کار تیمی هوش مصنوعی و تیم مدیریت پروژه

در یکی از فازهای توسعه بیمارستان سیدرا در دوحه، تیم مدیریت پروژه با چالش هماهنگی بین چندین پیمانکار تخصصی روبه‌رو بود. فعالیت‌های تأسیسات پزشکی، سیستم‌های تهویه بیمارستانی و تجهیزات اتاق‌های جراحی همگی دارای وابستگی‌های پیچیده‌ای بودند.

هماهنگی میان پیمانکاران متعدد برای نصب سیستم‌های حیاتی (اتاق جراحی، تهویه، تصویربرداری پزشکی) یک چالش کلاسیک در چارچوب‌های مدیریت پروژه مانند PMBOK می باشد. با توجه به وابستگی شدید فعالیت‌ها، یک تأخیر کوچک می‌تواند اثر دومینو داشته باشد.

تیم مدیریت پروژه از یک سیستم تحلیلی مبتنی بر Machine Learning استفاده کرد که داده‌های Primavera، وضعیت سفارش تجهیزات پزشکی، گزارش‌های روزانه کارگاه، داده‌های مربوط به پیشرفت پیمانکاران را تحلیل می‌کرد. سیستم یک هشدار صادر کرد: «احتمال تأخیر بیش از ۴۰٪ در نصب تجهیزات اتاق‌های جراحی به دلیل تأخیر در تأیید نقشه‌های اجرایی پیمانکار تاسیسات.»

با توجه به این هشدار، تیم پروژه پیش از وقوع مشکل اقدامات اصلاحی انجام داد. ترتیب برخی فعالیت‌ها تغییر یافت و جلسات هماهنگی بیشتری با پیمانکاران برگزار شد. مدیر پروژه با تکیه بر این هشدار، بلافاصله یک جلسه هماهنگی برگزار و سه تصمیم کلیدی گرفت:

1. تغییر هوشمندانه ترتیب برخی فعالیت‌ها (Fast-Tracking).
2. افزایش جلسات هماهنگی فنی برای رفع سریع مغایرت‌ها.
3. تخصیص یک تیم مشترک برای بازبینی و تأیید نقشه‌ها.

نتیجه این تصمیم این شد که تأخیری که می‌توانست بیش از دو ماه پروژه را متوقف کند، به کمتر از دو هفته کاهش یافت.

این تجربه نشان داد که اگر چه هوش مصنوعی مشکل را حل نکرد، بلکه آن را با دقت و زودتر از انسان‌ها شناسایی کرد. این هم‌تیمی دیجیتال، دیدی شفاف برای تصمیم‌گیری به مدیر پروژه داد.