قابلیتهای تازه هوش مصنوعی به پلتفرم مدیریت پروژه دویتیفای اضافه شد
دویتیفای از مجموعهای از امکانات هوش مصنوعی برای تبدیل گفتگو به برنامه اجرایی و همکاری انسانها و ایجنتها خبر داده است. مجموعه امکانات هوش مصنوعی این پلتفرم، گفتگوی عمومی و دستیار تخصصی پروژه، ساخت وظایف و اسپرینت، تحلیل ریسک، مربی هوشمند و همکاری با ایجنتها را در بر میگیرد.

دویتیفای در ادامه مسیر نزدیک به ششساله توسعه خود، مجموعهای از قابلیتهای هوش مصنوعی را به محیط مدیریت پروژه و اهداف اضافه کرده است. بنا بر اعلام تیم این محصول، این تغییر با تمرکز بر دو موضوع دنبال میشود: تبدیل گفتگو و تصمیم به کارهای قابل پیگیری و فراهمکردن ارتباط میان اعضای انسانی تیم و ایجنتهای هوش مصنوعی.
دویتیفای (Doitify) بستری برای مدیریت پروژه، همکاری تیمی و مدیریت اهداف است. قابلیتهای هوشمند آن نیز در کنار همین ابزارها قرار گرفتهاند تا کاربر برای ایدهپردازی، برنامهریزی و بررسی وضعیت اجرا، مسیرهای جدا و بیارتباطی را طی نکند.
در این مجموعه، چت عمومی، کوپایلوت تخصصی، مربی هوشمند و محیط تیم هوش مصنوعی نقشهای متفاوتی دارند. MCP Server نیز راه ارتباط با ابزارهای خارجی سازگار را فراهم میکند. نقطه مشترک این بخشها، اتصال پیشنهادها و تصمیمها به اطلاعات و فعالیتهای پروژه است.
از گفتگوی عمومی تا ساخت تسک و اسپرینت
یکی از بخشهای هوش مصنوعی دویتیفای، محیط گفتگو است که در کنار دستیار تخصصی مدیریت پروژه، امکان پرسشهای عمومی، ایدهپردازی و مشورتگرفتن را فراهم میکند.
ارتباط این دو بخش، ویژگی مهم این تجربه است. کاربر میتواند ابتدا درباره موضوعی مانند راهاندازی یک محصول، برنامه بازاریابی یا توسعه کسبوکار گفتگو کند و پس از رسیدن به جمعبندی، از AI Copilot بخواهد بر اساس سابقه همان گفتگو، وظایف، زیرتسکها و اسپرینتهای موردنیاز را ایجاد کند.
برای مثال، گفتگویی درباره معرفی یک محصول جدید میتواند به برنامهای شامل آمادهسازی محتوا، توسعه صفحه معرفی، بررسی فنی و پیگیری فعالیتهای انتشار تبدیل شود. به این ترتیب، تصمیمها در تاریخچه گفتگو باقی نمیمانند و به ساختاری منتقل میشوند که اعضای تیم بتوانند اجرای آن را دنبال کنند.
این پیوند میان گفتگو و مدیریت پروژه، نیاز به بازنویسی دستی تصمیمها در یک ابزار جداگانه را کاهش میدهد و مسیر حرکت از ایده به اقدام را کوتاهتر میکند.
کاربرد این بخش به تیمهای برنامهنویسی محدود نیست. برای نمونه، یک تیم محتوا میتواند درباره موضوعات یک کمپین و ترتیب انتشار آنها مشورت بگیرد و سپس جمعبندی را به وظایف اجرایی تبدیل کند. در یک پروژه شخصی نیز کاربر میتواند ابتدا درباره هدف و محدودیتهایش گفتگو کند و بعد، برای مراحل مورد توافق برنامه بسازد. در هر دو حالت، مبنا همان اطلاعاتی است که در گفتگو و محیط کاری در اختیار دستیار قرار گرفته است.
AI Copilot؛ کمک به برنامهریزی و بررسی وضعیت پروژه
دستیار تخصصی مدیریت پروژه در دویتیفای برای کمک به برنامهریزی، ایجاد و سازماندهی وظایف و بررسی وضعیت فعالیتها ارائه شده است. تحلیل روند پیشرفت، شناسایی ریسکها و بحرانهای احتمالی و پیشنهاد اقدامهای اصلاحی نیز از کاربردهای این بخش هستند.
دامنه عملیات کوپایلوت به ساخت تسک محدود نیست و ایجاد یا ویرایش مواردی مانند مستندات پروژه، صورتجلسه، یادآوری، اقلام منشور پروژه و چکلیستها را نیز در بر میگیرد. این گستره به کاربر کمک میکند بخشهای مرتبط یک برنامه را در همان محیط سامان دهد؛ برای مثال، علاوه بر تعریف فعالیتها، مستند موردنیاز یا چکلیست انجام کار را نیز آماده کند.
در گردش کار دارای پیشنمایش، کاربر میتواند پیشنهاد آمادهشده را پیش از اعمال در پروژه بررسی کند. این تفکیک میان «پیشنهاد هوش مصنوعی» و «اعمال تغییر در محیط کاری» برای برنامههایی که چند وظیفه یا بخش مرتبط دارند اهمیت دارد و امکان بازبینی ساختار پیشنهادی را فراهم میکند.
تحلیل ریسک و گلوگاه؛ بررسی پروژه فراتر از تعداد کارهای انجامشده
یکی از کاربردهای تحلیلی هوش مصنوعی در دویتیفای، بررسی ارتباط میان وضعیت وظایف، اهداف پروژه، ظرفیت اعضا و موانع اجرایی است. در این رویکرد، گزارش وضعیت تنها به شمارش تسکهای تکمیلشده محدود نمیشود و میتواند موضوعاتی مانند کارهای عقبافتاده، توزیع بار کاری، پیشرفت اسپرینت و پوشش ریسکهای پروژه را نیز در بر بگیرد.
برای مثال، مدیر پروژه میتواند درباره علت انباشتهشدن کارها در بخشی از جریان اجرا سؤال کند یا بخواهد موانع احتمالی دستیابی به اهداف اسپرینت بررسی شوند. اطلاعات ثبتشده درباره وظایف، اعضا و محدودیتهای پروژه، مبنای این بررسی قرار میگیرد.
در کنار تحلیل وضعیت موجود، امکان طرح پرسشهای آیندهنگر و بررسی سناریوها نیز در نظر گرفته شده است؛ از جمله اینکه ادامه روند فعلی چه پیامدی برای تحویل کار دارد یا تغییر ظرفیت تیم چه اثری بر برنامه میگذارد. هدف، کمک به شناسایی زودتر گلوگاهها و بررسی اقدامهای اصلاحی است، نه صرفاً توصیف اتفاقاتی که قبلاً رخ دادهاند.
این تحلیلها جایگزین شناخت مدیران از شرایط واقعی پروژه نیستند. کیفیت دادههای ثبتشده، بهروز بودن اطلاعات و ارزیابی انسانی، در استفاده از پیشنهادهای هوش مصنوعی نقش دارند؛ بنابراین شناسایی ریسک احتمالی را نباید با پیشبینی قطعی نتیجه پروژه یکسان دانست.
قابلیتهای هوش مصنوعی دویتیفای در یک نگاه
|
قابلیت |
کاربرد اصلی |
نمونه استفاده |
|---|---|---|
|
چت عمومی هوش مصنوعی |
پرسش و پاسخ، مشورت و ایدهپردازی |
بررسی ایده راهاندازی محصول یا برنامه یک کمپین |
|
تبدیل گفتگو به برنامه اجرایی |
ایجاد وظایف، زیرتسکها و اسپرینتها از محتوای گفتگو |
تبدیل جمعبندی یک برنامه به کارهای قابل پیگیری |
|
AI Copilot |
کمک به برنامهریزی و ایجاد یا ویرایش اقلام پروژه |
آمادهسازی وظایف، چکلیست، مستند و صورتجلسه |
|
تحلیل پروژه و ریسک |
بررسی پیشرفت، گلوگاهها و سناریوهای احتمالی |
بررسی علت تأخیر و پیشنهاد بازنگری برنامه |
|
MCP Server |
اتصال ابزارها و ایجنتهای خارجی سازگار |
دریافت وظیفه و بهروزرسانی وضعیت آن از محیط ایجنت |
|
AI Workspace و AI Employees |
تعریف هدف و سازماندهی کار تیم هوش مصنوعی |
انتخاب اعضا، بازبینی برنامه و پیگیری خروجیها |
|
AI Coach |
پیوند هدفگذاری با برنامه و عملکرد روزانه |
مرور کارهای عقبافتاده و پیشنهاد اولویتهای روز |
MCP Server؛ پیوند محیط پروژه با ایجنتهای خارجی
یکی از محورهای فنی توسعه دویتیفای، ارائه MCP Server است. پروتکل Model Context Protocol یا MCP، امکان ارتباط ابزارهای هوش مصنوعی با دادهها و قابلیتهای سرویسهای دیگر را فراهم میکند. دویتیفای از این زیرساخت برای اتصال ایجنتهای خارجی به محیط مدیریت پروژه استفاده میکند.
ابزارهایی مانند OpenCode، Codex و Claude Code، در صورت پشتیبانی و پیکربندی اتصال MCP، میتوانند از این مسیر به دویتیفای متصل شوند. دامنه تعامل آنها به ابزارهای ارائهشده در سرور و مجوزهای اتصال بستگی دارد.
این ارتباط، امکان دریافت اطلاعات پروژه و وظایف و انجام عملیاتی مانند ایجاد یا ویرایش تسک، تغییر وضعیت فعالیتها و ثبت گزارش را در چارچوب دسترسیهای موجود فراهم میکند. کار با زیرتسکها و چکلیستها، مدیریت اسپرینتها، دسترسی به مستندات و ارسال پیام در کانال پروژه یا وظیفه نیز از دامنههای تعامل این زیرساخت هستند.
برای مثال، یک ایجنت برنامهنویسی میتواند اطلاعات یک وظیفه را از دویتیفای دریافت کند، در محیط توسعه خود روی آن کار کند و سپس نتیجه یا وضعیت فعالیت را به پروژه برگرداند. میزان خودکاربودن این گردش کار به توانایی ایجنت و تنظیمات آن وابسته است؛ اتصال MCP بهتنهایی به معنای اجرای مستقل همه مراحل نیست.
اهمیت این زیرساخت، ایجاد نقطهای مشترک برای هماهنگی است. بهجای آنکه فعالیت انسانها در ابزار مدیریت پروژه و فعالیت ایجنتها در محیطی جدا باقی بماند، اطلاعات و نتیجه کار میتواند در بستر پروژه ثبت و پیگیری شود. فراهمکردن چنین فضایی برای همکاری انسان و ایجنتهای هوش مصنوعی، از جهتگیریهای اصلی دویتیفای است.
اتصال با هویت کاربر و دسترسیهای مشخص
در این زیرساخت، عملیات ایجنت بر مبنای هویت کاربر متصل و مجوزهای او انجام میشود. به این معنا که اتصال یک ابزار خارجی نباید به آن اختیاری فراتر از دسترسیهای کاربر در پروژه بدهد. سازوکار اتصال از OAuth استفاده میکند و عملیات نوشتن نیز از مسیر کنترل مجوز و اعتبارسنجی تغییرات عبور میکند.
این تفکیک برای تیمهایی اهمیت دارد که میخواهند ایجنت را وارد جریان کار کنند، اما همچنان مسئولیتها و حدود دسترسی روشن بماند. در چنین مدلی، «امکان اتصال» با «دسترسی نامحدود» یکسان نیست و دامنه کار هر ابزار باید متناسب با نقش و نیاز آن تعیین شود.
محیط کاری و کارمندان هوش مصنوعی
دویتیفای در قالب AI Workspace و AI Employees، رویکرد نقشمحور به مشارکت هوش مصنوعی را نیز دنبال میکند. در این ساختار، کاربر هدف فعالیت و محدوده آن را مشخص میکند و اعضای تیم هوش مصنوعی را برای مشارکت در کار انتخاب میکند. تمرکز بر این است که کار محولشده، برنامه اجرا و خروجی مورد انتظار در یک محیط قابل پیگیری قرار بگیرند.
در تیمهای فنی، نقشهایی مانند معمار نرمافزار، توسعهدهنده و کارشناس کنترل کیفیت از نمونههای این رویکرد هستند. هدف، فراهمکردن چارچوبی برای مشارکت هوش مصنوعی در فعالیتهای تیم است، نه صرفاً ارائه چند پنجره گفتگو با نامهای متفاوت.
این محیط، بخشهایی برای مشاهده برنامه اجرا، مراحل پیشرفت، تعاملات تیم و خروجیها دارد. سابقه اجراها نیز به کاربر کمک میکند فعالیت جاری را از کارهای قبلی تفکیک کند و به نتایج آنها مراجعه داشته باشد.
حضور انسان در تصمیمهای اجرایی
در گردش کار مبتنی بر تأیید انسانی، برنامه پیشنهادی تیم هوش مصنوعی برای بازبینی ارائه میشود و کاربر میتواند آن را تأیید یا رد کند یا درخواست اصلاح بدهد. همچنین پرسشهایی که در جریان کار به نظر یا اطلاعات کاربر نیاز دارند، در بخش مشخصی قابل پیگیری هستند.
برای نمونه، اگر هدف یا محدودیتهای یک فعالیت بهاندازه کافی روشن نباشد، امکان پرسش از کاربر وجود دارد تا ادامه کار صرفاً بر پایه حدس پیش نرود. این سازوکار، نقش انسان را به دریافت خروجی نهایی محدود نمیکند و برای مشارکت او در نقاط تصمیمگیری نیز جای مشخصی در نظر میگیرد.
دامنه فعالیت هر نقش، میزان استقلال آن و نیاز به بازبینی انسانی، به امکانات در دسترس و نوع وظیفه بستگی دارد. عنوان «کارمند هوش مصنوعی» در اینجا به یک نقش نرمافزاری اشاره دارد، نه تضمین جایگزینی کامل متخصص انسانی یا اجرای بیخطای کار.
AI Coach؛ از هدفگذاری تا اقدامهای قابل پیگیری
مربی هوشمند یا AI Coach، بخش دیگری از مجموعه قابلیتهای هوش مصنوعی دویتیفای است. این قابلیت علاوه بر کمک به شفافسازی اهداف و بررسی مسیر دستیابی به آنها، به برنامهریزی روزانه و مرور عملکرد نیز میپردازد.
در بخش برنامه روزانه، اطلاعاتی مانند وظایف عقبافتاده، کارهای دارای موعد امروز و فردا و فعالیتهای هفته در کنار تنظیمات زمان کاری و سوابق موجود بررسی میشوند. هدف این است که پیشنهاد روزانه با وضعیت کاربر ارتباط داشته باشد، نه اینکه صرفاً مجموعهای از توصیههای عمومی درباره بهرهوری ارائه شود.
برای مثال، کاربری که چند وظیفه عقبافتاده و چند کار نزدیک به موعد تحویل دارد، میتواند برای بررسی اولویتها و تنظیم برنامه روز از مربی کمک بگیرد. تحلیل عملکرد نیز امکان مرور روند گذشته و گفتگو درباره اصلاح برنامه را فراهم میکند.
قرارگرفتن مربی هوشمند در کنار ابزارهای مدیریت پروژه، با تمرکز دویتیفای بر مدیریت اهداف ارتباط دارد. مسئله تنها انجامشدن تعدادی تسک نیست؛ بلکه این است که فعالیتهای روزانه چه ارتباطی با هدف نهایی کاربر یا تیم دارند.
ترکیب هدفگذاری، برنامهریزی و پیگیری اجرا در یک محیط، میتواند به کاربران کمک کند هنگام بررسی کارهای روزمره، نتیجهای را که برای دستیابی به آن تلاش میکنند نیز در نظر داشته باشند.
یک نمونه از مسیر کار؛ از ایده اولیه تا گزارش نتیجه
برای درک ارتباط این قابلیتها، میتوان سناریوی آمادهسازی یک نسخه جدید نرمافزار را در نظر گرفت. تیم ابتدا در گفتگو با هوش مصنوعی، دامنه نسخه و اولویتها را بررسی میکند. پس از جمعبندی، کوپایلوت به ایجاد اسپرینت، وظایف و چکلیستها کمک میکند تا برنامه در محیط پروژه قابل پیگیری شود.
در مرحله اجرا، اعضای انسانی مسئولیتهای خود را دنبال میکنند و یک ایجنت برنامهنویسی متصل از طریق MCP نیز میتواند اطلاعات وظیفه مرتبط را دریافت و نتیجه فعالیت خود را ثبت کند. اگر بخشی از کار به تیم هوش مصنوعی سپرده شود، برنامه و خروجی آن از محیط کاری مربوط قابل بررسی خواهد بود.
در ادامه، مدیر پروژه میتواند وضعیت پیشرفت و گلوگاههای احتمالی را تحلیل کند و هر عضو نیز برای تنظیم اولویتهای روزانه از مربی کمک بگیرد. این یک سناریوی کاربردی از کنار هم قرارگرفتن امکانات است؛ اجرای دقیق آن به تنظیمات، دسترسیها و ابزارهای انتخابشده بستگی دارد.
وجه مشترک این مراحل، حفظ ارتباط میان تصمیم، وظیفه و نتیجه است. هدف آن است که استفاده از هوش مصنوعی به تولید یک متن یا پاسخ جدا از جریان کار ختم نشود و بتوان اثر آن را در برنامه و اجرای پروژه دنبال کرد.
ادامه مسیر توسعه با مشارکت تیم دویتیفای
، مؤسس و برنامهنویس ارشد دویتیفای، در شکلگیری و توسعه این پلتفرم نقش داشته است. این محصول با همکاری اعضای تیم در حوزههای فنی، طراحی و توسعه محصول گسترش یافته و مجموعه قابلیتهای هوش مصنوعی نیز حاصل ادامه همین مسیر تیمی است.
جهتگیری اعلامشده دویتیفای، حرکت به سمت محیطی است که انسانها و ایجنتهای هوش مصنوعی بتوانند حول اهداف و پروژههای مشترک همکاری کنند. در این نگاه، هوش مصنوعی تنها ابزاری برای تولید پاسخ نیست؛ بلکه میتواند در چارچوب مسئولیتها و دسترسیهای مشخص، در جریان اجرای کار نیز مشارکت داشته باشد.
برای آشنایی بیشتر با امکانات و جزئیات دسترسی به قابلیتهای این پلتفرم، میتوان به وبسایت رسمی دویتیفای به نشانی doitify.com مراجعه کرد.

