ارائه داره آماده می‌شه…
از نتیجهٔ کسب‌وکار شروع کن؛ کارها رو به هم متصل کن و سیستم‌های بهبودپذیر بساز.
هوش مصنوعی باید ارزش بیشتری بسازد: ظرفیت بالاتر، کیفیت بهتر و هزینهٔ کمتر برای انجام کار.
وظیفه یک اقدام مشخص است؛ ورک‌فلو کارها رو متصل می‌کنه؛ سیستم این روش کار رو تکرارپذیر می‌سازه.
از یک مسئلهٔ تکرارشونده شروع کن، کار رو بازطراحی کن و پیش از گسترش، نتیجه رو اثبات کن.
پیش از انتخاب فناوری، ورودی، تصمیم‌ها، اقدام‌ها و نتیجه رو مشخص کن.
ورک‌فلوهای آزموده رو ترکیب کن تا روش انجام یک دسته از کارهای واحد تغییر کند.
دپارتمان‌ها زیرساخت مشترک دارند، اما زمینه، ورک‌فلوها و معیارهای موفقیت خود رو حفظ می‌کنند.
کارها رو به ورک‌فلو متصل کن؛ ورک‌فلو رو به سیستمی قابل‌اتکا تبدیل کن و سیستم‌های اثبات‌شده رو در دپارتمان‌ها به کار بگیرید.
مقصد روشن است؛ حالا یک ورک‌فلو ارزشمند رو به نتیجه‌ای تکرارپذیر تبدیل کن.
افراد، اطلاعات، تصمیم‌ها و محدودیت‌های فرایند فعلی رو شناسایی کن.
پیش از خودکارسازی، اتلاف رو حذف کن، تصمیم‌ها رو روشن کن و جایگاه قضاوت انسانی رو حفظ کن.
مهارت‌ها، ایجنت‌ها، کد، ابزار ورک‌فلو، اتصال MCP، API یا انسان رو در جای مناسب به کار بگیرید.
ورک‌فلو جدید رو کنار فرایند فعلی اجرا کن و کیفیت رو روی کارهای قابل‌مقایسه بسنجید.
درخواست پشتیبانی به ورک‌فلوی متصل، همراه با کنترل، ارجاع و بازخورد تبدیل می‌شه.
فرایند تکرارپذیر به چرخهٔ تصمیم‌گیری، مسئولیت روشن و تیم اجرا نیاز دارد.
هدف: دو برابر خروجی با نصف هزینهٔ عملیاتی؛ هر بار یک ورک‌فلو.
واقعیت‌ها، ردّ اجراها و بازخوردها رو جمع کن تا اتلاف زمان، هزینه و کیفیت آشکار شود.
با تکیه بر شواهد، بهبود بعدی رو اولویت‌بندی و ملاحظات تصمیم رو ثبت کن.
اجرا رو به هارنس، ورک‌فلوها و ابزارها بسپارید؛ مسئولیت تصمیم‌های مهم با انسان بماند.
نتیجه رو با هدف مقایسه کن و آموخته‌ها رو وارد چرخهٔ بعدی کن.
هدف ← مشاهده ← تصمیم ← اقدام ← ارزیابی؛ چارچوبی برای هدایت هارنسِ اجرای کار.
چرخهٔ مدیریت مسیر رو تعیین می‌کنه؛ متخصصان هر تصمیم رو به سیستم‌های عملی تبدیل می‌کنند.
تحلیل کسب‌وکار، مهندسی ایجنت و مشاهده‌پذیری، اولویت‌ها رو به طراحی سیستم و نتایج قابل‌اندازه‌گیری متصل می‌کنند.
تحلیلگران فرایند، شیوهٔ واقعی انجام کار و فرصت‌های مؤثر برای بازطراحی رو پیدا می‌کنند.
معماری، زمینه، مدل‌ها و ابزارها رو برای رسیدن به یک نتیجهٔ کسب‌وکار هماهنگ می‌کنه.
مهندسان، ایجنت‌ها، ورک‌فلوها و اتصال‌هایی می‌سازند که افراد بتوانند به آن‌ها تکیه کنند.
مهندس ارزیابی از ابتدا ردّ اجرا، بررسی کیفیت و نتیجهٔ کسب‌وکار رو به هم متصل می‌کنه.
هر دپارتمان مسئول نتایج خود است؛ تیم تحول به بهبود مستمر آن کمک می‌کنه.
تیم به زیرساخت مشترکی برای زمینه، اجرا، حافظه و شواهد نیاز دارد.
هوش مصنوعی برای تصمیم مفید به راهبرد، سیاست‌ها، دانش، افراد و سیستم‌های شما نیاز دارد.
این محصول، زمینه، حافظه، هارنس، ابزارها، کنترل‌ها و مشاهده‌پذیری رو در یک محیط کاری جمع می‌کنه.
یک سیستم‌عامل هوش مصنوعی، دانش، هارنس و ابزارهای اجرا رو به نتایج کسب‌وکار متصل می‌کنه.
زمینه، اجرا و شواهد در یک محیط کاری قابل‌بررسی کنار هم قرار می‌گیرند.
شیوهٔ اجرای کار رو ببینید؛ سپس با همان هارنس و از طریق MCP ورک‌فلو بساز.
پرامپت، وظیفه، محرک یا رویداد، کار مشخصی رو به هارنس می‌سپارد.
درخواست، دانش، ابزارها و محدودیت‌های مرتبط با همین وظیفه رو بارگذاری کن.
محیط اجرا استدلال می‌کنه، ابزار فراخوانی می‌کنه و نتیجه رو می‌بیند تا معیارهای تکمیل کار محقق شوند.
هر جا تخصص نتیجه رو بهتر می‌کنه، پژوهش، ساخت، تحلیل یا بازبینی رو به عامل متخصص بسپارید.
پیش از پذیرش نتیجه، درستی، رعایت سیاست‌ها و کامل بودن کار رو بررسی کن.
ردّ زمینه، فراخوانی مدل، ابزارها، زمان، هزینه، خطاها و خروجی‌های تولیدشده رو نگه دارید.
زمینه، محیط اجرا، ابزارها، عامل‌ها و کنترل‌ها یک چرخهٔ اجرای قابل‌مشاهده می‌سازند.
ورک‌فلو رسیدگی به مشکل تحویل رو درخواست کنیم، سیاست و آزمون‌های پذیرش رو پیوست کنیم و انتشار رو تا بازبینی غیرفعال نگه داریم.
با ابزارهای مستندِ کشف و ساخت، ورک‌فلو ایجاد و ساختار آن رو بررسی کنیم؛ این نمایش، یک مثال توضیحی است.
ساختار ورک‌فلو رو اعتبارسنجی کنیم؛ سپس موارد نمونه رو با نتایج موردانتظار بسنجیم. ساختار معتبر، کیفیت پاسخ رو ثابت نمی‌کنه.
سفارش نامشخص نباید تاریخ تحویل ساختگی تولید کند؛ شاخهٔ مربوط رو اصلاح و آزمون شکست‌خورده و آزمون‌های بازگشت رو تکرار کنیم.
اجرا شواهد تولید می‌کنه؛ حافظه، دانش و روش‌های قابل‌استفادهٔ مجدد رو نگه می‌دارد.
حافظهٔ رویه‌ای روش‌های آزموده رو نگه می‌دارد تا اجرای بعدی از آن‌ها استفاده کند.
حافظهٔ معنایی، واقعیت‌ها و دانش مفید رو همراه با منبع در دسترس نگه می‌دارد.
حافظهٔ رویدادی، موقعیت‌ها، تصمیم‌ها و نتایج گذشته رو که ارزش یادگیری دارند ثبت می‌کنه.
اطلاعات مرتبط رو بازیابی کن، موارد اضافی رو کنار بگذارید و زمینه‌ای متمرکز بساز.
روش‌ها، واقعیت‌ها و تجربه، ورودی کار هستند؛ نتیجه نیز آموخته‌ای تازه اضافه می‌کنه.
پیش از گسترش، اجرا رو ردیابی کن، کیفیت رو ارزیابی کن و نتیجهٔ کسب‌وکار رو بسنجید.
اجرا رو از زمینهٔ اولیه تا هر اقدام و خروجی نهایی دنبال کن.
درستی، ارتباط، رعایت سیاست و موفقیت وظیفه رو با آستانه‌های مشخص بسنجید.
زمان، هزینه، کیفیت و میزان استفاده رو در نسبت با هدف کسب‌وکار مقایسه کن.
مشاهده‌پذیری به «مشاهده» و ارزیابی‌های کیفیت و نتایج کسب‌وکار به «ارزیابی» ورودی می‌دهند.
روش موفق رو گام‌به‌گام و با سنجش نتیجه، به ورک‌فلوها و دپارتمان‌های جدید گسترش دهید.
هر دپارتمان روی یک زیرساخت سراسری، به سمت نتایج خود حرکت می‌کنه.
چارچوب مدیریت، تیم تحول و کاروایز چرخهٔ بعدی رو بهتر می‌کنند: هدف ← مشاهده ← تصمیم ← اقدام ← ارزیابی.