«باید دوباره روی ریل بیاییم» اقدام اصلاحی نیست

وقتی تاریخ تحویل از برنامه فاصله می‌گیرد، واکنش پیش‌فرض تیم معمولاً کار قهرمانانه است: اضافه‌کاری، وعده‌های مبهم درباره محدوده، و حذف بی‌صدا برخی قابلیت‌ها. رهبری یک «برنامه اصلاحی» روی اسلاید می‌گذارد، اما هیچ‌کس نمی‌گوید دقیقاً چه چیزی عوض می‌شود: تاریخ، محدوده، نیروی انسانی، یا توقف کارهای موازی.

پیشنهاد اقدام اصلاحی با هوش مصنوعی باید یک مجموعه گزینه ساخت‌یافته باشد، نه متن انگیزشی. ابزار شبیه‌سازی سناریو (simulate_scenario) در WKFGo آینده‌های مختلف — تأخیر انتشار، کاهش محدوده، افزودن نیرو، توقف پروژه — را روی ابعاد زمان، محدوده، هزینه و ریسک با فرض‌های صریح مقایسه می‌کند. انسان با resolve_decision_item و log_decision تصمیم را ثبت می‌کند؛ هوش مصنوعی به‌تنهایی بازیابی را اجرا نمی‌کند.

مشکل: نمایش اصلاحی بدون محتوای واقعی

برنامه‌های بازیابی شکست‌خورده الگوی مشترکی دارند:

برنامه اصلاحی در رشته ایمیل می‌میرد و وقتی بحران بعدی شروع می‌شود، همان بحث‌ها تکرار می‌شود.

علائم و هزینه

علامت هزینه
برنامه اصلاحی بدون مسئول اجرا نمی‌شود
کاهش محدوده فقط روی کاغذ تاریخ همچنان لغزش می‌کند
افزودن نفر بدون رفع گلوگاه هزینه بالا، تأخیر همان
پیش‌بینی ثبت‌نشده فصل بعد همان اشتباه تکرار می‌شود
چند برنامه اصلاحی همزمان سردرگمی تیم و ذینفع

چارچوب عملی: تشخیص → شبیه‌سازی → انتخاب → اجرا → کالیبراسی

۱. تشخیص — با executive_brief، get_project_report، flow_aging و واریانس مالی وضعیت را بخوانید. اگر داده‌ای نیست، صادقانه بگویید «شکاف داده داریم».

۲. شبیه‌سازی — با simulate_scenario هر مسیر ممکن را جداگانه اجرا کنید و کنار هم مقایسه کنید.

۳. انتخاب — در جلسه اجرایی یا با resolve_decision_item در صف تصمیم، مسیر را با مسئول نام‌دار انتخاب کنید.

۴. اجرا — تسک‌ها، ویکی و تخصیص‌ها را به‌روز کنید: update_status، حذف تسک‌های خارج از محدوده، تغییر بورد.

۵. کالیبراسی — پیش‌بینی را با log_decision ثبت کنید و در decision_log فصل بعد مقایسه کنید.

پیشنهاد هوش مصنوعی ورودی تصمیم است؛ نتیجه را نظم اجرایی تعیین می‌کند.

حالت‌های شبیه‌سازی سناریو

سناریو چه زمانی بررسی شود کد ابزار
تأخیر انتشار اگر قرارداد/کیفیت اجازهٔ جابه‌جایی تاریخ بدهد delay_release
کاهش محدوده اگر تاریخ ثابت است و کار کم‌ارزش قابل تعویق است cut_scope
افزودن نیرو اگر گلوگاه ظرفیت است نه وابستگی پیچیده add_people
توقف پروژه اگر پورتفولیو بیش‌بار است و باید شروع کار جدید قطع شود freeze_project

هوش مصنوعی باید سبک‌سنگین کردن گزینه‌ها را به زبان ساده و با متریک واقعی بگوید؛ درصد بازگشت سرمایه ساختگی نسازد.

اشتباهات رایج

نقش WKFGo

شروع از هشدار انحراف

وقتی decision_inbox ریسک لغزش را نشان می‌دهد:

  1. قبل از جلسه، خلاصه پروژه را بخوانید
  2. حداقل دو سناریو (مثلاً کاهش محدوده در برابر تأخیر انتشار) را شبیه‌سازی کنید
  3. نتیجه را در ویکی ثبت کنید با update_wiki_page
  4. در جلسه فقط تفاوت‌ها را بحث کنید و صف تصمیم را ببندید

بازیابی بحث‌برانگیز

وقتی مدیر مالی کاهش محدوده و مدیر محصول تأخیر انتشار می‌خواهد، executive_brief با دید مدیرعامل board.tensions را نشان می‌دهد. simulate_scenario هر دو مسیر را مدل می‌کند. مدیرعامل با اطمینان و ابهام‌های شناخته‌شده تصمیم می‌گیرد و log_decision می‌زند.

چک‌لیست بعد از انتخاب

الگوی اصلاحی بر اساس نوع شکست

نوع شکست شبیه‌سازی اول تمرکز اجرا
گلوگاه بازبینی افزودن نیرو در برابر کاهش محدوده سقف کار در جریان، فهرست بازبین
شکستن زنجیره وابستگی تأخیر انتشار در برابر حذف کار پایین‌دست به‌روزرسانی وابستگی‌ها
فراتر رفتن از بودجه کاهش محدوده در برابر توقف پروژه ثبت مالی، اطلاع ذینفع
فرار کیفیت تأخیر انتشار در برابر کاهش تست تسک تأیید، به‌روزرسانی ویکی

هوش مصنوعی سیگنال مشاهده‌شده را به این جدول وصل می‌کند — حالت جدید از خودش اختراع نمی‌کند.

جمع‌بندی

اقامت اصلاحی بدون شبیه‌سازی و بحث، اشتباه فصل قبل را تکرار می‌کند. قبل از حذف محدوده یا تأخیر، simulate_scenario را روی شاخه‌های واقعی اجرا کنید. مسیر انتخاب‌شده را با resolve_decision_item ثبت کنید — decision_log فصل بعد کالیبره می‌کند.

سؤالات متداول

آیا هوش مصنوعی اقدام اصلاحی را اجرا می‌کند؟
خیر. سناریو پیشنهاد می‌دهد و پیشرفت را روایت می‌کند؛ انسان تسک و تخصیص را به‌روز می‌کند.

چند سناریو کافی است؟
حداقل دو سناریو برای لغزش جدی؛ بیشتر اگر بحث هیئت‌مدیره داغ است.

آیا می‌توان روی هشدار خودکار شبیه‌سازی کرد؟
بله برای پیش‌خوان؛ انسان قبل از اطلاع‌رسانی خارجی تأیید می‌کند.

رابطه با صف تصمیم چیست؟
صف تصمیم (decision_inbox) شاخه را بالا می‌آورد؛ شبیه‌سازی به resolve_decision_item کمک می‌کند.

امتحان کنید

این الگوها را روی داده زنده پروژه اجرا کنید — نه اسلاید.