راهنمای شروع کار با هوش مصنوعی برای اسکرام مسترها
تصور کنید میخواهید روی فراگیری توانمندیهای هوش مصنوعی سرمایهگذاری کنید تا بتوانید به گروه اسکرام خود در سطحی تازه که این روزها بازار تقاضا دارد، خدمت کنید. از کجا آغاز میکردید؟
این مطلب به شما کمک میکند تا سفر هوش مصنوعی خود را قدرتمندانه شروع کنید.
قدم اول شما دو دسته اصلی چکلیست دارد:
چکلیست اول: مبانی هوش مصنوعی
چکلیست دوم: هوش مصنوعی برای تسلط در اسکرام مستری
بیایید آنها را یکی یکی بررسی کنیم.
چکلیست اول: مبانی هوش مصنوعی
چکلیست نخست ۵ مورد شامل موارد زیر است:
- اصول پایه هوش مصنوعی
- ابزارهای هوش مصنوعی برای موارد استفاده گوناگون اسکرام مستر
- چهارچوب تسلط بر هوش مصنوعی
- هوش مصنوعی اخلاقمدار و مسئولیتپذیر + امنیت
- قوانین و رویکردهای نظارتی هوش مصنوعی
به هر جنبه امتیازی از ۱ تا ۱۰ بدهید تا میزان آگاهی خود از مبانی هوش مصنوعی را ارزیابی کنید.
بیایید در مورد سه جنبه اول صحبت کنیم.
اصول پایه هوش مصنوعی
در ادامه ۲۰ اصطلاح کلیدی پایه درباره هوش مصنوعی که باید بدانید آورده شدهاست:
۱- هوش مصنوعی (هوش مصنوعی)
هوش مصنوعی فناوریای است که به رایانهها امکان شبیهسازی هوش انسانی و قابلیتهای حل مسئله را میدهد.
نمونههایی مانند سیری یا خواندن پلاک خودرو در ورودی پارکینگ.
۲- هوش مصنوعی مولد
هوش مصنوعی مولد به مدلهایی اشاره دارد که میتوانند محتوای جدیدی مانند متن، تصویر، صدا یا ویدیو تولید کنند.
نمونههایی مانند ChatGPT یا DeepSeek.
۳- هوش مصنوعی محدود (هوش مصنوعی محدود)
هوش مصنوعی محدود نوعی از هوش مصنوعی است که برای انجام یک کار مشخص طراحی شدهاست.
نمونههایی مانند خودروهای خودران یا تشخیص عیب در خط تولید یک کارخانه.
۴- هوش مصنوعی عمومی (هوش مصنوعی عمومی)
هوش مصنوعی عمومی شکل بالقوهای از هوش مصنوعی است که میتواند هر کار فکری که یک انسان قادر به انجام آن است را انجام دهد.
۵- هوش مصنوعی عاملیتمحور
هوش مصنوعی عاملیتمحور به سیستمهایی اشاره دارد که برای تصمیمگیری مستقل، برنامهریزی و اجرای وظایف جهت دستیابی به اهداف با حداقل دخالت انسان طراحی شدهاند.
۶- مدل هوش مصنوعی
یک مدل، سامانهای هوش مصنوعی است که روی مجموعهای از دادهها آموزش دیده تا الگوها را تشخیص دهد، پیشبینی کند یا محتوای جدید ایجاد نماید.
نمونههایی مانند مدل GPT-4 از OpenAI یا مدل Gemini 1.5 Flash از گوگل.
۷- الگوریتم
الگوریتم مجموعهای از قواعد یا دستورالعملها است که برای توانمندسازی ماشینها جهت یادگیری از دادهها، تصمیمگیری یا انجام وظایف طراحی میشود.
۸- مدل زبانی بزرگ (مدل زبانی بزرگ)
مدل زبانی بزرگ نوعی از هوش مصنوعی است که روی حجم عظیمی از دادههای متنی آموزش دیده تا زبان شبیه به انسان را درک کرده و تولید کند.
۹- چندوجهی
چندوجهی مدلهایی را توصیف میکند که میتوانند چندین نوع داده مانند متن، تصویر، صدا و ویدیو را پردازش و تولید کنند.
نمونهای مانند Gemini 1.5 از گوگل که میتواند متن، تصویر، صدا، ویدیو و کد را پردازش و تولید کند.
۱۰- یادگیری ماشین (یادگیری ماشین)
یادگیری ماشین زیرمجموعهای از هوش مصنوعی است که به سیستمها امکان یادگیری از دادهها، شناسایی الگوها و تصمیمگیری یا پیشبینی را میدهد.
۱۱- یادگیری عمیق (یادگیری عمیق)
یادگیری عمیق زیرمجموعهای از یادگیری ماشین است که از شبکههای عصبی چندلایه برای یادگیری الگوهای پیچیده و ایجاد خروجیهای بسیار دقیق استفاده میکند.
۱۲- دستور (پرامپت)
دستور ورودی متنی است که به یک مدل هوش مصنوعی داده میشود تا پاسخ آن را هدایت یا خروجی مطلوب را تولید کند.
نمونهای مانند: یک ایمیل برای ذینفعان بنویس، آنها را از محدوده و هدف اسپرینت آگاه کن و به اسپرینت ریویو آینده دعوت کن.
۱۳- مهندسی دستور (مهندسی پرامپت)
فرآیند طراحی دستورهای مؤثر برای تولید پاسخهای بهتر و مورد نظر.
۱۴- یادگیری نظارتشده
یادگیری نظارتشده رویکردی برای آموزش مدل است تا از دادههای برچسبدار ورودی-خروجی جفتشده یاد بگیرد و خروجیها را برای ورودیهای جدید و دیدهنشده پیشبینی کند.
۱۵- یادگیری نظارتنشده
یادگیری نظارتنشده رویکردی برای آموزش مدل است که در آن مدل الگوها و ساختارها را درون دادههای بدون برچسب کشف میکند.
۱۶- یادگیری تقویتی
یادگیری تقویتی رویکردی برای آموزش مدل است که در آن مدل یاد میگیرد تصمیمات خود را بر اساس دریافت پاداش و جریمه برای اقدامات بهینهسازی کند.
نمونهای مانند زمانی که رایانهها یاد میگیرند شطرنج بازی کنند.
۱۷- مدل انتشار (دیفیوژن)
مدل انتشار یک تکنیک هوش مصنوعی مولد است که با اضافه کردن تدریجی نویز به داده و سپس حذف نویز برای خلق خروجیهای جدید مانند تصاویر یاد میگیرد.
نمونهای اینکه اغلب تصاویر هوش مصنوعی توسط مدلهای انتشار تولید میشوند.
۱۸- تولید تقویتشده با بازیابی (تولید تقویتشده با بازیابی)
تولید تقویتشده با بازیابی یک تکنیک هوش مصنوعی است که مدلهای زبانی بزرگ را با بازیابی اطلاعات از منابع بیرونی برای تولید پاسخهای دقیقتر و آگاهتر از زمینه بهبود میبخشد.
نمونهای مانند دادن سند خطمشی منابع انسانی شرکت خود به یک مدل، سپس کارکنان میتوانند بپرسند چگونه از پارکینگ شرکت استفاده کنند یا چگونه تلفن همراه کاری داشته باشند.
۱۹- تنظیم دقیق (فاینتیونینگ)
تنظیم دقیق آموزش بیشتر یک مدل هوش مصنوعی ازپیشآموزشدیده روی مجموعه دادهای کوچکتر و وابسته به حوزه خاص برای بهبود عملکرد آن در یک حوزه خاص است.
نمونههایی مانند تنظیم دقیق یک مدل برای حوزههای پزشکی یا حقوقی.
۲۰- نشانه (توکن)
نشانه واحد بنیادی متنی است که یک مدل هوش مصنوعی پردازش میکند، که میتواند یک کلمه، بخشی از یک کلمه یا حتی یک نویسه باشد.
ابزارهای هوش مصنوعی برای موارد استفاده گوناگون اسکرام مستر
این مجموعه کاملی از جعبه ابزار هوش مصنوعی برای اسکرام مسترهاست:
چهارچوب تسلط بر هوش مصنوعی
یک اسکرام مستر آگاه به هوش مصنوعی، از هوش مصنوعی در چارچوب چهاربعدی تسلط بر هوش مصنوعی استفاده میکند تا اطمینان حاصل کند تعاملاتش با هوش مصنوعی مؤثر، کارآمد، اخلاقی و امن است.
این چهارچوب چهار جنبه دارد:
۱- تفویض
تعیین اهداف و تصمیمگیری درباره اینکه آیا، چه زمانی و چگونه با هوش مصنوعی تعامل کنیم.
۲- توصیف
توصیف مؤثر اهداف برای دستوردهی به رفتارها و خروجیهای مفید هوش مصنوعی.
۳- تشخیص
ارزیابی دقیق مفید بودن خروجیها و رفتارهای هوش مصنوعی.
۴- دقت و مسئولیتپذیری
پذیرش مسئولیت آنچه با هوش مصنوعی انجام میدهیم و نحوه انجام آن.
چکلیست دوم: هوش مصنوعی برای تسلط در اسکرام مستری
چکلیست دوم ۲۰ مورد شامل موارد زیر است:
- تسهیل جلسات و همکاری تیم اسکرام
- بهبود برنامهریزی اسپرینت
- بهبود اسکرام روزانه
- بهبود اسپرینت ریویو
- بهبود اسپرینت رتروسپکتیو
- بهبود پالایش بکلاگ محصول
- هماهنگی وظایف تکراری با عاملهای هوش مصنوعی
- ایجاد تعریف انجامشده (تعریف انجام)
- ایجاد چشمانداز محصول (هدف محصول)
- ایجاد هدف اسپرینت
- حل تعارضات
- رفع موانع
- کوچینگ و منتورینگ
- آموزش موضوعات اسکرام
- مدیریت بکلاگ محصول
- نوشتن معیارهای پذیرش
- ارتباط قدرتمند پیامهای تیم اسکرام
- ارائه ابتکارهای بهبود
- طراحی و ردیابی معیارهای عملکرد
- انجام تحلیل احساسات
به هر جنبه امتیازی از ۱ تا ۱۰ بدهید تا آگاهی خود از هوش مصنوعی برای تسلط در اسکرام مستری را ارزیابی کنید.
بیایید در مورد سه مورد استفاده صحبت کنیم.
بهبود اسکرام روزانه
۱- پیش از اسکرام روزانه
از هوش مصنوعی استفاده کنید تا ابزارهای مدیریت وظیفه شما مانند جیرا، Azure DevOps و غیره و ابزارهای ارتباطی تیم مانند اسلک، اماس تیمز و غیره را تحلیل کرده و بینشهای مورد نظر شما از روز قبل را ایجاد کند، که ورودی شما برای اسکرام روزانه امروز خواهد بود، شامل:
- داستانهایی که بیش از حد طولانی گیر کردهاند
- تخلفات کار در جریان
- کارهای برنامهریزینشده (باگها، درخواستهای فوری، …)
- هر گونه مانع
- احساسات تیم
- احتمال دستیابی به هدف اسپرینت
- …
نتیجه: تیم وارد اسکرام روزانه میشود در حالی که از قبل آگاه است کجا نیاز به بازرسی دارد، در زمان صرفهجویی میکند و آن را مؤثرتر میسازد.
برای آمادهسازی تیم برای اسکرام روزانه تقویتشده با هوش مصنوعی، باید سه چیز را تنظیم کنید:
۱.۱. ایجاد یک کانال/گروه برای اضافه و جمعآوری بینشهای ایجادشده (مانند کانال اسلک، گروه اماس تیمز، …)
۱.۲. ایجاد یک عامل هوش مصنوعی برای ارتباط با ابزارهای مدیریت وظیفه شما (جیرا، Azure DevOps، …)
زمانبندی کنید که عامل هوش مصنوعی شما ۱۰ دقیقه پیش از اسکرام روزانه هر روز اجرا شود تا تمام تغییرات در طول روز گذشته را شناسایی کند، بینشهای لازم را تولید کند و آنها را به کانال اسکرام روزانه اضافه نماید.
*** میتوانید از Make.com، n8n، Zapier و غیره برای ایجاد عاملهای هوش مصنوعی خود استفاده کنید. توصیه من Make.com است که ساده و کاربرپسند است.
۱.۳. ایجاد یک عامل هوش مصنوعی برای اتصال به ابزارهای ارتباطی شما (اسلک، اماس تیمز، …)
زمانبندی کنید که عامل هوش مصنوعی شما ۱۰ دقیقه پیش از اسکرام روزانه هر روز اجرا شود تا تمام گفتگوهای روز گذشته را مرور کند، بینشهای لازم را تولید کند و آنها را به کانال اسکرام روزانه اضافه کند.
۲- در طول اسکرام روزانه
هوش مصنوعی را دستیار هوشمند جلسه خود کنید. برای این کار، از یک یادداشتبردار جلسه هوش مصنوعی استفاده کنید. ابزارهای زیر گزینههای خوبی هستند: Fireflies.ai, Otter.ai, Tactiq.io
(آنها به راحتی با ابزارهای ارتباطی شما مانند اماس تیمز، زوم و … یکپارچه میشوند)
آنها بیصدا در پسزمینه کار میکنند تا یادداشتهای اسکرام روزانه را بردارند.
از دو صفحه نمایش در اسکرام روزانه خود به صورت زیر استفاده کنید:
*** در صفحه کمک هوش مصنوعی، میتوانید به تمام ورودیهای هوش مصنوعی دسترسی داشته باشید، از جمله کانال اسکرام روزانه برای بینشهای تولیدشده توسط هوش مصنوعی، هشدارها و پرچمهای تولیدشده توسط هوش مصنوعی در طول جلسه و بیشتر.
اسکرام روزانه در دو خط موازی اتفاق میافتد.
خط ۱: تیم
۱- تیم بینشهای روز قبل را که دقیقاً پیش از جلسه توسط هوش مصنوعی تولید شده بررسی میکند.
۲- تیم گفتگو را حول بازرسی پیشرفت به سمت هدف اسپرینت شروع میکند.
۳- تیم یک برنامه عملی برای امروز میسازد تا احتمال دستیابی به هدف اسپرینت را به حداکثر برساند.
۴- تیم موانع و مشکلات را به اشتراک میگذارد و مشخص میکند چگونه میخواهد با آنها برخورد کند.
خط ۲: دستیار هوش مصنوعی
دستیار هوش مصنوعی شما با ارائه هشدارهای بهموقع کمکتان میکند:
- تیم را هشدار دهد تا به هدف اسپرینت بازگردد
- زمانی که تیم به سمت حل مسئله منحرف میشود پرچمگذاری کند
- موانع تکراری را پرچمگذاری کند
- به آرامی زمانی که کسی زمان خود را بیش از حد استفاده میکند هشدار دهد
- زمانی که زمان رویداد به پایان میرسد هشدار دهد
گفتگوهای شما در اسکرام روزانه باید از گزارش فعالیت به سمت بازرسی معطوف به هدف اسپرینت تغییر کند.
۳- پس از اسکرام روزانه
یادداشتبردار جلسه هوش مصنوعی و عاملهای هوش مصنوعی خود را تنظیم کنید تا کارهای زیر را انجام دهند:
الف- ایجاد یک خلاصه از اسکرام روزانه
ب- فهرست کردن موانع و نحوه برخورد مورد نظر تیم با آنها
ج- فهرست کردن تصمیمات گرفتهشده برای روز در اسکرام روزانه
د- اطلاعرسانی به اسکرام مستر درباره مشکلات
ه- تنظیم جلسات جداگانه برای حل مسائل اعلامشده و دعوت از اعضای تیم (برای این مورد، باید یک عامل هوش مصنوعی تنظیم کنید)
بینشهای هوش مصنوعی در سطح اسپرینت
اسکرام مسترها میتوانند از بینشهای تولیدشده توسط هوش مصنوعی در سطح اسپرینت زیر برای اسپرینت رتروسپکتیوها، گفتگوهای کوچینگ خصوصی و تنظیم توافقات تیم استفاده کنند:
- موانع و مشکلات تکرارشونده
- داستانهایی که مکرراً از یک اسپرینت به اسپرینت بعدی سرریز میکنند
- اسکرامهای روزانهای که به جلسات وضعیت منحرف میشوند
- اسکرامهای روزانهای که به سمت حل مسئله منحرف میشوند
- داستانهایی که مکرراً به عنوان «تقریباً تمامشده» اعلام میشوند
- همان افرادی که همیشه موانع را گزارش میدهند
- چه کسی بیشترین/کمترین صحبت را میکند
- آیا بهروزرسانیها مبتنی بر وظیفه هستند یا مبتنی بر هدف
- سطح مثبت بودن اسکرامهای روزانه
- پایبندی به محدوده زمانی رویداد
تعریف یک اسکرام روزانه تقویتشده با هوش مصنوعی «خوب»
- هدف اسپرینت مرکز گفتگو است
- یک برنامه عملی واضح برای امروز تولید میکند
- بینشها تولید و استفاده میشوند
- اعضای تیم هشدارهای بهموقع دریافت میکنند
- موانع قابل مشاهده هستند
- مثبت، سازنده است و زود یا سر وقت پایان مییابد
- تیم با دانش دقیق از کاری که باید بعد انجام دهد خارج میشود
هماهنگی وظایف تکراری با عاملهای هوش مصنوعی
عامل هوش مصنوعی یک سامانه نرمافزاری خودمختار است که از هوش مصنوعی برای درک محیط خود، تصمیمگیری و اقدام برای دستیابی به یک هدف خاص بدون مداخله مداوم انسان استفاده میکند.
تصور کنید روزانه دهها تیکت پشتیبانی مشتری دریافت میکنید. ارائهدهنده ایمیل شما Outlook است. مشتریان گاهی ممکن است درخواست ویژگی جدیدی کنند. حالا میخواهید یک عامل هوش مصنوعی تنظیم کنید تا ایمیلهای دریافتی را رصد کند. اگر ویژگی جدیدی کشف کرد، آن را به بکلاگ محصول شما که در Trello است اضافه کند.
این عامل هوش مصنوعی را جمعآوریکننده داستان کاربر مینامیم. میتواند زمان زیادی از شما را آزاد کند تا از آن برای کار استراتژیک استفاده کنید.
برای ساختن عاملهای هوش مصنوعی، میتوانید از Make.com استفاده کنید که یک ابزار هوش مصنوعی شگفتانگیز برای خودکارسازی وظایف تکراری شماست.
من قبلاً یک ویدیو درباره ساختن این عامل هوش مصنوعی ضبط کردهام. برای تماشای آن اینجا کلیک کنید.
ایجاد چشمانداز محصول
چشمانداز محصول یک «ستاره قطبی» راهنمای مشترک برای کل سازمان فراهم میکند. این چشمانداز انرژی تمام تیمها را در یک جهت واحد متمرکز میکند.
برای ایجاد یک چشمانداز محصول جذاب، از چهارچوب ۳x3 استفاده کنید که شما را راهنمایی میکند تا به جنبههای گوناگون محصول خود فکر کنید.
ببینید چگونه یک ویدیوی چشمانداز محصول جذاب برای یک پلتفرم یادگیری دوطرفه به نام «MetaLearn» ایجاد کردم. برای تماشای ویدیو اینجا کلیک کنید.
فرآیند ایجاد یک ویدیوی چشمانداز محصول با هوش مصنوعی
گام ۱: مفهوم اصلی چشمانداز محصول خود را با چهارچوب ۳X3 ایجاد کنید.
گام ۲: از یک ابزار مدل زبانی بزرگ (مانند Google Gemini) بخواهید یک سناریوی فیلمنامه برای ویدیوی چشمانداز شما ایجاد کند.
گام ۳: برای هر صحنه از چشمانداز خود (۵-۱۰ ثانیه) یک ویدیو با یک ابزار تولید ویدیوی هوش مصنوعی مانند Freepik ایجاد کنید.
گام ۴: متن روایت را به یک ابزار تولید صدای هوش مصنوعی مانند ElevenLabs بدهید، یک صدای خوب انتخاب کنید و نتیجه را دانلود کنید.
گام ۵: اضافه کردن تمام این مواد به یک ابزار ویرایش ویدیو مانند Camtasia برای ترکیب آنها و ایجاد نتیجه نهایی.
حالا شما هر آنچه برای شروع سفر هوش مصنوعی خود نیاز دارید در اختیار دارید. موفق باشید!
مطالب مرتبط
مزایا و محدودیتهای هوش مصنوعی در اسکرام
هوش مصنوعی در حال دگرگون کردن نقش سرپرست اسکرام در تیم های چابک است. این فناوری می تواند با خودکارسازی گزارش ها، تحلیل حال وهوای تیم و پیش بینی خطرها،...
چگونه با محدود کردن کارهای همزمان کیفیت کار را بالا ببریم؟
محدود کردن حجم کارهای در حال انجام، یکی از قدرتمندترین اهرم ها برای بهبود عملکرد تیم هاست. این روش ساده با کاهش جابجایی بین وظایف و تمرکز بر اتمام کار...
نقش راهبر اسکرام در تقویت ایمنی روانی اعضا
ایمنی روانی یک عامل کلیدی و گاه نادیده گرفته شده در موفقیت تیم های چابک است. این فضا به اعضا اجازه می دهد بدون ترس از قضاوت، سوال بپرسند، اشتباهات را...
دیدگاه ها