛
• رتبه‌بندی عملکرد افراد با داده ناقص یا معیار مبهم؛
• ارسال پیام، حذف فایل یا تغییر Baseline بدون تایید صریح؛
• ساخت شاهد، صورت‌جلسه، امضا یا نقل‌قولی که وجود ندارد؛
• ورود داده‌ای که سیاست یا رضایت لازم را ندارد.

برای انتخاب مورد استفاده و پایلوت سازمانی، راهنمای ارزیابی امن هوش مصنوعی در مدیریت وظایف را اجرا کنید.

سؤالات متداول

آیا این پرامپت‌ها فقط برای ChatGPT هستند؟

ساختار هدف، ورودی، محدودیت، شاهد و بازبینی عمومی است، اما رفتار و قابلیت ابزارها متفاوت است. همان Prompt را روی نمونه نماینده آزمایش کنید.

آیا ChatGPT می‌تواند برنامه پروژه را خودش بسازد؟

می‌تواند Draft یا نقد بسازد؛ بدون دامنه، مدت، ظرفیت، تقویم و وابستگی معتبر، برنامه قابل تعهد تولید نمی‌کند.

چطور جلوی اطلاعات ساختگی را بگیریم؟

منبع را محدود، ارجاع هر ادعا را اجباری، «نامشخص» را مجاز و کنترل مستقل عدد/واقعیت را اجرا کنید. احتمال خطا صفر نمی‌شود.

آیا می‌توانم اطلاعات مشتری را وارد کنم؟

فقط مطابق قرارداد، رضایت، سیاست سازمان و تنظیمات محیط تاییدشده. تا حد ممکن داده را حذف یا ناشناس و دسترسی را محدود کنید.

بهترین پرامپت مدیریت پروژه کدام است؟

پرامپتی که روی کار واقعی شما کمترین خطای بی‌منبع و اصلاح انسانی را دارد. «طولانی‌تر» یا «نقش ۱۵ساله» به‌تنهایی کیفیت را تضمین نمی‌کند.

جمع‌بندی

ChatGPT در مدیریت پروژه وقتی ارزش می‌سازد که Draft را از تصمیم، فرض را از شاهد و پیشنهاد را از اقدام جدا کنید. از یک پرامپت هفت‌بخشی، داده حداقلی، خروجی منبع‌دار و تایید انسانی استفاده کنید؛ سپس نسخه پرامپت را روی نمونه‌های ثابت بسنجید. جادو در جمله مخفی نیست؛ در کیفیت ورودی و کنترل فرایند است.