مدتها بود که تولید و انتشار یک پست بلاگ در تیم، حدود ۱۲ ساعت زمان میبرد. وقتی فرایند را دقیقتر بررسی کردم، متوجه شدم مشکل لزوماً سرعت تیم نیست؛ بخش قابل توجهی از این زمان صرف دوبارهکاری، جابهجایی اطلاعات و مراحلی میشود که ارزش چندانی به خروجی اضافه نمیکنند.
بهجای اینکه از تیم بخواهم سریعتر کار کند، تصمیم گرفتم خود فرایند را بازطراحی کنم. با مستندسازی جریان کاری (Workflow)، پیدا کردن گلوگاهها، استانداردسازی و استفاده درست از هوش مصنوعی و با همراهی همکارهایم توانستم زمان تولید تا انتشار محتوا را از ۱۲ ساعت به ۳ ساعت کاهش دهم.
چکیدۀ مطلب
کاهش زمان تولید محتوا برای من با اضافهکردن هوش مصنوعی به فرایند اتفاق نیفتاد. ابتدا جریان کاری واقعی تیم را مستند کردم، دوبارهکاریها و گلوگاهها را پیدا کردم و سپس اطلاعات، پرامپتها و استانداردهای پراکندهام را به یک سیستم مشخص تبدیل کردم.
بخش مهمی از این تغییر برای من، ساخت Context ثابت برای AI بود؛ بهطوریکه دیگر لازم نبود اطلاعات کسبوکار، استانداردهای محتوا و قواعد طراحی را در هر پرامپت از ابتدا توضیح دهم.
بعد از هر تغییر نیز دوباره زمان فعالیتها را اندازه گرفتم. همین چرخه باعث شد زمان تولید تا انتشار محتوا برای من مرحلهبهمرحله از ۱۲ ساعت به ۳ ساعت برسد.
مسئله واقعاً «کند بودن تیم محتوا» نبود
وقتی تولید یک پست بلاگ برای ما حدود ۱۲ ساعت طول میکشید، سادهترین نتیجه این بود که «تیم باید سریعتر کار کند». بهجای ارزیابی سرعت افراد، حدود دو هفته روی خود فرایند کار کردم تا ببینم یک محتوا از شروع تا انتشار واقعاً چه مسیری را طی میکند.
بعد از جنگ و قطعی اینترنت، ما مجبور به قطع همکاری با سه نویسندۀ تیم شدیم. تصمیم بر این شد که برای مدتی کارها را خودمان پیش ببریم و این شروع بهینهسازی فرایند تولید محتوای ما شد.
قدم اول: همۀ مراحل کار را روی کاغذ آوردیم
اول تمام فعالیتهای مرتبط با تولید محتوا را استخراج کردم؛ نه فقط کار نویسنده، بلکه فعالیتهای مربوط به سئو، نویسنده، سرپرست محتوا، مدیر محتوا، تأیید، ویرایش، بهینهسازی و انتشار.
| چیزی که بررسی کردم | دنبال چه بودم؟ |
|---|---|
| مراحل تولید محتوا | هر محتوا دقیقاً چه مسیری را طی میکند؟ |
| نقش اعضای تیم | چه کسی در هر مرحله چه کاری انجام میدهد؟ |
| ابزارها و فایلها | اطلاعات در چند محل ثبت یا منتقل میشوند؟ |
| زمان هر فعالیت | بیشترین زمان در کدام مرحله مصرف میشود؟ |
| دوبارهکاریها | کدام فعالیت بدون ایجاد ارزش تکرار میشود؟ |
قدم دوم: دوبارهکاریها را پیدا کردیم
بعد از ترسیم جریان کاری، بخشی از اتلاف زمان برایم بهوضوح دیده شد. مثلاً اطلاعات مربوط به یک محتوا را در چند فایل مختلف ثبت میکردیم و بخشی از همان اطلاعات را دوباره وارد سیستم مدیریت وظایف مبتنیبر کانبان میکردیم.
گاهی اعضای تیم هم برای انجام یک کار باید اطلاعات را از چند محل پیدا و با یکدیگر ترکیب میکردند. یعنی بخشی از زمان تولید محتوا را اصلاً صرف تولید محتوا نمیکردیم؛ صرف جابهجایی و مدیریت اطلاعات میکردیم.
همین مشکل را در استفاده از هوش مصنوعی هم داشتیم. برای مراحل مختلف، از جمعآوری داده و طراحی بریف تا نوشتن محتوا، چندین پرامپت داشتیم که بخش قابل توجهی از اطلاعات و دستورالعملهای آنها تکراری بود؛ بنابراین مسئله برای ما فقط این نبود که بیشتر از AI استفاده کنیم؛ باید نحوۀ استفاده از هوش مصنوعی را هم بازطراحی میکردیم.
قدم سوم: هشت پرامپت را به یک جریان تبدیل کردیم
وقتی پرامپتهای تیم را کنار هم قرار دادم، متوجه شدم برای مراحل مختلف تولید محتوا حدود هشت پرامپت جداگانه داریم. (البته آشی بود که قبلا خودم پخته بودم!)
بخشی از این پرامپتها اطلاعات مشابهی دریافت میکردند و دستورالعملهای مشترکی داشتند. در نتیجه آنها را بررسی و تا حد امکان در یک جریان یکپارچهتر ادغام کردم. اما مسئله بزرگتری برایمان باقی مانده بود: «چرا باید اطلاعات ثابت کسبوکار و استانداردهای محتوا را برای تولید هر محتوا دوباره به AI بدهیم؟»
قدم چهارم: اطلاعات پراکنده را به ساختار ثابت تبدیل کردیم
در این مرحله دو سند جامع ساختم:
- سند اول شامل اطلاعات راهبردی کسبوکار، محصولات، خدمات و جهتگیریهای اصلی بود.
- سند دومم نیز استانداردهای مربوط به تولید محتوا را پوشش میداد؛ از لحن و ساختار محتوا تا قواعد تولید، بهینهسازی و تصمیمگیری درباره موضوعات مختلف.
این اسناد را در ChatGPT Project قرار دادم تا اطلاعات ثابت به بخشی از Context پروژه تبدیل شوند. در نتیجه دیگر لازم نبود هر بار در یک پرامپت طولانی، تمام اطلاعات کسبوکار و دستورالعملهای تولید محتوا را توضیح دهیم.
کافی بود ورودیهای مربوط به همان محتوا را وارد کنیم و هوش مصنوعی بر اساس Context و دستورالعملهای موجود کار را انجام دهد.
قدم پنجم: همین سیستم را برای تصاویر و اینفوگرافیک ساختیم
تکرار اطلاعات فقط در تولید متن برای ما اتفاق نمیافتاد. برای طراحی اینفوگرافیک هم مواردی مثل هویت بصری، لوگو، فونت، فوتر، قواعد تیترگذاری و عناصر مجاز و غیرمجاز را بارها توضیح میدادیم.
بنابراین استانداردهای بصری را هم در یک سند جامع مستند و به Context پروژه اضافه کردیم. از آن به بعد، برای تولید یک اینفوگرافیک عمدتاً دو منبع در اختیار AI قرار میدادیم:
محتوای پست بلاگ + استانداردهای بصری
در نتیجه لازم نبود برای هر تصویر یک پرامپت طولانی دربارۀ ظاهر و هویت برند بنویسیم. این تغییر علاوهبر کاهش زمان، باعث شد استانداردسازی طراحی نیز کمتر به حافظه و دقت افراد وابسته باشد.
قدم ششم: خروجی AI را به انتشار نزدیک کردیم
یکی دیگر از نقاط اتلاف زمان، فاصلۀ بین «تمامشدن محتوا» و «آمادهبودن برای انتشار» بود. قبلاً وقتی نویسنده محتوا را در Google Docs یا Word تحویل میداد، هنوز کارهایی مثل اصلاح هدینگها، ساختاربندی محتوا، بررسی لینکها و آمادهسازی برای CMS برایمان باقی میماند.
یعنی متن نوشته شده بود، اما محتوا هنوز آماده انتشار نبود. با استانداردسازی هوش مصنوعی تلاش کردیم ساختار نهایی از همان ابتدا به ساختار مورد نیاز CMS نزدیک باشد؛ در نتیجه، بعد از تأیید نهایی، محتوا را با تغییرات کمتری وارد سایت میکردیم.
هدف من فقط کاهش زمان نوشتن نبود؛ میخواستم کل فاصله بین شروع تولید تا انتشار محتوا را کوتاه کنم.
قدم هفتم: دوباره زمان گرفتیم
بعد از اجرای این تغییرات، فرایند را تمامشده در نظر نگرفتم. دوباره زمان هر فعالیت را اندازه گرفتم تا مشخص شود گلوگاه جدیدمان کجاست.
اگر یک مرحله زمان زیادی میگرفت، علت آن را بررسی میکردیم. اگر کاری چند بار تکرار میشد، امکان حذف یا ادغام آن را میسنجیدیم. اگر یک فعالیت الگوی مشخص و تکرارشوندهای داشت، بررسی میکردیم که آیا میتوانم آن را به یک پرامپت یا بخشی از دستورالعملهای ثابت AI تبدیل کنیم.
| مرحله | زمان تقریبی تولید تا انتشار |
|---|---|
| فرایند اولیه | ۱۲ ساعت |
| اصلاحات اولیه Workflow | حدود ۸ ساعت |
| حذف و ادغام بخشی از فعالیتها | حدود ۶ ساعت |
| بهینهسازی Context، AI و مراحل انتشار | ۳ ساعت |
چرخهای که در هر مرحله تکرار میکردم:
۱. اندازهگیری
۲. تحلیل
۳. پیداکردن گلوگاه
۴. حذف دوبارهکاری
۵. استانداردسازی
۶. پیادهسازی
۷. اندازهگیری مجدد
این بخش از فرایند برای من شاید مهمتر از خود ابزارهایی بود که استفاده کردم؛ چون بعد از هر بهبود، یک گلوگاه جدید خودش را نشان میداد.
جمعبندی
اگر یک فرایند ناکارآمد داشته باشیم و فقط از هوش مصنوعی بیشتر استفاده کنیم، احتمالاً فقط همان فرایند ناکارآمد را سریعتر اجرا کردیم!
تفاوت زمانی ایجاد میشود که ابتدا دوبارهکاریها را حذف کنیم، به اطلاعات ساختار بدهیم، Context مناسب بسازیم و فعالیتهای تکرارشونده را به AI بسپاریم.
در چنین شرایطی، هوش مصنوعی برای دیگر فقط یک ابزار برای نوشتن متن نیست؛ به بخشی از سیستم عملیاتی تولید محتوا (ContentOps) تبدیل میشود.
