این راهنمای بنیادین توضیح میدهد طراحی جریان کار هوشمند از ورودی اولیه تا تحویل فقط کنار هم چیدن چند ابزار نیست و چگونه باید با دامنه مسئله، داده نمونه، معیار پذیرش و بازبینی انسانی شروع کرد تا خروجی واقعاً قابل استفاده شود.
خروجی مورد انتظار این راهنما یک خروجی اجرایی واقعی است، نه یک برداشت کلی. در پایان باید بتوانید مرز کار، معیار پذیرش و مسیر بازبینی انسانی را روی کاغذ یا در ابزار تیم ثبت کنید.
این آموزش برای چیست؟
این آموزش برای تیمهای عملیات، عملیات محصول و دفتر مدیریت پروژه طراحی شده است تا قبل از رفتن به سراغ ابزار یا فروشنده، مرز بهکارگیری طراحی جریان کار هوشمند از ورودی اولیه تا تحویل را روشن کند و بداند چه چیزی باید خودکار شود و چه چیزی باید همچنان زیر نظر انسان بماند.
پیشنیازها
- یک مسئله واقعی از جنس تیمهای عملیات، عملیات محصول و دفتر مدیریت پروژه
- نمونه داده یا ورودی قابل اتکا مثل نقشه فرایند، نقشهای درگیر، ورودی/خروجی هر مرحله و خطاهای رایج
- مسئول مشخص برای بازبینی و تصمیمگیری روی خروجی
- یک سنجه روشن از جنس زمان چرخه، نرخ تحویل درست و بار بازکاری در هر مرحله
مرحله 1: مسئله و مرز تصمیم را روشن کنید
بهجای شروع از ابزار، ابتدا معلوم کنید چه تصمیمی قرار است بهتر شود و مرز اتکا کجاست. اگر نقش هوش مصنوعی در جریان کار روشن نشود، هم کاربر گیج میشود و هم تیم عملیات نمیفهمد خطا از کجا آمده است.
مرحله 2: ورودیهای واقعی را جمع کنید
تا وقتی نمونه واقعی در دسترس نباشد، طراحی شما روی مسیرهای ساده میماند. برای این مرحله نقشه فرایند، نقشهای درگیر، ورودی/خروجی هر مرحله و خطاهای رایج را جمعآوری و برچسبگذاری کنید.
مرحله 3: خروجی اجرایی اولیه را تعریف کنید
از روز اول مشخص کنید خروجی نهایی چه شکلی است. در این موضوع، خروجی اجرایی اصلی شما نقشه کارها، ماتریس مسئولیت، مسیر استثنا و معیار تحویل است و باید قابل بازبینی باشد.
مرحله 4: موارد مرزی را جداگانه ببینید
بخش زیادی از خطا بعداً از همین نقطه میآید. درخواست ناقص، استثنای فرایندی و کارهایی که نیازمند قضاوت انسانی هستند را از مسیرهای ساده جدا کنید و برای هرکدام قاعده یا مسیر جایگزین مشخص بگذارید.
مرحله 5: پایلوت کوچک و قابلسنجش ببندید
اولین پایلوت باید دامنه محدود اما قابلاندازهگیری داشته باشد تا تیم بتواند روی زمان چرخه، نرخ تحویل درست و بار بازکاری در هر مرحله مبنای واقعی بسازد.
سناریوی نمونه
گروهی که میخواهد هوش مصنوعی را در یک جریان واقعی وارد کند، نه اینکه فقط یک چتبات جداگانه کنار فرایند اصلی داشته باشد.
نمونه ورودی
یک فرایند ثبت درخواست، اولویتبندی، تهیه پاسخ اولیه و تحویل به کارشناس با SLA و قاعده ارجاع.
نمونه خروجی
جریان کار چندمرحلهای با ورودی اولیه هوش مصنوعی، اعتبارسنجی، بازبینی انسانی و ثبت نتیجه در سیستم اصلی.
محدودیتها و خطاهای رایج
- شروع از نسخه نمایشی بدون اینکه زمان چرخه، نرخ تحویل درست و بار بازکاری در هر مرحله تعریف شده باشد
- قفلشدن روی ابزار قبل از روشن شدن مسئول و مرز اتکا
- اگر نقش هوش مصنوعی در جریان کار روشن نشود، هم کاربر گیج میشود و هم تیم عملیات نمیفهمد خطا از کجا آمده است.
نتیجه نهایی
در پایان این آموزش باید جریان کار قابلاجرا با مسیر تحویل روشن را در اختیار داشته باشید؛ یعنی یک تعریف روشن از دامنه، ورودی، خروجی، ریسک و بازبینی که بتواند مبنای پایلوت بعدی شود.
قدم بعدی
در هر جریان کار یک نقشه خطا بسازید تا معلوم شود خطا از ورودی، مدل، قواعد یا تحویل آمده است.